No entanto, essa evolução abre uma reflexão crítica para qualquer liderança de segurança: sua estratégia de proteção acompanhou o ritmo dessa transformação?

Historicamente, muitas estratégias de segurança priorizaram a proteção do tráfego de entrada (ingress). Entretanto, em arquiteturas cada vez mais distribuídas e integradas a serviços externos, o tráfego de saída (egress) também exige visibilidade, políticas de controle e governança contínua.

Onde o AWS Network Firewall entra nessa estratégia?

O AWS Network Firewall é um serviço gerenciado de segurança de rede que permite definir políticas de inspeção e filtragem de tráfego em Amazon VPCs. Com mecanismos stateless e stateful, ele pode contribuir para o controle de comunicações de entrada e saída, conforme a arquitetura, as rotas e as regras configuradas.

Seu papel é complementar outros controles de segurança, como identidade, proteção de aplicações, criptografia e detecção de ameaças.

Ainda assim, é importante lembrar que proteger a empresa nesse novo cenário não se resume a restringir a inovação, mas a estruturar uma segurança em profundidade. Uma governança madura na era da IA equilibra três dimensões estratégicas:

• Proteger a IA: aplicar controles de segurança aos dados corporativos, modelos, identidades e aplicações que compõem os ecossistemas de inteligência artificial.
• Proteger contra ameaças: estabelecer visibilidade e controles apropriados sobre as comunicações de rede de aplicações e serviços.
• Usar IA em favor da defesa: utilizar recursos de análise e inteligência artificial, quando aplicáveis, para apoiar a correlação de eventos, a investigação de anomalias e a priorização de respostas supervisionadas.

Assista à gravação do webinar: Cloud Security na Era da IA

3 perguntas essenciais para a sua gestão de segurança

Mesmo em ambientes corporativos consolidados na nuvem, algumas decisões de infraestrutura podem gerar falsas sensações de segurança:

1. Suas regras de rede acompanham contêineres em tempo real?

Em ambientes Amazon EKS e Amazon ECS, o AWS Network Firewall oferece recursos de inspeção baseados em atributos de contêineres, permitindo associar políticas a workloads compatíveis sem depender exclusivamente de listas estáticas de IPs.

Com a evolução anunciada em outubro de 2026, também é possível utilizar padrões com wildcards, como app=payments-*, simplificando a gestão de associações em ambientes dinâmicos. A aplicação desses recursos depende dos pré-requisitos e das configurações suportadas.

2. A segurança da sua nuvem bloqueia ameaças ou bloqueia o negócio?

A evolução segura das políticas exige uma abordagem gradual: mapear fluxos legítimos, configurar mecanismos de observabilidade e regras de alerta quando apropriado, validar dependências e exceções e, somente após os testes necessários, aplicar restrições como DROP ou REJECT.

Essa jornada representa fases de implantação, não uma sequência automática de execução de regras. O comportamento efetivo depende da configuração da política do firewall.

3. Centralizar ou descentralizar a inspeção de tráfego?

Não existe uma topologia universalmente superior. A inspeção distribuída pode simplificar determinados fluxos locais, enquanto arquiteturas centralizadas podem favorecer a padronização de políticas e a governança.

A escolha deve considerar roteamento, disponibilidade, desempenho, volume de tráfego, custos dos endpoints e serviços de conectividade, transferência de dados e operação.

Como transformar esses desafios em decisões de arquitetura?

No webinar da Zup em parceria com a AWS, especialistas explicam como o AWS Network Firewall pode contribuir para estratégias de inspeção de tráfego, governança de conexões externas e proteção de aplicações modernas, destacando possibilidades, limitações e decisões arquiteturais.

Assista à gravação do webinar: Cloud Security na Era da IA

Confira os principais desafios de segurança de rede, decisões arquiteturais e possibilidades de aplicação do AWS Network Firewall apresentados pelos especialistas da Zup e da AWS.

Converse com nosso time de especialistas

Se a sua empresa busca entender a fundo o mapeamento de tráfego de saída, adequar ambientes dinâmicos de contêineres ou desenhar arquiteturas de nuvem robustas com tecnologias AWS, o time de especialistas da Zup está à disposição para apoiar sua jornada do planejamento à evolução contínua. 

Quer entender se o AWS Network Firewall faz sentido para sua arquitetura?

Entre em contato com nosso time de Solutions Architecture para avaliar seus desafios de conectividade, inspeção de tráfego e segurança em nuvem.

A realidade é que observabilidade isolada não é inteligência. Coletar telemetria não basta se esses dados não forem transformados em ações e contexto de negócio em tempo hábil.

Para que a gestão de APIs realmente entregue valor, eficiência financeira e estabilidade operacional, as lideranças precisam capacitar sua operação com diagnósticos inteligentes, correlação de jornadas e automação analítica.

O diagnóstico da complexidade: onde os ecossistemas de APIs estão falhando?

Em arquiteturas modernas de microsserviços e nuvem, a dispersão de logs em ferramentas como OpenSearch, Loki ou Dynatrace cria silos operacionais. Embora os dados estejam lá, faltam conexões diretas com a jornada do cliente.

Essa falta de contexto gera três gargalos comuns nas operações de TI:

• Silos e pontos cegos operacionais: Métricas estritamente técnicas não revelam quais clientes ou produtos foram impactados por uma falha silenciosa.
• Dreno no tempo da engenharia sênior: Especialistas caros são desviados da inovação estratégica e do core business para atuar como “apagadores de incêndio” em triagens manuais reativas.
• Desperdício computacional (FinOps): Chamadas fantasmas, loops infinitos e retries desnecessários inflam a fatura de nuvem sem agregar valor à transação final.

Uma gestão de APIs eficaz não exige descartar seu ferramental atual ou reconstruir a arquitetura do zero. O verdadeiro salto de maturidade consiste em adicionar inteligência e capacitação contínua sobre a infraestrutura existente.

Pilares para gestão de APIs

Adotar soluções avançadas sem alinhar processo e time reduz o impacto de qualquer transformação técnica. Para construir uma governança sustentável de APIs, as lideranças técnicas devem estruturar sua estratégia em quatro frentes:

Como a GenAI e o Zup API Radar transformam dados brutos em inteligência

Para apoiar empresas na evolução de seus ecossistemas sem atritos arquiteturais, a Zup desenvolveu o Zup API Radar, uma solução com GenAI nativa na AWS que atua como uma camada complementar de inteligência sobre a sua stack existente (Dynatrace, OpenSearch, Loki, API Gateways), operando em um pipeline de 4 etapas:

1. Buscar: Varredura ágil e contínua dos dados e logs de telemetria da sua infraestrutura.
2. Resumir: Consolidação automática de padrões e anomalias operacionais.
3. Contextualizar: Tradução direta de métricas puramente técnicas para as jornadas de negócio e clientes impactados.
4. Gerar: Diagnósticos autônomos e orientações acionáveis em tempo real por meio de IA generativa.

