“As pessoas ainda vão importar?”. Foi com essa pergunta que Bryan Harris, CTO do SAS, abriu o SAS Innovate, que acontece nesta semana em Dallas*, nos Estados Unidos. A coragem de dizer em voz alta o que muitos já se perguntam nos bastidores não passou despercebida. Afinal, a provocação não é trivial.
Ao longo das últimas décadas, a tecnologia substituiu tarefas. Agora, começa a disputar algo mais sensível: o julgamento. “A discussão atual não é mais sobre se a IA vai gerar valor, mas qual é o papel das pessoas”, disse.
A fala inicial do executivo parte de um diagnóstico que se tornou quase consensual, mas ainda pouco resolvido. As empresas nunca produziram tantos dados. E, ainda assim, nunca estiveram tão pressionadas para tomar decisões mais rápidas, mais precisas e mais frequentes. “Estamos criando dados de forma exponencial. Mas isso está sobrecarregando os times”, alertou Harris.
O problema, segundo ele, não é falta de tecnologia. É o excesso. Ele revelou que essa é a lacuna que o SAS quer ocupar: a de transformar volume em decisão, sem perder controle.
Ao longo da apresentação, Harris trouxe uma distinção que ajuda a entender onde a IA funciona e onde ela falha atualmente. Ele lembrou que existe um universo de decisões determinísticas, de baixo risco, em que a automação é natural.
E existe outro, muito mais complexo, em que o contexto muda, os impactos são altos e não há resposta única. É nesse segundo espaço que a IA encontra seu limite. E é exatamente nesse momento, contou, que entra o humano.
Sem julgamento, sem cultura
“Se perdermos o julgamento, perdemos a cultura”, indicou Reggie Townsend, vice-presidente de AI Ética, Governança & Impacto Social do SAS. “Precisamos preservar o julgamento humano se quisermos preservar a cultura humana”, reiterou ele.
Na visão de Townsend, os sistemas de IA já não apenas executam decisões. Eles começam, gradualmente, a construir o próprio processo de decisão, influenciando o que se vê, o que se prioriza e, no limite, o que se considera correto. “Estamos usando sistemas para escalar o julgamento humano”, disse. “Mas, sem perceber, esses sistemas começam a substituir esse julgamento.” O risco, segundo ele, neste caso está na estrutura.
Na prática, o que o SAS expõe é um problema que já começa a aparecer nos relatórios. As empresas estão adotando IA em múltiplos pontos dos negócios, mas não sabem exatamente onde ela está sendo usada, com quais dados, com quais riscos, nem quem é responsável por cada decisão.
E esse cenário vai muito além da Shadow IA. “Os líderes querem o melhor da IA sem perder o controle do que importa. E esse é o ponto de tensão. Porque eficiência, escala e automação vêm rápido. Mas governança, não”, afirmou Townsend.
Foi nesse contexto que o SAS apresentou seu principal movimento no evento para fechar essa lacuna: o lançamento do SAS AI Navigator. A proposta da plataforma não é melhorar modelos, mas dar visibilidade. “Precisamos saber o que está sendo usado, onde, como e por quem”, disse Townsend.
A lógica da ferramenta, de acordo com ele, rompe com a visão tradicional centrada em tecnologia e passa a organizar a IA a partir de casos de uso reais.
Uso individual x uso corporativo
Durante a demonstração da solução no palco do evento, um ponto aparentemente simples revelou a complexidade do cenário atual. Um mesmo modelo de IA pode ser usado para resumir reuniões (baixo risco) e responder propostas comerciais (alto impacto no negócio). E, na maioria das empresas, esses dois usos convivem sem diferenciação clara.
Com o novo SAS AI Navigator, essa distinção passa a ser central, conta ele. “Nem todo uso de IA exige o mesmo nível de governança”, explicou Harris durante a apresentação. “Mas todo uso precisa ser visível”, completou.
Harris organizou a estratégia do SAS em torno de quatro frentes que, juntas, ajudam a entender o posicionamento da empresa neste novo ciclo tecnológico: governança, agentes de IA, gêmeos digitais e computação quântica. Os pilares revelam uma tentativa de estruturar a IA como sistema operacional de decisão, em que a governança define limites, os agentes executam, os gêmeos digitais simulam cenários e a computação quântica aparece como resposta para problemas de alta complexidade que a computação tradicional já não resolve.
No eixo de agentes de IA, a empresa adicionou uma camada à governança e revelou que para o SAS e o caminho para dar autonomia com governança na era dos agentes é estabelecer regras claras, políticas, rastreabilidade e possibilidade de intervenção. “Governança não pode ser um obstáculo à inovação”, afirmou Townsend. “Ela precisa acelerar a inovação com controle.”
A empresa aproveitou para revelar uma reformulação profunda do seu portfólio de dados e IA, redesenhado para operar em um contexto em que a inteligência decide e age.
