Paulo Miranda
CRO Viaflow
O mercado global de IA, avaliado em aproximadamente US$ 390,91 bilhões em 2025, projeta uma trajetória ascendente acelerada, com estimativas de atingir US$ 3.497,26 bilhões até 2033, sustentado por uma taxa de crescimento anual composta ($CAGR$) de 30,6%. Este crescimento não é meramente quantitativo; ele reflete uma mudança qualitativa na forma como as organizações concebem valor, eficiência e relacionamento com o cliente. No centro deste debate, emergem discussões sobre a maturidade da adoção tecnológica, os entraves táticos para a implementação eficaz e a validade de metodologias de design de processos e mapeamento de jornadas como bússolas para o investimento tecnológico. A análise que segue dedica-se a examinar, validar ou refutar três premissas fundamentais e uma correlação central, utilizando como base dados empíricos, estatísticas de mercado e tendências observadas entre 2024 e 2026.
Fato 1: Adoção de IA por áreas de negócio
Globalmente, a penetração da IA nas funções corporativas saltou de 55% em 2023 para 78% em 2024, indicando que a grande maioria das organizações já utiliza a tecnologia em ao menos uma função de negócio. Este movimento é acompanhado por um aumento de 50% no acesso dos colaboradores a ferramentas de IA apenas no último ano, consolidando a tecnologia como um componente real no dia a dia das empresas.
No contexto do mercado brasileiro, a aceleração também é grande e, em certos aspectos, lidera tendências regionais. Estima-se que 9 milhões de empresas brasileiras, representando cerca de 40% do total de empresas do país, já utilizam a IA de forma sistemática. Para 67% das organizações no Brasil, a IA figura entre as cinco maiores prioridades estratégicas para 2025, sendo o foco principal de investimento para 17% delas. Esta realidade é impulsionada por ganhos tangíveis: 97,6% das empresas do continente americano relatam já colher resultados concretos, com melhorias médias de 20% na produtividade das atividades-alvo.
A adoção não é homogênea, mas se concentra em áreas onde o volume de dados e a repetitividade de processos oferecem maior superfície de contato para a automação e o aumento da inteligência.
Setor ou Função | Nível de Adoção (2025) | Aplicações Predominantes |
Tecnologia e TI | 28% – 54% | Desenvolvimento de software, infraestrutura de dados, segurança cibernética |
Marketing e Vendas | 20% – 28% | Personalização de conteúdo, SEO preditivo, análise de sentimento, descoberta de influenciadores |
Atendimento ao Cliente | 66% | Chatbots de nova geração, resolução autônoma de tickets, triagem inteligente |
Jurídico e Finanças | 31% – 39% | Revisão de contratos, conformidade regulatória, análise de risco, prevenção a fraudes |
A transição do estágio de “piloto” para a fase de “uso em escala” está acontecendo. O número de empresas com mais de 40% de seus projetos de IA em produção deve dobrar em um curto espaço de tempo. Além disso, a rápida ascensão da IA agêntica (Agentic AI) aponta uma forte tendência de que as empresas estão superando o uso superficial e integrando a tecnologia ao núcleo de suas operações.
Fato 02: O desafio de como e onde usar IA
O grande desafio atual das áreas de negócio está em identificar de forma realista e pragmática onde aplicar a IA nos processos e jornadas de negócios, e como selecionar as tecnologias adequadas. Um estudo recente do MIT indica que até 95% dos pilotos de IA generativa falham em chegar à fase de produção, muitas vezes por falta de uma estratégia clara de valor ou desalinhamento com as necessidades reais do negócio.
A complexidade deste desafio tem, pelo menos, duas dimensões. Primeiro, há uma gap de preparo operacional: enquanto 42% dos líderes de áreas de negócios sentem que suas estratégias estão prontas, a percepção de preparo cai drasticamente quando se trata da qualidade da infraestrutura de dados e da disponibilidade de profissionais com conhecimento adequado para a execução. Segundo, o grande número de ferramentas e opções tecnológicas muitas vezes acaba atrasando a tomada de decisão. As empresas lutam para decidir entre modelos proprietários de IA ou modelos abertos e especializados para domínios específicos de conhecimento.
As barreiras identificadas por estudos de mercado revelam que a incerteza técnica e a ausência de casos de uso bem definidos são os principais inibidores do sucesso.
Desafio de Implementação | Consequência Organizacional |
Casos de Uso Não Claros | Investimento em experimentos sem ROI, perda de apoio do C-level |
Qualidade e Integração de Dados | IA produz insights imprecisos ou enviesados, falha em escalar |
Integração com Legado | Dificuldade em permitir que agentes de IA operem em sistemas antigos e rígidos |
Lacuna de Habilidades (Skills Gap) | Dependência de fornecedores externos e lentidão na curva de aprendizado interna |
Custos e Justificativa Financeira | Dificuldade em provar o ROI antes do esgotamento do orçamento de inovação |
O desafio mudou do “acesso à tecnologia” para a “orquestração estratégica”, exigindo uma compreensão profunda de onde a IA pode, de fato, mover os ponteiros de desempenho do negócio.
