Raft mostrou como priorizar iniciativas de AI e construir um roadmap realista

A Raft propôs uma maneira prática de transformar uma lista desorganizada de ideias de IA em um programa de transformação gerenciável: primeiro calcular o valor potencial de cada iniciativa, depois compará-lo com a viabilidade, escolher a abordagem de implementação e apenas então construir o roteiro. Essa abordagem é necessária para empresas que já veem dezenas de cenários de IA possíveis, mas não querem se afogar em pilotos sem resultados mensuráveis. O material se baseia na seguinte tese: você pode implementar quase qualquer coisa, mas não pode fazer tudo simultaneamente.

É por isso que o autor propõe abandonar um conjunto caótico de experimentos e passar para a gestão de portfólio de iniciativas de IA. A lógica começa com a fase de análise de lacunas: a organização obtém uma lista de tarefas onde fica claro para quais casos de uso ela está pronta agora e para quais lhe faltam dados, infraestrutura, competências ou estruturas de segurança. Mas avaliar apenas a viabilidade não é suficiente.

Para decidir no que realmente vale a pena gastar recursos e tempo da equipe, você precisa avaliar separadamente o valor comercial esperado. Para isso, a Raft oferece uma fórmula simples para valor potencial: escala do problema, frequência de ocorrência e complexidade da solução manual. Cada parâmetro é avaliado em uma escala de 1 a 10, e a pontuação final fica em um intervalo de 1 a 1000.

A escala mostra quantas pessoas ou processos são afetados pelo problema; a frequência mostra com que frequência ele ocorre; a complexidade da solução manual mostra quanto tempo, dinheiro e esforço são necessários sem automação de IA. Os autores observam separadamente um limiar prático: se uma iniciativa não atinge pelo menos 200 pontos, o desenvolvimento interno pode levar muito tempo para se pagar. Nesses casos, faz mais sentido procurar por soluções prontas e aceitar conscientemente suas limitações em vez de lançar um desenvolvimento personalizado caro para resultados fracos.

O próximo passo é a matriz "valor-viabilidade". Ela ajuda a separar iniciativas que oferecem máximo retorno com complexidade aceitável daquelas que são prematuras ou economicamente questionáveis. A abordagem proposta é selecionar projetos do quadrante superior esquerdo de uma matriz 2×2: vitórias rápidas, grandes apostas, inovações incrementais e outros cenários onde há impacto visível e um caminho claro para implementação.

Depois disso, a empresa monta o chamado AI Tech Gartner's Sandwich: para cada iniciativa, escolhe um modelo de implementação—comprar, construir ou fazer parceria—e depois adiciona uma camada de riscos e segurança. A ideia é ver a IA não como um serviço independente, mas como um sistema multicamadas de soluções aplicadas, componentes de plataforma e mecanismos de proteção, incluindo uma abordagem TRiSM para gestão de confiança, risco e segurança. O resultado final dessa seleção não é apenas uma lista de prioridades, mas um roteiro de transformação por fases.

Na primeira fase, que os autores chamam de fundação, recomenda-se pegar uma ou duas iniciativas de alto valor e baixa complexidade, lançar pilotos com resultados rápidos e, em paralelo, fechar lacunas técnicas: preparar dados, construir integrações, fortalecer infraestrutura, contratar papéis faltantes e treinar colaboradores. Para essa fase, prefere-se muitas vezes a nuvem para reduzir o custo de verificação de hipóteses e encurtar o time-to-market. A duração recomendada dessa fase é de seis a doze meses.

Depois vem a expansão: pilotos bem-sucedidos são expandidos para novas equipes e processos, e iniciativas de complexidade média são movidas para execução ativa se lacunas críticas já foram fechadas. Em paralelo, a camada de monitoramento de ameaças e proteção de sistemas de IA é fortalecida. A terceira fase é otimização, quando as ferramentas de IA já se tornam parte das atividades operacionais e o foco se desloca para SLA, controle de qualidade, combate à degradação de modelos, suporte ao pipeline MLOps e redução do custo total de propriedade, incluindo uma possível transição da nuvem para infraestrutura on-premise.

A principal conclusão do material é que a transformação de IA requer não inspiração, mas disciplina. Se uma empresa primeiro calcula o valor, depois verifica honestamente a viabilidade e depois distribui iniciativas por fases, ela reduz o risco de ficar presa em protótipos infinitos e passa a gerenciar a IA como um portfólio de investimento maduro. Para o mercado, este é um sinal importante: os vencedores não serão aqueles que lançaram demos mais rápido, mas aqueles que conectaram projetos de IA com métricas comerciais, segurança e um plano realista de implementação.