O estado da preparação para a IA: da ambição à arquitetura

Lori Mac VittieEngenheiro Emérito e Evangelista-Chefe | F5

Todo mundo quer IA. A maioria das organizações afirma estar trabalhando nisso. Mas querer IA e estar preparado para ela são duas coisas muito diferentes. Nossa pesquisa mais recente vai direto ao ponto e analisa com rigor o real estágio das organizações. Spoiler: a maioria não está tão preparada quanto pensa.

Criamos um Índice de Prontidão para IA composto, normalizando seis indicadores — do estágio de implantação à diversidade de modelos — e, em seguida, agrupamos os participantes em níveis. Apenas 2% ficaram na faixa de “altamente preparados”. Vinte e um por cento mal haviam saído do ponto de partida. E a grande maioria? Ficou estagnada no meio do caminho.

Isso não me surpreende, e também não deveria surpreender você. Metade do índice se baseia na adoção de recursos específicos de IA — IA generativa, agentes de IA e IA agêntica. Descobrir que apenas 2% utilizam os três também não é surpreendente, já que a IA agêntica ainda está evoluindo neste exato momento.

Opa! Tem mais uma novidade.

As coisas estão realmente avançando tão rápido assim.

Descobrir que a maioria está moderadamente preparada é uma ótima constatação, pois significa que estão avançando no ritmo certo. Estão amadurecendo suas práticas, sua infraestrutura e a aplicação da IA a casos de uso empresariais de forma ponderada e significativa.

Moderadamente preparados: o meio-termo confortável

Setenta e sete por cento das organizações se enquadram nesse nível. Elas já deixaram o entusiasmo exagerado para trás, estão mergulhadas em experimentações e tentando fazer com que isso se consolide. Já começaram a preparar o caminho, mas a locomotiva ainda não ganhou velocidade.

A maioria já tem um projeto de IA generativa em produção. Algumas organizações já implementaram agentes. Outras ainda estão tentando entender o que significa, de fato, “fazer” IA agêntica. E, embora já tenham começado a explorar vários tipos de aplicações, a presença média da IA ainda é limitada. Estamos falando de cerca de cinco casos de uso, um terço dos aplicativos impactados e dois modelos em uso — geralmente um pago e outro de código aberto. Não é ruim. Só não é suficiente.

Por que isso é importante? Porque a diversidade limitada de tipos de modelo significa menos flexibilidade. Um único modelo não consegue atender a todas as cargas de trabalho. Você precisa de opções. O mesmo vale para as aplicações: uma IA restrita a um chatbot ou assistente interno não vai transformar sua organização. Você precisa de profundidade e distribuição.

Segurança? Ainda está correndo atrás do prejuízo. A integração entre as equipes de IA e segurança é inconsistente. Os firewalls estão a caminho, mas, em sua maioria, ainda estão apenas nos planos. Proteção de dados? Um pouco de aplicação de políticas em linha aqui, alguma tokenização ali, mas não há disciplina de infraestrutura suficiente para considerar isso algo sistêmico.

E, se você acha que pode improvisar até dar certo, contando com remendos e pensamento positivo, espere só para ver. O preço de uma segurança frágil vai muito além de um ciclo de notícias negativas: inclui reações adversas dos órgãos reguladores, perda de confiança e, cada vez mais, risco existencial.

E há ainda os próprios dados. Apenas 21% dessas organizações adotam práticas formais e reproduzíveis de rotulagem de dados. É como construir um carro de Fórmula 1 e encher o tanque com água de lagoa. Até dá para fazer isso, mas você não vai chegar muito longe.

Pode parecer estranho que profissionais tradicionalmente focados em redes e aplicações se preocupem com dados, mas, no fim das contas, a IA só é tão boa quanto os dados que utiliza — e agora há muito mais dados. Afinal, o princípio de que “se entra lixo, sai lixo” continua válido, inclusive ao aprimorar com IA qualquer recurso existente — aplicações, infraestrutura ou segurança. Sua IA só é tão boa quanto os dados usados para treiná-la. Se você ignorar essa etapa, não estará criando inteligência, mas reforçando suposições equivocadas e automatizando decisões duvidosas.