Totalmente customizável para as necessidades das empresas, a solução pode contar com módulos como API Health (integridade geral e lentidões por severidade), Customer Tracking (rastreamento cirúrgico por ID de cliente), Relatório em Lote e Mapeamento de Jornada, a plataforma une eficiência técnica e impacto no negócio.

O resultado, inclusive, já foi comprovado em uma multinacional de Telecom: a implementação dessa solução gerou 50% de redução nos custos envolvidos e eliminou 80% do tráfego disperso.

Validação ágil: inteligência sem longos ciclos de implementação

Evoluir a maturidade da sua operação técnica não exige apostas ou reconstruções complexas da arquitetura. Trata-se de somar a inteligência certa sobre o ecossistema e as ferramentas que a sua empresa já utiliza.

Para apoiar você  nessa jornada, a Zup combina experiência profunda em engenharia com uma parceria robusta com a AWS, o ecossistema de nuvem mais adotado do mundo:

• AWS Advanced Tier Services Partner: Reconhecimento formal de maturidade técnica e capacidade de entrega em nuvem.
• AWS Professional Services: Atuação consultiva e prática alinhada aos mais altos padrões de arquitetura e governança.
• Mais de 400 certificações AWS: Time altamente especializado, apto a extrair o máximo potencial de tecnologias como Amazon Bedrock e Amazon OpenSearch Service no seu contexto real.

Aliando essa bagagem técnica com soluções pensadas para o dia a dia da engenharia, sua empresa conecta métricas técnicas a impacto direto de negócio, reduz desperdícios de infraestrutura e otimiza a rotina das equipes.

Sua operação está pronta para sair da observabilidade passiva e liderar com diagnósticos inteligentes?

Agende uma conversa e descubra como destravar o potencial da sua gestão de APIs.

Enquanto conselhos e acionistas cobram inovação acelerada, CTOs, CIOs e lideranças de engenharia enfrentam uma realidade operacional complexa: assinaturas de ferramentas de IA espalhadas por diferentes departamentos, Provas de Conceito (PoCs) promissoras que morrem antes do ambiente de produção e, ao mesmo tempo, uma estagnação na curva de produtividade.

O diagnóstico do mercado é que ferramentas por si só não transformam negócios; mas pessoas capacitadas com método e governança, sim.

Para ultrapassar o ciclo do “hype” e converter experimentações isoladas em valor de negócio mensurável, a liderança executiva precisa pivotar sua abordagem de investimento. A chave para essa virada está em um treinamento corporativo de IA estruturado, contextualizado ao ambiente da empresa e focado na real prontidão operacional.

O diagnóstico da GenAI nas organizações e a ilusão da produtividade individual

A maioria das grandes empresas brasileiras já superou a fase da resistência e liberou a contratação de licenças de IA para seus times técnicos e de negócios. Contudo, liberar o acesso aos assistentes de código não equivale a implementar uma estratégia corporativa de IA .

Pesquisas recentes revelam gargalos críticos que impedem o salto de maturidade digital nas organizações:

O apagão de talentos em IA

Segundo estudo recente da Bain & Company (2026), 43% dos líderes apontam a falta de expertise interna como o maior obstáculo para alcançar a transformação digital orientada por IA.

Baixo investimento formal em letramento

Dados da Pluxee (Outubro/2026) mostram um contraste preocupante: apenas 15% dos trabalhadores afirmam ter recebido treinamento formal oferecido por suas empresas.

A armadilha da produtividade individual

O aumento pontual da produtividade que um colaborador obtém isoladamente (como gerar um resumo de e-mail ou acelerar uma linha de código) raramente altera os indicadores financeiros ou operacionais da empresa.

Silos e desperdício orçamentário

Múltiplos times passam a criar soluções duplicadas, sem padronização, sem alinhamento com a arquitetura corporativa e com consumo de tokens desordenado, expondo a empresa a graves riscos de vazamento de dados (LGPD) e custos imprevisíveis.

Por que apenas licenças e cursos avulsos não resolvem o problema?

Quando a diretoria percebe o descompasso entre a expectativa e os resultados da IA, a reação padrão costuma ser a compra de licenças de plataformas educacionais genéricas de mercado. No entanto, cursos tradicionais “de prateleira” falham sistematicamente no contexto corporativo por três razões centrais:

1. Falta de contexto: Cursos genéricos ensinam conceitos teóricos e exemplos simplificados que não refletem a arquitetura de sistemas legados, os requisitos de segurança e as regras de negócio complexas das grandes empresas.
2. Abordagem única para perfis distintos: Desenvolvedores sêniores de engenharia de software e diretores de negócios possuem necessidades diametralmente opostas. Tentar capacitar ambos sob o mesmo programa gera desengajamento imediato.
3. Pouca utilidade prática: Sem uma aplicação prática imediata sobre problemas reais da empresa e sem mecanismos de acompanhamento, o aprendizado se desfaz na primeira urgência da rotina diária do time.

Quero um treinamento corporativo personalizado 

Metodologia Zup: como funciona o nosso  treinamento corporativo de IA estruturado?

Para construir uma cultura duradoura e madura de Inteligência Artificial, o treinamento corporativo de IA precisa atuar como um programa de transformação operacional. Na Zup, construímos uma metodologia própria, que integra diagnóstico contínuo, personalização técnica profunda, aplicação prática rigorosa e sustentação de longo prazo.

A experiência da Zup em escala corporativa

Falar sobre transformação em IA requer autoridade fundamentada em resultados concretos. A metodologia de formação executiva e técnica em IA da Zup foi desenvolvida internamente pela área de AI Education com o suporte analítico e científico do Zup Labs: laboratório de pesquisa aplicada e inovação em GenAI que atua em parceria com instituições de classe mundial, como o Instituto de Tecnologia de Massachusetts (MIT) e o Centro de Informática da UFPE.

Antes de levar essa solução ao mercado, a Zup aplicou o programa em sua própria estrutura com números expressivos:

• +2.500 profissionais certificados: preparando todo o seu ecossistema de engenharia e negócios para operar de forma nativa com GenAI.
• +30mil horas dedicadas à formação: trilhas intensivas e práticas unindo teoria, segurança e desenvolvimento assistido por IA.
• NPS na zona de excelência: validando o engajamento e a qualidade percebida pelas próprias equipes técnicas e executivas.

Do hype ao impacto mensurável de negócio

A Inteligência Artificial deixou de ser uma tendência de futuro para se tornar o core operacional do presente. No entanto, os verdadeiros líderes de mercado não serão aqueles que acumulam mais licenças de software, mas os que investem na prontidão operacional de seu capital humano.

