IA corporativa além do hype: o que Madrid ensina sobre governança, confiança e ERP

IA corporativa além do hype: o que Madrid ensina sobre governança, confiança e ERP

O SAP Sapphire Madrid Customer Keynote deixou uma mensagem mais madura do que a habitual corrida por anúncios de IA: no ambiente corporativo, valor não nasce do número de agentes, mas de como eles são governados, onde entram nos processos e se as pessoas confiam neles o suficiente para usá-los no trabalho diário. Para CIOs, líderes de transformação e donos de processo, isso desloca a conversa da tecnologia pela tecnologia para execução operacional.

Essa mudança importa porque o mercado já saiu da fase em que bastava prometer automação. As empresas agora precisam decidir quais casos de uso merecem investimento, como conectar IA ao ERP sem ampliar complexidade e como transformar pilotos em rotina. Em Orlando, segundo o material de referência, a ênfase estava em prontidão, fundação de dados e padronização. Em Madrid, a conversa avançou para governança, human-in-the-loop, clean core, propriedade de negócio e mensuração de valor.

Também há um ponto de cautela: boa parte do que foi apresentado vem da própria SAP e de clientes convidados ao palco. Isso não invalida os casos, mas exige leitura crítica. Métricas como 85.000 usuários ativos, ganho de 5% a 7% em produção, 2 semanas para uma demonstração e redução de 11 a 13 minutos em busca de informação devem ser tratadas como resultados atribuídos a contextos específicos, não como benchmarks universais.

Além da Inovação: O Imperativo da Governança na IA Corporativa

A tese central da keynote foi que IA corporativa escalável depende de governança robusta. Manos Raptopoulos, presidente global da SAP para Customer Success em várias regiões, recolocou a governança no centro ao afirmar que o blueprint de empresa autônoma da SAP depende de agentes que possam ser observados, rastreados, medidos e controlados. Em termos práticos, isso significa que a empresa precisa entender o que o agente fez, reconstruir o caminho de uma decisão, medir o efeito gerado e definir quando a autonomia pode aumentar ou quando a aprovação humana continua obrigatória.

Esse ponto é mais importante do que parece. Em ambiente de ERP, um agente não atua no vazio: ele toca pedidos, manutenção, atendimento, tributos, dados de funcionários e decisões operacionais. Sem observabilidade e rastreabilidade, a promessa de produtividade pode virar problema de auditoria, compliance ou confiança interna. Sem medição, a empresa não consegue separar ganho real de impressão de ganho. Sem controle, o risco é automatizar uma etapa crítica sem clareza sobre limites, exceções e responsabilização.

Por isso, Madrid reposicionou a conversa sobre IA. Em vez de apresentar agentes como fim em si mesmos, a SAP e os clientes sugeriram que cada caso de uso precisa de um modelo operacional: quem é o dono do agente, que decisão ele influencia, quais dados usa, que resultado será acompanhado e em quais momentos o humano precisa intervir. Para líderes de TI, isso aproxima a governança de IA da governança clássica de processo, dados e risco, em vez de tratá-la como uma camada separada de inovação.

O conceito de agentes verificados também apareceu nesse contexto. Segundo a SAP, isso inclui agentes desenvolvidos sob controles certificados ISO e desenhados para apoiar expectativas de auditoria quando interagem com dados sensíveis de negócio. É uma formulação importante, mas ainda incompleta com o material disponível. O briefing não traz metodologia detalhada, alcance técnico nem demonstração de que essa definição corresponda a um padrão amplamente aceito no mercado. A leitura mais responsável, portanto, é tratá-la como um claim de confiança e auditabilidade da SAP, não como uma categoria universalmente estabelecida.

Esse cuidado evita um erro comum em projetos de IA: confundir sofisticação tecnológica com prontidão operacional. Um ERP orientado por agentes exige menos deslumbramento e mais disciplina. Se o negócio não definiu critérios de uso, trilha de decisão, métricas e supervisão, a escalabilidade tende a ficar comprometida mesmo quando a tecnologia funciona.