Este nível é o que chamaríamos de “impulso sem domínio”. Há energia e direcionamento, mas ainda existe muito atrito. Não por falta de vontade, mas devido às realidades de escala, coordenação e dívida arquitetural.

Baixa prontidão: ainda preso no saguão

Agora vamos falar dos 21%. Essas são as organizações que ainda estão tentando descobrir como começar ou, pior, ainda fingem que não precisam fazer nada. Talvez tenham um protótipo de chatbot. Talvez. Para essas equipes, o problema não é falta de visão, mas inércia.

Muitas atuam em setores regulamentados ou em ambientes presos a sistemas legados, nos quais a tolerância a riscos é baixa e a arquitetura é frágil. Mas, mesmo nesses casos, há avanços. Pouquíssimas dessas organizações implementaram medidas de segurança específicas para IA, como firewalls ou mecanismos de aplicação de políticas em linha. A maioria depende de controles gerais de perímetro de TI, que não são escaláveis para casos de uso de IA. Dois terços afirmam estar testando ou planejando projetos de IA. Isso já é alguma coisa. Mas não confundamos ambição com execução.

O risco aqui não é deixar essa tendência passar. Ninguém vai ignorá-la. O risco é ser atropelado por ela quando chegar. Sem um trabalho de base em dados, infraestrutura e pessoas, nem mesmo o melhor modelo conseguirá entregar resultados.

O que “altamente preparado” realmente significa

Quer subir de nível? Então desenvolva como os 2%:

• Integre mais de um modelo ao seu ambiente, incluindo opções pagas e de código aberto. Flexibilidade é essencial. Nem todo modelo é adequado para todas as tarefas.
• Não basta apenas “ter” agentes; use-os para executar tarefas operacionais reais. É assim que você ganha escala.
• Vá além de aplicativos isolados e comece a incorporar a IA generativa aos fluxos de trabalho. A integração não é opcional; é o que diferencia uma novidade de algo realmente útil.
• Garanta a segurança dos dados no nível da arquitetura, não apenas por meio de políticas. A conformidade não impede violações; o design, sim.
• E, acima de tudo, projete pensando em escalabilidade desde o início. Porque adaptar a resiliência posteriormente nunca é uma tarefa agradável.

A verdade é esta: estar preparado não é um produto que você compra. Não é um serviço que você assina. É uma postura, uma estrutura e uma mentalidade. E, se você está lendo isto e pensando: “Estamos razoavelmente preparados”, isso não é algo ruim. É um marco. Mas os próximos passos não acontecerão por acaso. Vocês precisarão agir de forma intencional, alinhada e aceitar um pouco de desconforto.

Porque a IA não recompensa os curiosos. Ela recompensa os preparados.

Para se aprofundar nos dados e saber mais sobre o modelo, você pode baixar nosso “Relatório sobre o Estado da Estratégia de Aplicações de IA em 2025: Índice de Prontidão para IA” aqui.

Sobre o autor

Lori Mac VittieEngenheiro Emérito e Evangelista-Chefe | F5

Lori MacVittie é engenheira distinta e evangelista-chefe no Escritório do CTO da F5, com ampla experiência em entrega de aplicações, estratégia de automação e infraestrutura. Ela é conhecida por transformar complexidade em clareza, seja definindo diretrizes para agentes de IA, analisando arquiteturas multinuvem frágeis ou investigando os limites de sistemas escaláveis. Ela acumula mais de trinta anos de experiência no setor, abrangendo desenvolvimento de aplicações, arquitetura de TI e operações de redes e sistemas. Antes de ingressar na F5, atuou como editora de tecnologia e recebeu diversos prêmios. MacVittie tem mestrado em Ciência da Computação e é uma autora prolífica, com publicações que abrangem segurança, nuvem e arquitetura empresarial. Ela também é uma entusiasta de jogos de tabuleiro e videogames, além de ter opiniões assumidamente fortes sobre queijos.

Mais publicações de Lori Mac Vittie