Fato 03: Tratar processos específicos não é mais suficiente
O conceito de Descoberta e Mapeamento de Jornadas de Negócio (Business Journey Mapping – BJM) é mais poderoso e abrangente do que o mapeamento de processos e atividades tradicional. Esta é uma mudança de paradigma fundamental na gestão de operações. Enquanto o mapeamento de processos tradicional adota uma visão de dentro para fora (inside-out), focada em tarefas, departamentos e eficiência interna, o mapeamento de jornadas adota uma visão de fora para dentro (outside-in), focada na experiência do usuário ou cliente ao longo de múltiplos pontos de contato e canais.
A superioridade do BJM no contexto atual está em sua capacidade de capturar a complexidade não linear das interações que acontecem entre diferentes participantes e/ou áreas de negócios. Processos são frequentemente documentados como sequências lógicas de passos internos, mas as jornadas de negócio são moldadas por necessidades, emoções e decisões dos usuários que muitas vezes ignoram as fronteiras departamentais da empresa.
| Mapeamento tradicional (Processos) | Mapeamento de Jornada de Negócio (BJM) |
Orientação | Eficiência interna e padronização | Experiência do usuário e entrega de valor |
Escopo de Análise | Microscópico: uma única tarefa ou departamento | Macroscópico: fluxo ponta a ponta (End-to-End) |
Elementos Chave | Decisões, sistemas, handoffs e tarefas | Objetivos, emoções, fricções e momentos de verdade |
Natureza dos Dados | Quantitativos e estruturados (ciclos, tempos) | Qualitativos e quantitativos (sentimento, intenção) |
Flexibilidade | Rígida e linear | Dinâmica, adaptativa e multicanal |
No contexto da era da IA, o mapeamento de processos tradicional corre o risco de “automatizar a dívida de fluxo de trabalho” (workflow debt). Se um processo está mal desenhado ou é desnecessariamente complexo, a aplicação de IA apenas fará com que essa ineficiência ocorra mais rápido. O BJM, ao contrário, permite que a empresa identifique se aquela etapa do processo sequer deveria existir na jornada do cliente. Ele revela “pontos cegos”. Algumas estimativas de mercado apontam que abordagens tradicionais de mapeamento de processos percam até 70% dos pontos de contato críticos que o mapeamento de jornadas consegue identificar.
A natureza transversal das jornadas permite que as equipes visualizem onde estão os pontos que geram mais impacto para a organização. Nesse sentido, adotar IA em pontos chaves da jornada trarão um maior retorno de investimento.
A correlação: Jornadas de negócio como catalisador de ROI em IA
O investimento em Descoberta e Mapeamento de Jornadas de Negócio permite às empresas entenderem melhor onde e como a IA pode causar impacto positivo, trazendo maior ROI no menor tempo. Esta tese é fortemente sustentada por dados de mercado e estudos de caso de 2024 e 2025. Empresas que priorizam o design centrado no usuário e nas jornadas para suas estratégias de IA alcançam resultados significativamente superiores às que focam exclusivamente na tecnologia.
O ROI da IA não é linear. Ele passa por fases de investimento, otimização e escala. O mapeamento de jornadas atua como um acelerador nessas fases ao garantir que os recursos sejam alocados nos “momentos de verdade” que mais impactam a receita e a satisfação.
Como exemplos de vantagens que o BJM traz para o planejamento de iniciativas de adoção de IA pelas áreas de negócios, vale citar:
- Identificação de Pontos de Fricção de Alto Impacto: Através do BJM, as empresas conseguem quantificar quais dores dos clientes ou usuários geram maior custo operacional ou perda de receita. No varejo, por exemplo, o uso de IA para otimizar jornadas de checkout e recomendação baseadas em comportamento em tempo real resultou em aumentos de 25% nas taxas de conversão e até 30% na retenção de clientes.
- Redução de Desperdício em Automação Irrelevante: Ao entender a jornada, a liderança pode decidir não automatizar processos que são de baixo valor para o cliente, focando em vez disso em “reimaginar” a jornada. Isso evita o custo de projetos de IA que não geram adoção ou que frustram o usuário.
- Habilitação de Personalização Preditiva: O BJM fornece os sinais de intenção necessários para treinar modelos de IA. Sem o mapeamento da jornada, a IA é reativa; com ele, ela se torna preditiva, antecipando o que o cliente precisará a seguir na sua trajetória.
Exemplos práticos reforçam a correlação. A Zoom utilizou o mapeamento de processos e jornadas para redesenhar o onboarding de parceiros, resultando em uma capacidade 10 vezes maior de negócios sem adição de pessoal. Na área da saúde, a Mercy Health identificou, via mapeamento, tarefas administrativas de alto volume e aplicou bots inteligentes, gerando um ROI de 6,7 vezes no primeiro ano e US$ 3 milhões em economia. No Brasil, um grande marketplace utilizou IA integrada ao entendimento da jornada do cliente para reduzir o cancelamento (churn) em 49% e aumentar a retenção em 20%.
O trabalho de Descoberta e Mapeamento de Jornadas de Negócio funciona como o “projeto arquitetônico” indispensável antes da construção da infraestrutura de IA. Ele não apenas aponta o “onde” (os pontos de dor reais) e o “como” (a tecnologia que melhor resolve essa dor específica), mas também estabelece as métricas de sucesso que permitem uma captura de valor mais rápida.
