O maior custo dos projetos de inteligência artificial (IA) pode não estar nos modelos, mas na qualidade da informação que os alimenta. Para o vice-presidente de Business Performance da Totvs, Gustavo Avelar, empresas que implementam IA sobre operações fragmentadas acabam ampliando a própria desorganização e elevando o consumo de tokens, sem necessariamente gerar mais resultado.
“Quem tratar a fragmentação de áreas a partir de um projeto de inteligência artificial provavelmente vai escalar a própria fragmentação”, afirma durante keynote no Mundo RD Station, nesta terça-feira, 4, em Florianópolis*. “Esse custo aparece, cobra caro e tem nome: token.”
Para o executivo, a integração entre marketing, vendas e atendimento deixou de ser apenas uma discussão de processos e se tornou um desafio de arquitetura de dados, com impacto direto sobre a eficiência operacional e os custos da IA. Quanto mais desconectadas estiverem as informações que alimentam os modelos, maior tende a ser o esforço computacional para gerar respostas contextualizadas.
Essa dificuldade ajuda a explicar por que o avanço da inteligência artificial ainda não se traduz, necessariamente, em melhor desempenho comercial. O Panorama de Marketing e Vendas 2026, levantamento da RD Station com quase 4 mil respondentes, mostra que, nos setores financeiro e jurídico, 61% das empresas utilizam IA, mas 76% ficaram abaixo das metas comerciais. Na educação, a adoção chega a 60%, enquanto 77% não alcançaram seus objetivos de vendas.
O caso que ele levou ao palco
Para ilustrar como essa lógica pode funcionar na prática, Avelar recorreu ao stack comercial da Anthropic, apresentado pela head de Industries da empresa, Eleanor Dorfman, durante o SaaStr AI Annual 2026.
A arquitetura reúne ferramentas já conhecidas para enriquecimento de leads, roteamento, gravação de chamadas, atendimento, comunicação interna e CRM. A diferença não está na substituição dessas plataformas, mas na forma como elas passaram a compartilhar contexto. Em vez de trocar os sistemas existentes, a Anthropic conectou seu modelo de IA aos diferentes pontos da operação para acessar dados distribuídos e entregá-los ao usuário no momento adequado. Conforme a apresentação citada por Avelar, mais da metade dos novos contratos corporativos da companhia passou a ser fechada por autoatendimento em 2026.
O aprendizado do caso, diz o executivo, vai além das ferramentas utilizadas. “As perguntas continuam as mesmas: como atrair, como reter, como vender. O que envelheceu mal foram as respostas.”
Boa parte dessas soluções já existe tanto no mercado quanto no portfólio da própria RD Station, observa. O desafio deixou de ser adquirir mais software e passou a ser integrar informações entre diferentes sistemas de registro. “Se o insumo é genérico, o resultado também é”, critica.
Leia também: SpaceX recua após balanço; gastos bilionários com IA
O custo precisa chegar às aplicações
Avelar também recorreu à metáfora do bolo de cinco camadas, apresentada pelo CEO da Nvidia, Jensen Huang, para explicar o momento vivido pela indústria de IA. A cadeia tecnológica é formada por energia, chips, infraestrutura de nuvem, modelos e aplicações. Hoje, argumenta, o investimento se concentra nas camadas de base e na de modelos, enquanto o retorno financeiro não alcança o topo, onde estão as empresas que desenvolvem aplicações para o mercado.
Esse desequilíbrio torna ainda mais importante o uso eficiente da infraestrutura. “Se não reequilibrarmos essa balança, dificilmente teremos uma cadeia de valor saudável”, afirma. O custo dos tokens, na avaliação dele, precisa ser compensado pelo valor gerado na ponta, sob risco de comprometer justamente a camada em que opera a maior parte das empresas brasileiras.
Marketing contínuo depende de dados conectados
A proposta apresentada recebeu o nome de marketing contínuo e parte da ideia de que a experiência do cliente é construída ao longo de toda a jornada, e não apenas pelas ações da área de marketing.
“Marketing não é o que uma área faz”, afirma Avelar. Cada interação, de um ticket de suporte à condução de uma negociação comercial, pode fortalecer ou enfraquecer a percepção da marca.
A disciplina se apoia em quatro pilares: contexto profundo, comportamento previsível, crescimento em espiral e informação conectada.
O primeiro pressupõe acesso a informações atualizadas em tempo real, eliminando planilhas paralelas e bases isoladas. O segundo busca identificar sinais capazes de antecipar movimentos do cliente, como queda na utilização do produto ou redução do contato com o suporte. “A retenção não começa quando o cliente pede para sair”, diz.
O crescimento em espiral propõe que os resultados obtidos por uma área alimentem as demais. Um cliente que adota intensamente uma funcionalidade e obtém retorno com ela, por exemplo, passa a servir de referência para abordagens comerciais a empresas de perfil semelhante. Por isso o quarto pilar, informação conectada, sustenta todos os demais: sem bases integradas, não há contexto suficiente para que a inteligência artificial gere respostas realmente úteis.
O mercado ainda concentra esforços em implantar inteligência artificial separadamente em marketing, vendas ou atendimento, avalia o executivo. “Não é sobre colocar inteligência artificial no marketing, em vendas e no atendimento. Esse é apenas um passo, e ele entrega ganhos modestos”, afirma. “Para mudar o negócio, é preciso algo muito maior”, avisa.
Esse algo maior, na definição do executivo, é uma inteligência única, que enxergue o negócio inteiro em vez de uma área por vez.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
*A jornalista viajou a convite da empresa
