Segunda-feira de manhã, numa sala de reunião de frente para a Marginal Pinheiros. Na tela, uma planilha com dezenas de ideias de uso de inteligência artificial, cada uma trazida por uma área. Ao lado, a pergunta que ninguém respondeu: por onde começar e quem cuida disso depois. É nesse ponto que a implementação de IA em São Paulo costuma emperrar, e quase nunca por falta de tecnologia.
Implementar IA é transformar uma ideia em um processo que roda todos os dias, com dados confiáveis, regras escritas, responsáveis definidos e revisão periódica. Este artigo organiza esse caminho em 6 etapas, mostra o que precisa estar pronto nos dados, onde ficam fisicamente os dados de um projeto paulistano, quais riscos a governança deve cobrir e o que a indústria do estado mais teme.
O texto aprofunda a página da agência de IA em São Paulo, que resume as frentes de trabalho, e parte de um princípio simples: governança e dados começam no primeiro dia do projeto, junto com a escolha do caso de uso.
Quais são as etapas de uma implementação de IA?
Uma implementação de IA passa por 6 etapas: escolha do caso e do dono, linha de base, preparo dos dados, construção e integração, piloto com revisão humana e operação monitorada.
As 6 etapas
- Caso e dono: escolha 1 processo, com volume e indicador, e nomeie a pessoa que responde por ele.
- Linha de base: meça o processo como ele funciona hoje, antes de qualquer mudança.
- Dados: faça o inventário das fontes, corrija o que estiver vencido e defina quem revisa cada documento.
- Construção e integração: escreva regras e limites, conecte o sistema ao CRM, ao ERP e aos canais, e teste com casos reais.
- Piloto: rode num recorte controlado, com pessoas lendo as saídas e registrando cada erro.
- Operação: amplie o que provou valor, com monitoramento, revisões periódicas e um plano para desligar o sistema se for preciso.
O que fecha cada etapa
Uma etapa só termina quando uma pergunta foi respondida e alguém com autoridade aceitou a resposta. A tabela resume.
| Etapa | Pergunta que fecha a etapa | Entregável | Quem decide |
|---|---|---|---|
| Caso e dono | Qual processo e quem responde por ele? | Briefing de 1 página com o indicador | Diretoria |
| Linha de base | Como o processo funciona hoje, em números? | Medida inicial registrada | Dono do processo |
| Dados | As fontes são confiáveis e autorizadas? | Inventário de fontes com dono e data | Dono do processo e encarregado de dados |
| Construção | O sistema faz só o que deve fazer? | Regras escritas, integrações e testes | Equipe do projeto |
| Piloto | O indicador melhorou sem erro grave? | Comparação com a linha de base | Diretoria |
| Operação | Quem revisa, e com que frequência? | Rotina de monitoramento e registro de mudanças | Dono do processo |
O que determina a duração
A duração depende menos do modelo e mais de 3 fatores: o número de sistemas a integrar, o estado dos dados e a velocidade das aprovações internas, do jurídico à segurança da informação. Um processo com dados organizados e um único sistema anda depressa. Um que depende de vários sistemas e de documentos sem dono anda devagar, qualquer que seja a tecnologia.
Dados: o que precisa estar pronto antes do modelo
Antes do modelo, precisam estar prontos o inventário das fontes, um dono para cada documento e a definição dos dados pessoais que o sistema pode ver.
Inventário de fontes
O inventário lista cada fonte que o sistema vai consultar ou alterar: o catálogo, a tabela de preços, as políticas comerciais, o CRM, o ERP, a central de mensagens. Para cada uma, registra onde está, quem a atualiza, com que frequência e se o sistema pode só ler ou também gravar. Quando as fontes estão em sistemas que não conversam, o primeiro trabalho é de integração de sistemas.
