Fundador da Pixelwolf revela os erros mais comuns na implementação de IA nas empresas

Passados dez anos da fundação, a Pixelwolf mudou de modelo de negócio mais de uma vez, mas manteve um único foco: entender como as empresas funcionam antes de aplicar qualquer tecnologia. Hoje, esse olhar se volta para a implementação de inteligência artificial dentro de organizações que faturam a partir de R$ 30 milhões por ano.

Em entrevista à EXAME, o fundador Thiago Bisewski descreveu a trajetória da empresa, que passou de software house a consultoria e implementação de IA, e explicou por que a maior parte das iniciativas de inteligência artificial nas empresas ainda não chega a gerar retorno financeiro.

Quem quer entender como aplicar inteligência artificial na prática pode conhecer o Pré-MBA em Inteligência Artificial da Saint Paul, em parceria com a EXAME, com quatro aulas práticas e online por R$ 37.

Da software house ao diagnóstico de processos e implementação

A Pixelwolf nasceu em 2015 como uma software house, desenvolvendo aplicativos e sites. Na época, o mercado brasileiro ainda não discutia experiência do usuário de forma estruturada, e a empresa passou a oferecer gratuitamente um processo de descoberta para entender o cliente antes de programar.

Esse método atraiu clientes como Jovem Nerd, XP, EBANX, Hotmart e Porta dos Fundos. Em 2018, a empresa já participava de projetos com inteligência artificial ao lado de IBM e Microsoft, antes de o tema ganhar a escala atual.

Um dos produtos desenvolvidos sob encomenda, batizado de Wollo, foi adquirido pela Hotmart em 2020 e incorporado ao Sparkle, aplicativo que a empresa havia lançado em setembro de 2019 para distribuição e venda de conteúdos, cursos e eventos online. Em 2021 após ser adquirida, a Pixelwolf se tornou o time de tecnologia embarcado da Fluency Academy, escola de idiomas investida pela General Atlantic.

A integração durou até o fim de 2024, quando a marca deixou de ser usada pela Fluency. Bisewski retomou a operação da Pixelwolf e voltou ao mercado já em meio à disseminação da inteligência artificial generativa.

Por que a maioria dos projetos de IA fracassa

Um levantamento do grupo de pesquisa NANDA, do MIT, ajuda a explicar o cenário descrito por Bisewski. Segundo o estudo, quase todas as organizações pesquisadas, 95%, não conseguiram comprovar retorno financeiro mensurável com seus investimentos em inteligência artificial generativa. 

Entre as iniciativas que deram certo, projetos tocados em parceria com fornecedores especializados tiveram o dobro de chance de sucesso em relação aos construídos só internamente.

Para Bisewski, o problema costuma começar antes da tecnologia. "Eu vejo muitas empresas pensando assim: temos que usar IA e sair colocando IA sem saber o que ela pretende resolver", afirma, ao descrever o efeito do medo de ficar para trás no mercado corporativo.

O fundador da Pixelwolf aponta quatro erros recorrentes:

1. Adotar IA sem um problema definido. A empresa decide que "precisa usar IA" e sai implantando ferramentas sem saber qual processo, qual custo ou qual indicador pretende mudar. É a origem da maioria dos projetos sem retorno.

2. Liberar ferramentas sem governança. Sem política de uso e segurança, o resultado é vazamento de dados e informação imprecisa em relatórios.

3. Bloquear tudo depois do primeiro incidente. A reação empurra as equipes para o shadow IA: ferramentas pessoais, fora de qualquer controle da empresa.

4. Construir tudo dentro de casa. O mesmo levantamento do MIT mostra que projetos com fornecedor especializado tiveram o dobro da taxa de sucesso dos construídos só internamente. A equipe interna conhece o processo; quem já implementou dezenas de vezes conhece o que dá errado.

Quatro aulas práticas e online por R$ 37 reúnem o conteúdo do Pré-MBA em Inteligência Artificial da Saint Paul e da EXAME para quem busca uma introdução estruturada ao tema. Inscreva-se aqui!

Como funciona o diagnóstico de processos

Antes de qualquer implementação, a Pixelwolf conduz uma consultoria orientada a processos. A imersão dura de quatro a seis semanas e reúne entrevistas com diretoria, gestores, lideranças e times operacionais, sem discutir ferramentas de tecnologia nesse momento.

O diagnóstico é medido por indicadores de desempenho e retorno sobre investimento. Um processo manual que consome horas semanais de um time, por exemplo, pode ser convertido em uma estimativa de custo anual, o que ajuda a priorizar onde a inteligência artificial trará mais impacto.

A partir daí, a empresa organiza uma matriz de priorização entre ganhos rápidos e projetos de longo prazo, com entregas organizadas em ciclos de doze semanas. A implementação dos agentes e automações priorizados é feita pela própria Pixelwolf, com o cliente acompanhando os indicadores definidos no diagnóstico. 

Um time pequeno apoiado por agentes de IA

A Pixelwolf opera hoje com doze profissionais seniores, cada um coordenando entre cinco e seis agentes de inteligência artificial em paralelo. Segundo Bisewski, essa mudança alterou a rotina de quem programa.

"Antes, o desenvolvimento do código era quase terapêutico. Hoje é um trabalho de revisão e de arquitetura", diz o fundador, que também é professor do MBA de inteligência artificial da Saint Paul Escola de Negócios.

A trajetória da Pixelwolf, de software house a consultoria e implementação de IA, ilustra um movimento mais amplo no mercado de tecnologia: a adoção de inteligência artificial tende a depender menos de ferramentas específicas e mais da forma como as empresas organizam seus dados e processos internos antes de automatizar qualquer etapa.

Para quem quer se aprofundar no tema, o Pré-MBA em Inteligência Artificial da Saint Paul e da EXAME oferece quatro aulas práticas, online, por R$ 37. Participe do treinamento!