Modernização e IA: Duas Faces da Mesma Moeda para o ERP

O segundo grande aprendizado de Madrid é que modernização de ERP e entrega de IA precisam seguir o mesmo roteiro. A mensagem da keynote foi clara: IA não deve ser um programa isolado rodando em paralelo à transformação do core transacional. Ela depende da qualidade de processos, do grau de padronização, da arquitetura de extensões e da disciplina para não reintroduzir complexidade no ERP enquanto a empresa tenta ganhar velocidade com novos casos de uso.

A Fonterra foi o exemplo mais direto dessa lógica. Toby Granwal, CIO da cooperativa neozelandesa, descreveu a migração para SAP S/4HANA via RISE with SAP como algo maior do que um upgrade tecnológico. Segundo ele, o objetivo é abandonar formas excessivamente customizadas de trabalho, voltar ao padrão, simplificar operações e estabelecer processos mais consistentes. Isso ajuda a entender por que clean core aparece tanto no discurso da SAP: sem simplificação do núcleo, a IA corre o risco de ser construída sobre exceções, remendos e dados pouco confiáveis.

Ao mesmo tempo, a Fonterra não está esperando o fim da jornada para entregar valor. A empresa já opera dois locais de fabricação e um mercado no novo ambiente enquanto segue com a transformação mais ampla. Essa combinação é relevante para quem lidera programas de ERP: a lição não é paralisar a IA até que toda a modernização termine, mas integrá-la à sequência real de migração, padronização e adoção.

Granwal também afirmou que a escolha por clean core foi deliberada e apoiada pela CEO e pelo conselho, e que o SAP BTP entra como plataforma para extensões e inovação. A implicação prática é importante. Se o core transacional deve permanecer mais limpo e padronizado, a inovação com IA tende a depender de uma camada bem definida para integrações, extensões e experimentação controlada. A SAP vende isso como fundação para uma IA confiável; o ponto analítico aqui é que a fundação realmente importa, mesmo que o evento não tenha detalhado custos, trade-offs de arquitetura ou esforço de governança necessário para sustentar esse desenho.

A própria Fonterra mostrou como ligar essas peças ao negócio. Em vez de partir de um catálogo de possibilidades, reuniu SAP, donos de negócio, donos de processo e parceiros para decidir onde havia valor real e quais casos estavam prontos para deployment. O resultado, segundo o material, já aparece em áreas como aplicação de caixa, recomendações de ordens de manutenção e planejamento conversacional em gestão de transportes. Não há ROI detalhado no briefing, mas há um ensinamento sólido: a priorização de IA precisa sair da lógica de laboratório e entrar na lógica de portfólio operacional.

A Ericsson reforçou o mesmo raciocínio por outro caminho. A empresa afirmou ter 85.000 usuários ativos no Joule unificado, resultado que atribui a patrocínio executivo, governança e investimento antecipado em estratégia de dados. O caso é relevante menos pelo número isolado e mais pelo encadeamento que ele sugere: escala não viria apenas da interface de IA, mas de produtos de dados reutilizáveis e governados capazes de sustentar múltiplos casos de uso. Em paralelo, a Ericsson descreveu dois trilhos: modernização contínua por RISE with SAP com princípios de clean core, e inovação para levar casos de IA à execução operacional.

O exemplo citado foi uma capacidade relacionada a HCM, desenvolvida com a SAP, para recomendações inteligentes de função. A utilidade, segundo a narrativa do evento, está em conectar empregados à estratégia mais ampla enquanto reduz esforço manual. De novo, a lição para o leitor é menos sobre a funcionalidade específica e mais sobre o desenho do programa: modernizar o ERP, governar os dados e operacionalizar IA são movimentos interdependentes.

O Fator Humano: Construindo Confiança e Impulsionando a Adoção da IA

Se a governança organiza o risco, a confiança define a adoção. Madrid foi explícita ao mostrar que a IA só entra no fluxo diário quando o usuário entende de onde vêm os dados, o que a recomendação está propondo e qual resultado esperar. Essa ênfase tira a discussão da camada abstrata de modelos e a leva para o ponto de trabalho, onde um técnico, um atendente ou um servidor público decide se vale a pena seguir a sugestão da máquina.