Documento sem dono vira resposta errada
Boa parte dos erros de um sistema de IA nasce na origem. Uma política comercial revista no mês passado, mas ainda na versão antiga dentro da base, produz respostas erradas que soam corretas. A prevenção é administrativa: cada documento tem um responsável e uma data marcada para ser relido, e versões antigas saem da base no mesmo dia em que a nova entra.
Dados pessoais e LGPD
Se o processo envolve nome, telefone, histórico de compras ou dados de saúde, a LGPD se aplica. O projeto registra a finalidade de cada dado, limita o que o sistema vê ao necessário, define por quanto tempo os registros ficam guardados e prevê como atender a pedidos de acesso e de exclusão dos titulares. Quem dá a palavra final sobre a base legal é o encarregado de dados, com o jurídico da empresa, e a fiscalização cabe à ANPD.
Antes de perguntar qual modelo usar, pergunte qual documento o sistema vai ler e quem responde por ele.

Onde ficam os dados de um projeto de IA em São Paulo?
Podem ficar perto ou do outro lado do mundo: o estado de São Paulo concentra 38% da capacidade de data centers do país, e a escolha precisa ser consciente.
Um polo de data centers na região
O relatório Data Center Brasil 2026, da JLL, publicado em agosto de 2026, aponta que o estado de São Paulo concentra 38% dos megawatts de data centers do país, principalmente nas regiões da capital com Barueri e de Campinas. O mapeamento projeta aumento de 82,5% para capital e Barueri e de 60,9% para Campinas até 2028.
Para a empresa paulistana, isso amplia as opções de hospedar dados e sistemas no país, perto da operação. Não quer dizer que todo serviço de IA contratado rode aqui: um serviço pode processar os dados em servidores no exterior, e essa informação precisa constar do contrato.
Perguntas sobre hospedagem e transferência
- Em que país os dados são processados e armazenados, incluindo os registros das conversas?
- O fornecedor do modelo usa o conteúdo enviado para treinar os próprios sistemas?
- Por quanto tempo os registros ficam guardados e como são apagados?
- Quem, no fornecedor, pode acessar os dados e em que situações?
- Se houver transferência internacional de dados pessoais, como ela foi tratada com o encarregado?
Latência, custo e contrato
A localização também pesa na operação. Um atendimento em tempo real sente a distância entre o usuário e o servidor, e algumas empresas preferem manter a base de conhecimento e os registros no país mesmo quando o modelo roda fora. São decisões de arquitetura que entram na proposta escrita, com o custo e a responsabilidade de cada parte.
Que riscos a governança de IA precisa cobrir?
A governança precisa cobrir ao menos respostas falsas, vazamento de dados, segurança, propriedade intelectual, vieses e fornecedores da cadeia, com um responsável e um controle para cada risco.
Os riscos da IA generativa segundo o NIST
O perfil de IA generativa do NIST, o documento NIST AI 600-1, publicado em julho de 2024, descreve 12 riscos que essa tecnologia cria ou agrava. Para uma empresa que coloca um assistente para atender clientes ou ler documentos, 6 deles pesam desde o primeiro piloto:
- Confabulação: conteúdo errado ou falso afirmado com confiança, o que no dia a dia se chama de alucinação.
- Privacidade de dados: vazamento, uso não autorizado ou reidentificação de dados pessoais e sensíveis.
- Segurança da informação: barreira menor para ataques, golpes e exploração de falhas.
- Propriedade intelectual: reprodução de conteúdo protegido e exposição de segredos comerciais.
- Viés nocivo ou homogeneização: desempenho desigual entre grupos ou idiomas e saídas que reforçam vieses.
- Cadeia de valor e integração de componentes: componentes e dados de terceiros sem transparência ou rastreabilidade.
Do risco ao controle
Cada risco vira um controle com dono. Confabulação pede base de conhecimento revisada e amostras de respostas lidas por pessoas. Privacidade pede acesso mínimo e registro de quem vê o quê. Segurança pede testes de tentativa de abuso antes da publicação. Cadeia de fornecedores pede contrato que diga quais componentes de terceiros estão no sistema e quem responde por eles.
