Infográfico com os 4 padrões de adoção de inteligência artificial nas empresas: Orgânico, Jet Ski, Centralizado e Híbrido/Federado, mapeando a transição entre autonomia local e coordenação central.
Leadership Club, Liderança

4 formas de organizar a adoção de IA dentro da empresa

Carlos Felippe Cardoso
| 23 de setembro de 2026

Conforme IA vai passando da fase “experimentação” e mostra resultado potencial em alguns casos de uso, têm aumentado a discussão de “como organizar” e orquestrar esse uso de AI.

A resposta não tem sido única, mas como sempre, alguns padrões emergem e tentamos resumir os 4 que mais encontramos nas empresas e discussões por onde passamos. Eles não são necessariamente estágios de maturidade, têm mais a ver com visualizarmos e entendermos que se repete. São as chamadas “práticas e lições “ vistas nas trincheiras. Os 4 modelos são:

Infográfico com os 4 padrões de adoção de inteligência artificial nas empresas: Orgânico, Jet Ski, Centralizado e Híbrido/Federado, mapeando a transição entre autonomia local e coordenação central.

Os 4 modelos de adoção de IA nas organizações e o equilíbrio entre autonomia local e governança centralizada.

1. O modelo orgânico

Provavelmente muita empresa começou por aqui.

Alguém de Marketing percebe que consegue produzir uma primeira versão de uma campanha muito mais rápido. Uma pessoa de Finanças usa IA para analisar documentos. Um desenvolvedor começa a trabalhar com copilotos. RH monta alguma automação para responder dúvidas recorrentes.

Ninguém necessariamente desenhou uma estratégia corporativa para aquilo acontecer.

As pessoas simplesmente encontraram um problema e perceberam que IA poderia ajudar.

Esse modelo tem uma enorme vantagem: velocidade.

Quem está mais perto do problema consegue testar uma solução praticamente sem depender de uma grande mobilização organizacional. E como a experimentação nasce dentro das próprias áreas, existe uma chance razoável de ela estar ligada a uma dor real.

O problema aparece algum tempo depois.

Você descobre que existem dezenas, talvez centenas, de experimentos espalhados pela empresa. Alguns muito bons. Outros nem tanto. Alguns fazendo praticamente a mesma coisa sem saber da existência um do outro.

E começam a aparecer perguntas mais difíceis.

Quais dados estão sendo enviados para esses modelos? Quais ferramentas as pessoas estão usando? Alguma dessas soluções deveria ser compartilhada? Estamos pagando várias vezes pela mesma coisa? Algum desses experimentos tem potencial para virar algo realmente relevante para o negócio?

O modelo orgânico é excelente para gerar descoberta.

Ele é bem menos eficiente para gerar visão de portfólio, padrões e governança.

E aí costuma nascer o segundo modelo.

2. O modelo Jet Ski

Existe um terceiro padrão que tenho visto funcionar bem principalmente quando aparece uma oportunidade concreta que precisa ser explorada rapidamente. No Brasil, as lideranças do iFood têm divulgado bastante suas iniciativas nesse padrão. Eles mesmo popularizaram o nome desse padrão. Modelo de “Jet Ski”. E a lógica é bem simples.

Apareceu um problema relevante? Junta um pequeno grupo multidisciplinar para atacá-lo.

Imagine, por exemplo, uma empresa que queira responder à pergunta: “Conseguimos reduzir drasticamente o tempo necessário para produzir nossas propostas comerciais usando IA?”

Talvez façam sentido uma pessoa de Comercial, alguém de Tecnologia, uma pessoa de Dados e eventualmente alguém de Jurídico ou Segurança.

Esse pequeno grupo passa alguns dias ou semanas entendendo o problema, explorando alternativas, construindo protótipos e descobrindo se existe realmente uma oportunidade ali.

É um Jet Ski organizacional (contrastando com a ideia de que grandes organizações precisam operar no modo transatlântico). Pequeno, rápido e manobrável.

