Estratégia Corporativa

IA corporativa: o que o legado de JK ensina sobre inovação

Segundo Brazil Journal, JK moldou estruturas que ainda freiam decisões empresariais. Entenda o que isso significa para a adoção de IA nas empresas brasileiras.

Capa: IA corporativa: o que o legado de JK ensina sobre inovação

Segundo Brazil Journal, Juscelino Kubitschek foi o arquiteto de um modelo de desenvolvimento que prometia "50 anos em cinco", mas deixou como herança um Estado cada vez mais centralizador, orçamentos sistematicamente atropelados e uma capital que, ao sair do Rio de Janeiro, afastou a alta burocracia do Brasil real. JK foi ainda o presidente que ampliou o papel do Estado como indutor do crescimento, criando dependências estruturais que o país ainda carrega.

O perfil político de JK era contraditório por natureza: carismático, conciliador, com bom trânsito entre partidos, discurso moderno. Mas os gastos descontrolados e a lógica do crescimento a qualquer custo plantaram sementes que brotaram décadas depois, na forma de burocracia pesada, instabilidade fiscal e um ambiente regulatório que penaliza quem decide rápido.

Para CEOs e fundadores que acompanham a transformação digital, esse histórico não é curiosidade acadêmica. É contexto operacional.

IA corporativa e o peso das estruturas herdadas

Empresas que tentam escalar projetos de inteligência artificial no Brasil esbarram, frequentemente, em obstáculos que têm raízes nessa herança institucional: regulação fragmentada entre órgãos setoriais, dificuldade de acesso a dados públicos estruturados, e uma cultura burocrática que torna o ciclo de aprovação de projetos tecnológicos significativamente mais lento do que em mercados comparáveis.

Não é coincidência que grande parte das iniciativas de IA corporativa no Brasil ainda opera em modo piloto, sem escala real. O ambiente exige mais resiliência institucional do que o modelo de negócio muitas vezes comporta.

Alguns pontos que líderes de tecnologia precisam ter no radar:

  • Governança de dados: a ausência de padronização entre bases públicas e privadas aumenta o custo de treinamento e validação de modelos de machine learning
  • Compliance regulatório: a LGPD, combinada com regulações setoriais, cria camadas de aprovação que alongam o time-to-market de soluções de IA
  • Dependência de infraestrutura estatal: projetos que dependem de APIs governamentais ou dados do Banco Central, IBGE ou CVM enfrentam latência e instabilidade que modelos treinados em outros mercados simplesmente não antecipam
  • Capital humano: a concentração de talentos em IA nas capitais, especialmente São Paulo, replica a lógica centralizadora que Brasília representou no plano político

O que empresas que avançam estão fazendo diferente

As organizações que conseguem escalar IA no Brasil com consistência não ignoram essas fricções. Elas as incorporam no design dos projetos desde o início. Uma empresa do setor financeiro com quem trabalhamos no interior de São Paulo levou quase o dobro do tempo previsto para homologar um agente de IA para análise de crédito, não por limitação técnica, mas por exigências de auditabilidade que o modelo original não contemplava.

A lição prática: projetos de IA corporativa no Brasil precisam de uma camada de governança que em outros mercados seria opcional. Isso não é burocracia pela burocracia. É adaptação inteligente ao ambiente.

Na minha leitura

O legado de JK descrito pelo Brazil Journal é um lembrete de que estruturas criadas com boas intenções, mas sem disciplina fiscal e institucional, geram custos que as gerações seguintes pagam de formas que nem sempre conseguem nomear. No universo de IA corporativa, esse custo aparece na forma de projetos que não saem do piloto, modelos que não generalizam para o contexto brasileiro e iniciativas que morrem na aprovação jurídica.

Quem lidera transformação digital no Brasil em 2026 precisa ser, ao mesmo tempo, engenheiro de sistemas e navegador institucional. Ignorar o segundo papel é o erro mais comum, e o mais caro.