IA para decisões críticas: por que a próxima disputa da inteligência artificial corporativa não é sobre produtividade

A conta da produtividade

O mercado de inteligência artificial passou quatro anos vendendo produtividade. Agora começa a cobrar a conta pela decisão. Um levantamento do MIT estimou que cerca de 95% dos projetos corporativos de IA generativa não geraram retorno financeiro mensurável, e a leitura que se consolidou entre executivos é desconfortável: a maior parte do investimento foi para ferramentas que produzem texto, imagem e código, não para sistemas que ajudam a empresa a tomar decisões críticas.

O sinal mais visível dessa virada não veio de uma crítica acadêmica, e sim do próprio centro do mercado. O anúncio da OpenAI de uma estrutura dedicada a levar seus modelos para dentro das operações das empresas, com investimento estimado na casa dos bilhões de dólares, apontou para onde o eixo se move: da geração de conteúdo para a execução e a decisão.

Para quem responde por resultado, a distinção deixou de ser semântica. Um copiloto que acelera a redação de um relatório entrega ganho de tempo. Um sistema que aponta onde está a exposição financeira de uma operação, e o que acontece se a empresa agir ou não agir, entrega outra coisa. A primeira categoria já tem dezenas de fornecedores. A segunda ainda está sendo desenhada.

O que muda quando a IA opera dentro do mundo

É nesse deslocamento que uma deeptech catarinense decidiu se posicionar. A Grand Thera, sediada em Florianópolis, constrói o que chama de Decision-Grade AI, inteligência artificial de nível de decisão, voltada a ambientes onde o erro é caro e visível, com aplicações em bancos e instituições financeiras, empresas de tecnologia, real estate e indústria pesada.

A tese da empresa parte de uma distinção que o próprio mercado começa a fazer. IA de conteúdo escreve sobre o mundo. IA de decisão opera dentro dele, simulando o impacto financeiro de uma escolha antes que ela seja executada e acompanhando esse impacto em tempo real.

“O problema das empresas não é falta de IA, é falta de direção”, resume Fernando Negrini, CEO da Grand Thera. “Grandes companhias já têm mais dados do que conseguem usar. O que elas não têm é uma plataforma que transforme esse excesso de dados em uma decisão rastreável, com consequência financeira clara antes do impacto no P&L”.

A diferença aparece com clareza quando se observa quem senta na ponta da conversa. O interlocutor de uma ferramenta de produtividade é o time que executa. O interlocutor de um sistema de decisão é quem responde pela consequência: conselhos de administração, conselheiros independentes e CFOs de operações enterprise.

A arquitetura como argumento comercial

A arquitetura é o ponto que a Grand Thera usa para se separar da onda de copilotos e assistentes. Em vez de apoiar a decisão apenas em modelos de linguagem, a empresa coloca a matemática e a computação no núcleo, com técnicas como equações diferenciais estocásticas neurais e análise espectral operando como motor de decisão, e reserva à IA generativa o papel de interação e síntese.

O argumento é técnico, mas tem endereço comercial claro: áreas de risco em instituições financeiras, conselhos de indústrias pesadas e diretorias estratégicas que rejeitam a chamada caixa-preta, sistemas cujas respostas não podem ser auditadas nem explicadas a um comitê. Em uma sala em que cada decisão precisa ser justificada, um sistema que não mostra o caminho até a conclusão não é aprovado, por melhor que seja a resposta.

Há ainda uma segunda objeção clássica desses setores, e ela é menos sobre confiança e mais sobre perímetro. A proposta da Grand Thera é rodar dentro da própria infraestrutura do cliente, sem enviar dados confidenciais para sistemas externos, o que remove uma das principais barreiras de adoção em ambientes regulados.

Uma categoria sem nome dominante no Brasil

O timing joga a favor da narrativa. O mercado global de Enterprise AI, categoria em que players como Palantir, C3.ai e Wonderful AI já operam, é projetado para superar a casa das centenas de bilhões de dólares nos próximos anos.

No Brasil, porém, a categoria ainda não tem um nome dominante em português, com porta-voz nacional e caso local verificável. É a lacuna que a Grand Thera aposta em ocupar antes que um importado a preencha. Vale registrar o que esse tipo de disputa costuma decidir: em categorias novas, quem nomeia o problema tende a definir os critérios pelos quais o mercado compara as soluções depois.

O que sustenta a aposta

A empresa contabiliza cerca de R$ 1,2 milhão em contratos fechados e em execução, ainda na fase inicial da estruturação comercial no Brasil e nos Estados Unidos, além de um pipeline de novas oportunidades comerciais em andamento. O movimento acompanha a tração crescente do mercado de enterprise AI e sugere demanda latente por sistemas capazes de apoiar decisões críticas em áreas diretamente expostas a risco de alto impacto financeiro.

O filtro, no caso da companhia, funciona nos dois sentidos: cerca de R$ 800 mil em propostas foram deliberadamente não convertidas por demandarem desenvolvimento sob medida, um modelo de software house que foge do padrão de Enterprise SaaS da empresa. Em um estágio no qual a maioria das companhias aceita qualquer receita, recusar contrato é uma declaração de foco.

A pergunta mais cara

Para Fernando Negrini, a virada de ciclo é menos sobre a tecnologia em si e mais sobre a expectativa das empresas. “O copiloto foi útil para acelerar tarefas, mas ninguém aprova uma decisão de alto impacto financeiro porque um ‘chat’ sugeriu. Em decisão crítica, a pergunta não é o que a IA respondeu, e sim como ela chegou lá e o que acontece com o resultado se a decisão for tomada”, afirma. ” O próximo ciclo da IA corporativa não vai ser vencido por quem gera o texto mais convincente, e sim por quem aponta a melhor decisão “.

A aposta é grande e ainda depende de execução: transformar substância técnica e casos iniciais em presença de mercado, reputação e escala comercial nos dois países. Mas o movimento ilumina uma inflexão que vai além de uma empresa. Depois do ciclo em que a pergunta era o que a IA consegue gerar, o mercado passa a fazer uma pergunta mais dura, e mais cara: em quais medidas e decisões é possível confiar na inteligência artificial?

A OESP não é(são) responsável(is) por erros, incorreções, atrasos ou quaisquer decisões tomadas por seus clientes com base nos Conteúdos ora disponibilizados, bem como tais Conteúdos não representam a opinião da OESP e são de inteira responsabilidade da PulseBrand