Os princípios da OCDE como linguagem comum
Os princípios de IA da OCDE, adotados em maio de 2019 e atualizados em maio de 2024, têm 47 aderentes, entre eles o Brasil. São 5: crescimento inclusivo, desenvolvimento sustentável e bem-estar; direitos humanos e valores democráticos, incluindo justiça e privacidade; transparência e explicabilidade; robustez, segurança e proteção; e responsabilização. Servem como vocabulário comum entre a diretoria, o jurídico e a equipe técnica.
O que a indústria paulista teme na IA, e o que isso ensina
A indústria paulista teme sobretudo vazamento de informação, desinformação e dependência tecnológica, e esses medos apontam os controles que a governança precisa ter desde o piloto.
As preocupações em números
Na pesquisa da Fiesp com 285 indústrias, noticiada pela Mobile Time em abril de 2026, as preocupações mais citadas com a IA foram vazamento de informações e segurança, com 56%, desinformação, com 40%, dependência tecnológica, com 38%, violação de privacidade, com 30%, e viés algorítmico, com 23%.
A mesma pesquisa mostra que 71% das indústrias dizem precisar de apoio para ampliar o uso de IA. Entre elas, 42% querem consultoria, 38% programas de capacitação da equipe e 30% mentoria de especialistas. Nas empresas classificadas como pragmáticas, as dificuldades citadas são justificar o investimento, os dados e a integração.
Cada preocupação vira um controle
| Preocupação | Controle no projeto | Quem acompanha |
|---|---|---|
| Vazamento e segurança | Acesso mínimo, registro de acessos e testes de abuso antes da publicação | Segurança da informação |
| Desinformação | Base revisada, respostas ligadas à fonte interna e amostras lidas por pessoas | Dono do processo |
| Dependência tecnológica | Documentação, configurações de propriedade da empresa e plano de troca de fornecedor | Diretoria |
| Privacidade | Finalidade registrada, prazo de guarda definido e atendimento aos titulares | Encarregado de dados |
| Viés | Testes com casos de grupos e situações diferentes e revisão das recusas | Dono do processo e jurídico |
Apoio externo: o que pedir
Quem busca consultoria ou uma agência para implementar IA deve pedir que a proposta trate esses 5 pontos de forma explícita, com controles, responsáveis e rotina. Os critérios para comparar fornecedores estão em o que é uma agência de IA e como escolher.
Governança na prática: papéis, registros e revisões
Na prática, governança de IA é saber quem decide, o que fica registrado e quando o sistema é revisto, numa política curta que caiba na rotina da empresa.
ISO/IEC 42001 e NIST AI RMF como moldura
A ISO/IEC 42001, publicada em 18 de dezembro de 2023 pelo comitê conjunto ISO/IEC JTC 1/SC 42, tem 51 páginas e se destina a organizações que fornecem ou usam produtos e serviços com sistemas de IA. O objetivo declarado é ajudar a organização a desenvolver, fornecer ou usar esses sistemas de forma responsável.
Do lado americano, o AI RMF do NIST, lançado em 26 de janeiro de 2023, ganhou um guia prático, o Playbook, e está em revisão. As 4 funções do framework, governar, mapear, medir e gerenciar, encaixam nas etapas deste artigo: governar é nomear dono e política; mapear é o inventário de casos e dados; medir é a linha de base e o piloto; gerenciar é a operação com revisões.
Papéis
- Dono do processo: responde pelo resultado e aprova mudanças de regra.
- Encarregado de dados: confere finalidade, acesso e prazo de guarda dos dados pessoais.
- Responsável técnico: cuida das integrações, dos testes e do monitoramento.
- Diretoria: decide ampliar, ajustar ou desligar com base no indicador.