Investir em um treinamento corporativo de IA estruturado, prático e orientado por desafios reais é o único caminho seguro para eliminar o estresse orçamentário com tokens, garantir governança estrita e destravar uma verdadeira vantagem competitiva em até 60 dias.

Sua organização está pronta para transformar a experimentação isolada em valor de negócio mensurável?

Fale com nossos especialistas em AI Education e receba o diagnóstico de maturidade da sua empresa.

Nosso time esteve presente nos painéis e conversas de corredores para absorver as maiores tendências e entender como os grandes players estão lidando com a complexidade do ecossistema atual. Nessa imersão, ficou nítido que o avanço tecnológico exige arquiteturas sólidas, governança e foco na experiência do cliente.

Abaixo, reunimos os principais insights da Futurecom 2026 e a perspectiva de zuppers sobre como transformar essas tendências em resultados sustentáveis.

1. Inteligência Artificial: da automação simples à eficiência de negócio

Durante os painéis da Futurecom 2026 sobre experiência do consumidor e conectividade inteligente, a Inteligência Artificial (IA) foi o grande destaque. Marcas de grande escala, como iFood e Zé Delivery, demonstraram como utilizam IA não apenas como um assistente de atendimento, mas como inteligência de negócio aplicada à logística, previsão de demanda e retenção proativa de clientes.

Principais destaques debatidos:

• Hiperpersonalização e logística: Casos reais mostraram IA sendo usada para prever hábitos de consumo, realizar testes antes do lançamento de produtos e mapear insatisfações do cliente antes que o churn aconteça.
• Equilíbrio com atendimento humano: Ficou evidente que a automação e a IA servem para resolver tarefas repetitivas e problemas simples, mas a empatia e o suporte humano continuam sendo indispensáveis para casos complexos.
• Medição do ROI da IA: O retorno financeiro da IA não surge de iniciativas isoladas de inovação, mas sim da melhoria direta da produtividade. Sendo assim, a IA precisa estar integrada às ferramentas cotidianas das equipes.

Para que a Inteligência Artificial entregue ROI mensurável, as empresas não podem implementá-la como uma “colcha de retalhos”. É preciso ter uma base de dados limpa, arquitetura de sistemas preparada e uma estratégia que conecte o modelo generativo às APIs do core da empresa. Para isso, o time precisa de capacitação estruturada e letramento em IA para superar desafios de tecnologia que impactam as áreas de negócio.

2. Modernização de legados e ecossistemas de TI: a base para inovar

No painel sobre Novos Modelos de Rentabilização e Infraestrutura Digital, executivos do setor destacaram que tecnologias como 5G, IoT, Cloud e IA não operam de forma isolada. Elas funcionam como engrenagens de um mesmo ecossistema.

No entanto, o maior entrave para a adoção plena dessas inovações nas grandes empresas (enterprise) continua sendo a complexidade dos sistemas legados. Afinal, percebemos que:

• A conectividade não resolve o problema por si só. Ter uma rede ultra-rápida de 5G ou sensores IoT instalados no campo/indústria não gera valor se o sistema central da empresa não conseguir processar esses dados em tempo real.
• É preciso ter abertura e integração. Empresas maduras estão deixando de comprar apenas “largura de banda” ou soluções de prateleira e passando a desenhar arquiteturas com base nos sistemas essenciais que já utilizam (como SAP, Oracle, Salesforce e bases proprietárias).
• Governança é primordial. Com grande parte dos dados corporativos hospedados fora do Brasil, a gestão de riscos, segurança da informação e governança sobre dados críticos tornaram-se prioridade estratégica na mesa dos C-Levels.

Sabemos que modernizar legados não significa “jogar fora e refazer do zero”. Afinal, a transformação eficiente se dá desacoplando monólitos, criando APIs seguras e acelerando a engenharia de software. Sem uma fundação tecnológica moderna e resiliente, qualquer tentativa de aplicar IA ou IoT em escala colide com custos astronômicos e lentidão operacional.

3. Cultura de dados, produtividade e capacitação

Outro reflexo marcante observado na Futurecom foi a necessidade de democratizar a tecnologia dentro das corporações. Exemplo disso foi ver empresas investindo na capacitação de 100% dos seus colaboradores em Inteligência Artificial e permitindo a criação interna de milhares de agentes autônomos para apoiar o dia a dia.

Para que a tecnologia alavanque os negócios, três pilares se mostraram essenciais:

1. Foco na dor do cliente: A transformação digital precisa começar pelo problema real do usuário ou da operação (como digitalizar um processo manual em papel no campo) e não pela escolha da sigla tecnológica.
2. Capacitação dos times: Reduzir tarefas repetitivas libera o talento humano para focar em estratégia, relacionamento e desenvolvimento de novos produtos.
3. Métricas claras de experiência (CX): A eficiência operacional precisa se traduzir em métricas reais de satisfação (como NPS).

Como a Zup acelera essa jornada?

A participação da equipe de negócios da Zup na Futurecom reforçou nossa convicção: tecnologia só faz sentido quando gera impacto nos resultados do seu negócio.

Quer a sua organização esteja buscando destravar o valor dos dados, capacitar o time em IA, modernizar sistemas legados para ganhar agilidade ou implementar soluções de Inteligência Artificial de forma segura e escalável, a Zup é a parceira estratégica para transformar essa complexidade em vantagem competitiva. 

Com mais de 15 anos de mercado e casos de sucesso no setor de telecomunicações, incluindo com uso do Claude Code, podemos apoiar sua empresa do agora ao futuro.

O grande destaque do evento em São Paulo foi a consolidação dos agentes autônomos de IA: sistemas capazes de tomar decisões e executar processos de negócio do início ao fim com total governança. No entanto, transformar esse potencial em margem financeira exige visão estratégica, gestão de custos e foco na execução.

Confira abaixo as 5 áreas que mais podem gerar impacto de negócio e acelerar resultados na sua empresa:

1. Agentes autônomos e automação de processos centrais

A inteligência artificial evoluiu de simples assistentes de conversa para agentes operacionais integrados aos sistemas centrais das empresas (como ERPs e CRMs). Tecnologias apresentadas no evento, como o Amazon Bedrock AgentCore e o Model Context Protocol (MCP), agora permitem que esses agentes executem tarefas operacionais complexas sem a necessidade de reconstruir softwares ou realizar grandes investimentos do zero.

Para um executivo de tecnologia cobrado por impacto em negócios, o valor real dessa inovação está na aceleração do retorno sobre o investimento e no aumento drástico da produtividade. Afinal, a automação inteligente reduz gargalos operacionais que antes exigiam trabalho manual e lento. Sendo assim, em vez de aprovar projetos caros e arriscados de substituição total de sistemas, o líder de tecnologia consegue extrair muito mais valor dos ativos de software que a empresa já possui.

