Um conselho não aprova inteligência artificial. Aprova uma aposta com dono, limite de perda e data marcada para ser revista. Quem leva ao colegiado o pedido para aprovar um projeto de IA como se fosse a compra de uma tecnologia costuma sair da sala com uma de duas respostas: um sim entusiasmado que ninguém sabe cobrar depois, ou um "volte com mais informações" que adia a decisão por meses.
Este texto é para quem prepara essa pauta: o CEO, o diretor de tecnologia, o diretor financeiro ou o executivo que recebeu a proposta de um fornecedor e precisa transformá-la num pedido que o conselho consiga examinar. A pergunta aqui não é qual fornecedor escolher. É como apresentar o projeto de modo que os conselheiros entendam o que está em jogo, aprovem com condições claras e saibam o que perguntar na revisão seguinte.
O roteiro tem 6 partes: por que tantos projetos chegam fracos, o que os conselhos brasileiros já pensam sobre o tema, uma matriz com pesos, os documentos que precisam existir antes da reunião, as perguntas que desmontam um projeto mal preparado e o risco de cada atalho. Os critérios para montar a lista de fornecedores estão no guia sobre o que é uma agência de IA e como escolher, e o serviço está descrito na página de agência de IA em São Paulo.
Por que tantos projetos de IA chegam ao conselho sem resposta?
Porque chegam como demonstração, e não como decisão. Mostram o que a ferramenta faz e omitem o indicador, o dono, o custo do erro e a condição para parar.
O piloto que impressiona e não mexe no resultado
Em agosto de 2025, a revista Fortune noticiou o relatório The GenAI Divide, da iniciativa NANDA, do MIT. O estudo se apoiou em 150 entrevistas com executivos, numa pesquisa com 350 funcionários e na análise de 300 implantações públicas. A conclusão que circulou pelas diretorias foi dura: só cerca de 5% dos pilotos de IA generativa produziam aceleração rápida de receita. A maior parte travava antes de chegar ao resultado.
O mesmo relatório apontou 2 padrões que interessam a quem aprova. Ferramentas compradas de fornecedores especializados e parcerias deram certo em cerca de 67% dos casos, enquanto os projetos construídos só dentro de casa tiveram sucesso em cerca de um terço disso. E mais da metade dos orçamentos ia para ferramentas de vendas e marketing, embora o maior retorno aparecesse na automação de bastidores, como a redução de serviços terceirizados.
Ganhos reais, mas menores do que a apresentação sugere
O AI Index 2025, da Universidade Stanford, mostra a outra face. Entre os respondentes que usam IA em operações de atendimento, 49% relataram redução de custo, mas a maioria deles ficou abaixo de 10% de economia. Em marketing e vendas, 71% relataram ganho de receita, e o nível mais comum foi inferior a 5%.
O número não desqualifica a IA. Ele calibra a expectativa: quem promete transformar a empresa no primeiro ano pede ao conselho que acredite numa exceção.
O que isso muda na pauta
Muda o formato do pedido. Em vez de "aprovar a IA no atendimento", peça um piloto num recorte definido, com linha de base, indicador e data de revisão. O pedido menor é mais fácil de defender e de cobrar.
O que os conselhos brasileiros já pensam sobre IA?
Pensam que o tema é estratégico, mas ainda não o governam. A pesquisa mais recente sobre o assunto, feita em São Paulo, mostra uso informal, poucas regras e pouca preparação.
Uso crescente, regra escassa
O Instituto Brasileiro de Governança Corporativa e o centro FGVethics, da Escola de Administração de Empresas de São Paulo da FGV, publicaram em 2026 o estudo Inteligência artificial, governança e ética nos conselhos de administração das empresas brasileiras. O questionário foi respondido por 141 conselheiros entre 2 e 29 de abril de 2026, e 61% deles atuavam no Sudeste. Do total, 55 disseram usar IA no trabalho do conselho.
Nos 58 conselhos em que havia uso, só 20,7% tinham diretrizes formalmente documentadas, 48,3% tinham orientações informais e 25,9% não tinham nenhuma. Em 46,6% dos casos, nenhuma instância supervisionava o uso. Treinamento específico sobre IA existiu em 31% deles, e só 24,1% dos respondentes consideraram o próprio conselho preparado para o tema.
O que trava quem ainda não usa
Entre os 86 conselheiros cujos colegiados não usavam IA, o motivo mais citado foi a ausência de diretrizes claras, com 40,7%. Os riscos mais lembrados foram confidencialidade e segurança de dados, com 69,8%, informação imprecisa, com 53,5%, e viés algorítmico, com 51,2%. A revista Capital Aberto, em agosto de 2026, registrou outro dado do instituto: apenas 20% dos colegiados discutem o tema com regularidade.
