A escolha de uma consultoria de IA se decide em três planos, e avaliar apenas o primeiro é o erro mais caro do processo. O plano da capacidade responde se o fornecedor domina a fundação que a IA exige para funcionar em produção: dado governado para consultar, sistema onde agir de forma rastreável e leitura que prove valor. O plano do contexto responde se ele está preparado para as condições brasileiras: obrigações da LGPD sobre tratamento e retenção, decisões de residência e trânsito de dados, e custo de consumo cotado em moeda estrangeira. O plano do modelo de trabalho responde como o fornecedor opera: o que ele faz nas primeiras semanas, o que registra e o que se recusa a vender. Demonstração impressiona nos três e comprova nenhum, porque roda sobre dado escolhido e escopo controlado.

Por que a escolha ficou mais difícil justamente quando ficou mais urgente

Há dois anos, poucos fornecedores se apresentavam como especialistas em IA e o comprador tinha pouca oferta. Hoje o problema se inverteu: quase todo fornecedor de tecnologia tem IA na home, e o comprador tem pouca base de comparação, porque a categoria é jovem demais para ter formado referência consolidada. A abundância de oferta não reduziu a incerteza, ampliou.

Some-se a isso um dado que muda o peso da decisão. O Gartner prevê que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controles de risco inadequados. As três causas apontadas são de execução e governança, não de capacidade do modelo. Ou seja, a probabilidade de o projeto sobreviver depende bem mais de quem conduz do que de qual tecnologia se escolhe, o que transfere para a seleção do parceiro um peso que muitas empresas ainda alocam à seleção da ferramenta.

A tese deste guia: o processo de escolha que funciona não pergunta o que o fornecedor sabe fazer, pergunta o que ele faz antes de começar a fazer. Capacidade técnica é condição necessária e insuficiente, porque as causas mais frequentes de fracasso são de método e de contexto. Um bom processo de seleção avalia os três planos separadamente e desconfia quando o fornecedor tenta resolver todos com a mesma demonstração.

Capacidade: a fundação, não o modelo

Modelos de ponta estão disponíveis para qualquer empresa via interface de programação, e melhoram sozinhos a cada versão. O acesso ao modelo, portanto, não diferencia fornecedor nenhum. O que diferencia é o domínio das camadas que sustentam a IA em produção, e que o modelo não fornece.

A pergunta que separa os planos, e que vale fazer literalmente: como vocês deixariam o nosso dado pronto para IA? Quem domina a fundação responde falando de unificação, governança, identidade e curadoria. Quem não domina muda de assunto para o modelo da moda. Detalhamos por que essa fundação decide o destino do projeto no artigo sobre agentes de IA deste blog, e o critério de detecção de discurso vazio em artigo próprio sobre como reconhecer um especialista de verdade.

PContexto brasileiro: o que não aparece em proposta internacional

Este é o plano que costuma ser tratado como formalidade e é onde os projetos travam depois de assinados. Três dimensões merecem exame explícito.

Obrigações de proteção de dados

A LGPD (Lei 13.709/2018) instituiu a Autoridade Nacional de Proteção de Dados e determina, em seu artigo 46, que os agentes de tratamento adotem medidas de segurança, técnicas e administrativas, aptas a proteger os dados pessoais de acessos não autorizados e de situações acidentais ou ilícitas de tratamento inadequado. Em um projeto de IA, isso desce a perguntas concretas que o fornecedor precisa saber responder: qual dado pessoal alimenta o sistema, com qual finalidade declarada, por quanto tempo permanece retido, quem acessa o que é recuperado, e como um pedido de eliminação de titular alcança o que ficou guardado como contexto. Fornecedor que trata essas perguntas como assunto do jurídico do cliente está devolvendo ao comprador a parte mais difícil do desenho.

Ressalva necessária: este texto trata de critérios de contratação e arquitetura, não constitui aconselhamento jurídico, e a definição de base legal, prazos e obrigações de cada caso cabe ao jurídico ou ao encarregado pelo tratamento de dados da empresa.

Residência e trânsito do dado

Adotar IA implica decidir para onde o contexto viaja, e essa decisão precede a escolha do modelo. Vale perguntar ao fornecedor onde o dado é processado, o que efetivamente sai do ambiente da empresa a cada interação, se há opção de processamento com exposição reduzida, e se a arquitetura proposta permitiria trocar de provedor de modelo sem refazer o projeto. Esse último ponto é estratégico e tratamos dele em profundidade no artigo sobre soberania de dados: uma arquitetura que amarra dado, contexto e lógica a um provedor específico transforma a troca futura em reconstrução.

