Os 4 alicerces que a AWS recomenda resolver antes de investir em IA

O piloto de IA que sua equipe apresentou no último comitê já tem seis meses de sandbox e nenhuma data de produção. O conselho pergunta por que a empresa ainda não escala IA enquanto todo concorrente publica caso de agente autônomo no LinkedIn. Ninguém no time consegue dizer, com segurança, se o problema é a tecnologia escolhida ou a base que deveria sustentar ela.

Essa dúvida apareceu quase idêntica em conversas com clientes do México à Argentina, segundo relato de Paula Bellizia, Vice-Presidente da AWS Latam, no keynote de abertura do Cortex Summit 2026.

Ela nomeou quatro alicerces que precisam estar resolvidos antes de qualquer empresa avançar o investimento em IA em escala, sob risco de o dinheiro virar mais um piloto perdido. Isso vale tanto para quem ainda não começou quanto para quem já leva IA para o core da operação. 

Este artigo organiza esses quatro alicerces em um estrutura de decisão sobre investir ou não. Aqui a pergunta é: vale escalar agora, ou corrigir a base primeiro? Raramente a resposta é parar. Na maioria dos casos, é sustentar um piloto contido enquanto os quatro alicerces são corrigidos em paralelo.

Índice

• Como avaliar se sua empresa está pronta para a implementação de IA em escala?
  
• O stack tecnológico legado impede a IA de sair do piloto?
• Dados sem governança transformam cada aplicação de IA em uma ilha isolada
• Segurança dentro da agenda de IA, não ao lado dela
• Quem responde quando humanos e agentes decidem juntos?
• A escassez de talento também é um alicerce, e o mais barato de ignorar
• Perguntas frequentes

Como avaliar se sua empresa está pronta para a implementação de IA em escala?

Prontidão para IA em escala é a condição em que uma organização já endereçou quatro alicerces estruturais. São eles:

• stack tecnológico modernizado e majoritariamente na nuvem;

• dados organizados e governados;

• segurança tratada dentro da agenda de IA, não como camada posterior;

• e governança capaz de coordenar decisões tomadas por humanos e por agentes autônomos ao mesmo tempo.

Só assim o investimento em escala tem condição real de gerar o valor econômico esperado, em vez de se dissolver em mais um piloto que nunca sai do estágio experimental. A recomendação mira o tamanho do próximo cheque; o piloto que já roda pode seguir em teste enquanto os alicerces são corrigidos.

A régua certa de prontidão é saber em qual estágio de maturidade a empresa está e por que travou ali. Já testar IA em algum processo isolado não responde essa pergunta sozinho.

Uma pesquisa da AWS com a Strand Partners mostra que 50% das empresas brasileiras já usam IA, contra 40% no ano anterior, mas o corte por estágio conta a história real: 58% ainda no básico, 27% no intermediário e apenas 15% no avançado. Adoção e geração de valor são coisas diferentes, e essa distinção é o núcleo do problema.

O World Economic Forum mostra que apenas 23% das organizações da América Latina geram algum valor econômico com IA, e só 6% relatam valor significativo. Entre as PMEs da região, 60% não geram valor mensurável nenhum.

Essa distância entre 50% que usam e 23% que colhem valor real é sintoma de alicerce não resolvido. Fechar essa conta pede reconhecer qual dos quatro pilares está fragilizado e corrigir esse pilar antes do próximo caso de uso.

Por que a maioria dos guias sobre IA evita a pergunta sobre quando não avançar?

A maioria do conteúdo sobre IA pressupõe que a empresa já decidiu investir e só orienta como fazer, porque ninguém vende pausa: o mercado inteiro está desenhado para vender avanço.

Ao mapear os artigos que ranqueiam para o tema, um padrão se repete: cada um é uma lista numerada de passos, em tom otimista, tratando o avanço como fato consumado. Nenhum trata a hipótese de não avançar como decisão estruturada, ancorada em dado de mercado e autoridade externa.

Esse silêncio tem explicação simples de incentivo comercial: quase todo conteúdo sobre o tema vem de quem vende avanço, seja software, projeto de consultoria ou espaço publicitário em portal especializado. Quem já resolveu essa etapa e busca o roteiro de execução encontra esse caminho no guia de inteligência artificial para gestores, que trata do como fazer depois que a decisão de investir está tomada.

O custo desse silêncio aparece no State of AI 2026 da McKinsey, levantamento com 1.719 respondentes em 97 países: 63% das organizações não reportam impacto positivo no EBIT atribuído à IA, e apenas 6% chegam a high performer, com 5% ou mais de EBIT vindo dessa fonte. A maioria avança, mas poucos colhem.

Para quem decide Go-to-Market, esses quatro alicerces pertencem tanto à mesa de TI quanto à mesa de crescimento. Um agente que aponta onde expandir a próxima loja, quem prospectar primeiro no funil, como reagir a uma crise de reputação ou onde ativar o próximo ponto de venda só é confiável se a base que o alimenta for sólida.

Sem stack modernizado, dado governado, segurança desenhada junto e governança clara, o mesmo agente decide sem controle, com dado errado e sem dono. Aqui na Cortex, por exemplo, tratamos esses quatro alicerces como pré-condição de qualquer estratégia de crescimento orientada por IA: antes de estratégia de mercado existe infraestrutura de decisão.

O stack tecnológico legado impede a IA de sair do piloto?

Sim: sem a maior parte das cargas de trabalho na nuvem, com capacidade elástica de computação, o valor da IA fica confinado a experimentos isolados e nunca se espalha em escala real.

O mecanismo aqui não é de performance, é de propagação. Um modelo de IA rodando em cima de um pedaço de infraestrutura legada não contamina o resto do stack com a mesma capacidade elástica. Cada novo caso de uso precisa da própria reconstrução de infraestrutura antes de rodar, o que trava o alcance do investimento em vez de acelerá-lo.

Isso explica por que a prontidão cai mesmo entre quem já avançou em nuvem. A mesma pesquisa da AWS com a Strand Partners mostra que, entre as empresas brasileiras que usam IA, 88% já adotaram nuvem. Mas no recorte de IA agêntica o número desaba: apenas 21% se sentem prontas para IA agêntica, 26% conhecem o conceito e só 6% implementaram totalmente.

A nuvem de ontem não sustenta o agente de amanhã. Modernizar o stack custa tempo e orçamento hoje, mas pular essa etapa significa pagar o mesmo custo depois, caso de uso por caso de uso, sem nunca fechar a conta. A decisão que importa neste estágio é executiva: perceber onde o piloto trava. A escolha de arquitetura vem depois, como execução.

Dados sem governança transformam cada aplicação de IA em uma ilha isolada

Quando não há dono definido para qualidade, catalogação e acesso ao dado, cada time constrói a própria versão da verdade, e nenhuma aplicação de IA se sustenta com confiança ou reaproveitamento em escala.

“Ilha isolada” descreve com precisão o que mede o KPMG Global Tech Report 2026, levantamento com 2.500 executivos em 27 países, incluindo 150 líderes brasileiros: 45% afirmam ter múltiplos projetos de IA operando desconectados entre si. Sem dado compartilhado, cada aplicação reconstrói a própria base do zero, multiplicando custo e inconsistência a cada novo projeto aprovado.

O mesmo relatório mostra que 58% dos executivos brasileiros relatam o compromisso entre segurança, escalabilidade e qualidade de dado como obstáculo direto. Resolver esse alicerce compete recurso, tempo e patrocínio com todas as outras prioridades de TI da empresa, e por isso costuma perder.

A pergunta prática antes de aprovar o próximo piloto é simples: quem é o dono do dado que ele vai consumir? Se a resposta for “cada time cuida do seu”, o alicerce ainda não está resolvido, e nenhum modelo corrige isso sozinho. Uma cultura que trata dado como ativo compartilhado sustenta esse alicerce no dia a dia.

Segurança dentro da agenda de IA, não ao lado dela

Um agente autônomo executa ação além de sugerir: pode alterar registro ou concluir transação sem humano no loop. Tratar segurança como revisão posterior chega tarde demais para conter esse risco.

O mecanismo que muda aqui é a categoria do risco, não a intensidade dele. Segurança de software tradicional audita o que o sistema pode mostrar na tela. Segurança de IA agêntica precisa auditar o que o sistema pode fazer sozinho, no mundo real, sem esperar aprovação humana em cada passo.

O OWASP Agentic Security Initiative formalizou esse deslocamento em fevereiro de 2025, no documento Agentic AI Threats and Mitigations. A mitigação central proposta é escopo de permissão limitado e auditável, o equivalente a tratar cada novo agente como um funcionário júnior que não recebe acesso irrestrito no primeiro dia de trabalho.

Dar escopo amplo acelera o piloto no curto prazo, sem dúvida. Mas cada permissão não auditada é superfície de risco que cresce junto com a escala do investimento, e o custo dela aparece depois, quando já é caro corrigir. Se a empresa não consegue listar quais ações um agente tem permissão de executar sozinho, esse alicerce não está resolvido, por mais sofisticado que seja o modelo por trás dele.

Quem responde quando humanos e agentes decidem juntos?

A governança precisa nomear, antes de o sistema entrar em produção, quem responde por cada decisão automatizada e qual é o processo de revisão quando humano e agente erram juntos.

Dois frameworks formalizam esse mecanismo. O NIST AI Risk Management Framework organiza a gestão de risco de IA em quatro funções: Govern, Map, Measure e Manage. Govern vem antes das outras três por motivo estrutural: sem definição de apetite de risco e de responsabilidade primeiro, mapear, medir e gerir não têm dono, o mecanismo formal por trás da recomendação de Bellizia.