2. Gestão financeira de nuvem (FinOps) e modelos especializados

Utilizar modelos de inteligência artificial genéricos e gigantescos para resolver tarefas diárias do negócio pode inflacionar a conta de nuvem de forma descontrolada. Uma das principais diretrizes de negócios do AWS Summit 2026 foi o uso de modelos de linguagem menores e especializados (SLMs), combinados a uma otimização contínua da infraestrutura na AWS.

Sob a ótica executiva, essa mudança garante previsibilidade financeira e protege a margem da companhia. Afinal, adotar modelos menores e ajustados para processos específicos reduz o custo total da operação sem perder qualidade no resultado. 

Além disso, implementar uma gestão financeira de nuvem eficiente garante que a expansão do uso de IA na empresa venha acompanhada de eficiência operacional e ganhos financeiros reais, e não de custos imprevisíveis.

3. Modernização de software e aceleração de entregas

O processo de desenvolvimento e atualização de softwares entrou em uma nova fase, onde a inteligência artificial acelera a modernização de sistemas antigos e otimiza a criação de novas soluções. Nesse contexto, ferramentas como o AWS Transform reduzem significativamente o tempo necessário para migrar e atualizar plataformas legadas para a nuvem.

Para a liderança, o benefício direto é a eliminação do travamento operacional causado por softwares antigos e a aceleração do tempo de resposta ao mercado. Além de reduzir custos com a manutenção de tecnologias ultrapassadas, garantir uma governança adequada nesse processo assegura que o aumento na velocidade de entrega aconteça com total confiabilidade, sem gerar riscos para a operação do negócio.

4. Dados corporativos com eficiência na gestão

A precisão de qualquer solução de inteligência artificial depende da qualidade e da facilidade de acesso às informações da empresa. Recursos como S3 Tables e a unificação da busca de dados facilitam a maneira como volumes massivos de informação são consultados e processados.

Para o negócio, simplificar a arquitetura de dados significa reduzir custos com licenças, infraestrutura e manutenção. Ao mesmo tempo, uma estrutura de dados unificada reduz o tempo de resposta das soluções de IA, permitindo análises em tempo real e decisões mais ágeis no atendimento ao cliente e na operação diária.

5. Segurança, conformidade e continuidade do negócio

Conforme os sistemas de inteligência artificial ganham autonomia para tomar decisões operacionais, a visibilidade e o controle sobre essas ações tornam-se indispensáveis. Recursos como o IAM Policy Autopilot automatizam a gestão de acessos e permissões, garantindo que cada sistema acesse apenas o estritamente necessário para sua função.

Para a liderança executiva, garantir a governança e a segurança da informação é o que viabiliza a inovação com responsabilidade. Afinal, proteger a empresa contra vazamentos de dados, falhas de conformidade regulatória e interrupções operacionais garante que o crescimento impulsionado por IA ocorra de forma segura, sustentável e alinhada às metas estratégicas da organização.

Como executar a estratégia de IA pós-AWS Summit 2026?

Capturar as oportunidades apresentadas no AWS Summit 2026 exige alinhar conhecimento técnico rigoroso às metas de crescimento da empresa.

Como parceira estratégica da AWS no Brasil, a Zup atua no desenho e na execução de estratégias de tecnologia voltadas para o negócio, garantindo que a adoção de IA agêntica, a modernização de softwares e a otimização de custos de nuvem se traduzam em ganho de eficiência, segurança e retorno financeiro mensurável.

Ver de perto o destaque do Agentforce e acompanhar o Keynote de abertura, com Marc Benioff dividindo o palco com Jensen Huang (Nvidia) e, em seguida, em uma conversa profunda com Sam Altman (OpenAI), deixou evidente que a fronteira da tecnologia mudou. Como bem resumiu Sam Altman, o grande divisor de águas atual não é a velocidade da resposta, mas o raciocínio contínuo. 

No entanto, há uma distância brutal entre o espetáculo dos palcos em São Francisco e o “chão de fábrica” das grandes empresas brasileiras e latino-americanas.

O desafio do ROI: conectando a tecnologia à realidade do negócio 

Existe uma grande expectativa sobre como a IA pode transformar as operações corporativas. No entanto, um desafio comum entre as lideranças é entender que a adoção de licenças ou a integração direta de APIs de modelos fundacionais, por si só, não gera transformação imediata. A capacidade computacional da Nvidia e a inteligência cognitiva da OpenAI trazem um potencial enorme, mas costumam esbarrar em dados desestruturados, silos entre áreas e sistemas legados que ainda precisam de modernização.

É muito animador ver o mercado corporativo perceber que o grande diferencial não está apenas no modelo de IA escolhido, mas na engenharia de software que conecta essa inteligência ao dia a dia do negócio.

Para destravar o valor da era agêntica e garantir que os agentes autônomos operem de forma segura, interpretando cenários complexos e executando ações em sistemas centrais (backends), as empresas precisam de uma base técnica bem estruturada. É exatamente nesse ponto que a Zup atua como parceira estratégica:

• Adoção estrutural de IA: Construímos uma jornada completa, que vai da organização e governança dos dados até os protocolos de segurança corporativa.
• Desenvolvimento acelerado de software: Aplicamos capacidades cognitivas para organizar e acelerar a criação de aplicações, garantindo alto padrão de qualidade e conformidade.
• Modernização de legados: Evoluímos arquiteturas antigas e criamos APIs integradas para que os agentes autônomos tenham caminhos fluidos e rápidos para agir.

O playbook do Agentforce e a maturidade operacional

As sessões práticas do evento demonstraram que a consolidação de ROI em escala depende de um método claro em três passos:

1. Implantação ágil focado em dores reais: Casos como o do Fulton Bank revelam que acelerar o atendimento e a retenção exige, desde o dia zero, uma fundação de dados bem estruturada e governança rígida.

2. Customização escalável: A Southwest Airlines demonstrou como preservar a essência da hospitalidade em escala utilizando IA. A chave aqui é o desenvolvimento customizado de alta performance, conectando a capacidade cognitiva da máquina às regras hiperespecíficas do negócio.

3. Observabilidade e otimização contínua: Ferramentas como o Agent Optimizer prometem ajustar o comportamento da IA em tempo real. Contudo, como visto na arquitetura da Vivint, a IA só aprende e evolui se todo o ecossistema de software permitir.