E tem uma característica importante: ele é temporário. Se o problema foi resolvido, o grupo pode acabar. Se o experimento mostrou que a ideia não funciona, o grupo pode acabar. Se descobrimos algo relevante que agora precisa virar uma solução robusta, talvez aquilo passe para outro tipo de estrutura. Não precisamos criar um squad permanente, uma tribe, um chapter, um centro de excelência e uma camiseta nova para cada problema que apareceu numa terça-feira qualquer.

O Jet Ski é uma forma interessante de colocar competências diferentes em torno de um problema sem imediatamente transformar aquilo em estrutura organizacional permanente.

Mas ele também tem seus riscos.

Se cada área começa a lançar seus próprios Jet Skis sem nenhuma coordenação, rapidamente temos muita gente navegando em direções diferentes.

Alguns vão atacar os mesmos problemas. Outros vão tomar decisões tecnológicas incompatíveis. Outros podem simplesmente ignorar questões importantes de segurança ou arquitetura.

Velocidade sem algum tipo de coordenação também cobra sua conta.

3. O modelo centralizado – CAIO

Em algum momento alguém (ex. o CFO)  diz:

“Precisamos organizar essa história de IA porque tá cada departamento olhando só o seu lado e não temos uma perspectiva sistêmica de ROI bem estabelecida!.”

Surge então um Chief AI Officer, um AI Office, um Centro de Excelência ou alguma liderança que passa a responder pelo tema. Esse movimento me lembra bastante o que aconteceu alguns anos atrás com RPA e, antes disso, com áreas de melhoria de processos.

Automação era transversal.

Financeiro tinha oportunidades. RH tinha oportunidades. Operações tinha oportunidades. Atendimento tinha oportunidades. Como aquilo mexia em várias partes da organização, fazia sentido existir alguém tentando enxergar o todo.

O CAIO (Chief AI Officer) pode ocupar um papel parecido.

Uma liderança central consegue ajudar a criar padrões tecnológicos, discutir segurança, avaliar riscos, estruturar investimentos, compartilhar conhecimento e dar alguma visibilidade para o conjunto de iniciativas que está surgindo na empresa. Doa a quem doer. Com mandato e autonomia para mexer em áreas diversas da organização.

Em vez de cinquenta experimentos acontecendo sem ninguém saber, começa a existir um portfólio. Isso resolve vários problemas, mas também pode criar um novo. 

Quem viveu a onda de RPA talvez reconheça o filme.

A área que deveria habilitar a organização começa pouco a pouco a virar a área que recebe todas as demandas.

“Tenho uma ideia de IA.” -> Manda para o time de IA.

“Quero automatizar esse processo.” -> Fala com o CAIO.

“Precisamos testar um agente.” -> Coloca no backlog do time de AI.

E, sem perceber, criamos uma grande fila.

O que nasceu para acelerar IA na organização pode acabar centralizando justamente o conhecimento, a decisão e a execução.

O problema não está em existir uma liderança central. Muitas vezes ela é necessária. A questão é entender qual deveria ser o papel desse centro.

Orquestrar? Definir padrões? Construir plataformas? Priorizar investimentos? Executar todas as iniciativas?

Essas são coisas bastante diferentes.

4. O modelo híbrido ou federado

Diria que o quarto padrão seja justamente uma combinação dos anteriores, tentando evitar os extremos que nos exemplos anteriores aparecem como “riscos”.

A empresa mantém uma capacidade central relativamente pequena para aquilo que realmente precisa ser sistêmico.

Segurança, arquitetura, plataformas comuns, guardrails, investimentos relevantes, visão de portfólio e compartilhamento de aprendizados podem fazer sentido nesse centro.

Ao mesmo tempo, as áreas continuam livres para identificar oportunidades e experimentar. E, quando surge um problema relevante que precisa de competências diferentes, entram os Jet Skis.