A ISO/IEC 42001 segue a mesma lógica, com ciclo contínuo de melhoria que trata o sistema de IA como algo além de mais um software em produção. O descompasso brasileiro aparece com clareza no State of AI in the Enterprise 2026 da Deloitte, com 115 executivos brasileiros entre 3.235 respondentes globais: apenas 27% têm modelos de governança maduros para IA agêntica, enquanto 95% planejam adotar IA agêntica em até dois anos. A maioria vai chegar à data prevista de adoção sem o alicerce pronto.

Esse é o alicerce mais fácil de adiar, porque não trava o piloto no primeiro dia, e o mais caro de faltar quando o agente já está em produção sem ninguém que responda pelo erro dele. O roteiro prático de governança de IA, com os frameworks regulatórios em detalhe, é aprofundado em outro conteúdo da Cortex dedicado ao tema.

Esperar também tem custo, mas auditoria de pré-requisito não pode virar desculpa

Menos de 10% dos casos de uso passam do piloto; o risco maior é ficar preso em modo piloto enquanto o planejamento dos alicerces nunca termina, mais do que agir cedo demais.

Esse número vem da própria McKinsey, no relatório Seizing the agentic AI advantage: menos de 10% dos casos de uso de IA implantados avançam além da fase de teste. Esperar tem custo real, e fingir o contrário seria desonesto com quem lê este artigo.

Mas reconhecer os quatro alicerces não significa exigir os quatro 100% prontos antes do primeiro piloto. A defesa do “comece pequeno” pede um sequenciamento diferente: tratar os alicerces em paralelo, com um caso de uso de escopo contido, em vez de esperar a base inteira ficar perfeita antes de testar qualquer coisa.

O KPMG Global Tech Report 2026 mostra as duas faces do mesmo problema ao mesmo tempo. 57% dos executivos brasileiros dizem que dívida técnica trava ou retarda novos investimentos em IA, mas 60% relatam dificuldade em provar impacto de IA aos próprios stakeholders, algo que só se resolve executando. Travar tudo até a base estar perfeita também não resolve, porque impacto não se prova em planejamento.

A recomendação da AWS trazida por Bellizia é sobre o investimento em escala, não sobre começar. A régua prática para não confundir prudência com paralisia é ter prazo e critério de saída para a própria auditoria de pré-requisitos. Se a auditoria não termina, ela deixou de ser diligência e virou desculpa.

A escassez de talento também é um alicerce, e o mais barato de ignorar

Quase metade das empresas brasileiras aponta a escassez de habilidades digitais e de IA como uma das maiores barreiras, e nenhum programa de capacitação resolve isso sozinho no curto prazo. O mesmo levantamento da AWS com a Strand Partners que embasa os números de adoção mostra que, para 48% das empresas brasileiras, a escassez de habilidades digitais e de IA é uma das maiores barreiras ao avanço em IA. É um número que a liderança costuma tratar como problema de RH, quando ele decide a sustentação técnica dos outros três alicerces.

Talento é o alicerce menos visível: diferente de stack legado ou dado sem dono, ele não bloqueia o piloto logo no primeiro dia. Mas é o mais caro de ignorar, porque os outros três dependem dele para se manter em pé. Alguém precisa operar o stack modernizado, auditar o dado governado e monitorar o escopo de permissão de cada agente.

A decisão de investimento muda quando a empresa reconhece a lacuna de talento cedo, antes que ela apareça como o motivo real por trás de um projeto que travou ao tentar escalar.

Perguntas frequentes

Conclusão

Os quatro alicerces que Paula Bellizia trouxe ao palco do Cortex Summit 2026 pertencem tanto à mesa de TI quanto à de Go-to-Market. Eles separam o agente que decide com dado confiável sobre onde expandir, quem prospectar, como proteger a reputação da marca ou onde ativar o próximo ponto de venda do agente que decide no escuro.

Por isso a Cortex trata infraestrutura de decisão como pré-condição de qualquer estratégia de crescimento orientada por IA: é o que separa empresas que usam IA de empresas que operam com Inteligência Aumentada, humano e IA decidindo juntos, com GTM Intelligence coordenando essa leitura de mercado antes de discutir qual ferramenta comprar. Diagnosticar em qual dos quatro alicerces sua empresa está fragilizada é o primeiro passo.

O segundo é decidir, com critério e não com medo, se o investimento em escala avança agora ou se um piloto contido corrige a base em paralelo. Nenhuma das duas respostas é “espere indefinidamente”.

Se sua empresa está avaliando onde investir em IA agora, vale conversar sobre em qual dos quatro alicerces você está antes de decidir o tamanho do próximo investimento.Fale com um especialista da Cortex.