O caso da RWE ilustra bem esse ponto. Frank Scholtka, diretor de operações offshore da empresa no Reino Unido, descreveu um cenário em que erro operacional custa caro: manutenção de turbinas eólicas no mar, com deslocamento por embarcação, clima adverso e janela limitada para intervenção. Nesse contexto, a IA ajuda a equipe a se preparar antes da viagem, recomendando prováveis caminhos de falha, ferramentas, equipamentos, software e documentação. O valor de negócio é direto, porque uma turbina indisponível pode ficar parada por dias se as condições piorarem.

Mas a lógica de adoção apresentada por Scholtka é ainda mais importante do que o caso em si. Segundo ele, a IA apoia decisões de engenheiros, coordenadores de manutenção e técnicos; ela não os substitui. Os usuários conhecem a origem dos dados, contribuem para esses dados e recebem feedback sobre a utilidade da recomendação. Em ambientes industriais focados em segurança, essa transparência não é detalhe de experiência do usuário: é condição de uso.

A Cidade de Madri levou a mesma discussão para o setor público. Juan Corro, gerente geral de informática do município, argumentou que a administração pública tem uma base favorável para IA porque opera por regras e regulamentos, o que cria fronteiras mais claras para o uso da tecnologia. A cidade começou por casos internos antes de avançar para serviços voltados ao cidadão. Depois da migração de receita e impostos de sistemas legados para o SAP Tax and Revenue Management, Corro afirmou que o município atingiu um recorde histórico de eficiência fiscal.

O exemplo mais concreto, porém, veio do suporte tributário de linha de frente. Segundo Corro, funcionários podiam gastar de 11 a 13 minutos procurando informação em múltiplos sistemas e telas para um caso específico. Quando um protótipo com suporte de IA foi mostrado, a reação foi imediata porque ele atacava uma dor visível. A lição é simples e poderosa: quando a IA remove atrito perceptível do trabalho, a gestão da mudança deixa de depender só de comunicação institucional e passa a ser puxada pela utilidade.

A Fonterra acrescentou outra camada essencial ao debate: o problema mais difícil não seria a tecnologia, mas fazer usuários adotarem e incorporarem novos modos de trabalhar no dia a dia. Nesse raciocínio, ferramentas como o WalkMe ganham importância por ajudar funcionários a navegar processos novos e formar hábitos. Em outras palavras, confiança não nasce apenas de boa governança; ela também depende de desenho de processo, suporte no ponto de uso e mudança organizacional persistente.

Lições de Campo: Casos de Sucesso e Estratégias Acionáveis

Lidos em conjunto, os casos apresentados em Madrid sugerem um padrão: a IA corporativa escala quando começa por uma dor operacional clara, é conectada ao programa de modernização e entrega algum nível de transparência suficiente para o usuário agir com segurança. Eles não provam que qualquer empresa obterá o mesmo resultado, mas ajudam a separar narrativa de execução.

O que os casos sugerem para CIOs e donos de processo

1. Comece pela dor do negócio, não pela tecnologia. Ericsson foi explícita ao dizer que parte do problema e do valor mensurável antes de escolher a solução. Esse filtro ajuda a evitar pilotos interessantes, mas pouco relevantes.
2. Trate IA e ERP como um único programa de execução. A experiência da Fonterra mostra que decisões de clean core, S/4HANA, RISE with SAP, SAP BTP e padronização de processo condicionam a viabilidade da IA.
3. Defina governança antes de ampliar autonomia. Cada agente precisa de dono, trilha de decisão, métrica de resultado e regra clara para intervenção humana. Sem isso, a promessa de escala tende a virar risco operacional.
4. Projete para confiança e adoção. RWE e Cidade de Madri mostraram que transparência de dados e resolução de atrito visível aumentam a disposição do usuário de incorporar a IA ao trabalho real.
5. Diferencie demonstração, piloto e operação em produção. O caso da EssilorLuxottica é útil para mostrar integração rápida e complexidade de back-end, mas não deve ser lido como prova de escala consolidada.

Onde a evidência ainda é insuficiente

• O material disponível não traz ROI detalhado, custos de implementação, payback ou esforço de manutenção dos casos apresentados.
• O conceito de agentes verificados foi descrito pela SAP em termos de confiança, ISO e auditoria, mas sem metodologia suficiente para avaliar escopo, critérios e comparação com práticas de mercado.
• Parte dos exemplos representa demo, protótipo ou resultado contextual. Isso vale especialmente para as 2 semanas da EssilorLuxottica e para a redução de 11 a 13 minutos na Cidade de Madri.
• Mesmo quando há métrica, ela costuma estar limitada a um recorte específico, como o ganho de 5% a 7% na Prysmian em um contexto de fábrica de cabos.
• Como a narrativa depende fortemente de fornecedor e clientes no palco, ainda falta validação independente para generalizar conclusões.

O que monitorar a partir daqui

• Nova documentação oficial da SAP sobre agentes verificados, Joule, RISE with SAP e SAP BTP.
• Eventual publicação de transcrição ou gravação mais completa do customer keynote.
• Correções ou detalhamentos de números, nomes e escopo dos casos apresentados.
• Indícios de rollout em produção mais ampla, com metodologia de medição mais clara.
• Contrapontos independentes que permitam separar melhor marketing de evidência operacional.

Glossário rápido:

• Agente autônomo: software que executa tarefas ou recomenda decisões com algum grau de autonomia dentro de um processo.
• Clean core: estratégia de manter o ERP mais padronizado, evitando recriar complexidade histórica no núcleo transacional.
• RISE with SAP: oferta de modernização e transição para SAP S/4HANA com foco em transformação do ambiente ERP.
• SAP BTP: plataforma usada para extensões, integração e inovação sem sobrecarregar o core.
• Joule: interface e camada de interação de IA da SAP mencionada nos casos apresentados.
• Human-in-the-loop: desenho em que pessoas supervisionam, validam ou aprovam etapas críticas antes de ampliar a autonomia.
• Agentes verificados: termo usado pela SAP para agentes desenvolvidos sob controles voltados a confiança e auditoria; o alcance exato ainda requer mais detalhamento.

Checklist: Sua empresa está pronta para a IA operacional?

• Existe um dono de negócio claro para cada caso de uso de IA?
• Os dados e processos críticos já têm governança suficiente para observabilidade e rastreabilidade?
• O roadmap de IA está conectado à modernização do ERP, ao clean core e às extensões necessárias?
• Há métricas operacionais definidas para medir resultado, não só atividade ou uso?
• Os usuários entendem de onde vêm os dados e quando precisam validar a recomendação?
• O caso de uso remove atrito visível do trabalho cotidiano?
• Há plano de adoção e mudança organizacional, e não apenas plano de implementação técnica?

O sinal mais relevante de Madrid talvez seja este: a IA corporativa está deixando de ser julgada pelo brilho da demonstração e passando a ser julgada pela qualidade do modelo operacional que a sustenta. Isso é um avanço para o mercado, porque obriga fornecedores e clientes a falar menos de promessa abstrata e mais de responsabilidade, processo, dados e confiança.

Para CIOs, líderes de TI e donos de processo, o passo mais sensato não é correr atrás de um catálogo maior de agentes. É escolher poucos casos com dor explícita, valor mensurável e aderência ao roadmap de ERP; definir governança desde o início; e tratar adoção como parte do produto, não como etapa posterior. Se há uma lição consistente nos casos de Ericsson, EssilorLuxottica, Fonterra, RWE, Prysmian e Cidade de Madri, é que tecnologia isolada não escala. Governança, integração e confiança, sim, podem colocar a IA em operação de verdade.

Fontes

• SAPinsider: SAP Sapphire Madrid Shows AI Adoption Depends on Business Ownership, Not Just Better Agents
• SAP News Center: SAP Unveils the Autonomous Enterprise
• SAPinsider: SAP Sapphire Madrid Frames the Autonomous Enterprise Around Sovereignty and Trust
• SAPinsider: SAP Sapphire Madrid Customer Keynote: Enterprise AI Value Depends on Business Ownership
• SAPinsider: SAP Sapphire Madrid: Autonomous Enterprise and AI Sovereignty
• SAPinsider: SAP Sapphire Madrid Customer Q&A: Industrial AI Depends on User Trust