Willen da Silva analisa avanço bilionário do mercado de analytics

O mercado global de inteligência de negócios avança em ritmo sustentado pela migração para a nuvem, pela pressão por respostas em tempo real e pela incorporação de inteligência artificial às operações. A Grand View Research estima que o segmento mundial de software de business intelligence movimentou US$ 40,1 bilhões em 2025 e poderá chegar a US$ 81,5 bilhões em 2033. A projeção representa crescimento médio anual de 9,3% entre 2026 e 2033.

A expansão do BI ocorre dentro de uma transformação tecnológica ainda maior. O Gartner projeta que os gastos mundiais com inteligência artificial alcançarão US$ 2,52 trilhões em 2026, avanço de 44% em relação ao ano anterior. Já a International Data Corporation estimou que o mercado global de IA, avaliado em aproximadamente US$ 235 bilhões em 2024, poderá superar US$ 631 bilhões em 2028. Os números indicam uma transferência acelerada de capital para infraestrutura, software e serviços capazes de organizar dados e automatizar decisões.

O aumento do investimento, contudo, não significa que todas as empresas estejam obtendo resultados proporcionais. Levantamento do U.S. Census Bureau mostra que, entre dezembro de 2025 e maio de 2026, a utilização de IA pelas empresas norte-americanas oscilou entre 17% e 20%. A adoção variou conforme o porte: no período encerrado em 3 de maio, 37% das organizações com pelo menos 250 empregados informaram utilizar a tecnologia, ante 32% das empresas com 100 a 249 trabalhadores.

Para Willen Jorge da Silva, referência em Analytics no Brasil, com mais de 15 anos de atuação em software, engenharia de dados e plataformas analíticas, a diferença entre investimento e retorno costuma estar menos na aquisição de ferramentas e mais na qualidade do problema que orienta o projeto. 

“Um dashboard não corrige uma decisão mal formulada. Antes de escolher a tecnologia, a organização precisa definir qual decisão será apoiada, quem responderá pelo indicador e qual ação deverá ocorrer quando o número sair do intervalo esperado”, afirma.

Willen sustenta que o desenvolvimento de analytics deve obedecer a uma sequência de quatro etapas. A primeira é delimitar o problema de negócio e reduzir a quantidade de métricas ao conjunto que efetivamente modificar decisões. A segunda é verificar origem, consistência, atualização e responsabilidade sobre os dados. A terceira é entregar análises de forma progressiva, testando sua utilidade com os usuários. A quarta é medir adoção e resultado, retirando indicadores que não geram ação e revisando aqueles afetados por mudanças operacionais.

Essa abordagem responde a uma fragilidade recorrente das organizações: a multiplicação de relatórios sem uma linguagem comum. Receita, ocupação, produtividade, margem ou eficiência podem ter definições diferentes entre departamentos. Quando isso ocorre, o painel apenas torna a divergência mais visível. “Governança não significa criar burocracia em torno dos dados. Significa garantir que pessoas diferentes interpretem a mesma métrica da mesma forma e saibam até onde ela pode sustentar uma decisão”, explica.

A integração de IA aos sistemas corporativos aumenta a importância desse controle. O Gartner prevê que 40% das aplicações empresariais terão agentes de IA voltados a tarefas específicas até o fim de 2026, comparados a menos de 5% em 2025. Quanto maior o grau de automação, maior também é o custo potencial de alimentar sistemas com dados incompletos, desatualizados ou fora de contexto. Uma inconsistência que antes afetava um relatório mensal pode passar a influenciar recomendações e fluxos operacionais em escala.

Na avaliação de Willen, três controles devem acompanhar qualquer aplicação analítica com IA: rastreabilidade da fonte, possibilidade de revisão humana e monitoramento contínuo do desempenho. A recomendação automatizada precisa ser distinguida do fato observado; mudanças no comportamento dos dados devem ser detectadas; e decisões que afetam orçamento, clientes, pessoas ou ativos precisam conservar responsáveis claramente identificados.

“A automação é útil quando reduz o tempo entre identificar um desvio, compreender sua causa e responder. Ela se torna perigosa quando transforma correlação em certeza ou retira do gestor a capacidade de questionar o resultado. O sistema deve ampliar a qualidade da decisão humana, não esconder as premissas usadas para chegar a ela”, diz.

O especialista também defende que o retorno seja avaliado por indicadores operacionais e financeiros, e não pelo número de dashboards publicados. Redução de horas dedicadas a relatórios manuais, queda no tempo de resposta, melhora da precisão das previsões, diminuição de perdas e maior utilização de ativos são exemplos de medidas que permitem comparar o cenário anterior com o posterior à implantação. Sem uma linha de base, os ganhos atribuídos ao analytics podem decorrer de sazonalidade, preço ou alterações externas.

A evolução do mercado indica que analytics e IA deixarão de ser projetos isolados para integrar processos cotidianos. Nesse ambiente, a especialização técnica estará associada à capacidade de combinar arquitetura, leitura do negócio e governança. Para Willen, o diferencial não será simplesmente produzir mais informação, mas estabelecer sistemas nos quais cada dado relevante tenha significado, responsável, limite de uso e conexão direta com uma decisão verificável.

Assuntos

Compartilhar