O que aprendemos com quem lidera a transformação digital
"Sem governança de dados, a IA é como dirigir sem Waze num lugar desconhecido". Essa afirmação de Marcos Gomes, da Coca-Cola FEMSA, define bem o tom das conversas no podcast "Liderança Digital: IA e Dados no Centro da Estratégia", uma iniciativa da Denodo que reuniu cinco líderes de referência no Brasil em setores estratégicos como consumo, saúde, financeiro e setor público.
Neste post, reunimos os top 5 aprendizados práticos que surgiram dessas conversas profundas com executivos que vivem na prática os desafios de colocar dados e IA no centro da estratégia organizacional. Cada insight oferece um ponto de partida (ou de revisão) para quem deseja transformar dados em vantagem competitiva real.
1. IA só funciona com dados bem cuidados
Marcos Gomes – Coca-Cola FEMSA
Antes de investir em IA, Marcos fez uma escolha estratégica fundamental: separou a área de dados da TI, criando uma estrutura com identidade própria e orçamento dedicado. Essa mudança permitiu que os dados fossem tratados como produto estratégico, com entregas mensuráveis e autonomia de evolução.
"Governança de dados vem antes da IA. Senão você erra demais no caminho"
Por que essa separação faz a diferença?
Quando dados ficam subordinados à TI tradicional, frequentemente são tratados como subproduto operacional — algo que "surge" dos sistemas, mas não é planejado estrategicamente. Marcos mudou essa lógica:
- Foco no produto, não no relatório: A área deixou de ser vista como "Business Intelligence" para se tornar uma verdadeira área de dados
- Priorização baseada em valor: Projetos passaram a ser selecionados por impacto nos negócios, não por ordem de chegada
- Autonomia para evoluir: Com orçamento próprio, a equipe pode investir em qualidade, governança e capacitação sem competir com demandas operacionais de TI
O trabalho de dois anos que antecedeu a IA
Antes de pensar em algoritmos, Marcos dedicou dois anos inteiros a um trabalho que muitos executivos consideram "invisível": curadoria e governança de dados. Esse investimento incluiu:
- Catalogação completa dos ativos de dados da empresa
- Definição de responsabilidades (data owners) por domínio
- Padronização de definições para evitar que "o mesmo cliente seja diferente no México e na Nicarágua"
- Processos de qualidade para garantir confiabilidade desde a origem
A analogia do Waze
Para Marcos, tentar implementar IA sem essa base sólida é como dirigir sem GPS em lugar desconhecido. "Você pode até chegar ao destino, mas vai errar muito pelo caminho", explica. Essa analogia revela algo fundamental: dados bem governados são o sistema de navegação da IA.
Sem dados confiáveis, os algoritmos podem até funcionar tecnicamente, mas produzirão insights incorretos, recomendações perigosas e decisões custosas. Com dados bem cuidados, a IA se torna uma ferramenta poderosa para gerar valor consistente e mensurável.
O resultado prático: 90% das decisões da Coca-Cola FEMSA hoje são baseadas em dados, desde o planejamento de insumos até estratégias de vendas, com modelos que demonstram alta assertividade porque foram construídos sobre fundação sólida.
2. Dados exigem confiança e responsabilidade
Simone Ferreira – Polícia Civil do DF
No setor público, dados são ativos extremamente sensíveis que demandam tratamento especial. Simone destaca que não basta ter infraestrutura; é essencial mapear, classificar e proteger os dados com precisão cirúrgica.
"Democratizar dados não é abrir tudo para todos. É entregar o certo para quem sabe usar".
A lição de mais de 20 anos de dados policiais
A Polícia Civil do DF tem uma das bases de dados mais estruturadas do setor público brasileiro. Desde 1998, já existiam sistemas para ocorrências, e com a implementação do sistema "Millennium" entre 1998 e 2000, todos os registros — ocorrências, denúncias, procedimentos — passaram a ser centralizados digitalmente. Essa experiência única ensinou a Simone que volume de dados sem governança é receita para o caos.
O que significa "democratização responsável"
A Quando Simone fala em democratizar dados, ela não está falando de acesso irrestrito. Sua abordagem é muito mais sofisticada:
- Acesso contextualizado: Cada unidade recebe dados formatados para suas necessidades específicas
- Políticas bem definidas: Especificação clara de quem pode acessar o quê e quando
- Capacitação obrigatória: Usuários precisam saber interpretar os dados que recebem
- Controles de segurança: Monitoramento de quem acessa e quais informações acessa
"Não adianta disponibilizar tudo para quem não sabe como utilizar", explica. "Quando você entrega informação demais, sob o pretexto de democratizar, o efeito pode ser contrário".
