Ser analítico deixou de ser vantagem. Virou condição de existência.

Toda organização hoje diz que quer decidir com base em dados. Poucas conseguem explicar o que isso muda, de fato, no dia a dia de quem decide.

Cultura analítica, o conceito que dá nome a esta linha de pesquisa do Cappra Institute, não é sinônimo de maturidade tecnológica. É a camada cultural que emerge quando dados, modelos e sistemas inteligentes passam a mediar estruturalmente a relação entre a realidade e as decisões humanas. Uma organização pode ter a infraestrutura de dados mais sofisticada do mercado e, ainda assim, decidir no escuro; e pode ter poucos recursos técnicos e decidir com rigor, se a cultura sustentar esse hábito.

Ao longo de 2026, o Cappra Institute conduziu uma série de conversas em profundidade com lideranças que vivem essa tensão por dentro: gerindo a passagem de uma cultura de intuição para uma cultura mediada por dados, modelos e, cada vez mais, inteligência artificial. Essas lideranças ocupam posições de estratégia, transformação e inteligência de dados em organizações de grande porte, e falam a partir da experiência de quem já testou, errou e ajustou o próprio processo mais de uma vez.

Dessas conversas emergiram sinais consistentes, e também tensões que raramente aparecem no discurso público sobre transformação digital.

Este relatório organiza os sinais identificados em cinco eixos, cruza cada um deles com dado público verificável, propõe um framework original para posicionar qualquer organização dentro desse cenário, e fecha com uma síntese que conecta tudo de volta a uma única pergunta: o que, de fato, sustenta uma organização que aprende rápido?

Cinco sinais definem o momento das organizações analíticas

• 01De projeto a capability. Dado deixou de ser entregável com prazo e passou a ser competência contínua e distribuída.
• 02Cultura antes da ferramenta. A pergunta certa de negócio precisa vir antes da tecnologia, não depois.
• 03O paradoxo da aceleração. A velocidade de adoção de IA já superou a maturidade das empresas para decidir melhor com ela.
• 04Da substituição à amplificação. A disputa não é humano contra máquina, é sobre quem combina os dois primeiro.
• 05A acomodação é o novo risco. O risco real é a dependência sem vigilância, não a substituição em massa.

O dado parou de ter prazo de entrega

Durante quase duas décadas, dado foi tratado como propriedade de uma área. Primeiro da TI, que o via como infraestrutura a manter. Depois do BI, que o via como relatório a produzir. Mais recentemente, de squads de dados montados como projeto, com escopo, orçamento, início, meio e fim.

Essa lógica de projeto fez sentido enquanto dado era uma iniciativa entre outras. O problema é que ela também importa, sem querer, uma expectativa de conclusão. As lideranças entrevistadas descrevem uma mudança de fundo nesse modelo: dado como capability, uma competência contínua e distribuída, não mais um entregável com data de conclusão.

A trajetória descrita na pesquisa segue um padrão reconhecível. Primeiro, dado como produto: algo que se constrói, versiona e entrega, com um time de produto por trás. Depois, dado como projeto: iniciativas pontuais, com começo e fim bem definidos. O estágio mais recente, e o que a pesquisa aponta como mais maduro, é dado como capability: algo linear e perene dentro da empresa, que flui entre áreas, entre processos e, em organizações mais avançadas, até com parceiros de negócio e clientes.

A visão mais radical registrada na pesquisa: uma área de dados bem-sucedida é uma área desenhada para, no limite, deixar de precisar existir como estrutura separada, porque a competência já está disseminada em toda a organização.

Essa mudança também é individual, não apenas estrutural. Uma cultura analítica só se sustenta quando a capacidade de interpretar dado deixa de ser exclusividade de um cargo e passa a ser parte do repertório básico de quem decide, em qualquer nível.

Isso muda o que se mede. Não é mais "quantos painéis foram entregues". É "quantas decisões, em quantos times, já usam dado como parte natural do processo, sem que ninguém precise pedir".

Um dashboard bonito não é cultura

Houve uma fase, ainda recente em muitas organizações, em que a tecnologia vinha primeiro. "Quero essa ferramenta de dados", "precisamos de um modelo de IA para isso", e a pergunta de negócio vinha depois, quando vinha. O resultado costuma ser previsível: painéis bonitos que ninguém usa para decidir.

