O que aprendi sobre IA e inovação empresarial no MIT e no BPI

Lição 1. A vantagem técnica é menor do que parece, a vantagem de execução é maior do que parece

No MIT, a fronteira da IA move-se em meses. Mas a maior parte do que importa para uma empresa portuguesa de 5M€ a 50M€ de faturação não está nessa fronteira. Está em aplicar bem o que já existe há 18 meses. As empresas que ganham com IA não são as que têm a tecnologia mais recente. São as que executam mais rápido em problemas concretos com tecnologia disponível.

Lição 2. O problema certo vale mais do que o algoritmo certo

Esta é a lição que mais ouço nos corredores do MIT e a que menos vejo aplicada nas empresas que assessoro. A diferença entre um projeto de IA que cria valor e um que se arrasta está quase sempre na escolha do problema, não na escolha da técnica. Resolver o problema errado com IA de fronteira gera zero retorno. Resolver o problema certo com IA simples gera transformação.

• Um problema com volume baixo (menos de 100 transações/mês) raramente justifica automação dedicada.
• Um problema sem custo mensurável é um sintoma, não um problema.
• Um problema que muda de regras todos os meses não está pronto para ser automatizado, está pronto para ser primeiro estabilizado.

Lição 3. A IA generativa não é uma estratégia, é uma camada

Desde 2023 que assisto a apresentações de "estratégia GenAI" que são na realidade listas de vendedores. Modelos de linguagem (ChatGPT, Claude, Gemini) são ferramentas extraordinárias para tarefas específicas: extração de dados, geração de texto estruturado, sumarização, classificação. Não são uma estratégia. A estratégia continua a ser "que processos críticos do meu negócio podem ser acelerados ou desbloqueados, e que ferramentas (incluindo a IA generativa) servem cada um?".

Lição 4. O que vi funcionar no BPI AI Innovation Garden

Como curador do programa, observo dezenas de projetos por ano. Os que avançam para escala têm padrões consistentes que não dependem do setor.

1. Patrocinador executivo único e visível. Quando um projeto tem dois donos, tem zero donos.
2. Caso de uso definido em uma frase, com métrica de sucesso quantificada à partida.
3. Decisão de "matar ou escalar" tomada em ciclos de 8 a 12 semanas, não 12 meses.
4. Equipa que mistura quem conhece o problema (operacional) com quem sabe construir (técnica). Nunca só uma das duas.
5. Disposição para parar projetos que não estão a funcionar, mesmo depois de investimento significativo.

Lição 5. As empresas que ganham têm uma arquitetura, não um portfólio de pilotos

É comum encontrar empresas com 10 a 15 pilotos de IA em diferentes departamentos, sem ligação entre eles, sem partilha de dados, sem linha estratégica. O resultado: muito barulho, pouco impacto. As que avançam para resultado real têm uma arquitetura definida ao topo: que dados partilham, que sistemas comunicam, que casos de uso têm prioridade no próximo trimestre.

Lição 6. O custo de não fazer é maior do que parece

A análise tradicional de ROI compara o custo de implementar com a poupança gerada. Mas há um custo que raramente entra no business case: o custo de não fazer. Empresas que adiam decisões de IA por 18 a 24 meses descobrem que os concorrentes ganharam vantagem operacional. Custos por unidade descem. Velocidade de resposta a clientes aumenta. Margens comprimem para quem fica para trás. Em mercados maduros e competitivos, a IA não é um bónus. Está a tornar-se em condição de igualdade.

Lição 7. Os melhores resultados vêm de projetos invisíveis para o cliente final

A obsessão com chatbots e assistentes voltados para o cliente final desvia atenção do que é mais valioso. Os maiores ganhos que vi em projetos do BPI Garden são em automação interna invisível. Faturação. Reconciliação. Triagem de candidatos. Reporting. O cliente final não nota. A operação muda radicalmente. Os ganhos compostos ao longo de 12 meses são frequentemente superiores a 200% do investimento.

Lição 8. A vantagem do MIT está no método, não na tecnologia

O que se ganha numa formação de IA aplicada no MIT não é acesso a ferramentas exclusivas. Essas ferramentas estão hoje disponíveis em qualquer cloud pública. O que se ganha é o método. Como definir o problema, como medir, como decidir parar, como ligar tecnologia a estratégia, como comunicar com não-técnicos. Esse método é replicável em qualquer empresa portuguesa que invista tempo a aprender. E é a diferença entre um projeto de IA que vive 6 meses e um que dura 6 anos.

O que vejo a falhar consistentemente em Portugal

• Tratar IA como projeto de IT, não como projeto de transformação operacional.
• Comprar plataformas pelo nome, não pelo encaixe no problema específico.
• Esperar que consultoras externas resolvam o que é uma decisão estratégica interna.
• Subestimar o tempo de adoção pela equipa, e cortar precisamente o orçamento de formação.
• Comparar com casos de uso de empresas norte-americanas com escala 100x superior, e tirar conclusões erradas para a realidade portuguesa.

Conclusão. A IA é uma alavanca, não um destino

A pergunta certa não é "como implementamos IA?". É "que problemas operacionais críticos do nosso negócio podem ser desbloqueados ou acelerados nos próximos 12 meses?". Quando se chega a esta pergunta, a IA aparece como uma das ferramentas, ao lado de outras. E é exatamente nesse contexto que cria valor real, defensável e composto ao longo do tempo. Para construir o business case que defende esta decisão internamente, o método de cálculo está em ROI de IA: como calcular o retorno antes de investir.