IA em várias áreas pode superar centro de excelência

A experimentação com IA em várias áreas pode ser mais eficaz do que concentrar tudo em um centro de excelência, segundo o portal Central do Varejo. A visão foi apresentada por Stephen Short, vice-presidente de produto da Awin Global, durante painel no Web Summit Lisboa, em 10 de novembro de 2026, com foco em como a IA está mudando o roadmap de produto e a forma como empresas testam inovação.

O que a Awin defende sobre IA e produto

A principal mensagem do debate é direta: quando a tecnologia avança rápido, o melhor caminho pode ser permitir que diferentes áreas testem soluções com IA ao mesmo tempo. Em vez de limitar a inovação a um grupo centralizado, Short defendeu uma lógica mais distribuída, em que pessoas de negócio também possam experimentar, criar protótipos e mostrar o que funciona.

Segundo o Central do Varejo, essa mudança de visão veio da própria prática. Após o ciclo anual de orçamento, uma líder de unidade de negócio sem formação em engenharia criou um simulador de empresa, em que escolhe variáveis como custo e investimento em diferentes cenários, substituindo a análise tradicional em planilha.

Esse exemplo reforça uma ideia importante para times de produto: a IA não precisa ficar restrita a especialistas técnicos. Quando mais pessoas conseguem testar hipóteses, o aprendizado tende a ser mais rápido e mais conectado ao negócio.

Por que o centro de excelência pode não ser suficiente

O modelo de centro de excelência em IA costuma organizar conhecimento, governança e padrões de uso em um único ponto da empresa. Isso pode ajudar no início, mas também pode criar filas, dependência e lentidão. A leitura de Short, segundo o portal Central do Varejo, é que a experimentação distribuída pode trazer mais velocidade e mais aderência aos problemas reais de cada área.

Para ele, dar espaço para que equipes diferentes testem o que é possível pode ser o melhor caminho. A lógica é simples: quanto mais perto do problema estiver a experimentação, maior a chance de encontrar aplicações úteis para o negócio.

Esse ponto é especialmente relevante para empresas que trabalham com produto digital, porque a IA altera a forma de priorizar funcionalidades, validar hipóteses e ajustar o roadmap. Em vez de esperar uma solução única e centralizada, o produto pode evoluir com múltiplos testes paralelos.

O risco de diluir a proposta de valor

Ao mesmo tempo, Short alertou para um risco importante: quando o custo de construir deixa de ser a principal limitação, as empresas podem acabar espalhando demais os esforços e enfraquecendo a proposta de valor central.

Segundo ele, a limitação de recursos já evitou mudanças excessivas de rumo em alguns contextos. O executivo citou, por exemplo, o caso de 2.000 mudanças de direção para blockchain, como forma de mostrar que nem toda novidade deve virar prioridade.

A mensagem para times de produto é clara: experimentar mais não significa perder foco. O desafio passa a ser equilibrar abertura à inovação com disciplina estratégica.

Na prática, isso significa:

• manter um produto principal bem definido;
• usar a IA para ampliar funcionalidades sem descaracterizar a oferta;
• testar variações e personalizações sem comprometer escala;
• evitar que a busca por novidade substitua a estratégia de produto.

IA, extensibilidade e personalização em escala

Outro ponto destacado no painel, segundo o Central do Varejo, é que as plataformas SaaS têm uma oportunidade importante: manter um núcleo de produto sólido e, ao mesmo tempo, oferecer extensibilidade como funcionalidade.

Com IA, fica mais viável sustentar diferentes variações e personalizações para varejistas e clientes sem perder escala. Antes, esse tipo de flexibilidade podia ser evitado por gerentes de produto, justamente porque aumentava a complexidade operacional.

Agora, a tecnologia permite combinar padronização com adaptação. Para empresas de software e varejo digital, isso abre espaço para soluções mais personalizadas, mas com uma base comum que sustenta eficiência.

Pilotos em sandbox e a lógica da experimentação

No mesmo painel, Mordecai, venture partner da Silicon Foundry, explicou que a empresa mantém um estúdio de pilotos para testar tecnologias em problemas de negócio, em um ambiente paralelo ao da operação principal.

Esse tipo de sandbox é útil porque reduz o risco da experimentação. Em vez de alterar o produto já em produção, a equipe testa hipóteses em um espaço controlado, com mais liberdade para errar e aprender.

Mordecai também comparou a Fórmula 1 a um estudo de caso de IA em tempo real, já que os carros evoluem a cada semana. Segundo ela, esse ritmo se assemelha a um roadmap de produto que precisa ser ajustado com frequência.

Para quem trabalha com inovação, a lição é que o ciclo de teste, aprendizado e ajuste pode ser tão importante quanto a ideia inicial.

IA compartilhada ainda é desafio nas empresas

Short afirmou que a IA precisa sair dos notebooks e chegar ao nível da instituição. A observação aponta para um problema comum: os ganhos de produtividade ainda são individuais, quando poderiam ser mais amplos se houvesse contexto compartilhado e agentes conectados entre si.

Mordecai, por sua vez, disse que a Silicon Foundry observa a chamada IA multiplayer, em que equipes conseguem ver os prompts umas das outras e conversar sobre o uso da tecnologia. O ponto central, segundo ela, é que o uso isolado da IA por cada pessoa limita o potencial de transformação.

Esse debate ajuda a entender por que a adoção de IA não depende apenas de ferramentas. Ela exige cultura, colaboração e uma forma nova de organizar o conhecimento dentro da empresa.

O papel da liderança na adoção de IA

A discussão também tocou no papel da liderança. Mordecai defendeu o chief innovation officer como uma espécie de porta de entrada da empresa para novidades, com conexão com o conselho e outras áreas.

Short afirmou que não existe manual pronto para adotar IA. Para ele, a adoção depende de exploração rápida, disposição para assumir riscos e avaliação cuidadosa das perdas que cada empresa está disposta a aceitar.

Essa leitura é útil para times de produto, transformação digital e inovação porque mostra que a IA não é apenas uma camada tecnológica. Ela muda a forma como a empresa decide, prioriza e aprende.

Perguntas frequentes sobre IA distribuída no produto

O que significa experimentar IA em várias áreas?

Significa permitir que diferentes equipes testem aplicações de IA em seus próprios contextos, em vez de concentrar toda a inovação em um único centro de excelência.

Por que esse modelo pode ser melhor?

Porque aproxima a experimentação dos problemas reais do negócio, acelera aprendizados e amplia a chance de encontrar usos práticos para a tecnologia.

Qual é o principal risco dessa abordagem?

O principal risco é perder foco e diluir a proposta de valor do produto, se a empresa não mantiver uma estratégia clara para o núcleo da oferta.

O que fica da discussão no Web Summit Lisboa

A fala de Stephen Short, segundo o Central do Varejo, reforça que a IA está mudando o jeito de construir produto. O ponto não é apenas adotar a tecnologia, mas decidir onde ela deve ser testada, como ela entra no roadmap e até que ponto pode personalizar sem comprometer a estratégia.

Para empresas que querem avançar com IA, a lição é equilibrar três frentes: experimentação distribuída, foco no produto central e governança para evitar dispersão. É esse equilíbrio que pode transformar testes pontuais em vantagem competitiva.