O grande desafio: conhecer seus ativos
A experiência de Simone revela uma verdade desconfortável: a maioria das organizações não sabe que dados possui. No setor público, isso é ainda mais crítico.
"A palavra mágica dentro do serviço público é 'integração'", diz ela. "Mas quando vamos conversar com qualquer órgão, a maior dificuldade é saber o que eles têm".
Os problemas mais comuns incluem:
- Falta de mapeamento: Não sabem quais dados existem
- Ausência de classificação: Não distinguem dados sensíveis de públicos
- Responsabilidades indefinidas: Não está claro quem "cuida" de cada dado
- Documentação inexistente: Não sabem a origem ou o histórico dos dados
IA generativa: oportunidade ou armadilha?
Simone tem uma visão particularmente lúcida sobre IA generativa no contexto público. Para ela, ferramentas como ChatGPT podem ser mais prejudiciais do que benéficas quando usadas sem contexto adequado.
"O Chat GPT foi treinado numa cultura totalmente globalizada, são contextos distintos, são legislações distintas".
Os riscos que ela identifica:
- Compliance comprometido: Violação de normas específicas do setor público
- Dados sensíveis expostos: Informações de cidadãos compartilhadas inadequadamente
- Decisões baseadas em contexto errado: Respostas que não consideram legislação local
- Falta de criticidade: Usuários que não questionam ou validam as respostas
A fórmula da IA responsável
Para Simone, IA só faz sentido quando implementada dentro do contexto organizacional, com:
- Treinamento específico nos dados e processos da instituição
- Entregas segmentadas por perfil e necessidade
- Controles de compliance integrados desde o início
- Capacitação contínua dos usuários
"A IA não veio para resolver todos os seus problemas, nem para te substituir, nem para tomar decisões por você. Ela veio para te ajudar", conclui. "Mas você precisa ter conhecimento e sensibilidade para entender se o que está sendo entregue faz sentido".
A lição fundamental: Dados são um ativo de confiança. No setor público, essa confiança é depositada pelos cidadãos nas instituições. Tratá-la com responsabilidade não é apenas uma boa prática — é uma obrigação ética e legal.
3. A arquitetura conecta tecnologia e valor
Leandro Branquinho – Caixa Vida e Previdência
A partir de sua jornada como arquiteto de dados, Leandro oferece uma perspectiva única: nenhuma transformação digital prospera sem integração sólida e visão sistêmica.
"O arquiteto garante que ninguém cuide só do seu pedacinho".
A experiência da primeira seguradora 100% digital
Leandro liderou um dos projetos de transformação digital mais ambiciosos do país: o lançamento da Iuse, primeira seguradora totalmente digital do Brasil. O projeto envolveu mais de uma dúzia de sistemas complexos — SAP, GuideWire, OpenSphere, Salesforce — em uma abordagem que mudou não apenas o front-end, mas toda a arquitetura de back-end.
"Geralmente você tenta aproveitar um pouquinho do que você tem. Mas nós mudamos desde o ERP de seguros até o ERP financeiro".
O maior desafio: integração de sistemas
A experiência mostrou que o grande calcanhar de Aquiles da transformação digital é a integração. Não importa quão poderosos sejam os sistemas individuais se eles não conversam entre si.
Os problemas mais comuns que Leandro identificou:
- Silos operacionais: Cada equipe cuida apenas do "seu mundinho"
- Falta de visão panorâmica: Ninguém enxerga o processo completo
- Dados duplicados: O mesmo cliente pode existir 10 vezes na empresa, com versões diferentes
- Jornada fragmentada: Cliente não consegue continuar uma operação iniciada em um canal através de outro
O papel estratégico do arquiteto de dados
Para Leandro, o arquiteto de dados é muito mais que um especialista técnico — é um tradutor entre mundos:
Aproximação com o negócio: "O arquiteto aproxima você do negócio porque você não está preocupado única e exclusivamente em fazer funcionar. Você quer entender como isso gera valor".
Visão sistêmica: Capacidade de enxergar toda a jornada do dado, desde sua origem até seu consumo final, identificando gargalos e oportunidades.
Geração de insights: "O dado é uma boa maneira de você se aproximar do negócio pelo fato dele oferecer condições de levar questionamentos que eventualmente o negócio não tenha feito".