A vanguarda da engenharia brasileira no cenário global

Se nos palcos principais vimos grandes visões de futuro, o painel “Beyond the Hype: Autonomous Service in Retail and Finance” trouxe o pragmatismo das trincheiras operacionais. Sob a mediação de Laís Domeneghetti (Salesforce), lideranças como Victor Serra Rodrigues (Itaú Unibanco) e Natali Ferron (Arcos Dorados) apresentaram resultados que provam o impacto do presente:

• Itaú Unibanco: Redução de 74% no tempo de análise de fraude.
• Arcos Dourados: Aumento de 82% na retenção de pedidos, atingindo 70% de resolução 100% autônoma.
• Eficiência financeira: Casos consolidados apontando reduções de custo da ordem de 91%.

O caso do Itaú Unibanco em um palco global demonstrou a maturidade técnica necessária para escalar inteligência artificial em ambientes de altíssima complexidade e criticidade regulatória, provando que a engenharia de software brasileira está na vanguarda do mercado internacional.

Qual é o seu verdadeiro obstáculo?

Quando pergunto a executivos qual é hoje o maior obstáculo para sair do discurso e colher resultados reais com IA, a resposta é quase unânime: a falta de infraestrutura e governança preparadas, somada à ausência de uma cultura de capacitação intencional e contínua.

Muitas organizações tentam escalar o uso de agentes autônomos sem antes ter consolidado uma cultura orientada a dados (data-driven) e sem modernizar os sistemas que sustentam o negócio.

As plataformas de agentes autônomos como o Agentforce vão transformar o mercado. No entanto, a verdadeira disrupção acontece nos bastidores. Quem possuir a melhor base de engenharia de software e a infraestrutura mais resiliente liderará a nova era agêntica.

A sua operação já está pavimentando as vias técnicas para delegar processos críticos aos agentes autônomos ou ainda está presa nas barreiras da experimentação?

A Zup Innovation ajuda grandes corporações a acelerar a transformação digital através da modernização de legados, engenharia de dados e adoção estruturada de Inteligência Artificial. Quer saber como preparar sua infraestrutura para a era dos agentes autônomos? Conecte-se conosco.

O Zup Labs é o laboratório da Zup para pesquisa aplicada e inovação em Inteligência Artificial Generativa (GenAI), conectando excelência acadêmica global e mercado para criar soluções de ponta com DNA brasileiro.

Na Zup, estamos sempre na vanguarda das tendências tecnológicas e comprometidos com a evolução contínua da engenharia de software. Por isso, em junho de 2025 lançamos o Zup Labs: nosso ecossistema focado em inovação, pesquisa aplicada e geração de conhecimento avançado.

Com o Zup Labs, queremos pautar discussões sobre o futuro da tecnologia, antecipando tendências e desenvolvendo soluções em inteligência artificial generativa capazes de resolver desafios globais a partir do Brasil.

“Estamos criando um ecossistema robusto de pesquisa aplicada, colaboração e inovação, conectando a Zup com os melhores centros de excelência em tecnologia no Brasil e no mundo”, afirma André Palma, CEO da Zup. “Ter uma frente dedicada à experimentação nos permite não apenas inovar, mas também preparar as plataformas tecnológicas e os profissionais para os próximos ciclos da transformação digital e futuro do trabalho”, complementa.

As três frentes de atuação do Zup Labs

No Zup Labs, organizamos nossas iniciativas em três frentes estratégicas para acelerar a inovação do conceito à aplicação real:

1. Ideação: Exploramos tecnologias disruptivas e formulamos hipóteses a partir de problemas reais da indústria de software. Essa fase inicial é essencial para identificar oportunidades de alto impacto.

2. Experimentação: Construímos provas de conceito (PoCs) e protótipos validados para testar a viabilidade técnica e a eficácia das soluções. Essa etapa nos permite refinar algoritmos e modelos antes de levá-los ao mercado.
   
3. Escala: Transformamos protótipos em tecnologias robustas, seguras e escaláveis. Nosso foco é garantir que as inovações em IA cheguem aos clientes e usuários finais com estabilidade, qualidade e máxima performance.

Nossas áreas de estudo estratégicas

Nosso time multidisciplinar é composto por pesquisadores, cientistas de dados, engenheiros de software e professores doutores. Juntos, eles atuam em quatro áreas centrais de estudo e pesquisa aplicada:

1. Futuro do trabalho

Investigamos como a Inteligência Artificial e a automação redefinem a dinâmica de trabalho nas organizações. Nosso objetivo é entender e desenvolver ferramentas de IA que potencializem as capacidades humanas, otimizem a produtividade, reduzam tarefas repetitivas e preparem profissionais para atuar lado a lado com agentes inteligentes.

2. Efficiency as a Service (EaaS)

Focamos na criação de abordagens e modelos baseados em GenAI para maximizar a eficiência operacional no ciclo de desenvolvimento e negócios. Transformamos conceitos de eficiência em ativos mensuráveis e serviços inteligentes, permitindo que times entreguem mais valor com menos desperdício de tempo e recursos.

3. Engenharia de software avançada

Pesquisamos a aplicação de LLMs e técnicas de processamento de linguagem natural na geração, análise, refatoração, testes e documentação de código. Nosso foco é elevar a produtividade do desenvolvimento e impulsionar a automação no ciclo de vida do software, aplicando IA para otimizar fluxos de trabalho e criar soluções mais robustas.

4. Governança, infraestrutura e custos

Exploramos arquiteturas otimizadas para processamento de IA, refinando a eficiência do uso de hardware, do treinamento de modelos e da inferência. Paralelamente, desenvolvemos frameworks de IA Responsável, auditabilidade e governança, assegurando a mitigação de viés, a segurança de dados e a sustentabilidade financeira em ambientes de produção de larga escala.

Parcerias globais e nacionais

Fortalecemos nosso ecossistema conectando a pesquisa acadêmica de ponta às necessidades reais de mercado:

• Centro de Informática (CIn) da Universidade Federal de Pernambuco (UFPE): Um dos maiores polos de computação da América Latina e sede do Centro Brasileiro de Computação Quântica. Nossa colaboração foca no aprimoramento do entendimento de código, busca semântica, síntese e contextualização de respostas em linguagens de programação.

• Computer Science and Artificial Intelligence Laboratory (CSAIL) do MIT: Ampliamos nossa parceria com o renomado laboratório do Massachusetts Institute of Technology. Focamos no pré-processamento avançado e na evolução de representações semânticas para potencializar a capacidade de busca, indexação e raciocínio de nossas plataformas baseadas em IA.

“Ao unirmos a expertise da Zup com a profundidade acadêmica de parceiros como o MIT e a UFPE, estamos construindo um motor de inovação que nos permitirá não apenas antecipar as tendências tecnológicas, mas também moldá-las”, afirma a head do Zup Labs, Ana Camargo. “Nosso foco em pesquisa aplicada e IA responsável, aliada ao desenvolvimento de talentos, reforça nosso compromisso em entregar valor disruptivo e sustentável para nossos clientes e para toda a sociedade”, complementa.