Nesse desenho, ninguém precisa ser a “fábrica de software nova, agora com IA” da empresa. Ele funciona muito mais como orquestrador / habilitador. As áreas continuam próximas dos problemas e se envolvem com áreas como Tecnologia e Dados para co-construir soluções. Pequenos grupos temporários conseguem atacar oportunidades específicas.

E a organização preserva alguma visão sistêmica sobre onde está investindo, quais riscos está assumindo e o que já aprendeu.

Esse modelo parece particularmente interessante porque evita uma escolha meio forçada entre centralização e autonomia. Talvez a empresa precise das duas coisas. E mais: talvez precise de níveis diferentes de governança para tipos diferentes de iniciativa.

Uma pessoa usando Copilot para preparar uma reunião não precisa do mesmo tipo de governança de um agente acessando dados sensíveis de milhares de clientes.

Um experimento de três dias não precisa nascer com a arquitetura de um sistema que deverá operar pelos próximos dez anos. E uma solução que começa a interferir em decisões críticas do negócio provavelmente não deveria depender apenas de alguém que construiu um GPT no fim de semana. 

É justamente por isso que eu evitaria tratar esses quatro padrões como uma escada de maturidade.

Orgânico não é necessariamente “nível 1”. Híbrido não é necessariamente “nível 4”. Eles podem coexistir e serão úteis para endereçar tipos de problemas diferentes.

Uma empresa pode querer bastante adoção orgânica para produtividade individual, alguma centralização para temas de segurança e plataformas, Jet Skis para oportunidades específicas e estruturas permanentes para soluções que já provaram seu valor e precisam ganhar escala.

A pergunta interessante, portanto, talvez não seja: “Qual é o nosso modelo de IA?”

Talvez seja: “Que tipo de iniciativa deveria ser tratada por qual modelo?”

E essa pergunta começa a levar a discussão de IA para um lugar que me parece muito mais maduro.

Porque, no começo, boa parte das empresas estava tentando responder:

“Como fazemos as pessoas usarem IA?”

Agora a pergunta começa a mudar.

Como descobrimos boas oportunidades? Quem decide onde vale investir? O que pode acontecer livremente? O que precisa de governança? Quando montamos um grupo temporário? Quando uma solução precisa virar uma capacidade permanente? E, principalmente, como fazemos tudo isso sem transformar autonomia em bagunça e governança em fila?

Talvez organizar IA dentro da empresa seja menos sobre descobrir onde colocar o CAIO no organograma.

E muito mais sobre como a organização vai descobrir, escolher, executar e escalar suas oportunidades de IA.

Compartilhe:

Carlos Felippe Cardoso

Co-founder & CEO da Nower e K21. Autor do Leadership Club. Palestrante nos maiores eventos de Agilidade e Product Management do Brasil e da Europa, tem mais de 15 anos de experiência em Transformação Digital e Liderança, especialmente no C-Level. Já ajudou a transformar empresas como UOL, PagBank, Itaú, C&A e Banco Carrefour.

Siga-nos:

Visão geral dos tópicos abordados neste artigo.

Vamos acelerar os resultados do seu negócio, hoje?

Conheça a Consultoria da Nower

Veja mais
  • Eficiência Operacional, Gestão de Resultados, Gestão Estratégica, Leadership Club, Liderança, VMO (Value Management Office)

    Portfólio como guardião do canal – Por que uma boa área de PMO / Portfolio deveria cuidar menos do controle isolado dos projetos e mais da saúde do fluxo estratégico da organização

  • Leadership Club, Liderança

    A solidão do decisor: quem ajuda o líder a pensar?

  • Leadership Club, Liderança

    O Desafio das Lideranças em 2026: IA vs. a Execução real do dia-a-dia

Nossos escritórios pelo mundo:

Brasil
Phone: +55 21 99779-4585
comercial@blog.nower.global

EUA
Phone: +1 561 631 3255
info@knowledge21.com

Espanha
Phone: +34  674 575 179
contacto@k21.global

Portugal
Phone: +351 912 310 701
informacoes@k21.global

Fique por dentro das nossas novidades:

Fique por dentro das nossas novidades: