A Agenda de AI do CEO em 18 Meses

A maioria dos documentos de estratégia de AI tem 80 slides, três consultores contribuintes, cinco meses de ciclos de revisão e nenhum responsável nomeado para nenhum marco. Descrevem como é uma organização transformada. Não dizem o que fazer na segunda-feira. A pesquisa da McKinsey sobre como os melhores CEOs estão enfrentando o momento de AI é direta: "CEOs que ficam sentados esperando. Suas empresas não vão prosperar. É tão binário assim em termos de importância."

A Cadência de AI de 6 Trimestres

Um framework estruturado para sequenciar a transformação por AI ao longo de seis trimestres calendário. Trimestre 1: Avaliar e Governar (auditoria de maturidade, política, seleção de caso de uso, nomeação de responsável de AI). Trimestre 2: Infraestrutura e Literacia (camada de dados para caso de uso prioritário, 20% de treinamento em literacia de AI, design de piloto com baselines capturados). Trimestre 3: Pilotos em Execução (2-3 pilotos em execução, revisão de governança no mês 6, rastreamento de baseline vs. atual). Trimestre 4: Avaliar e Decidir (post-mortems de pilotos, decisões de escalar/encerrar por piloto, preparação de implantação em produção para os que funcionaram). Trimestre 5: Primeiras Implantações em Produção (pelo menos um workflow completo em produção, meta de 60% de literacia, decisão sobre modelo operacional). Trimestre 6: Institucionalizar (estrutura permanente de organização de AI, roadmap para o próximo horizonte, apresentação ao conselho sobre ROI e próximo ciclo de investimento). A Cadência de 6 Trimestres foi projetada para que os entregáveis de cada trimestre sejam pré-requisitos para o seguinte. Pular o T1 faz os pilotos do T2 rodarem sobre dados não governados e de baixa qualidade. Pular a revisão de governança do T3 permite que o risco se acumule no T4.

Este é diferente. São 18 meses de decisões, responsáveis e marcos que um CEO pode assinar e cobrar a organização. O trabalho é específico. Os responsáveis são nomeados. Os critérios de sucesso são mensuráveis. E a responsabilidade pessoal do CEO é separada do que é delegado.

Se seu esforço de transformação por AI vai passar de conversa com o conselho para implantação em produção em 18 meses, este é aproximadamente o arco que os programas bem-sucedidos seguem.

"A diferença entre um CEO que lidera a transformação por AI e um que a delega é mensurável: 68% de sucesso com envolvimento sustentado versus 11% sem. Isso não é um erro de arredondamento. É um multiplicador de 6x na probabilidade de sucesso, impulsionado por uma variável." (Rework, baseado na McKinsey 2025)

O que esta agenda pressupõe

Key Facts: Agenda de AI do CEO

• 85% das empresas estão atualmente perseguindo iniciativas de AI, mas 70-85% falham em atingir os resultados esperados, com a lacuna entre intenção e execução mais ampla em organizações onde o papel do CEO foi "definir o mandato no lançamento e fazer check-in trimestralmente" (pesquisas do setor, 2025-2026)
• Projetos de transformação por AI com envolvimento sustentado do CEO alcançam taxas de sucesso de 68% versus 11% para aqueles que perdem o patrocínio ativo do C-suite dentro de 6 meses do lançamento (McKinsey, 2025)
• As empresas estruturaram os orçamentos do roadmap de AI em: 30% talentos, 25% infraestrutura, 20% software/ferramentas, 15% preparação de dados e 10% gestão de mudanças, enquanto a orientação da McKinsey prescreve 70% de investimento em pessoas e processos para os melhores desempenhos (benchmarks de 2026)

Antes da agenda começar, três coisas precisam ser verdadeiras:

Primeiro, o CEO leu e internalizou a definição de transformação por AI. Não a versão de press release. A versão que inclui o retrato honesto de onde a maioria das empresas está em 2026 (Etapas 1-2 do modelo de maturidade), o que a transformação realmente exige no nível de negócio e por que é uma decisão de alocação de capital, não uma iniciativa de TI.

Segundo, o conselho foi informado e aprovou o mandato de transformação. Não uma linha orçamentária para "exploração de AI." Uma decisão explícita em nível de conselho de que a transformação por AI é uma prioridade estratégica com implicações de investimento de vários anos. Esse enquadramento importa porque a transformação por AI vai conflitar com metas trimestrais em múltiplos pontos nos próximos 18 meses. Sem o respaldo do conselho, esses conflitos serão perdidos.