A virada descrita na pesquisa inverte essa ordem. Primeiro, o resultado de negócio que se busca. Depois, os dados e a tecnologia necessários para chegar lá. A pergunta certa, antes da ferramenta certa. Dado não é mais planilhão, não é cadastro passivo. Dado, no seu uso mais avançado, é predição, é leitura de comportamento, é a captura de padrões que a percepção humana sozinha não alcançaria.

Essa virada é cultural antes de ser técnica, e por isso é mais difícil de instalar do que qualquer ferramenta. Ela aparece quando lideranças discutem dado espontaneamente, sem precisar ser empurradas. E aparece, sobretudo, quando a cultura resiste a trocas de liderança sem quebrar, porque o hábito já não depende de uma pessoa específica para se manter vivo.

O maior risco nessa fase não é técnico. É a expectativa fora de tempo. Uma das lideranças entrevistadas descreveu, em detalhe, uma tentativa anterior de transformação digital conduzida sob forte pressão de prazo, uma aposta que "deu tudo errado", em suas próprias palavras, mas que se tornou, depois, a base de um aprendizado mais sólido sobre timing.

Cultura não responde ao calendário fiscal. Resultado de mudança cultural raramente aparece no primeiro mês; costuma aparecer depois de meses, às vezes anos.

Adotar IA rápido não é decidir melhor

Uma das lideranças entrevistadas resumiu o incômodo central desta pesquisa com uma observação direta: em 2025, viu a velocidade de adoção de inteligência artificial disparar dentro da própria organização, no exato momento em que a qualidade da decisão baseada em dados não acompanhava o mesmo ritmo. A leitura oferecida foi objetiva: decisão, no fim das contas, é um conjunto de regras de negócio empilhadas. Se a IA for adotada sem esse cuidado, ela só erra mais rápido do que um humano erraria sozinho.

Esse padrão repete, com uma regularidade quase didática, o clássico ciclo de adoção de qualquer tecnologia disruptiva: entusiasmo generalizado, seguido de desilusão quando a implementação real esbarra em processos, dados e pessoas despreparados, e só depois disso, uma fase mais lenta de ganho de produtividade genuíno.

Dado público recente sustenta essa percepção com uma precisão desconfortável. A Gartner projeta que, até 2026, a maioria dos projetos corporativos de inteligência artificial será abandonada, não por falta de ambição, mas por falta de dados prontos para IA.

O gargalo, portanto, não é a tecnologia. É a maturidade organizacional para usá-la a favor de decisões melhores, e não apenas de automação mais rápida de decisões que já eram ruins.

A disputa não é humano contra máquina

O Cappra Institute chama esse movimento de Ser Híbrido: a combinação, não a substituição, entre inteligência humana e inteligência artificial. Esta pesquisa qualitativa encontrou essa mesma ideia repetida, com outras palavras, por praticamente todas as lideranças entrevistadas.

O paralelo mais usado foi a memória. Quase ninguém decora mais números de telefone, porque o celular virou, na prática, uma extensão do cérebro para essa tarefa específica. Isso não tornou ninguém mais burro. Apenas deslocou onde a inteligência humana escolhe se aplicar.

Isso não significa que nenhuma função muda. Um exemplo citado com frequência vem do mercado jurídico: escritórios mais estruturados, que adotaram tecnologias de apoio processual, ganharam uma eficiência tão grande que passaram a precisar de bem menos pessoas para as mesmas tarefas de suporte. A profissão não desaparece. Mas a cadeia de valor ao redor dela muda de forma drástica.

O exemplo mais concreto e mais estudado vem da medicina. Há mais de dez anos, o consenso era de que a IA substituiria radiologistas em diagnóstico por imagem. O oposto aconteceu: os profissionais que mais incorporaram IA ao processo são hoje os que trabalham com mais qualidade e mais velocidade.

A conveniência é o risco mais silencioso

Se a substituição em massa não é o cenário mais provável, qual é o risco real de uma organização que adota inteligência artificial em ritmo acelerado? As lideranças entrevistadas convergiram em um ponto: dependência sem vigilância.

À medida que a inteligência artificial melhora, cai a necessidade percebida de conferir o que ela entrega. Isso é conveniente e perigoso ao mesmo tempo. Esse risco é ainda mais agudo em contextos onde a produtividade de base já é estruturalmente mais baixa. Segundo estudo da McKinsey, o valor gerado por hora de trabalho no Brasil gira em torno de um sétimo do valor gerado nos Estados Unidos. Entre pequenas e médias empresas brasileiras, a mesma consultoria estima uma produtividade média equivalente a pouco mais da metade da já defasada média das grandes empresas nacionais.

Adotar inteligência artificial sem investir, ao mesmo tempo, em processo e capacitação básica, tende a ampliar a distância, não a reduzir.

Há também um custo cognitivo mais difícil de perceber no curto prazo. Um estudo do MIT Media Lab, divulgado em 2025, mediu esse efeito com precisão: entre pessoas que escreveram um texto com apoio de IA generativa, a capacidade de lembrar o conteúdo do próprio texto 24 horas depois caiu para 17%, contra 46% entre quem escreveu sem nenhuma ajuda.

A Gartner chegou a uma conclusão paralela: projeta que, até 2026, metade das organizações passará a exigir algum tipo de avaliação sem apoio de inteligência artificial de seus profissionais, para garantir que a capacidade de raciocínio crítico continue sendo exercitada.

Os cinco sinais anteriores compartilham um eixo comum: a tensão entre a velocidade com que uma organização adota inteligência artificial e a maturidade com que ela usa dado para decidir. Para tornar essa tensão mais fácil de localizar, o Cappra Institute construiu, a partir desta pesquisa, um framework de posicionamento.

Toque ou passe o mouse sobre cada quadrante para ver a descrição completa.

Todo mundo já ouviu falar de IA. Poucos usam de verdade.

Uma pesquisa do Sebrae, em parceria com a FGV IBRE e o Google, mediu a distância entre familiaridade e uso frequente de IA generativa entre empresas brasileiras de diferentes portes. O resultado reforça, com dado nacional, o mesmo padrão descrito no Sinal 03.

Quanto menor o negócio, maior a distância entre conhecer a ferramenta e efetivamente incorporá-la à rotina de decisão. A finalidade de uso também muda com o porte: nas médias e grandes empresas, o principal uso de IA já é análise de dados. Nas micro e pequenas empresas, o uso predominante ainda é marketing e divulgação — uma aplicação pontual, mais próxima do estágio de ferramenta do que de capability.

Fonte: Sebrae, FGV IBRE e Google ⁷

Quatro falas que resumem a tensão do momento

Cinco palavras não são sinônimos. São um mecanismo.

Ao encerrar a conversa, as lideranças entrevistadas resumiram o futuro das organizações analíticas em cinco palavras. Isoladas, parecem repetição. Lidas em sequência, descrevem as cinco etapas de um mesmo ciclo.

O ciclo trava quando falta a última peça. Sem adaptação, o conhecimento acumulado não volta a alimentar o fascínio, e a organização para no exato ponto que o Sinal 05 descreve: a acomodação.

O que fazer com esses sinais

• 01Trate dado como capability, não como projeto. Pare de medir entregas e comece a medir decisões.
• 02Blinde a cultura contra expectativa fora de tempo. Combine metas de curto prazo com marcos de maturidade de médio e longo prazo.
• 03Audite o paradoxo da aceleração. Meça não apenas quanta IA foi adotada, mas se a qualidade da decisão melhorou.
• 04Desenhe governança como cinto de segurança, não como freio. Política clara de uso individual de IA, por pessoa e por time.
• 05Recompense quem usa bem, não apenas quem usa. Acomodação, não substituição, é o risco real a combater.

Referências citadas nesta pesquisa

Os relatos e observações de lideranças entrevistadas foram anonimizados. Nenhum trecho está associado a nome de pessoa ou de empresa.

O Cappra Institute é um instituto internacional, privado e independente, dedicado a promover a cultura analítica por meio de pesquisa, educação, consultoria e inovação. Mais do que aplicar técnicas e ferramentas, o instituto atua para integrar ciência de dados, pensamento analítico e uma visão humanista, articulando pessoas, processos, políticas e tecnologias.

Com presença nos Estados Unidos, Europa e América Latina, o Cappra Institute é reconhecido por apoiar grandes organizações e lideranças na criação de ecossistemas analíticos sustentáveis, orientados por evidências e capazes de gerar impacto duradouro.