Como dados se tornam ponte para o negócio
Leandro usa um exemplo prático do setor de seguros: "Você já percebeu que em determinado momento do ano costumamos ter mais sinistros em uma determinada região? Como você percebe isso? Pelos dados".
Esse tipo de análise permite:
- Identificar padrões não óbvios nos processos de negócio
- Questionar premissas que o negócio dá como certas
- Propor melhorias baseadas em evidências, não intuição
- Demonstrar valor de forma tangível para stakeholders
Requisitos: a base de tudo
Com sua experiência como arquiteto, Leandro é categórico: "Todo e qualquer problema de tecnologia, para resolver, você começa pelo requisito".
Sua abordagem para qualquer projeto de dados ou IA:
- Qual é o problema real que estou tentando resolver?
- Que valor de negócio isso vai gerar?
- Isso tem retorno mensurável?
- Quais são as consequências (segurança, compliance, operação)?
"Nem tudo eu vou precisar de IA para resolver. Hoje há uma tendência muito forte de transformar tudo em algum tipo de solução de AI, o que na prática talvez nem faça tanto sentido".
4. Cultura de dados vem antes da tecnologia
Gabriel Vernalha – DASA
Com um alerta direto, Gabriel afirma que a tecnologia por si só não sustenta estratégia nenhuma. A base está na cultura analítica e no letramento de dados.
"Sem cultura e letramento, self-service vira caos. Cada um cria o seu dado e o número nunca bate".
O problema dos silos de dados
Gabriel identifica um padrão destrutivo que vê em diversas organizações: cada área produzindo seus próprios dados e usando suas próprias regras. O resultado é previsível: quando você tenta olhar de forma corporativa, os números não batem.
A diferença entre alfabetização e democratização
Uma das contribuições mais valiosas de Gabriel é a distinção clara entre dois conceitos frequentemente confundidos:
Data Literacy (Alfabetização de dados): Capacidade de ler, trabalhar, analisar e comunicar com dados. Inclui:
- Pensamento analítico: Habilidade de fazer as perguntas certas
- Interpretação: Saber o que os números realmente significam
- Storytelling com dados: Comunicar insights de forma clara
- Pensamento crítico: Questionar resultados e metodologias
Democratização de dados: Disponibilizar dados de forma acessível. Mas Gabriel alerta: "não adianta dar o acesso a dado errado, você vai gerar informações erradas".
O erro das ferramentas por si só
"Uma das principais barreiras é às vezes você vai dar uma ferramenta ali para a pessoa, vai dizer 'conecta no banco de dados, monta o seu relatório', então ela precisa ter uma capacidade analítica técnica de entender a ferramenta E analítica de poder interpretar os dados".
Gabriel observa um padrão perigoso: empresas que implementam self-service sem investir em capacitação. O resultado são relatórios contraditórios, análises incorretas e decisões baseadas em dados ruins.
A estratégia da DASA: fundação primeiro
Na DASA, Gabriel implementa uma abordagem estruturada:
- Governança como base: Estabelecer processos claros antes de distribuir acesso
- Capacitação obrigatória: Não há acesso sem treinamento adequado
- Alinhamento estratégico: Conectar iniciativas de dados aos objetivos corporativos
- Melhoria contínua: Evoluir metodologias baseado no feedback e resultados
Habilidades do futuro
Gabriel cita o Fórum Econômico Mundial: pensamento analítico é a principal habilidade para 2025-2030. Mas vai além do técnico:
"Antes até do técnico, eu venho focando bastante com as minhas equipes a competência comportamental. Uma boa comunicação, pensamento crítico, focado na resolução de problemas".
Por quê? "O profissional de dados tem que estar mais apto a ter essas conversas com as áreas de negócio. Aquele técnico que fica ali fechadinho, recebe a demanda, faço a demanda e entrego, não funciona mais".
5. A IA é meio, não fim
Josemar Santos – Natura
Para Josemar, IA é ferramenta, não milagre. Seu foco é usá-la para gerar produtividade real, tanto no atendimento ao cliente quanto nas atividades internas dos times de dados.
"Sem uma boa fundação, a IA não entrega valor. E sem governança, ela vira risco".
Três décadas de evolução tecnológica
Com 35 anos de TI e 25 anos trabalhando especificamente com dados, Josemar tem uma perspectiva única sobre a evolução da área. Ele passou por todas as grandes transformações: do bug do milênio ao boom das startups, do surgimento do BI à explosão da IA generativa.