Voz, mas não voto
Nas entrevistas do estudo, uma conselheira resumiu o limite com uma imagem: a IA poderia ter voz, mas não voto. A tecnologia pode levantar informação, testar premissas e montar cenários. A deliberação e a responsabilidade continuam com pessoas identificáveis. Para quem leva um projeto ao conselho, a lição é prática: diga onde a decisão humana entra, quem a toma e como ela fica registrada.
O conselho não precisa entender o modelo. Precisa saber quem responde por ele, o que acontece quando ele erra e quando ele será desligado.

A matriz que organiza a decisão: critérios e pesos sugeridos
Uma matriz com pesos transforma a conversa sobre tecnologia numa conversa sobre risco e retorno. Os pesos abaixo são sugestão editorial; ajuste-os ao projeto antes de abrir qualquer proposta.
Os critérios
| Critério | Peso sugerido | O que vale nota máxima | Sinal de projeto fraco |
|---|---|---|---|
| Problema e dono | 15 | Um processo nomeado, com volume conhecido e um executivo que responde por ele | "Usar IA na empresa" como objetivo |
| Linha de base e indicador | 20 | Medida atual registrada e o número que será comparado no fim do piloto | Ganho descrito em adjetivos |
| Custo total | 15 | Licenças, integração, horas internas, revisão humana e manutenção em linhas separadas | Só o valor da ferramenta |
| Dados e privacidade | 15 | Fontes listadas, dados pessoais identificados e local de processamento declarado | "Os dados ficam seguros" sem detalhe |
| Limites e supervisão | 15 | O que o sistema decide sozinho, o que vai para uma pessoa e quem revisa as amostras | Autonomia total desde o primeiro dia |
| Dependência do fornecedor | 10 | Configurações, bases e registros em nome da empresa, com documentação para troca | Silêncio sobre propriedade |
| Condição de parada | 10 | Critério escrito para encerrar e plano para desligar sem perder dados | Nenhuma hipótese de encerramento |
Como pontuar
Dê de 1 a 4 em cada critério: 1 para ausente, 2 para genérico, 3 para específico, 4 para específico e documentado. Multiplique pelo peso e some. Peça a 3 pessoas que pontuem separadas: quem responde pelo processo, alguém do financeiro e alguém de risco ou jurídico. Divergência grande entre as notas indica o trecho da proposta que ainda não foi entendido, e é ali que a próxima pergunta ao fornecedor deve ir.
Nota mínima antes do custo
Defina uma nota de corte antes de olhar os valores. Projetos abaixo dela voltam para ajuste, por mais barato que pareçam.
O que pedir por escrito antes da reunião do conselho
Peça por escrito tudo o que o conselho vai cobrar depois: quem decide, quanto custa errar, como se mede o sucesso e como se desliga o sistema. Os referenciais públicos ajudam a montar a lista.
A responsabilidade nomeada
O AI Risk Management Framework, do NIST, organiza a gestão de risco de IA em 4 funções: governar, mapear, medir e gerenciar. Na função de governar, um dos itens diz que a liderança executiva da organização assume a responsabilidade pelas decisões sobre os riscos do desenvolvimento e da implantação de sistemas de IA. Leve isso ao pé da letra: o memorando deve trazer o nome do diretor que responde pelo projeto, e não apenas o da área que o executa.
O custo do erro, além do financeiro
Na função de mapear, o NIST pede que se registrem os custos potenciais, inclusive os não monetários, que resultam de erros esperados ou já ocorridos do sistema. Para um atendimento automatizado, isso significa estimar o efeito de uma resposta errada sobre um cliente, sobre a reputação e sobre uma obrigação regulatória. Um projeto que só lista benefícios está mostrando ao conselho metade da conta.
A decisão de seguir ou parar, escrita antes
Na função de gerenciar, o framework prevê que se determine se o sistema atinge os objetivos declarados e se o desenvolvimento ou a implantação devem prosseguir. Prevê também mecanismos, com responsáveis definidos, para substituir, desligar ou desativar sistemas cujo desempenho não corresponda ao uso pretendido. Os princípios de IA da OCDE dizem algo próximo ao tratar de responsabilização: quem opera sistemas de IA deve garantir rastreabilidade de dados, processos e decisões ao longo do ciclo de vida e aplicar gestão de risco sistemática em cada fase.
A lista de documentos
- Briefing do problema: 1 página com o processo, o volume, o dono e a medida atual.
- Linha de base: o número de hoje, com a fonte e a data da medição.
- Custo total: ferramenta, integração, horas internas, revisão humana e manutenção.