Custo cotado em moeda estrangeira

Consumo de modelos costuma ser cotado em moeda estrangeira, o que introduz na conta o efeito do câmbio e da tributação aplicável a esse tipo de contratação, dimensão que precisa ser confirmada com as áreas fiscal e financeira da empresa antes da assinatura. Some-se a isso o que o Gartner descreve sobre a migração do licenciamento por assento para o licenciamento por consumo entre fornecedores de agentes de codificação, que introduz estruturas de custo altamente variáveis, e o alerta de que muitos fornecedores carecem de transparência sobre como o consumo de tokens é calculado e cobrado, o que limita a capacidade de prever e controlar custos. A pergunta ao candidato é direta: como vocês tornam esse custo previsível e mensurável para nós? Tratamos das alavancas possíveis no artigo sobre governança de custo de tokens.

Modelo de trabalho: o que acontece nas primeiras semanas

O terceiro plano é o mais revelador e o menos examinado. Ele não pergunta o que o fornecedor sabe, pergunta como ele começa, porque a sequência que ele propõe revela o método que aplicará no projeto inteiro.

•     Ele diagnostica antes de construir? Proposta que já chega com arquitetura definida antes de conhecer o estado do seu dado está vendendo um produto, não desenhando uma solução. A primeira entrega de um projeto bem conduzido é o entendimento do ponto de partida.

•     Ele define o caso de uso com dono e métrica? Sem isso, o projeto não consegue provar valor depois, e valor de negócio pouco claro é uma das causas de cancelamento que o Gartner aponta.

•     Ele fala de governança sem ser perguntado? Quem já colocou IA em produção sabe que acesso, retenção e rastreabilidade decidem o destino do projeto, e levanta esses temas por conta própria.

•     Ele é transparente sobre prazo conforme o estado do seu dado? Prazo prometido antes do diagnóstico é chute otimista. A resposta honesta é que o prazo depende do que o diagnóstico encontrar.

•     Ele diz não quando o caso não pede IA? Quando o problema é uma regra determinística, automação tradicional é mais barata, previsível e auditável. Fornecedor que recomenda IA para todo problema está vendendo catálogo.

As perguntas que decidem, organizadas por plano

Sinais de alerta no processo de seleção

•     A demonstração é a única evidência oferecida. Demonstração roda sobre dado selecionado e escopo controlado. Ela prova que a ferramenta funciona, não que funcionará sobre a sua realidade.

•     O caso apresentado descreve o resultado e omite a fundação. Case que mostra a tela final e silencia sobre como o dado foi preparado esconde justamente a parte que dá trabalho e define o custo.

•     O custo de produção não é discutido, só o do piloto. Escalar costuma custar bem mais que provar o conceito, e quem já operou em produção antecipa esse ponto.

•     Governança aparece no cronograma depois da entrega. Acesso, retenção e rastreabilidade desenhados no fim viram redesenho sob pressão quando a primeira pergunta séria chegar.

•     Nenhuma pergunta difícil foi feita sobre a sua operação. Fornecedor que não investiga o seu ponto de partida não vai adaptar nada ao seu contexto.

Onde a CSP Tech se posiciona, aplicando o próprio critério: a coerência de um guia como este se mede pela disposição de submeter-se a ele. No plano da capacidade, a CSP atua nas três camadas da fundação, como parceira Databricks no dado, Atlassian Gold Partner na camada de ação e Microsoft Gold Partner na leitura, além de participar do Anthropic Partner Network na camada de modelo. No plano do contexto, é uma empresa brasileira com 34 anos de mercado, que trata proteção de dados e previsibilidade de custo como requisitos de projeto. No plano do modelo de trabalho, começa por diagnóstico e diz não quando o caso não pede IA. São critérios verificáveis, e é assim que devem ser tratados.

Quando ainda não é hora de contratar

•     Sem caso de uso com dono e métrica. Contratar sem saber qual número a IA vai mover produz projeto que ninguém consegue defender na revisão de orçamento. Formular a pergunta vem antes de escolher quem responde.

•     Quando o problema real é de dado, não de IA. Se a dor é relatório que não fecha ou dado espalhado entre sistemas, o passo é consultoria de dados, com valor próprio, antes de qualquer camada de IA.

•     Quando uma automação convencional resolve. Regra determinística não precisa de modelo. É mais barato, mais previsível e mais fácil de auditar.

Perguntas frequentes

Como escolher uma consultoria de IA?

Avaliando três planos separadamente. Capacidade: domínio das camadas de fundação que a IA exige, dado governado, ação rastreável e leitura de valor, verificável por parcerias formais nas plataformas envolvidas. Contexto: preparo para as obrigações de proteção de dados, para as decisões de residência e trânsito de informação e para a previsibilidade de custo cotado em moeda estrangeira. Modelo de trabalho: o que o fornecedor entrega nas primeiras semanas, o que registra e em que situação recomenda não usar IA.

Por que não avaliar uma consultoria de IA pela demonstração?

Porque demonstração roda sobre dado selecionado e escopo controlado, condições que a produção não reproduz. Ela evidencia que a ferramenta funciona, não que funcionará sobre a realidade da sua operação. As causas de cancelamento que o Gartner aponta para projetos de IA agêntica, custos crescentes, valor de negócio pouco claro e controles de risco inadequados, são justamente as que nenhuma demonstração revela.

O que muda ao contratar IA no Brasil?

Três dimensões pedem exame explícito. As obrigações da LGPD sobre tratamento de dado pessoal, incluindo a adoção de medidas de segurança prevista no artigo 46 e as questões de finalidade e retenção que um sistema com memória levanta. As decisões de residência e trânsito de dados, que definem o que sai do ambiente da empresa. E o custo de consumo cotado em moeda estrangeira, com efeito de câmbio e tributação que precisa ser confirmado com as áreas fiscal e financeira. A avaliação jurídica de cada caso cabe ao jurídico ou ao encarregado de dados da empresa.

Devo contratar uma consultoria de IA ou uma consultoria de dados?

Depende de onde está a dor. Se os relatórios não fecham, o dado está espalhado ou a mesma entidade aparece duplicada entre sistemas, o problema é de dados e resolvê-lo tem valor próprio, além de ser pré-requisito para qualquer IA confiável. Se a fundação já existe e a pergunta é sobre agir com IA, a conversa é outra. Na prática, as duas competências se sobrepõem cada vez mais, e é razoável esperar que um bom parceiro de IA saiba diagnosticar em qual das duas situações você está.

Próximo passo

Se a sua empresa está avaliando fornecedores de IA, o teste mais barato que existe é levar as perguntas deste guia para as próximas conversas e comparar as respostas. E, se quiser começar entendendo o seu próprio ponto de partida antes de comparar propostas, converse com a CSP Tech sobre o seu caso de uso de IA: uma conversa sobre o estado do seu dado, o caso de uso com métrica e o que precisa existir antes de qualquer construção.

Autor: Guilherme Matos, estrategista de conteúdo e IA, certificado HubSpot, Google, Anthropic e Semrush. Revisão técnica por especialistas de dados e Atlassian da CSP Tech (Atlassian Gold Partner, Microsoft Gold Partner, parceira Databricks, participante do Anthropic Partner Network, 34 anos de mercado, produto próprio Power BI for Jira no Atlassian Marketplace). [INSERIR DADO REAL: nome e certificação do revisor].

Fontes (acesso ago/2026): Gartner, press release “Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027” (gartner.com/en/newsroom, 25/jun/2025), quanto à previsão e às três causas apontadas; Gartner, press release sobre consumo de tokens e custos de AI coding (gartner.com/en/newsroom, 24/jun/2026), quanto à migração do licenciamento por assento para consumo e à falta de transparência de fornecedores sobre cálculo e cobrança. Ambas mantidas como previsão ou tendência atribuída, com horizonte original preservado. Lei nº 13.709/2018 (LGPD), quanto à instituição da autoridade nacional e ao artigo 46, sobre medidas de segurança técnicas e administrativas. Databricks Documentation, Microsoft Learn e Atlassian, quanto às camadas de fundação descritas, verificadas em peças anteriores deste cluster. Nenhum dado de mercado brasileiro foi utilizado, por ausência de fonte primária verificável; as afirmações sobre o contexto nacional restringem-se ao texto legal e a condições estruturais de contratação. Este conteúdo não constitui aconselhamento jurídico, fiscal ou financeiro