Diagnóstico de IA para empresas: checklist em 12 dimensões

Diagnóstico de IA para empresas em 12 dimensões: maturidade de dados, processos, governança e risco. Inclui critérios objetivos de priorização de casos e modelo de relatório executivo.

Diagnóstico de IA para empresas é a etapa que separa investimento responsável de aposta cara. Sem diagnóstico, comitês executivos aprovam projetos guiados por hype interno ou pressão competitiva, e descobrem três meses depois que o problema escolhido não tinha volume, dados não estavam acessíveis ou governança ainda não existia. Este artigo apresenta o checklist em 12 dimensões usado pela WSS para diagnosticar prontidão real antes de qualquer linha de código.

Dimensões 1 a 4: Maturidade de dados

1. Centralização: existe repositório consolidado de dados de cliente, transação e operação acessível por API? Sem centralização mínima, qualquer projeto começa por reorganizar dados, etapa que dobra prazo. 2. Qualidade: taxa de registros duplicados, percentual de campos críticos preenchidos, frequência de inconsistência entre sistemas. Acima de 20% de inconsistência, a recomendação é tratamento antes de IA.

3. Classificação de sensibilidade: dados pessoais, sigilo fiscal e propriedade intelectual identificados com base legal documentada. Sem classificação, jurídico bloqueia projeto na semana 8. 4. Velocidade de atualização: dados em batch noturno servem para análise; dados em tempo real servem para atendimento. Cada caso pede latência diferente.

Dimensões 5 a 8: Maturidade de processos

5. Mapeamento de fluxos: processos críticos têm responsável nominal e métrica acompanhada mensalmente? Sem dono e sem métrica, não há baseline para medir o ganho da IA. 6. Volume repetitivo: casos com volume mensal abaixo de 200 ocorrências raramente justificam projeto dedicado, exceto se o custo unitário for muito alto.

7. Tolerância a erro: classifique cada processo entre erro tolerável, erro auditável e erro inadmissível. Quanto menor a tolerância, maior a camada de governança e handoff humano necessária. 8. Padronização documentada: existem playbooks, regras de negócio explícitas e exceções catalogadas? Sem isso, o agente de IA inventa caminho a cada interação.

Dimensões 9 a 12: Governança, risco e prontidão executiva

9. Patrocínio executivo: existe responsável C-level dedicado, com tempo agendado para revisões mensais? Sem patrocínio, o projeto perde tração no quarto mês. 10. Estrutura jurídica: LGPD, retenção de dados, base legal e contrato com fornecedor cobertos por área jurídica engajada desde a semana 1.

11. Capacidade técnica interna: existe arquiteto interno disponível em tempo parcial e equipe de TI ou produto com competência para integrar APIs e operar painéis? 12. Orçamento separado para operação: além do investimento de implantação, há OPEX previsto para operação assistida e evolução dos primeiros 12 meses?

Sistema de pontuação e leitura do resultado

Cada dimensão recebe nota de 0 a 5. O diagnóstico produz três indicadores compostos: Maturidade de dados (média 1 a 4), Maturidade de processos (média 5 a 8) e Prontidão executiva (média 9 a 12). A leitura segue padrão objetivo: todos os três acima de 3,5 indica empresa pronta para IA-native completo; dois acima de 3 e um abaixo indica caminho de modernização com correção dirigida; algum indicador abaixo de 2 indica que IA ainda não é o passo correto e a empresa precisa de organização básica antes.

Esse sistema substitui debate ideológico por leitura técnica. Quando o diagnóstico é apresentado ao conselho com pontuação justificada por evidência, a decisão de investir, modernizar ou adiar deixa de ser pessoal e vira processo auditável.

Como o diagnóstico priroriza casos de uso

Com as 12 dimensões mapeadas, a priorização de casos segue fórmula simples: score = (volume mensal × custo unitário atual × baixa tolerância a erro silencioso) ÷ (complexidade de integração × restrição regulatória). Os três casos com maior score viram candidatos imediatos a piloto. Os demais entram em roadmap de 12 a 24 meses.

O erro mais comum em comitês é começar pelo caso mais visível em vez do caso com melhor retorno. Casos visíveis impressionam conselho; casos com melhor retorno pagam o projeto. A fórmula descrita evita esse desvio quase sempre, porque torna o critério objetivo e fácil de justificar.

Diagnóstico de IA no Brasil

A WSS conduz Diagnóstico Arquitetônico de IA para empresas em todo o Brasil. Veja o serviço de diagnóstico de IA para empresas, a versão regional em Recife e o hub de consultoria em IA.

Perguntas frequentes

Quanto custa um diagnóstico de IA para empresas?

Faixa típica de R$ 15 mil a R$ 40 mil para empresa de 50 a 500 funcionários, em 2 a 4 semanas. Para grupos corporativos acima de 1000 funcionários, R$ 60 mil a R$ 120 mil em 4 a 6 semanas.

Diagnóstico precisa ser feito por empresa externa?

Idealmente sim, e independente do fornecedor que vai implementar. Diagnóstico interno é viesado, diagnóstico do mesmo fornecedor de execução tem conflito de interesse silencioso.

O que entra no relatório final do diagnóstico?

Mapa de dados com classificação de sensibilidade, pontuação por dimensão, lista priorizada de casos de uso com score justificado, arquitetura de referência recomendada e estimativa de investimento por caso.

Diagnóstico serve para empresa pequena também?

Sim, com escopo proporcional. Para empresa de 30 a 100 funcionários, o diagnóstico pode ser feito em 8 a 12 dias por valor entre R$ 8 mil e R$ 18 mil, mantendo as 12 dimensões.

Quanto tempo o resultado do diagnóstico fica válido?

6 a 9 meses. Mudança relevante de fornecedor de modelo, de regulação setorial ou de estrutura de dados pede revisão antes desse prazo.

O patrocinador executivo precisa participar do diagnóstico?

Sim, em pelo menos três momentos: kickoff, revisão intermediária e apresentação final. Sem participação executiva, o diagnóstico vira documento técnico sem força para sustentar decisão.

Posso pular o diagnóstico se já sei qual caso quero atacar?

Não recomendado. Empresas que pularam o diagnóstico gastaram em média 2,4 vezes mais no projeto principal e abandonaram 50% dos casos no primeiro ano, segundo análise interna da WSS sobre 47 contratos.

O diagnóstico cobre análise de fornecedores externos?

Sim, opcionalmente. Inclui avaliação técnica de propostas comerciais já recebidas pelo cliente, com leitura de viabilidade, custo total e adequação à arquitetura recomendada.

Quais dimensões mais frequentemente reprovam empresas?

Centralização de dados (dimensão 1), padronização documentada (dimensão 8) e orçamento separado para operação (dimensão 12). Empresas que falham nessas três tendem a abortar o projeto antes do sexto mês.

Próximo passo

Se sua empresa avalia esse tema com seriedade em 2026, a WSS conduz Diagnóstico Arquitetônico independente e implementação pelo método E4. Fale com a equipe ou explore o serviço de Diagnóstico de IA · WSS.

Projetos conduzidos a partir do Recife pela WSS aplicam essa disciplina em fintechs, indústrias, escritórios jurídicos e operações de varejo, sempre com a mesma regra: definir problema antes de tecnologia, instrumentar custo desde o primeiro dia, tratar governança como pré-requisito de produção.

Referências

1. Gartner. (2024). Predicts 2025: Generative AI will reshape enterprise architecture. https://www.gartner.com/en/articles/predicts-2025
2. McKinsey & Company. (2025). The state of AI in 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
3. NIST. (2023). AI Risk Management Framework (AI RMF 1.0). https://www.nist.gov/itl/ai-risk-management-framework
4. ANPD. (2023). Estudo Preliminar sobre IA e Proteção de Dados. https://www.gov.br/anpd/pt-br
5. IBM Institute for Business Value. (2024). The CEO's guide to generative AI. https://www.ibm.com/thought-leadership/institute-business-value/