- Mapa de dados: fontes, dados pessoais envolvidos e país de processamento.
- Limites do sistema: o que ele faz sozinho e quando chama uma pessoa.
- Critério de parada: o resultado que leva a encerrar e como se desliga o sistema.
- Calendário de revisão: quando o conselho volta a ver o projeto e com quais números.
As etapas que sustentam esses documentos, da escolha do caso à operação monitorada, estão em implementação de IA: etapas, dados e governança.
Quais perguntas desmontam um projeto de IA mal preparado?
As que pedem origem do número, consequência do erro e saída do contrato. Um projeto sólido responde com documento; um frágil responde com a demonstração de novo.
As perguntas do diretor financeiro
- De onde vem a estimativa de ganho, e ela foi medida aqui ou num caso de outra empresa?
- Quanto custa manter o sistema funcionando depois do piloto, por mês e por ano?
- Que horas da nossa equipe o projeto consome, e quem deixa de fazer o quê?
- O custo cresce com o volume de uso? Em que ponto ele deixa de compensar?
As perguntas do risco e do jurídico
- Quais dados pessoais o sistema lê, e onde eles são processados?
- O fornecedor usa o nosso conteúdo para treinar os próprios modelos?
- Qual foi o pior erro no teste, e o que o sistema fez quando não sabia a resposta?
- Quem é avisado, e em quanto tempo, se houver um incidente com dados?
As perguntas sobre dados e contrato merecem uma reunião própria com o fornecedor, antes de qualquer assinatura. O roteiro completo está em dados e LGPD: o que perguntar antes de assinar.
As perguntas do CEO
O presidente quer saber se o problema escolhido é o que mais pesa no negócio, ou só o mais fácil de automatizar. Quer saber também o que acontece com as pessoas que hoje fazem a tarefa. Prepare as 2 respostas antes da reunião. Um projeto que reduz retrabalho e devolve horas à equipe para atender melhor tem uma defesa diferente de um projeto que corta posições, e o conselho vai querer ouvir qual dos 2 está sendo proposto.
O risco de cada atalho: a ferramenta da moda, o projeto caseiro ou esperar
Cada atalho alivia uma ansiedade da diretoria e desloca o risco para outro ponto. Conheça esse ponto antes de escolher o caminho.
| Atalho | O que parece resolver | Risco que fica | Como neutralizar |
|---|---|---|---|
| Aprovar pela demonstração | A pressão para mostrar que a empresa se mexe | Um piloto sem indicador, que ninguém consegue avaliar | Exigir linha de base e critério de parada antes do sim |
| Construir tudo em casa | O controle total sobre dados e código | Projeto longo, dependente de poucas pessoas, com taxa de sucesso menor | Comparar com a compra de componentes e manter em casa só o que diferencia |
| Delegar à área de tecnologia | A falta de tempo da diretoria | Um sistema sem dono de negócio, medido por entrega técnica | Nomear um executivo do processo como responsável |
| Esperar a regra ficar clara | O medo de errar diante dos sócios | Concorrentes aprendem antes, e o uso informal cresce sem controle | Aprovar um piloto pequeno com política de uso já escrita |
O custo de esperar, visto da cidade
A FecomercioSP ouviu 300 varejistas paulistanos, e o resultado, publicado pelo Times Brasil em 2025, mostrou que 58% não usavam IA nem tinham plano imediato de adoção. Entre as micro, pequenas e médias, a proporção chegava a 62,4%. A falta de conhecimento técnico foi a barreira mais citada, com 29,3%. Ao mesmo tempo, 43% viam a IA como oportunidade de crescimento, sobretudo em marketing e vendas.
Para um conselho paulistano, o dado tem 2 leituras. A primeira é que esperar ainda é a posição da maioria, e por isso parece segura. A segunda é que a distância entre quem aprende e quem espera se forma justamente quando a maioria espera. O custo de não decidir não aparece no balanço do trimestre. Aparece quando a empresa precisa recuperar, de uma vez, o aprendizado que os concorrentes acumularam aos poucos.
O uso que acontece sem aprovação
O estudo do IBGC e da FGVethics descreve o que chama de IA sombra: conselheiros, executivos e funcionários usando contas pessoais ou ferramentas não autorizadas para resumir documentos e analisar materiais da empresa. A ausência de regra não impede o uso; só o torna invisível. Esse é o argumento mais forte contra a espera. Um projeto aprovado com política escrita tende a reduzir o risco que o conselho imagina evitar ao adiar.
Como levar o projeto ao conselho e sair com uma decisão
Leve uma página, não uma apresentação: o pedido, o problema, a matriz, a alternativa descartada, o pior cenário e a data da próxima revisão. O conselho decide melhor sobre um raciocínio do que sobre uma tela.