Terceiro, o CFO viu o modelo de custo honesto. O orçamento que viabiliza esta agenda não é uma linha de item para licenças de ferramentas. Inclui infraestrutura de dados, engenharia de integração, gestão de mudanças e governança. Para a maioria das empresas de mercado médio, este é um investimento de US$ 700.000 a US$ 1,7 milhão ao longo de 18 meses antes que um ROI significativo apareça.

Se essas três condições não estiverem em vigor, faça esse trabalho primeiro. A agenda abaixo vai falhar se rodar em um orçamento subfinanciado, sem o respaldo do conselho, ou com um CEO que não entende a que realmente está se comprometendo.

Fase 1 (Meses 1-3): Avaliar e Governar

Essa fase não é glamourosa. Não produz produtos de AI ou capacidades visíveis. Produz a base sem a qual todo o resto falha. A maioria dos programas de transformação pula ou abrevia essa fase. É por isso que a maioria dos programas de transformação falha.

Tarefa 1.1: Comissionar a auditoria de maturidade de AI

Responsável: Subordinado direto do CEO (Chief AI and Innovation Officer, CIO ou líder de transformação) Entregável: Avaliação por escrito da etapa de maturidade de AI atual por unidade de negócio, estado da infraestrutura de dados, uso existente de ferramentas de AI (sancionadas e não sancionadas) e lacunas entre o estado atual e os requisitos para os três casos de uso-alvo Critérios de sucesso: Auditoria concluída, CEO e equipe de liderança informados, classificação de Etapa documentada para cada unidade de negócio

A auditoria não é um engajamento de fornecedor. É uma avaliação interna. Quem está usando quais ferramentas de AI hoje? Que dados cada unidade de negócio tem e em que estado? Onde os dados estão fragmentados, duplicados ou inacessíveis? Onde estão os casos de uso de mais alto valor de AI em relação ao modelo de negócio?

Essa auditoria vai revelar duas descobertas desconfortáveis. Primeiro, os funcionários já estão usando ferramentas de AI que a empresa não aprovou. Segundo, a infraestrutura de dados tem mais problemas do que o CIO relatou ao conselho. Ambas são normais. Ambas precisam ser tratadas. Para um framework sobre como avaliar sua etapa atual, veja As 5 Etapas de Maturidade em AI.

Tarefa 1.2: Estabelecer a política de uso de AI

Responsável: CIO ou Conselho Geral, com endosso do CEO Entregável: Política de uso de AI por escrito comunicada a todos os funcionários, cobrindo: ferramentas aprovadas, regras de tratamento de dados, usos proibidos, estrutura de responsabilidade e processo de escalada para perguntas Critérios de sucesso: Política publicada, todos os funcionários confirmaram recebimento, violações de uso de AI têm um processo claro

A política não precisa ser exaustiva. Precisa responder as três perguntas que cada funcionário tem atualmente: Posso usar o ChatGPT para o trabalho? O que posso colar nele? O que acontece se não tiver certeza?

Sem uma política, a empresa não tem proteção contra uso indevido nem uma base para governança deliberada. A pesquisa de governança do conselho da McKinsey constatou que a maioria das organizações ainda carece de uma visão clara de como o AI se encaixa em sua estratégia, e que sem clareza de governança, nenhuma das outras ações de transformação importa. Para estrutura detalhada de política, Construindo Sua Política de Uso de AI aborda os componentes e as lacunas comuns.

Tarefa 1.3: Identificar os três principais casos de uso

Responsável: CEO + líderes de unidades de negócio Entregável: Três casos de uso classificados por impacto de negócio e viabilidade, cada um com: o problema específico de negócio, a métrica baseline mensurável, a capacidade de AI necessária, o ROI estimado se bem-sucedido e a avaliação de prontidão de dados Critérios de sucesso: Os casos de uso são específicos o suficiente para desenhar um piloto em torno deles. "Melhorar a produtividade de vendas com AI" não se qualifica. "Reduzir o tempo de preparação de QBR de 4 horas para 45 minutos para contas acima de US$ 50K ARR, liberando 2,5 horas por representante por conta" se qualifica.

Os critérios de seleção são: (1) o problema tem um valor monetário, (2) os dados necessários para o AI funcionar estão disponíveis ou podem ser disponibilizados em 3-6 meses, e (3) a equipe afetada tem um responsável no nível gerencial que quer isso resolvido.