“Agentes e IA precisam de dados, mais do que nunca, e as empresas ainda não resolveram isso”, afirmou Alyssa Ferrell, responsável global de marketing para a indústria de saúde e ciências da vida do SAS, ao descrever um cenário marcado por fragmentação, baixa confiança e limitações de performance. A resposta da companhia foi reposicionar toda a arquitetura em torno do que chama de data intelligence, com governança e auditabilidade integradas desde a base. “Tratamos governança como algo embutido, não como uma camada adicional”, completou.
Nessa nova era da IA que age, o SAS anunciou o Bio Copilot, que amplia o papel dos assistentes para além da produtividade individual. “Estamos evoluindo de copilotos que respondem para copilotos que executam”, explicou a executiva. Seu objetivo é transformar interfaces em camadas de ação em um ciclo analítico.
Já o Bio MCP Server atua como ponte estrutural entre modelos e execução. Ao expor capacidades do sistema como ferramentas consumíveis por diferentes LLMs, o SAS quer resolver o desafio da fragmentação dos agentes. “Queríamos que essas capacidades não fossem apenas nossas, mas acessíveis a qualquer agente, em qualquer interface”, disse.
Fechando o trio, o Agentic AI Accelerator surge como uma tentativa de padronizar a construção de agentes. “A questão não é mais criar protótipos, é operar em escala com responsabilidade”, resumiu.
Como exemplo de como agentes já estão tomando decisão, o SAS apresentou como a geração artificial de dados pode alterar radicalmente a eficácia de modelos de fraude.
Em cenários reais em que, por exemplo, apenas 1,2% das transações são fraudulentas, modelos tradicionais simplesmente não aprendem. A solução, segundo o SAS, não foi mexer no algoritmo, mas no dado. Com o uso de dados sintéticos, a taxa de detecção saltou de cerca de 4% para mais de 50%, sem mudança estrutural no modelo.
Gêmeos digitais evoluem
Falando sobre gêmeos digitais e computação quântica, Harris, CTO da empresa, indicou que a ideia das soluções do SAS para essas duas frentes é apoiar em decisões.
No caso dos digital twins, a proposta é transformar operações inteiras em ambientes simuláveis. “É possível testar decisões sem precisar executá-las no mundo real e isso muda completamente a forma como empresas operam”, explicou William Collis, head de Simulação do SAS, em conversa com jornalistas.
Já no campo quântico, o lançamento do Quantum Lab revela uma aposta alta da empresa no futuro. “O maior desafio não é o interesse, é entender onde isso gera valor”, afirmou Amy Staub, head de Estratégia de Produto Quântico do SAS. Ao permitir simulações híbridas e reduzir custos em até 99%, o ambiente permite que organizações comparem, lado a lado, abordagens clássicas, quânticas e híbridas em problemas reais de negócios, identificando onde e se o ganho compensa o investimento.
Além disso, o uso de um tutor baseado em IA generativa orienta os times durante a experimentação, reduzindo a necessidade de conhecimento especializado desde o início.
Ao permitir esse tipo de simulação prática e reduzir custos em até 99%, a ferramenta tenta antecipar um desafio que ainda está no horizonte para muitas empresas: como explorar computação quântica sem depender de maturidade técnica ou investimentos proibitivos.
50 anos de SAS
Em um vídeo exibido no palco, Jim Goodnight, fundador e CEO do SAS, participou de uma conversa com Harris, CTO do SAS. Aos 83 anos, Dr Goodnight, como é conhecido, segue à frente de uma das poucas companhias de tecnologia que atravessaram cinco décadas mantendo crescimento consistente e lucratividade, um feito raro em um setor marcado por ciclos curtos e reinvenções constantes.
Ao revisitar a origem do SAS, Goodnight voltou a um princípio que ajuda a explicar essa longevidade: a obsessão por resolver problemas concretos de dados. “Realmente gostei do trabalho com dados, porque era muito mais computacional”, relembrou, ao contar como decidiu integrar diferentes abordagens no que viria a se tornar a base da linguagem SAS.
Mais do que uma escolha técnica, disse, a decisão apontava para uma direção clara: tornar a análise acessível e aplicável, mesmo para quem não estava profundamente imerso em algoritmos.
Esse mesmo raciocínio guiou uma das decisões mais estruturais da empresa e que segue forte até hoje. Diante da necessidade de operar em múltiplas plataformas, o SAS optou por criar uma camada de abstração que isolasse o software dos sistemas operacionais.
“Não podíamos reescrever o SAS toda vez que surgia um novo computador. Era grande demais para isso”, afirmou. A solução, segundo ele, foi criar camadas. “Criamos uma camada acima do sistema operacional e ninguém ‘fala’ direto com ele.” Décadas depois, essa lógica reaparece nas discussões sobre multicloud e até computação quântica, indicando que, mais do que acompanhar tendências, a empresa constrói fundamentos que atravessam ciclos tecnológicos e está pronta para futuro.
*A jornalista viajou a convite do SAS
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