O memorando de 1 página
- Decisão pedida: aprovar o piloto, com recorte, orçamento e período de avaliação.
- Problema: o processo, o volume e quanto ele custa hoje.
- Matriz: a nota ponderada do projeto e dos concorrentes, com os pesos usados.
- Alternativa: o que foi descartado, inclusive a opção de não fazer nada, e por quê.
- Riscos: o pior cenário, os dados envolvidos e o controle de cada risco.
- Responsável: o executivo que responde pelo resultado e pela relação com o fornecedor.
- Revisão: a data em que o conselho volta ao tema e o número que vai examinar.
Um modelo desse documento, aplicável a qualquer contratação, está no memorando de decisão para o conselho.
Peça ao conselho um sim pequeno e condicionado. É o único tipo de sim que ele consegue cobrar na reunião seguinte.
Cenário ilustrativo
Nenhuma empresa real está por trás deste exemplo ilustrativo. Uma administradora de benefícios corporativos, com sede perto da Avenida Paulista e conselho formado por sócios fundadores e 2 conselheiros independentes, recebe a proposta de um fornecedor para responder com IA às dúvidas de beneficiários no WhatsApp. A primeira versão do pedido diz apenas que o atendimento ficará mais ágil.
O diretor de operações reescreve o pedido. Mede o tempo médio de resposta atual, separa as dúvidas que o sistema poderá responder das que sempre irão para uma pessoa e lista os dados pessoais que entram na conversa. Pede ao fornecedor o país de processamento e a regra sobre uso dos dados para treino. Define que o piloto atende só um produto, que uma analista lê amostras toda semana e que o projeto será encerrado se o número de transferências por erro passar de um limite combinado.
O conselho pontua a proposta na matriz, discute a alternativa de esperar e aprova o piloto com uma condição: voltar à pauta com a comparação entre a linha de base e o resultado. A política de uso de IA da empresa será escrita junto com o piloto, e a ata registra o nome do responsável.
Depois da aprovação
Fundada em 1995, com escritório em Moema, a Trilion recebe a diretoria no escritório ou em reunião on-line. Uma única equipe pensa a estratégia, desenha e aplica no digital. A proposta chega por escrito depois do briefing e responde a cada linha da matriz. Empresas da região central encontram o contexto local em Centro e Paulista, e o desenho técnico de agentes comerciais está em agentes de IA e automação de vendas.
Sobre este texto
Este artigo foi escrito para a seção São Paulo do site da Trilion, como página de decisão para quem leva um projeto de inteligência artificial ao conselho. A matriz, os pesos, as perguntas, o memorando e o cenário são leitura editorial, e os pesos devem ser ajustados a cada caso. Os referenciais de governança vêm do NIST e da OCDE; os dados sobre resultado, de Stanford e do relatório do MIT noticiado pela Fortune; os dados sobre conselhos e empresas paulistanas, do IBGC com a FGVethics, da Capital Aberto e da FecomercioSP, via Times Brasil. As fontes foram consultadas em 16/11/2026.
- IBGC e FGVethics: Inteligência artificial, governança e ética nos conselhos de administração das empresas brasileiras (São Paulo, 2026): https://eaesp.fgv.br/sites/default/files/uploads/FGVETHICS/PUBLICACOES/2026_ibgc_inteligencia_artificial_governanca_etica.pdf (consultado em 16/11/2026)
- Capital Aberto: IA amplia responsabilidades dos conselhos (10/08/2026): https://capitalaberto.com.br/empresas/2026/08/ia-amplia-responsabilidades-dos-conselhos (consultado em 16/11/2026)
- NIST, AI Resource Center: AI RMF Core: https://airc.nist.gov/airmf-resources/airmf/5-sec-core/ (consultado em 16/11/2026)
- OECD.AI: OECD AI Principles, Accountability (princípio 1.5): https://oecd.ai/en/dashboards/ai-principles/P9 (consultado em 16/11/2026)
- Stanford HAI: The 2025 AI Index Report, capítulo Economy: https://hai.stanford.edu/ai-index/2025-ai-index-report/economy (consultado em 16/11/2026)
- Fortune: MIT report, 95% of generative AI pilots at companies are failing (18/08/2025): https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/ (consultado em 16/11/2026)
- Times Brasil: pesquisa da FecomercioSP sobre uso de inteligência artificial por empresas paulistanas (09/09/2025): https://timesbrasil.com.br/empresas-e-negocios/empresas-paulistanas-uso-inteligencia-artificial/ (consultado em 16/11/2026)