Tarefa 1.4: Nomear o responsável pela AI

Responsável: CEO Entregável: Indivíduo nomeado (Chief AI and Innovation Officer, Head de AI, líder de transformação de AI ou CAIO fracionado contratado) com autoridade e responsabilidade explícitas para conduzir a agenda de AI Critérios de sucesso: Papel preenchido, estrutura de reporte clara, primeiros objetivos de 90 dias acordados

Essa pessoa não precisa ser a mais tecnicamente sofisticada da equipe. Precisa ser capaz de manter responsabilidade multifuncional, traduzir entre stakeholders técnicos e de negócio e escalar para o CEO quando a transformação está sendo desprioritizada pelas pressões operacionais. Sem esse responsável, a agenda perderá momentum toda vez que as metas trimestrais competirem pela atenção da liderança.

Fase 2 (Meses 4-9): Pilotar e Provar

Essa fase gera a base de evidências que justifica a escala. Dois ou três pilotos delimitados, conduzidos com critérios claros de sucesso, produzem os dados que o CFO precisa para aprovar o próximo ciclo orçamentário e as evidências operacionais que o COO precisa para comprometer-se com um redesenho mais amplo de workflow.

Tarefa 2.1: Lançar 2-3 pilotos com hipóteses explícitas de ROI

Responsável: Responsável pela AI + líderes de unidades de negócio Entregável por piloto: Declaração do problema, baseline mensurável capturado antes do início do piloto, design do piloto com escopo e prazo definidos, critérios de sucesso com metas quantificadas, check-ins na semana 4 e semana 8 agendados Critérios de sucesso: Os três pilotos em execução até o mês 6, baselines capturados para os três

A coisa mais importante sobre essa tarefa é a captura do baseline. Antes do piloto começar, meça o estado atual. A métrica que o AI deveria melhorar: escreva qual é hoje. Isso parece óbvio. É pulado na maioria dos pilotos. Sem o baseline, você não pode provar o resultado, e sem a prova do resultado, não pode justificar a próxima fase de investimento.

Tarefa 2.2: Construir a infraestrutura de dados para o caso de uso de maior prioridade

Responsável: CIO ou líder de engenharia de dados Entregável: Camada de dados limpa e acessível para os requisitos de AI do piloto de maior prioridade, com padrões documentados de qualidade de dados e processo de manutenção Critérios de sucesso: A ferramenta de AI para o piloto prioritário pode ingerir e analisar dados corretamente sem correção manual em mais de 10% dos inputs

Este é o investimento em infraestrutura que a auditoria de maturidade identificou como lacuna. Não é opcional. O piloto que tenta rodar sobre dados bagunçados vai produzir resultados inconsistentes, e o líder de unidade de negócio cuja equipe experimenta outputs ruins de AI vai concluir que "o AI não funciona," não que a camada de dados precisava de investimento primeiro. Prontidão de Dados: O Pré-Requisito que a Maioria dos Projetos de AI Pula fornece a lista de verificação pré-piloto.

Tarefa 2.3: Treinar o primeiro grupo em literacia de AI

Responsável: CHRO ou função de aprendizagem e desenvolvimento Entregável: 20% da força de trabalho (prioridade: equipe de liderança + equipes diretamente afetadas pelos pilotos) concluiu o treinamento fundamental de literacia de AI Critérios de sucesso: A equipe de liderança consegue articular o que o AI faz e não faz, o vocabulário do ACE Framework está sendo usado corretamente nas conversas internas, as equipes de piloto entendem como é o sucesso e o fracasso para sua ferramenta específica de AI

O treinamento de literacia de AI não é um programa único para todos. O CEO precisa de um tipo diferente de literacia do que o representante de vendas que usa o assistente de AI. Os executivos precisam do modelo conceitual (o que o AI consegue e não consegue raciocinar, como é a responsabilidade de governança, quais são os modos de falha). Os colaboradores individuais precisam de treinamento prático nas ferramentas específicas que estão usando e o que fazer quando o output parece errado.

Tarefa 2.4: Conduzir a primeira revisão de governança

Responsável: Responsável pela AI + Conselho Geral Timing: Mês 6 Entregável: Avaliação do uso de ferramentas de AI em relação à política estabelecida na Fase 1, identificação de lacunas ou violações de política, política atualizada se necessário, briefing do conselho sobre o status do programa de AI Critérios de sucesso: Nenhuma implantação de AI de alto risco não revisada em produção, lacunas de política documentadas e tratadas

O mês 6 é um check inicial. A transformação ainda está em modo de piloto. Mas a revisão de governança no mês 6 detecta os casos em que as equipes foram além do escopo do piloto aprovado, onde o tratamento de dados é inconsistente com a política, ou onde um piloto está produzindo outputs que levantam questões de risco que ninguém antecipou.