Compromisso com a inovação e a comunidade científica

Além dos projetos internos e parcerias, incentivamos uma cultura contínua de produção científica entre zuppers.

Por meio da nossa Política de Incentivo à Divulgação Acadêmica, disponibilizamos um fundo financeiro dedicado para impulsionar o desenvolvimento técnico e científico do nosso time. Assim, apoiamos a participação ativa dos nossos profissionais em conferências, workshops e simpósios nacionais e internacionais, promovendo a submissão de papers e o compartilhamento aberto de conhecimento.

Ao longo do último ano, levamos a nossa visão e pesquisas para grandes palcos globais e nacionais. No campo acadêmico e de engenharia, marcamos presença em grandes conferências como ICSE, CBSoft e CSBC – onde apresentamos trabalhos reconhecidos e keynotes focados no uso prático de IA, acessibilidade e arquitetura de software, além de eventos técnicos e comunitários como o WeAreDevelopers e o Codex Community Meetup. Simultaneamente, acompanhamos na linha de frente as transformações e tendências estratégicas do mercado participando de fóruns de liderança executiva e inovação, como o CSAIL Alliances Annual Meeting, o AWS Executive Briefing Center, o Gartner Data & Analytics e a Missão China: uma expedição até os maiores eventos de Inteligência Artificial do Mundo (WAIC e WAICA) além de visitas a empresas chinesas.

Zup Labs: Inovação em Gen AI que transforma o mercado

Com o Zup Labs, reafirmamos nossa posição de liderança no futuro da tecnologia. Ao integrar pesquisa científica avançada, engenharia de ponta e aplicação prática, estamos construindo o ecossistema definitivo de Inteligência Artificial Generativa com DNA brasileiro e alcance global.

A mesma consultoria aponta que apenas 18% dessas empresas possuem um conselho de IA Responsável com autoridade de decisão, o que evidencia a ausência de uma governança em IA generativa estruturada.

Grande parte relata que lacunas de conhecimento e treinamento (51%), restrições orçamentárias (45%) e incertezas regulatórias (40%) atrasam os projetos. 

Durante nossa participação no Executive Briefing Center da AWS, em Seattle, ficou claro que implementar a GenAI de forma segura passa, obrigatoriamente, por uma governança em IA generativa eficiente.

Neste artigo, exploramos os frameworks de avaliação, a importância da observabilidade e como a AWS aborda a governança em IA generativa na prática.

Organizamos os principais aprendizados da sessão em quatro eixos:

1. O cenário real de riscos e a urgência regulatória;
2. As oito dimensões da IA Responsável;
3. Frameworks e padrões técnicos que sustentam avaliação, observalidade e conformidade;
4. A gestão de risco na prática, com destaque para a solução AI Risk Intelligence (AIRI).
   

Governança em IA generativa: o cenário de riscos e o papel da IA responsável

A IA Responsável é a prática de projetar, desenvolver e usar a tecnologia de IA com o objetivo de maximizar os benefícios e minimizar os riscos. 

Longe de ser apenas um obstáculo burocrático, investir nisso destrava valor mensurável. Organizações relatam melhoria de eficiência e redução de custos (42%), aumento da confiança do consumidor (34%) e melhoria na reputação da marca (29%).

Hoje, as organizações gerenciam ativamente não apenas a imprecisão e a cibersegurança, mas também riscos de infração de Propriedade Intelectual (IP). O aumento dos controles sociais e regulatórios é impulsionado por riscos reais e pela política de soberania, segurança, energia e trabalho.

Além do robusto EU AI Act na Europa e de legislações nos EUA, o movimento regulatório avança no Brasil. Isso torna a governança em IA generativa uma prioridade técnica estratégica, e não apenas jurídica.

As 8 dimensões da IA responsável da AWS

Na AWS, a IA responsável é definida por um conjunto central de oito dimensões que devem ser avaliadas e atualizadas continuamente:

1. Controlabilidade: mecanismos para monitorar e direcionar o comportamento do sistema. Riscos incluem a falta de intervenção humana e ausência de planos de resposta a incidentes.
2. Privacidade e Segurança: proteção rigorosa de dados e modelos. Ameaças envolvem a divulgação de dados sensíveis e injeções de prompt (prompt injection).
3. Segurança (Safety): prevenção de resultados prejudiciais e mau uso, evitando ameaças à segurança humana e envenenamento de dados.
4. Justiça (Fairness): consideração dos impactos sobre diferentes grupos de stakeholders para prevenir discriminação e consultas estereotipadas.
5. Veracidade e Robustez: combate contínuo às alucinações, garantindo resultados corretos mesmo diante de entradas inesperadas ou adversárias.
6. Explicabilidade: capacidade de compreender e avaliar as saídas geradas. Sem ela, os sistemas tornam-se opacos.
7. Transparência: garantia de que partes interessadas possam fazer escolhas informadas, baseada em documentação e rastreamento de incidentes.
8. Governança: incorporação de melhores práticas na cadeia de suprimentos da IA e processos de auditoria claros.

Desafios operacionais na governança em IA generativa

A complexidade da governança atrasa o time-to-value, pois a cadeia de suprimentos envolve dados de clientes, terceiros, modelos e agentes. Traduzir regulamentações em práticas operacionais para casos de uso específicos pode atrasar projetos em meses.

O mercado exige o cumprimento de frameworks rigorosos. Isso vai além de padrões de gestão como a ISO/IEC 42001 e o NIST AI Risk Management Framework, chegando a níveis profundamente técnicos, como a ISO 12791 (viés), a ISO 5259-X (qualidade de dados) e C2PA (credenciais).

O gargalo atual é a falta de estratégias de segurança robustas e de ferramentas de avaliação, monitoramento ou painéis (dashboards) de observabilidade para manter esses padrões em escala.

Soluções práticas: AI Risk Intelligence na governança em IA generativa

O Generative AI Innovation Center (GenAIIC) é o centro de inovação da AWS dedicado a ajudar clientes a imaginar, construir e implantar soluções de Inteligência Artificial generativa com sucesso. É dentro deste ecossistema de inovação que nasce o framework das 8 dimensões, que vimos anteriormente e a solução AIRI.

Ele não foca apenas na construção de modelos, mas em garantir que essa inovação seja confiável e segura. 

O centro desenvolveu o AI Risk Intelligence (AIRI) para preencher a lacuna entre o potencial da GenAI e a realidade das operações corporativas.

Esta solução automatiza o gerenciamento de riscos utilizando padrões da indústria (ISO, NIST e OWASP). Na prática, a solução processa códigos-fonte, documentações e políticas, executando chamadas simuladas e testes de penetração, utilizando LLMs como juízes (LLM-as-a-judge). Isso proporciona uma visão unificada (single pane of glass) dos riscos. Dashboards de observabilidade exibem a distribuição de descobertas categorizadas por severidade, permitindo que as equipes priorizem mitigações técnicas imediatas, como proteção contra prompt injection ou vazamento de dados.

