O board diz que sim, quem opera diz talvez
Numa reunião de board em qualquer empresa que já colocou IA para rodar em produção, alguém pergunta se está funcionando. A resposta que sobe é quase sempre sim. A resposta de quem trabalha dois andares abaixo, olhando o painel de erro todo santo dia, costuma ser outra.
Isso não é impressão. Uma pesquisa da Sinch divulgada em 20 de julho de 2026, com 2.527 tomadores de decisão em dez países e seis setores, ouvidos entre janeiro e fevereiro deste ano, mediu exatamente essa distância. 60% dos executivos de C-level dizem estar muito confiantes de que o programa de IA da empresa está dando certo. Entre diretores e gerentes que operam esse programa no dia a dia, a confiança cai para 43%. Dezessete pontos de diferença entre quem assina o relatório trimestral e quem recebe o alerta de erro às três da tarde.
| Quem responde | Confiança de que o programa de IA está funcionando |
|---|---|
| C-level | 60% |
| Diretores e gerentes que operam | 43% |
A raiz do gap: ninguém audita a mesma coisa
O mesmo levantamento, batizado de "The AI Production Paradox", trouxe outro número que ajuda a entender de onde vem essa distância: 74% das empresas já desativaram ou reduziram um agente de IA que estava em produção depois de falha de governança ou de confiabilidade. E o índice sobe para 81% entre as empresas com processo de governança mais maduro. Isso parece contraditório até você pensar duas vezes: quem audita direito encontra mais falha, não menos. Quem não audita não descobre que tem problema, só não vê o problema.
O estudo aponta ainda de onde nasce parte dessa confiança maior lá em cima: satisfação com a infraestrutura de comunicação foi o fator que mais se relacionou com confiança no programa de IA. Faz sentido de um jeito perverso. Quem só vê o painel executivo enxerga a infraestrutura funcionando, porque é para isso que ela foi desenhada, mostrar que está tudo nos trilhos. Quem mexe na integração todo dia vê a exceção que o painel não captura: o cliente que caiu de canal, o agente que respondeu errado três vezes antes de escalar para um humano. Os dois estão olhando para o mesmo sistema e enxergando pedaços diferentes dele.
Tem uma segunda leitura possível, menos gentil com quem opera: talvez o time técnico simplesmente exija mais da própria entrega do que o board exige dele. Nos dois casos o problema é o mesmo, não existe um número comum entre os dois grupos para discordar ou concordar em cima dele. Sem essa métrica, a diferença de confiança nunca vira debate, ela só fica ali, incomodando por baixo, até aparecer como corte de orçamento ou como desligamento silencioso do agente.
O que a Overflow faz diferente
A gente já sentou nessa mesa. O board pergunta "está funcionando?" e ganha um aceno de cabeça como resposta. Ninguém pergunta de volta funcionando comparado a quê, medido como, desde quando. A resposta vira opinião com roupa de dado, e o executivo que respondeu não estava mentindo: ele só recebeu um resumo de resumo.
É por isso que a gente trata a métrica como parte do escopo, não como relatório final. Na implementação IA-first que a Overflow conduz, o piloto dura de 2 a 4 semanas, roda em cima de um processo real da empresa e tem o número que vai decidir sucesso ou fracasso combinado antes de escrever a primeira linha de código, não depois que o resultado já apareceu e alguém precisa decidir se ele foi bom. Detalhe completo em overflow.codes/ia-first.
O detalhe que a pesquisa da Sinch não escancara, mas dá para inferir, é que os 98% das empresas que dizem que vão aumentar o investimento em IA mesmo depois do recuo não estão sendo irracionais. Estão apostando que a próxima rodada corrige o que a rodada anterior não tinha: um jeito de medir o problema antes dele virar desligamento.
O que fazer na segunda de manhã
O risco de ignorar essa distância de 17 pontos não é o board descobrir a verdade tarde demais numa reunião trimestral. É o board continuar aprovando orçamento para escalar um agente que quem opera já sabe que está quebrado em três lugares, porque o número que chegou lá em cima nunca teve espaço para essa informação. Escalar antes de medir é como pisar fundo no acelerador com o painel de combustível apagado: dá para chegar longe, até não dar mais.
Dá para testar isso sem gastar nada. Pegue o programa de IA que já roda na sua empresa e pergunte, separadamente, para duas pessoas se ele está funcionando: uma que assina o orçamento e outra que mexe no sistema todo dia. Se as respostas vierem parecidas, ótimo, sinal de que a métrica realmente existe e circula. Se vierem diferentes, você acabou de achar o primeiro problema de verdade, e ele não é técnico.
