Como um roteiro de cinco etapas ajuda governos a obter sucesso com a IA

O imperativo da implementação sistemática

As metodologias tradicionais de implantação de tecnologia se mostram insuficientes para a implementação da IA. Diferentemente dos sistemas de TI convencionais, os sistemas de IA exigem desenvolvimento iterativo, aprendizado contínuo e governança adaptativa. Eles envolvem a gestão de mudanças organizacionais, a conformidade regulatória e a supervisão ética que vão muito além da implementação técnica. Isso cria uma necessidade imperativa de abordagens de implementação estruturadas. As organizações precisam de metodologias que levem em conta as características exclusivas da IA e, ao mesmo tempo, garantam a entrega de valor sustentável.

O roteiro de cinco etapas que desenvolvemos atende a essa necessidade, fornecendo uma estrutura baseada na experiência de sistemas pioneiros de IA de organizações governamentais em todo o mundo. A estrutura aborda especificamente as principais falhas no escalonamento da IA: estimativa de custo e definição de proposta de valor pouco claras, preparação operacional insuficiente, projeto-piloto inadequado, resistência organizacional e aprendizado limitado com os projetos-piloto. A abordagem de cada etapa contribui sistematicamente para a transformação sustentável da IA.

A transformação bem-sucedida da IA começa com uma mentalidade focada em resultados, em vez de abordagens que priorizam a tecnologia. As organizações bem-sucedidas se concentram em identificar desafios operacionais e possíveis melhorias nos serviços públicos antes de avaliar aplicativos específicos de IA.

Isso muda fundamentalmente a forma como os governos abordam o investimento em IA. Em vez de perguntar "Onde podemos aplicar a IA?", os líderes com visão de futuro devem perguntar: "Quais resultados estratégicos estamos buscando e como a IA pode ajudar a atingir esses objetivos?" Essa abordagem ajuda a garantir que as iniciativas de IA tenham uma necessidade comercial clara e métricas de êxito quantificáveis.

As estratégias mais eficazes combinam o alinhamento estratégico de cima para baixo com insights operacionais de baixo para cima. As organizações que alinham os casos de uso de IA com suas principais prioridades de política e, ao mesmo tempo, capturam as perspectivas da linha de frente, criam pipelines sólidas de oportunidades. O Estado de Maryland é um exemplo dessa abordagem de cima para baixo. O estado avaliou todos os casos de uso de IA em relação às 10 prioridades do governo, garantindo que eles deem suporte às metas políticas mais abrangentes. Um servidor sênior afirmou: "o mais importante na implementação de qualquer projeto de inteligência artificial é que ele seja orientado por um propósito. (...) A IA é apenas uma ferramenta que precisa ser direcionada para um propósito".

A Digital Agency do Japão ilustra a abordagem de baixo para cima por meio de sua iniciativa de digitalização de consultas infantis, que permitiu que os conselheiros gravassem consultas por voz em qualquer lugar, ajudando a reduzir o esgotamento e a melhorar o atendimento em equipe. Isso atende às necessidades operacionais imediatas e, ao mesmo tempo, cria dados estruturados e pesquisáveis que estabelecem as bases para análises mais avançadas. "Se apenas impusermos uma abordagem de cima para baixo sem conhecer a situação real de baixo para cima, ela não funcionará", explica o Diretor Geral Keisuke Murakami.

As principais organizações governamentais criam critérios robustos de priorização – avaliando a viabilidade, o custo, o risco e o impacto – para fazer escolhas informadas sobre investimentos. Elas estabelecem expectativas realistas em relação aos PoCs, que normalmente têm uma baixa taxa de conversão de produção, mas oferecem insights importantes.

Principais recomendações para os governos que implementam a IA:                      

• Concentre-se principalmente nos resultados - Defina o valor público que deseja obter antes de considerar as soluções de IA.
• Combine abordagens de cima para baixo e de baixo para cima - Equilibre as prioridades estratégicas com insights operacionais dos funcionários da linha de frente e dos cidadãos para garantir a relevância e o impacto prático.
• Substitua esforços pontuais por processos estruturados e transparentes - Use um funil de ideias, estruturas de priorização e supervisão de governança para avaliar possíveis casos de uso.

Principais recomendações para os governos que estão implementando a IA:

• Avalie a infraestrutura e a prontidão dos dados – Antes de implementar o projeto-piloto, avalie se sua arquitetura de tecnologia pode suportar a IA com segurança e valide a qualidade dos dados.
• Incorpore a privacidade e a governança ética desde o início – Adote princípios de privacidade desde a concepção e estabeleça diretrizes éticas claras.
• Envolva os órgãos reguladores desde o início e de forma contínua – Envolva os órgãos reguladores desde a fase de projeto para evitar revisões posteriores que podem custar caro.

A próxima etapa é transformar as ideias em ação. Os projetos-piloto são essenciais para testar soluções em condições reais ou simuladas para saber o que funciona e validar seu valor. Somente os projetos-piloto mais promissores são escalonados para uma implementação mais ampla.