À medida que a organização avança para arquiteturas agênticas complexas, soluções como a AIRI tornam-se pré-requisitos de escala. É a diferença entre confiar na governança por que uma alguém revisou um documento uma vez, e confiar por meio de evidência contínua, atualizada a cada mudança de arquitetura ou política.

Conclusão

Implementar IA generativa é um exercício contínuo de gestão de riscos e governança técnica.

Como demonstrado pelas discussões no Executive Briefing Center da AWS, estruturar novos projetos apoiados em ferramentas de observabilidade como o AI Risk Intelligence garante que as corporações acompanhem a evolução acelerada da tecnologia sem comprometer a segurança, os dados ou a propriedade intelectual. 

O caminho da governança em IA generativa é claro: a transição de princípios abstratos para evidência técnica verificável.

Fontes:

• McKinsey & Company: State of AI report (Março de 2025).
• McKinsey & Company: ON AI TRUST: Why investing in AI trust pays off.
• Open AI Incident Database (2024).
• Normas ISO Internacionais (ISO/IEC 42001, ISO/IEC 23894, ISO 12791, ISO 5259-X).
• NIST AI Risk Management Framework (RMF).

*Gabryella Menezes de Araújo é Tech Manager na Zup Innovation, com sólida experiência em liderança de times de tecnologia, modernização e inovação. Especialista em GenAI, atua na intersecção entre estratégia de negócio, comportamento humano e tecnologia para acelerar resultados.

Este framework da AWS oferece o caminho necessário para transformar potenciais tecnologias em aplicações seguras, escaláveis e alinhadas aos objetivos estratégicos de longo prazo.

Do hype à realidade: como alcançar valor de negócio com GenAI

A IA Generativa desencadeou uma corrida global de inovação, mas o amadurecimento do  mercado expôs um padrão incômodo: a “Armadilha da PoC”. Criar um protótipo isolado que  impressiona stakeholders é relativamente simples; o desafio real aparece na hora de  colocá-lo em produção, quando surgem custos de escala imprevisíveis, lacunas na estrutura  de dados e riscos de governança. 

Um estudo do MIT (The GenAI Divide) apontou que cerca de 95% das organizações ainda não viam ROI real em GenAI, com projetos valiosos travados em testes infinitos e o risco crescente de shadow AI, quando usuários  migram para ferramentas externas porque as internas são burocráticas. 

Romper esse ciclo exige trocar a experimentação tática por uma abordagem holística de negócio. Foi essa lacuna de execução que o framework estratégico da AWS se propôs a  resolver: construir uma fundação de GenAI escalável, segura e conectada aos objetivos  reais da empresa. 

O “Working Backwards” na GenAI: começando pelo valor, não pela tecnologia 

O framework resgata a metodologia mais conhecida da Amazon: o Working Backwards. 

Em  vez de escolher um modelo e depois procurar um problema, o time parte da dor real do cliente ou do negócio e desenha a solução de trás para frente. Na prática, isso se  materializa em rituais como escrever um press release e um FAQ do produto antes de construí-lo, limitados a uma página, para pressionar a clareza da ideia: se não cabe ali,  ainda não está claro o suficiente. 

A inversão de lógica eleva a taxa de sucesso porque foca no impacto antes da primeira linha de código.

Como resumiu a sessão, o cliente não se importa com qual marca de IA você usa, ele se importa em ter o problema resolvido. O resultado é alinhamento entre diretoria, usuários e viabilidade técnica. 

Medindo o valor de negócio com GenAI: ROI, ROE e ROF

O diferencial do framework é ir além das métricas financeiras tradicionais e medir o sucesso  em três dimensões de retorno, com horizontes distintos: 

• ROI (Return on Investment) – curto prazo: economia de custo e eficiência  operacional (ex.: redução de ~70% no processamento manual de faturas). 
• ROE (Return on Employee) – médio prazo: produtividade por pessoa e qualidade da decisão (ex.: um agente de atendimento que escala de 200 para 350  chamados/mês), deslocando a narrativa de “corte de custos” para “mais valor por  colaborador”. 
• ● ROF (Return on Future) – longo prazo: adaptabilidade, escalabilidade e  posicionamento competitivo (ex.: sistemas de IA que reorganizam estoques em 24h  diante de uma disrupção na cadeia de suprimentos). 

Como sintetizou o Gartner: “As métricas tradicionais de ROI podem não capturar todo o valor da GenAI. Considere ROE e ROF.” 

Da estratégia à execução: maximizando o valor de negócio com GenAI

Apenas uma minoria das organizações captura a maior parte do valor da IA.

Na sessão de Estratégia e Execução para Líderes de Negócio, a AWS resumiu o que as distingue: uma visão clara (o quê, por quê e quais métricas) combinada com execução disciplinada apoiada  em três frentes – pessoas, processos e tecnologia. Dessa leitura emergem três princípios práticos: 

• Velocidade é uma escolha de liderança: quem define o ritmo da adoção é a  liderança, não a tecnologia. 
• Trabalhe de trás para frente a partir do cliente: parta do problema de negócio e selecione a tecnologia certa por qualidade, performance e custo, garantindo que o  ROI esteja alinhado às expectativas. 
• Estratégia de dados é estratégia de IA: a IA construída sobre seus dados  proprietários entrega a especificidade que o negócio exige, e sua estratégia de  governança de dados é, na prática, sua estratégia de governança de IA.

A esses princípios somam-se três decisões estruturais: equilibrar o que deve ser centralizado (segurança, governança, plataformas) com a inovação descentralizada nas pontas; distinguir conscientemente onde construir, comprar ou fazer parceria; e adotar a lógica “pense grande, comece pequeno, escale rápido”. 

Tecnologia como facilitadora para o valor de negócio com GenAI

Para tirar a estratégia do papel, o framework se apoia em uma camada tecnológica flexível.  

O motor é o Amazon Bedrock, que permite construir aplicações de GenAI sobre múltiplos  modelos de base como o Claude, da Anthropic, além de Llama e os modelos Titan por uma única API.

Isso reduz o risco de vendor lock-in e dá à liderança a liberdade de escolher o  modelo certo por custo, velocidade e precisão (uma prática que as sessões chamaram de  model routing: rotear 70 – 80% das tarefas para modelos mais baratos e reservar os mais  potentes para as complexas). 

Na ponta da produtividade, o Amazon Q acelera tarefas no ambiente corporativo da  modernização de código à análise conversacional de dados via Amazon Q in QuickSight. Juntos, Bedrock e Amazon Q convertem estratégia em capacidade técnica escalável. 