"Que evolução nesses 20 anos. A gente pegou desde a era do surgimento do celular até estar falando de inteligência artificial hoje".
O conselho fundamental: comece pequeno
A primeira lição de Josemar para empresas iniciando sua jornada: "Não queira atacar tudo ao mesmo tempo".
Sua metodologia na Natura:
- Identifique problemas específicos: Não projetos de IA, mas problemas de negócio que IA pode resolver
- Comece com casos de uso claros: Atendimento, recomendações, planejamento de demanda
- Meça resultados: Se não gera valor mensurável, não vale a pena
- Escale gradualmente: Use sucessos pequenos para justificar investimentos maiores
Aplicações práticas de IA na Natura
Josemar compartilha exemplos concretos de como usa IA para gerar valor:
- Atendimento ao cliente: "A inteligência artificial sendo utilizada na área de call center vai revolucionar cada vez mais a forma como os atendimentos vêm acontecendo".
- Recomendações de venda: "Recomendação de venda sendo utilizada com inteligência artificial. Isso já é uma realidade".
- Produtividade interna: "Eu também foco na produtividade dos meus desenvolvedores, dos meus Analytics Engineers na ponta. O que eu posso melhorar no dia a dia dos desenvolvedores com recursos de inteligência artificial?".
O fator humano é insubstituível
Apesar de defender a IA, Josemar é enfático sobre o papel das pessoas: "A decisão é humana e não da máquina".
Suas prioridades ao montar equipes:
- Competências comportamentais primeiro: Comunicação, pensamento crítico, resolução de problemas
- Capacidade de diálogo: "O profissional de dados tem que estar mais apto a ter essas conversas com as áreas de negócio"
- Conhecimento do negócio: Entender o contexto antes de aplicar a técnica
- Curiosidade e adaptabilidade: "O técnico a gente treina. Mas se as pessoas não tiverem algumas habilidades comportamentais, você acaba quebrando todo esse elo"
A visão de descentralização
Josemar propõe uma mudança radical na forma como áreas de dados operam:
Do modelo tradicional: Área central de BI criando produtos para o negócio. Para o modelo distribuído: "Dar autonomia para as áreas de negócio criarem os seus produtos de dados do ponto de vista delas, porém, ter uma fundação onde eu tenha as informações com qualidade".
Vantagens:
- Alívio da área central: "Você não vai ter braço para atender todo mundo"
- Produtos mais aderentes: Quem conhece o negócio constrói melhor
- Escalabilidade: Modelo que funciona em grandes organizações
Governança de IA: o próximo desafio
Com a democratização da IA, Josemar identifica um novo desafio: "As empresas têm que ter uma preocupação, não adianta eu simplesmente deixar solto na empresa e cada colaborador pegar os dados da empresa e usar qualquer IA".
Seus pilares para governança de IA:
- Controle de acesso: Quem pode usar que tipo de IA
- Políticas de dados: Que informações podem ser compartilhadas
- Treinamento: Como usar IA de forma produtiva e segura
- Monitoramento: Acompanhar uso e resultados
A lição final: "Aprendizado contínuo, organização contínua e adaptabilidade. Independente das empresas que a gente esteja, você tem que estar sempre aberto a aprender, reaprender e se adaptar ao cenário".
IA, dados e liderança com propósito
Essas cinco vozes mostram que liderar com dados e IA exige mais do que tecnologia. É preciso intenção, estrutura, cultura e visão. Cada uma das entrevistas nos lembra que:
- IA não começa com algoritmos, começa com governança
- Dados só têm valor se forem confiáveis e compreensíveis
- Cultura vem antes do dashboard
- A liderança digital exige escuta ativa e conexão com o propósito do negócio
A experiência combinada desses líderes aponta para uma verdade fundamental: o futuro não será liderado por quem apenas coleta dados, mas por quem sabe conectá-los à estratégia com responsabilidade e clareza.
Qual desses aprendizados mais conversa com o momento da sua organização?
A reflexão é essencial. Porque, como mostram esses cinco casos, a transformação digital bem-sucedida não é questão de tecnologia — é questão de liderança consciente, cultura preparada e dados que realmente servem ao negócio.
Clique abaixo e ouça as entrevistas completas da Denodo!
Publicado em 13 de outubro de 2025.
Revisado e validado por Jalusa Lopes, Country Manager da InboundCycle Brasil.