É fundamental criar as condições certas para os projetos-piloto mais promissores. Os governos pioneiros estabelecem ambientes controlados que emulam configurações operacionais, inclusive sandboxes regulatórios que proporcionam flexibilidade temporária para testar soluções de IA sob restrições de políticas reais e ambientes de teste onde conjuntos de dados anônimos simulam a prestação de serviços reais. Algumas agências criam fluxos de trabalho de serviço simulados – gêmeos digitais das operações da linha de frente – para observar como as ferramentas de IA funcionam em cenários realistas sem interromper os sistemas ativos. Essas configurações permitem a experimentação segura e, ao mesmo tempo, garantem a supervisão e a conformidade, bem como a confiança do público.

Os projetos-piloto bem-sucedidos concentram-se na colaboração entre humanos e a IA e não na automação, criando fluxos de trabalho que ampliam e não substituem o conhecimento humano. O envolvimento das pessoas no processo de criação também ajuda a assegurar que os projetos-piloto de IA se integrem aos fluxos de trabalho existentes e sirvam de suporte ao desenvolvimento iterativo.

Uma avaliação realista da economia de escala é fundamental para o sucesso do projeto-piloto. As organizações pioneiras preveem os custos de longo prazo e as necessidades de escalonamento e os incorporam aos casos de negócio que levam em conta os custos totais do ciclo de vida de forma a garantir o financiamento necessário. No entanto, algumas estimativas sugerem que as organizações costumam subestimar os custos do projeto de IA em cinco a dez vezes ao passar do projeto-piloto para a produção. As estimativas de custo devem levar em conta várias categorias de despesas:

• Tecnologia e dados, inclusive infraestrutura de rede, preparação e armazenamento de dados, necessidades de computação, software e licenças e uso de energia
• Talento e capital humano, inclusive contratação ou treinamento da equipe e gestão de mudanças
• Governança, segurança e conformidade, abrangendo a segurança cibernética, a privacidade e a supervisão legal e ética
• Integração e manutenção operacional, abrangendo o redesenho do fluxo de trabalho, suporte ao usuário, reciclagem de modelos e manutenção de longo prazo.

A compreensão de todos esses elementos é essencial para a alocação adequada de recursos e para evitar surpresas onerosas.

Por fim, as agências de alto desempenho estabelecem critérios de avaliação claros para os projetos-piloto que se concentram em resultados mensuráveis em vez de novidades tecnológicas. A metodologia da Estônia exemplifica essa disciplina ao avaliar cada projeto-piloto com base em quatro critérios: eficiência de tempo, custo-benefício, potencial de inovação e impacto mensurável. Como enfatizou o diretor de dados do governo da Estônia, Ott Velsberg, "ideias legais de IA não são suficientes. Estamos atrás de números".

Principais recomendações para os governos que estão implementando a IA:

• Planeje o dimensionamento desde o primeiro dia – Crie modelos de custo abrangentes nos casos de negócio piloto e estime antecipadamente os custos totais de produção.
• Crie projetos em torno das pessoas – Envolva os usuários finais desde o início e aplique princípios de design centrados nos humanos com desenvolvimento iterativo.
• Defina metas claras e acionáveis e faça uma avaliação rigorosa – Defina objetivos específicos e mensuráveis e use critérios quantitativos para avaliar os resultados do projeto-piloto.

O escalonamento bem-sucedido exige a gestão integrada da infraestrutura técnica e da mudança organizacional. As organizações devem estabelecer modelos operacionais que sirvam de base para a implantação da IA e, ao mesmo tempo, gerenciem a adaptação cultural necessária para a adoção sustentada. As abordagens eficazes atingem um equilíbrio entre o conhecimento técnico centralizado e o conhecimento de domínio incorporado, garantindo que as soluções sejam tecnicamente robustas e operacionalmente relevantes.

O envolvimento da força de trabalho é vital, com 31% das organizações citando questões de segurança no trabalho como barreiras à implementação. As estratégias mais bem-sucedidas abordam essas questões por meio de uma comunicação clara sobre o papel da IA como uma ferramenta de apoio e do envolvimento ativo dos funcionários no projeto do sistema. Essa abordagem centrada nas pessoas reconhece que a adoção sustentável da IA exige uma parceria com a força de trabalho e não apenas treinamento.

Com 38% das organizações citando a escassez de talentos como uma das principais restrições, os líderes com visão de futuro criam pipelines de talento de longo prazo. A Agência de Transformação Digital da Austrália é um exemplo dessa abordagem, com avaliação de capacidades e programas de desenvolvimento direcionados. Lucy Poole, gerente geral da Divisão de Estratégia, Planejamento e Desempenho, explica que "do ponto de vista da capacidade e do planejamento da força de trabalho, estamos trabalhando atualmente nas iniciativas delineadas pelo Plano de Força de Trabalho Cibernética, Digital e de Dados 2025-30 do Serviço Público Australiano (APS). O objetivo é identificar os principais desafios em todas as três disciplinas e começar a desenvolver conhecimentos mais sólidos, capacitação e habilidades técnicas práticas. Isso é fundamental para garantir que os talentos do APS estejam prontos para atender às necessidades de hoje e do futuro".