IA responsável e segurança: sustentando o valor de negócio com GenAI

Nenhuma estratégia de GenAI sobrevive em escala corporativa sem barreiras de proteção. A AWS define IA Responsável como a prática de projetar e usar a tecnologia para maximizar benefícios e minimizar riscos, avaliando continuamente um conjunto de dimensões, entre elas controlabilidade, privacidade, segurança (safety), justiça, veracidade e robustez, explicabilidade, transparência e governança. 

Um diferencial central de privacidade: os dados do cliente em contratos AWS permanecem isolados e não são usados para treinar os modelos da Amazon. 

Investir em IA Responsável não é só conformidade, é gerador de valor mensurável. Segundo  dados da McKinsey apresentados no Executive Briefing, a governança bem estruturada  entrega benefícios comprovados: 

● 42% de melhoria em eficiência e redução de custos; 

● 34% de aumento na confiança do consumidor; 

● 29% de fortalecimento da reputação da marca; 

● 22% menos incidentes com sistemas de IA. 

Na prática, ferramentas como o Amazon Bedrock Guardrails permitem filtrar alucinações e bloquear vazamento de dados sensíveis (PII). 

Vale, porém, um alerta de realismo trazido pelo próprio briefing: governança tem custo em um ambiente de contact center, os Guardrails chegaram a representar cerca de um terço do custo total. A lição é tratar risco de  forma proporcional (por frequência × impacto), aplicando mitigação onde realmente  importa, em vez de uma política única e uniforme para todos os casos de uso. 

Conclusão

As iniciativas de GenAI da sua empresa estão gerando valor real em produção ou ainda enfrentam barreiras de custo, dados e maturidade? 

O sucesso não depende de adotar a tecnologia mais complexa, mas de começar pelo problema certo.

Avaliar a maturidade do negócio e estruturar uma estratégia de IA Responsável é o caminho mais seguro para  transformar potencial em resultados sustentáveis. 

Fontes

1. Palestra: Andy Powell, Bharathi Srinivasan, Gregory Egeler e Stephen Brozovich para Zup Innovation no Executive Briefing 2026, AWS Seattle (15/06/2026).
2. Relatório: Estatísticas de IA Responsável, McKinsey.
3. Artigo: ROI/ROE/ROF, Gartner (set/2025), Wharton (out/2025), Binariks (abr/2026).
4. Estudo: Dado de 95% sem ROI, MIT NANDA (ago/2025).

*Lorena Rosa é Delivery Manager na Zup Innovation, formada e mestre em Ciência da Computação pela Universidade Federal de Uberlândia (UFU), com foco em Sistemas de Computação, além de MBA em Gestão de Pessoas e Gestão de Projetos pela FGV;

**Thiago Amarante é Staff Engineer na Zup Innovation, pós-graduando em Deep Learning e Inteligência Artificial pela Universidade Federal de Pernambuco (UFPE) e pós-graduado em Arquitetura de Software, Ciência de Dados e Cybersecurity pela Pontifícia Universidade Católica do Paraná (PUCPR).

O avanço é notável: o presidente do Banco Central, Gabriel Galípolo, relembrou como tecnologias como o Pix passaram de meros meios de pagamento para se tornarem a própria infraestrutura base do ecossistema. A evolução da Inteligência Artificial segue pelo mesmo caminho: ela já não é um “projeto paralelo”, mas o alicerce sobre o qual novas experiências e serviços estão sendo construídos.

No entanto, em meio a demonstrações de hiperpersonalização, agentes autônomos de voz e orquestração de dados em escala, uma verdade fundamental se sobressai: a era da Inteligência Artificial não anula o papel do ser humano, mas o eleva – e exige sua excelência.

Governança e responsabilidade continuam sendo humanas

À medida que os sistemas ganham autonomia para analisar padrões e interagir com usuários de forma fluida, surge a pergunta inevitável: quem responde pelos resultados?

A resposta discutida no setor é categórica: não se delega responsabilidade para algoritmos. A Inteligência Artificial pode até gerar diagnósticos, criar fluxos e sugerir tomadas de decisão em velocidades impressionantes, mas a responsabilidade final, ética e jurídica continua sendo das pessoas.

Nenhum modelo preditivo ou gerativo é 100% infalível. Por isso, temas como rastreabilidade, auditoria e transparência ganharam o centro do palco. Identificar a intenção dos sistemas e deixar claro para o usuário quando ele está interagindo com uma IA é um imperativo ético e de segurança. O discernimento, a empatia e o julgamento moral permanecem como atributos estritamente humanos.

Cultura de dados, letramento digital e liderança com intencionalidade

Implementar tecnologia de ponta não é uma questão de apenas adquirir ferramentas modernas, mas também uma questão de cultura.

Sem dados bem estruturados, padronizados e governados, a IA não entrega valor real. Da mesma forma, a adoção tecnológica nas empresas não acontece de forma orgânica ou espontânea: ela exige intencionalidade e capacitação contínua das equipes.

A liderança na era da IA precisa equilibrar dois pratos:

• Inovação e experimentação: Permitir que as áreas de negócio explorem hipóteses e testem novas soluções com agilidade.
• Segurança e estabilidade: Garantir a proteção dos dados, a privacidade do usuário e o cumprimento regulatório.

Promover esse equilíbrio não é uma tarefa técnica, mas uma competência de gestão e visão estratégica. Além disso, no âmbito social, o letramento digital precisa ser encarado como um pilar essencial para proteger pessoas contra fraudes e disparidades de acesso.

A complementaridade entre as pessoas e os Agentes de IA

A nova geração de assistentes virtuais e agentes de voz já é capaz de entender contextos complexos e manter conversas fluidas. Mas o grande salto de eficiência não está em substituir a interação humana, e sim em potencializá-la.

A IA é imbatível no processamento de grandes volumes de dados, na execução de tarefas repetitivas e na identificação de padrões em tempo real. Quando a tecnologia assume o trabalho operacional pesado, libera o ser humano para focar no que ele faz de melhor:

• Resolução de problemas inéditos e complexos;
• Construção de relacionamentos de confiança;
• Pensamento crítico e criatividade disruptiva.

Enquanto a IA potencializa, as pessoas lideram

Os destaques trazidos pela FEBRABAN deixam uma lição clara para o futuro das organizações: a Inteligência Artificial é um multiplicador de capacidade técnica e operacional. Contudo, o vetor, a direção e o propósito continuam dependendo do fator humano.

A excelência na era digital não será alcançada pelas empresas que apenas acumularem os melhores modelos de IA, mas sim por aquelas que souberem integrar essas ferramentas com governança sólida, cultura de dados e, acima de tudo, valorização e capacitação das pessoas.