Corrida Tecnológica: por que a IA torna os sistemas mais importantes do que o software

Chief AI Officer da SOFTSWISS destaca os principais desafios da adoção da inteligência artificial e defende que infraestrutura, governança e capacitação são mais importantes do que a tecnologia em si.

Opinião.- A maioria das empresas afirma que está “implementando IA”. O que normalmente isso significa é que alguns engenheiros usam o Copilot, as equipes de marketing e RH utilizam um chatbot, e alguém da alta liderança tem um slide sobre transformação digital. Mas isso é implantação de ferramentas, não transformação. A diferença aparece nos resultados.

Às vésperas do Tech Race Summit 2026, onde mais de 30 palestrantes discutirão como a tecnologia está transformando setores e a forma como as pessoas trabalham, Denis Romanovskiy, chief AI Officer da SOFTSWISS, compartilha lições obtidas ao liderar uma transformação baseada em IA dentro de uma empresa com 2.000 funcionários em um dos setores mais regulados do mundo.

A seguir, os cinco pontos que Romanovskiy considera fundamentais.

1. A falta de compreensão sobre IA cria riscos operacionais

“Modelos de linguagem de grande porte só estão amplamente disponíveis há alguns anos. Nós realmente entendemos como trabalhar com eles? Como governar seu uso? Como construir sistemas de controle de qualidade ao seu redor? Não, não entendemos. Estamos todos aprendendo.”

Muitas empresas iniciam sua jornada com IA da mesma forma. Equipes individuais encontram ferramentas úteis e começam a experimentar: desenvolvedores utilizam assistentes de programação, equipes de suporte testam respostas automatizadas e profissionais de marketing usam LLMs para gerar ideias de campanhas e criar conteúdo.

O problema surge mais tarde. À medida que diferentes equipes passam a utilizar ferramentas distintas, os padrões de segurança começam a variar e o conhecimento valioso fica disperso. A principal desvantagem da adoção da IA no mundo real é a ausência de um sistema estruturado ao redor da tecnologia.

No igaming, onde a IA é cada vez mais utilizada na gestão de dados dos jogadores, verificações de conformidade, operações financeiras e detecção de fraudes, o uso inconsistente cria riscos que vão muito além da perda de produtividade.

Uma integração adequada da IA começa pela alfabetização tecnológica. Isso significa ensinar a todos na empresa o que a IA pode fazer, onde ela falha e por que a responsabilidade pelos resultados não desaparece quando um modelo automatiza um fluxo de trabalho.

2. A infraestrutura de IA importa mais do que o modelo

“Uma arquitetura centralizada nos permite implementar o princípio de ‘construir uma vez e usar em todos os lugares’.”

A maioria das discussões sobre IA se concentra nos modelos. O desafio maior está em tudo o que existe ao redor deles.

Assistentes de chat e ferramentas de autocompletar código são geralmente o primeiro contato das pessoas com a IA no ambiente de trabalho. Eles são úteis, mas atuam no nível de tarefas individuais, proporcionando ganhos de eficiência de cerca de 20% a 30% por pessoa. Já a IA incorporada ao planejamento, verificação e tomada de decisões opera em outro nível, acelerando processos entre três e cinco vezes.

As duas abordagens exigem estratégias diferentes: a primeira é uma implementação; a segunda é uma reformulação completa. Empresas que tratam a IA apenas como mais um software tendem a investir pouco em gestão de mudanças e a superestimar a velocidade com que as pessoas se adaptam.

À medida que a adoção cresce, as empresas descobrem rapidamente que dezenas de ferramentas desconectadas criam novos problemas. Os custos aumentam e se tornam mais difíceis de controlar, enquanto os riscos de segurança também crescem. Para empresas de igaming que operam em múltiplas jurisdições, cada processo alimentado por IA também precisa atender a requisitos de segurança e conformidade.

Por isso, a migração para plataformas centralizadas de IA é tão importante. Ela cria um ambiente seguro e padrões compartilhados, tornando a adoção da tecnologia realmente escalável.

3. A IA recompensa perguntas melhores, não respostas mais rápidas

“Com a IA, a execução pode acontecer em minutos ou horas. Você pode testar algo rapidamente, voltar atrás, tentar outra abordagem e iterar várias vezes.”

Em fluxos de trabalho tradicionais, testar uma nova ideia poderia levar semanas. A IA reduz drasticamente esse ciclo, permitindo que ideias sejam testadas rapidamente e que os resultados sejam obtidos em menos tempo.

À primeira vista, isso parece apenas uma vantagem. Mas também elimina a limitação que antes obrigava as equipes a refletirem profundamente antes de construir qualquer coisa.

A velocidade só gera valor quando as equipes sabem exatamente o que estão testando e por quê. À medida que a execução se torna mais barata, o gargalo passa a ser a identificação do problema correto e a avaliação adequada dos resultados. O verdadeiro valor da IA não está apenas na automação, mas na capacidade de acelerar o aprendizado. A vantagem competitiva pertence às equipes de igaming que fazem perguntas melhores e validam os resultados de forma mais eficiente.

4. A IA transforma empregos mais do que os substitui

“Os desenvolvedores certamente escreverão menos código. Eles pensarão mais sobre como criar instruções melhores para agentes de IA.”

Um dos maiores equívocos sobre a IA é a ideia de que ela substituirá os seres humanos. Na prática, ela está mais relacionada à redistribuição de tarefas e responsabilidades.

Os desenvolvedores passam menos tempo escrevendo códigos rotineiros e mais tempo definindo requisitos, estabelecendo restrições e validando resultados gerados pela IA. Experimentos com revisão automatizada de código já demonstram que entre 60% e 80% desse trabalho pode ser realizado por ferramentas de IA.

O mesmo padrão se estende para além da engenharia. Profissionais de suporte migram de solicitações repetitivas para casos complexos. Gestores deixam de acompanhar tarefas individuais e passam a avaliar resultados. À medida que a IA assume atividades operacionais, a expertise humana se concentra cada vez mais em planejamento, tomada de decisões e controle de qualidade.

5. Com a IA, a responsabilidade individual aumenta

“A IA sempre trabalha em conjunto com conhecimento corporativo validado. A palavra final e a responsabilidade pelas decisões críticas permanecem sempre com um especialista humano.”

A IA pode gerar respostas em segundos, mas isso não significa que ela saiba se essas respostas estão corretas.

Quando algo dá errado, é tentador culpar o modelo. No entanto, na maioria dos casos, a responsabilidade recai sobre as pessoas que projetaram o processo. Líderes de equipe decidem onde os controles serão aplicados, quais padrões devem ser seguidos e como os resultados serão revisados.

A IA muda a forma como o trabalho é realizado, mas não elimina a responsabilidade. Pelo contrário, torna as decisões de liderança ainda mais importantes.

Por isso, a governança se tornou uma parte essencial da implementação da IA. As empresas precisam de processos claros de revisão e de responsabilização em todas as etapas. Isso é ainda mais relevante no igaming, onde erros podem resultar em sanções regulatórias ou perdas financeiras diretas. Toda decisão baseada em IA deve permanecer transparente e sujeita à revisão humana.

O modelo de IA nunca tem a palavra final. Uma pessoa sempre tem.

Quer se aprofundar nas oportunidades, riscos e desafios práticos da adoção da IA? Participe do Tech Race Summit 2026, realizado pela SOFTSWISS em Varsóvia no dia 10 de setembro de 2026. O evento reunirá líderes de tecnologia para compartilhar decisões de arquitetura, estudos de caso reais e estruturas que transformam a integração da IA em resultados mensuráveis para os negócios.