Pesquisa da Adobe revela por que os governos têm dificuldade em levar iniciativas de IA do piloto à escala.

Brian Chidester

11-12-2026

A maioria das conversas sobre adoção de IA no governo ainda se concentra em perguntas técnicas: qual modelo, qual fornecedor e qual caso de uso. Uma nova pesquisa da Adobe descobriu que esse não é o foco certo. Entre 502 entrevistados do setor público em um estudo global com 5.633 executivos de 12 setores e 11 mercados, as organizações com dificuldade em escalar a IA raramente são freadas pela tecnologia em si. O desafio é mais fundamental: definir quem tem autoridade para decidir o que acontece com uma ideia depois que o piloto termina.

Os números falam por si. De cada 100 casos de uso de IA propostos no setor público, 90 nunca chegam à produção. Eles vão sendo descartados em cada revisão (avaliação de TI, segurança, integração, orçamento), até que uma ideia que começou promissora simplesmente deixa de ser prioridade de alguém. Não se trata de excesso de cautela, burocracia ou falta de preparo da equipe. É o que acontece quando o modelo operacional de uma organização não acompanha as exigências da IA, seja para definir quem é o responsável por uma decisão, quem participa quando ela é tomada ou o que constitui uma prova de sucesso.

A IA no governo vive no meio do caminho.

O estudo mostra que 62% dos entrevistados ativos do setor público estão nas fases de piloto ou implantação, mais avançados do que a fase de exploração, mas longe de expandir ou transformar. Esse é o maior grupo isolado do estudo, mas não indica uma desaceleração. Na verdade, mostra exatamente onde o atrito acontece. Levar um caso de uso ao estágio de piloto é relativamente fácil. Transformar esse piloto em algo repetível (um segundo escritório, um segundo programa ou uma segunda jurisdição que possa ser adotado sem começar do zero) exige uma infraestrutura diferente da que o piloto precisava. Não é mais capacidade computacional, mas sim maior clareza sobre quem decide o que acontece a seguir.

Três lacunas causam a maior parte dos danos.

Por trás desse “Meio Congelado” estão três déficits específicos que se agravam mutuamente.

  1. Ninguém está realmente no comando. Apenas 7% dos entrevistados do setor público relatam ter um proprietário formal de IA com cargo e autoridade orçamentária definidos. Todos os demais operam sob uma liderança parcial, um comitê, um arranjo por projeto ou sem nenhuma pessoa responsável. Um comitê pode sinalizar um risco, mas geralmente não consegue resolver uma disputa de financiamento entre o setor de privacidade e a equipe do programa, nem decidir se um caso de uso vale o capital político necessário para escalá-lo. Isso exige um nome, um mandato e uma linha orçamentária.
  2. As áreas de negócio e a TI se comunicam por tickets. Elas não atuam como parceiras. Entre os entrevistados do setor público, 92% descrevem a relação entre as áreas de negócio e a TI como isolada, transacional ou consultiva: um lado entrega uma solicitação, o outro a analisa. Governança, segurança e acessibilidade só têm voz ativa quando o design já está praticamente definido. Essa sequência explica exatamente por que o funil de aprovação se torna tão restritivo: as verificações que poderiam ter moldado uma proposta no início acabam sendo as que a eliminam no final.
  3. Quase ninguém consegue comprovar o que a IA realmente entregou. Apenas 4% dos entrevistados do setor público afirmam medir de forma abrangente o impacto da IA. Estatísticas de uso e ganhos em tempo de processamento são fáceis de produzir e fáceis de interpretar mal. Elas mostram que uma ferramenta está sendo usada, não que um serviço ficou melhor, mais rápido ou mais confiável para quem depende dele. Depois que um fluxo de trabalho é alterado, reconstruir uma linha de base confiável para medir a melhoria se torna quase impossível. Instituições que gastam dinheiro público precisam explicar o que o investimento gerou, mas a maioria ainda não consegue.

O que as organizações de maior desempenho fazem de forma diferente.

O estudo também identificou 342 Líderes, que representam 6% dos respondentes ativos em 12 setores, selecionados exclusivamente pela maturidade do modelo operacional e pela profundidade de implantação, e não pelo setor de atuação. Eles servem como um parâmetro valioso justamente por não terem sido escolhidos como referencial do governo. Cinco aspectos os diferenciam, e nenhum deles envolve escolhas tecnológicas:

  1. Líderes designam um proprietário de verdade. Eles têm 13,8 vezes mais chances do que os respondentes do setor público de ter um proprietário formal de IA com cargo e autoridade orçamentária, um único ponto de responsabilidade para decisões que perpassam diferentes funções, em vez de um coordenador que só pode encaminhar problemas e aguardar.
  2. Líderes medem antes de construir, não depois. Entre os Líderes, 44% relatam mensuração abrangente, contra 4% dos respondentes do setor público. A linha de base é definida ao mesmo tempo que o caso de uso, e não reconstruída a partir dos dados que sobrevivem à implantação.
  3. Líderes tratam a TI como parceira desde o primeiro dia. Entre os Líderes, 81% descrevem o relacionamento entre negócios e TI como colaborativo ou integrado, contra 8% dos respondentes do setor público. Os requisitos de segurança, privacidade e acessibilidade são definidos enquanto o caso de uso ainda é uma proposta, não depois que já foi desenvolvido.
  4. Líderes deixam o fracasso ensinar, não punir. Menos de 1% dos Líderes relatam padrões destrutivos de falha (culpa, encobrimento e repetição do mesmo erro), contra 56% dos respondentes do setor público. É uma diferença expressiva e a que está mais diretamente ligada à confiança pública. As instituições capazes de falar abertamente sobre o que não funcionou são as que deixam de repetir os mesmos erros.
  5. Líderes colocam os promotores no centro, não à margem. Entre os Líderes, 42% apontam o fortalecimento dos promotores internos como a iniciativa cultural de maior impacto, à frente de treinamentos formais, comunicados da liderança executiva ou novas diretrizes. As pessoas que já fizeram algo funcionar em sua área da organização se mostram mais persuasivas do que qualquer documento de política.

Ao analisar esses cinco comportamentos em conjunto, emerge um padrão que vai além de qualquer pesquisa isolada. As organizações que estão à frente pararam de tratar a governança como um ponto de verificação no final de um projeto. Elas a reconstruíram como um conjunto de padrões que acompanha o trabalho desde o início, com direitos de decisão definidos cedo, requisitos de evidência acordados com antecedência e parceiros de supervisão envolvidos desde o começo. Essa mudança aparece em todo lugar onde as instituições são pressionadas a avançar no ritmo da IA: regras reescritas para serem aplicadas no momento da decisão, em vez de revisadas depois; equipes estruturadas em torno de uma missão e resultados mensuráveis, em vez de um organograma fixo; e o feedback tratado como parte permanente do trabalho, em vez de um relatório de lições aprendidas arquivado uma vez por ano.

Um ponto de partida menor do que parece.

Nada disso exige uma reorganização ou esperar por um orçamento maior. Basta escolher um caso de uso relevante e cumprir quatro etapas antes de chegar perto da produção: definir uma única pessoa responsável por ele, registrar o resultado esperado e a linha de base de partida, trazer os parceiros de entrega e supervisão para o processo enquanto o design ainda pode ser alterado, e acordar com antecedência quais evidências vão determinar se ele se expande, é reformulado ou encerrado.

Apesar de ser uma lista pequena, ela faz toda a diferença entre um piloto que permanece piloto indefinidamente e um que se torna o caso que uma instituição pública pode apresentar, com evidências, quando decide avançar com o que funcionou.

Acesse o relatório completo para ver como as organizações do setor público estão posicionadas e o que os Líderes fazem de diferente.

Recomendado para você

https://business.adobe.com/fragments/resources/cards/thank-you-collections/government