Registros e revisões
Registre cada versão das regras e da base de conhecimento, os resultados de cada teste e os erros encontrados nas amostras. Combine uma revisão com data marcada, em que o dono do processo lê conversas, confere o indicador e decide o que muda. Quando o processo envolve vendas, esses registros conversam com o funil, tema de CRM e RevOps em São Paulo.
Governança de IA que não cabe na rotina da empresa vira documento de gaveta.
Cenário ilustrativo
Considere uma fabricante hipotética de embalagens de papelão, com fábrica em Guarulhos e área comercial na Chácara Santo Antônio, na Zona Sul de São Paulo. O exemplo é ilustrativo e não descreve um projeto real. A empresa quer que a IA leia os pedidos de cotação que chegam por e-mail e prepare a proposta no ERP.
Na etapa de dados, descobre que há várias tabelas de preço em uso, cada uma mantida por um vendedor. Antes de qualquer modelo, a diretoria escolhe uma tabela oficial, nomeia um dono e marca a data de revisão. No piloto, só os pedidos de uma linha de caixas passam pelo sistema, e cada proposta é conferida por um vendedor antes do envio.
A governança cabe numa página: o gerente comercial é o dono do processo, o encarregado de dados confere o que o sistema vê dos clientes, e a revisão acontece em data fixa, com leitura de amostras e comparação com a linha de base. O contrato com o fornecedor diz onde os dados ficam e de quem são as configurações.
O que levar para a primeira reunião de implementação
Leve o processo escolhido, o nome do dono, a medida atual, a lista de fontes de dados e as perguntas sobre onde os dados ficam e quem pode vê-los.
O essencial deste artigo
A implementação de IA em São Paulo segue 6 etapas, do caso escolhido à operação monitorada, e depende mais de dados e de responsáveis do que do modelo. O estado concentra infraestrutura de data centers, o que amplia as opções de hospedagem, mas a localização dos dados precisa estar no contrato. NIST, ISO e OCDE oferecem a moldura; a rotina da empresa faz a governança existir.
O próximo passo
Os casos de uso por setor estão em IA para empresas em São Paulo, e o desenho técnico dos agentes comerciais aparece em agentes de IA e automação de vendas. Na Trilion, a reunião de briefing pode ser no escritório de Moema ou on-line, e a proposta vem por escrito depois dela.
Sobre este texto
Este artigo foi escrito para a seção São Paulo do site da Trilion. As etapas e os papéis seguem a lógica do AI Risk Management Framework do NIST e da ISO/IEC 42001; os riscos vêm do perfil de IA generativa do NIST, e os princípios, da OCDE. Os fatos paulistanos vêm do relatório de data centers da JLL e da pesquisa da Fiesp com indústrias do estado, noticiada pela Mobile Time.
A tabela de etapas, a tabela de controles, as perguntas sobre hospedagem e o cenário ilustrativo são leitura editorial. As fontes foram consultadas em 14/11/2026.
- NIST: AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework (consultado em 14/11/2026)
- NIST: Artificial Intelligence Risk Management Framework, Generative Artificial Intelligence Profile (NIST AI 600-1): https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf (consultado em 14/11/2026)
- IEC Webstore: ISO/IEC 42001:2023, Information technology, Artificial intelligence, Management system: https://webstore.iec.ch/publication/90574 (consultado em 14/11/2026)
- OECD.AI: OECD AI Principles: https://oecd.ai/en/ai-principles (consultado em 14/11/2026)
- JLL: Relatório sobre Data Centers no Brasil aponta crescimento recorde em 2026: https://www.jll.com/en-us/insights/jll-report-points-record-number-new-data-centers-brazil-2026-pt-br (consultado em 14/11/2026)
- Mobile Time: Mais da metade dos industriais de SP querem usar IA, revela Fiesp: https://www.mobiletime.com.br/noticias/07/04/2026/fiesp-industria-com-ia/ (consultado em 14/11/2026)

