
Estudo da AESE Business School e do Instituto Superior Técnico identifica desafios na adoção da IA
A gestão de topo em Portugal está fortemente empenhada na adoção da Inteligência Artificial (IA), mas a realidade operacional das organizações ainda não acompanha este entusiasmo. Um novo estudo intitulado AI Use and Organizational Capabilities: A Framework for Readiness and Development, da autoria de Jorge Costa da Silva (AESE Business School) e de Miguel Mira da Silva e Francisco Lima (Instituto Superior Técnico), revela que a implementação da IA na maioria das entidades portuguesas ainda ocorre de forma fragmentada, sem estruturas dedicadas e com sérias limitações ao nível da qualidade dos dados e das competências internas.
A investigação baseou-se numa metodologia qualitativa rigorosa, envolvendo 103 entrevistas a 106 executivos e profissionais de 81 organizações distintas. A amostra incluiu uma diversidade considerável, abrangendo empresas multinacionais, entidades públicas e privadas, bem como instituições sociais que operam em ou a partir de Portugal. O estudo conclui que, embora o investimento financeiro não seja o principal obstáculo, a falta de uma visão estrutural e a ausência de processos redesenhados estão a limitar o potencial transformador desta tecnologia.
Os 10 padrões da adoção da Inteligência Artificial em Portugal
Os investigadores identificaram dez padrões fundamentais que descrevem o estado atual da IA no tecido empresarial e institucional português:
- Comprometimento da Gestão de Topo: Cerca de 75% dos entrevistados afirmam que a liderança está totalmente empenhada na IA.
- Ausência de Estrutura: Na maioria dos casos, não existem equipas ou comités dedicados. A adoção é feita individualmente, sendo descrita por alguns gestores como "caótica".
- Processos Intocados: A IA é geralmente adicionada a fluxos de trabalho já existentes, em vez de se aproveitar a tecnologia para repensar e otimizar esses mesmos processos.
- Interesse Supera o Medo: O receio pela perda de postos de trabalho é minoritário face ao interesse. Um gestor da indústria sintetizou a visão geral: "A AI não vai tirar trabalhos. Mas quem domina a AI vai".
- Formação Básica: Embora metade das organizações ofereça formação, esta raramente ultrapassa o nível introdutório.
- Escassez de Conhecimento Híbrido: O mercado carece de profissionais que dominem tanto os processos de negócio como a componente tecnológica da IA.
- Qualidade de Dados como Obstáculo: Dois terços dos inquiridos apontam a má qualidade dos dados (e não a sua quantidade) como o maior entrave à progressão dos projetos.
- Segurança como Prioridade: A proteção de dados e a privacidade são os principais filtros para novos projetos, embora muitos colaboradores usem ferramentas externas sem controlo.
- Racionalidade Financeira: O investimento surge quando o caso de negócio é credível; a dificuldade reside em construir essa racionalidade e não na falta de capital.
- Pressão Externa Reduzida: A pressão para adotar a IA vem sobretudo dos fornecedores tecnológicos e menos de clientes ou concorrentes diretos.
A importância do redesenho de processos e o perfil de capacidades
Um dos pontos fulcrais destacados pelo estudo da AESE Business School e do Instituto Superior Técnico é que não existe uma fórmula única para a preparação organizacional. Ao contrário de modelos de maturidade lineares, esta investigação propõe que as capacidades necessárias dependem diretamente do âmbito de utilização da IA.
Os três âmbitos de utilização da IA
Para melhor compreender como as organizações devem evoluir, os investigadores definiram três níveis distintos de aplicação:
- Pessoal: Quando a IA é utilizada para apoiar o trabalho individual (ex: redação de textos ou resumos). Exige capacidades de governação e gestão de mudança.
- Processo: Quando a tecnologia é integrada nos fluxos de trabalho de equipas ou departamentos. Este nível exige uma preparação de dados muito mais rigorosa e mobiliza dimensões operacionais profundas.
- Produto: Quando a IA altera ou define a oferta da organização ao mercado. Aqui, as capacidades estratégicas e a relação com fornecedores externos tornam-se críticas.
Jorge Costa da Silva, um dos autores do estudo, sublinha que "cada âmbito de utilização surge associado a um perfil de capacidades específico". Segundo o investigador da AESE, a utilização em processos é onde reside a maior dificuldade visível, especialmente na governação de dados. Além disso, as exigências são cumulativas: à medida que uma empresa passa da utilização pessoal para a integração em produtos, as necessidades de competências somam-se.
Desafios nas competências e na estrutura organizacional
O estudo realça uma lacuna crítica no que chama de "conhecimento híbrido". Não basta ter especialistas técnicos em IA (Data Scientists) ou gestores de negócio tradicionais; as organizações portuguesas precisam de perfis que consigam fazer a ponte entre as duas realidades. A ausência de comités de IA ou responsáveis dedicados faz com que a adoção dependa da iniciativa individual, o que pode gerar riscos de segurança e ineficiência.
No que toca aos dados, o problema da qualidade é central. Dados desestruturados, obsoletos ou dispersos impedem que os modelos de IA produzam resultados confiáveis. Como refere o estudo, a pergunta fundamental para os gestores portugueses deve mudar: em vez de questionarem genericamente se a organização está preparada para a IA, devem identificar que capacidades específicas precisam para os usos que pretendem implementar.
Perguntas Frequentes
O que é o conhecimento híbrido mencionado no estudo da AESE e do Técnico?
O conhecimento híbrido refere-se a profissionais que possuem competências duplas: entendem profundamente os processos e as necessidades do negócio e, simultaneamente, têm domínio técnico sobre o funcionamento e as limitações da tecnologia de Inteligência Artificial.
Porque é que os dados são considerados o maior obstáculo à IA em Portugal?
O problema não reside na falta de volume de dados, mas sim na sua qualidade. Cerca de dois terços dos gestores inquiridos admitem que os dados não estão organizados, limpos ou estruturados de forma a serem utilizados com eficácia e segurança por ferramentas de IA.
Como é que o estudo classifica a preparação das empresas para a IA?
O estudo conclui que a preparação não é uma escala única de maturidade. Uma organização pode estar preparada para usos pessoais (produtividade individual) mas ser totalmente incapaz de integrar IA nos seus processos ou produtos devido à falta de governação de dados e de visão estratégica.
Comentários
Enviar um comentário