Fase 3 (Meses 10-18): Escalar e Integrar

No mês 10, você deve ter evidências. Um ou dois pilotos que funcionaram, medidos em relação a seus baselines originais. Se você não tem essa evidência, a Fase 3 não começa. Você conduz um post-mortem sobre por que os pilotos não produziram resultados mensuráveis e corrige a causa raiz antes de escalar qualquer coisa.

Assumindo que as evidências estão lá, a Fase 3 move de prova para produção.

Tarefa 3.1: Mover pelo menos um piloto para implantação plena em produção

Responsável: Responsável pela AI + COO Entregável: Um workflow habilitado por AI implantado para a equipe completa afetada (não o subconjunto do piloto), com monitoramento em vigor, SLAs definidos e um plano de rollback se o sistema falhar Critérios de sucesso: Equipe completa usando o sistema, métricas de desempenho rastreadas semanalmente, melhoria mensurável em relação ao baseline estabelecido na Fase 2

A implantação em produção é diferente do piloto em um aspecto importante: exige o comprometimento do COO em redesenhar o workflow, não apenas adicionar uma ferramenta de AI ao processo existente. Um sistema de AI colado em um workflow inalterado produz eficiência. Um sistema de AI incorporado em um workflow redesenhado muda o que a equipe consegue realizar. A distinção entre esses dois resultados é a diferença entre "o AI nos ajudou" e "o AI transformou essa função."

Tarefa 3.2: Expandir a literacia de AI para 60% da força de trabalho

Responsável: CHRO Entregável: Treinamento de literacia de AI concluído para todas as equipes cujos workflows são afetados pelas implantações de AI em produção, mais um segundo grupo de gestores adjacentes à liderança e colaboradores individuais Critérios de sucesso: Pesquisa com a força de trabalho mostra 60%+ conseguindo descrever corretamente o que os sistemas de AI em produção da empresa fazem e qual é sua responsabilidade quando os outputs de AI exigem revisão

Literacia sem implantação é preparação. Implantação sem literacia é fracasso de adoção. Essas duas tarefas precisam se manter próximas no timing.

Tarefa 3.3: Estabelecer o modelo operacional para governança de AI

Responsável: Responsável pela AI + CIO Entregável: Decisão entre CoE (equipe centralizada de AI) vs. modelo incorporado (leads de AI dentro das unidades de negócio) vs. modelo federado (CoE + incorporado). Decisão documentada, implicações de pessoal claras, orçamento para o próximo ano fiscal desenvolvido. Critérios de sucesso: Estrutura organizacional decidida, papéis definidos, proposta de orçamento de AI para o próximo ano completa

No mês 12-15, a empresa precisa de uma estrutura operacional permanente para AI, não de uma equipe de projeto de transformação. O projeto de transformação tem início e fim. O músculo operacional para avaliar, implantar e governar ferramentas de AI continuamente precisa ser uma capacidade organizacional permanente.

Tarefa 3.4: Reavaliar a etapa de maturidade e definir o próximo horizonte

Responsável: CEO Entregável: Avaliação atualizada de maturidade em relação ao modelo das 5 Etapas de Maturidade em AI, roadmap de 18 meses para a próxima fase, apresentação ao conselho sobre o progresso da transformação e o próximo ciclo de investimento Critérios de sucesso: Conselho aprova o próximo ciclo de investimento, CEO consegue articular claramente qual etapa a empresa alcançou e o que a Etapa 3 ou 4 exige

Este é o momento em que a agenda de 18 meses se torna um programa sustentado. Os primeiros 18 meses constroem a base. A partir do mês 18, ela é escalada. A apresentação ao conselho no mês 18 é o CEO demonstrando responsabilidade fiduciária: aqui está o que gastamos, aqui está o retorno mensurável, aqui está o case para o próximo ciclo de investimento.

O que o CEO possui pessoalmente vs. o que é delegado

Essa distinção importa porque é onde os programas de transformação borram a responsabilidade.

O CEO possui pessoalmente:

• O business case: por que a transformação por AI é uma prioridade estratégica para a posição competitiva da empresa
• O mandato: definir o senso de urgência da organização e mantê-lo nos conflitos com metas trimestrais
• O orçamento: aprovar o modelo de investimento total, não apenas assinar os contratos de licenciamento
• O reporte ao conselho: apresentar o progresso da transformação e o business case de investimento ao conselho nos meses 6 e 18
• O responsável pela AI: contratar ou nomear o lead de AI e cobrar responsabilidade

O CEO não precisa entender a arquitetura técnica. Não precisa estar em reuniões de seleção de ferramentas. Não precisa estar na revisão de governança a menos que ela revele algo que chegue à atenção do CEO. Esses são delegados.