A transformação das aquisições dá suporte ao escalonamento sustentável ao acomodar a natureza iterativa da IA, em vez de forçá-la a se encaixar nos modelos tradicionais de contratação. Essa evolução permite o acesso a um ecossistema mais amplo que combina empresas de tecnologia tradicionais com startups inovadoras, reunindo profundo conhecimento de domínio e recursos de ponta. O capitão aposentado (Ret.) Manuel Xavier Lugo, Conselheiro Militar Sênior, Chefe do Escritório de Inteligência Digital e Artificial, Gabinete do Secretário de Defesa, ex-comandante da Força-Tarefa Lima dos EUA pontua que "a barreira de entrada não existe mais. Mesmo uma empresa pequena tratando de um desafio específico fará parte." O sucesso requer o desenvolvimento de expertise em compras internas para avaliar efetivamente as soluções de IA e promover parcerias colaborativas que vão além dos relacionamentos tradicionais com fornecedores.

Principais recomendações para os governos que estão implementando a IA:

• Escolha modelos operacionais adequados – Equilibre o conhecimento técnico centralizado com o conhecimento de domínio incorporado.
• Priorize o envolvimento da força de trabalho – Comunique claramente sobre o papel da IA como uma ferramenta de apoio e envolva os funcionários no projeto do sistema.
• Modernize as abordagens para compras – Mude para abordagens ágeis e inclusivas que envolvam fornecedores diversos e desenvolvam capacidades de avaliação interna.

A medição sistemática e o compartilhamento de conhecimento transformam as implementações individuais em recursos organizacionais. Essas práticas ajudam a desenvolver a aprendizagem institucional e a capacidade de escalonamento em todo o governo.

Os governos pioneiros estabeleceram indicadores de desempenho abrangentes e mecanismos de feedback dos stakeholders que capturam o valor operacional total da IA, em vez de se concentrarem exclusivamente em métricas de custo.

As abordagens mais avançadas incorporam a medição à gestão contínua do programa, em vez de considerá-la como uma etapa separada pós-implementação. O Departamento de Assuntos Internos da Austrália demonstra essa abordagem. As equipes definem os resultados do programa, os indicadores e as métricas de avaliação antecipadamente e monitoram os impactos pretendidos e não pretendidos das iniciativas de IA por meio da análise do portfólio em tempo real. De acordo com Pia Andrews, esse tipo de recurso permite que o departamento ajuste seu curso com base em dados em tempo real, em vez de esperar por pontos de controle de avaliação. 

A apresentação regular de relatórios à liderança, aos funcionários e ao público sobre o progresso e o impacto da implementação da IA promove a transparência e a prestação de contas, além de fortalecer a confiança dos stakeholders. 

O compartilhamento de conhecimento acelera a adoção organizacional por meio de comunidades estruturadas de prática que evitam a duplicação e, ao mesmo tempo, desenvolvem a capacidade institucional. Essa abordagem colaborativa cria um valor exponencial, como explica um funcionário do Estado de Maryland: "criamos essa comunidade de prática, que é basicamente todo o pessoal que utiliza a IA, formando um grupo de trabalho. Todos nós conversamos sobre tópicos como: 'Quais são os problemas que estamos enfrentando? O que podemos fazer para não reinventar a roda?'"

Ao tornar a aprendizagem uma jornada compartilhada — comemorando as vitórias, analisando os fracassos e abrindo o processo — os líderes governamentais estão transformando os projetos-piloto de IA em plataformas de lançamento da transformação.

Principais recomendações para os governos que estão implementando a IA:

• Defina KPIs e linhas de base antes da implementação – Estabeleça estruturas de medição que capturem toda a gama de benefícios.
• Crie ciclos contínuos de feedback – Monitore o progresso e reúna as contribuições dos stakeholders de forma a permitir o refinamento em tempo real.
• Compartilhe o aprendizado em todo o governo – Organize eventos entre agências e mantenha sistemas de gestão de conhecimento para acelerar a adoção.

Implicações para os líderes governamentais

Os riscos são altos. Aqueles que agem de forma decisiva para superar essas barreiras podem realizar um potencial transformador em várias dimensões – desde ganhos de eficiência e melhor experiência para os funcionários a um maior envolvimento dos cidadãos, planejamento estratégico de serviços, otimização financeira e resiliência organizacional. Já os que postergam correm o risco de incorrer custos mais altos, perder oportunidades de ganho de produtividade e não atender às expectativas do público. 

Para os líderes de governo, a janela para agir está se fechando, o que torna mais urgente dominar a complexidade do escalonamento da IA para obter valor público sustentável. A estrutura de cinco etapas oferece um caminho estruturado para sair da fase de estratégias de IA, passando pelos projetos-piloto, e chegar à implantação completa e ao impacto mensurável.