Delegado ao CIO:

• Decisões de arquitetura e infraestrutura de dados
• Avaliação e seleção de fornecedores
• Engenharia de integração
• Ferramentas de segurança e governança de AI

Delegado ao COO:

• Redesenho de workflow para cada implantação em produção
• Rastreamento e relatório de adoção
• Execução do programa de gestão de mudanças
• Avaliação de sucesso/fracasso de pilotos

Delegado ao CHRO:

• Design e entrega do programa de treinamento de literacia de AI
• Conversas sobre evolução de papéis com as equipes afetadas
• Pesquisa com a força de trabalho e métricas de adoção

Delegado ao responsável pela AI:

• Coordenação multifuncional em todas as três fases
• Rastreamento de marcos e escalada ao CEO
• Atualizações de política e execução de revisão de governança
• Avaliação de casos de uso e design de pilotos

Armadilhas comuns que matam programas bem financiados

Começar com a tecnologia. As equipes que começam avaliando ferramentas, selecionando fornecedores e implantando antes que a Fase 1 esteja completa passam os meses 1-6 construindo sobre uma base não avaliada e descobrem as lacunas de governança e infraestrutura de dados no mês 9, quando uma implantação em produção falha.

Pular a governança. A política de uso de AI parece burocracia no mês 2. Parece uma obrigação fiduciária depois do incidente no mês 11. Faça a Fase 1.2 antes da Fase 2.1. Quando incidentes acontecem, o playbook de resposta a incidentes de AI é o que você vai querer ter em mãos.

Marcos vagos. "Explorar casos de uso de AI" não é um marco. "Comissionar auditoria de maturidade, concluída até [data], entregue ao CEO e à equipe de liderança" é um marco. Marcos vagos são como programas de transformação se arrastam por 18 meses e não produzem nada mensurável.

Sem protocolo de fracasso de piloto. Alguns pilotos vão falhar. Isso não é uma falha do programa. É o programa funcionando corretamente: testando hipóteses antes de escalá-las. Construa critérios explícitos de fracasso antes dos pilotos começarem ("se não virmos melhoria X até o mês 8, encerramos isso") e os respeite.

Análise Rework: Com base em padrões de implementação corporativa de AI, a Cadência de 6 Trimestres falha com mais frequência não no T3 (pilotos) mas na fronteira T1/T2. As organizações concluem a auditoria de maturidade e a política de AI no T1, então lançam pilotos no T2 antes de completar a infraestrutura de dados para o caso de uso prioritário, porque "os pilotos não podem esperar." O resultado: os pilotos rodam sobre dados incompletos, produzem outputs inconsistentes e perdem a confiança dos gestores de linha. Um atraso de 6-8 semanas para concluir a Tarefa 2.2 (infraestrutura de dados) antes de iniciar os pilotos consistentemente produz prazos líquidos mais rápidos porque os pilotos têm sucesso na primeira tentativa, em vez de exigir reinicializações no T4.

A agenda de 18 meses acima é um começo, não um roadmap completo. Os detalhes variarão de acordo com o tamanho da empresa, o setor e a etapa de maturidade inicial. A Agenda Tech Global 2026 da McKinsey confirma que os CIOs mais visionários estão investindo em automação agêntica para mudar como os negócios funcionam e em produtização de dados para gerar fluxos de receita inteiramente novos. Mas a estrutura, avaliar e governar, depois pilotar e provar, depois escalar e integrar, e o modelo de responsabilidade (o CEO possui o mandato e o business case, todo o resto é delegado) se transferem para quase todo programa de transformação sério.

O modelo de custo para o investimento que esta agenda exige está em O Custo Honesto da Transformação por AI. O diagnóstico de onde sua organização está no modelo de maturidade está em As 5 Etapas de Maturidade em AI.

Veja também:

• Por Que a Maioria das Transformações por AI Fracassa: as cinco armadilhas que esta agenda foi projetada para evitar
• Transformação por AI vs. Transformação Digital: por que os modelos mentais da última transformação não se transferem
• O Que É um Operador de AI de Vendas? 4 Padrões Trabalhando Juntos: um exemplo trabalhado de como a seleção de pilotos da Fase 2 parece para uma função de receita

Resumo das fases