Atualizado em abril/2026.
TL;DR
- Transformação digital não é um ponto na história das empresas, é uma linha do tempo. Cada tecnologia disruptiva que aparece (PC, internet, mobile, cloud, IA generativa) exige uma nova rodada de transformação digital.
- A rodada atual é a IA generativa, e ela só vai produzir resultado consistente em empresas que tenham resolvido a rodada anterior, a maturidade de dados.
- A maioria das empresas digitalizadas pela pandemia está paralisada na maturidade de dados: dados coletados sem uso, sem estrutura, sem acesso, sem métricas estratégicas claras, sem dashboards e sem alfabetização data driven distribuída.
- A inovação incremental virou caminho confortável e seguro. A inovação disruptiva continua sendo desenvolvida em startups, agora cada vez mais alimentadas por IA generativa.
- A pergunta certa não é “quando a transformação digital termina”, e sim “qual é a próxima rodada para o meu setor”. Design de Futuros é o instrumento para responder.
Este artigo complementa o livro Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude. Baixe gratuitamente o livro no link, que reúne mais de 20 técnicas de engenharia de prompts, incluindo várias das que estão aprofundadas neste artigo, com explicação e exemplos prontos para uso. A versão impressa é Best Seller na Amazon, com 4,5 estrelas e mais de 800 avaliações, tendo ficado semanas em primeiro lugar em várias categorias.
Por que reescrevi este artigo
Publiquei a primeira versão em agosto de 2022, com o foco no diagnóstico do que sobra depois da transformação digital forçada pela pandemia. Quatro anos depois, três coisas mudaram o suficiente para justificar revisão. A primeira é que a IA generativa, que mal existia em produto comercial em 2022, virou a rodada atual de transformação digital que toda empresa tem que decidir como atravessar. A segunda é que o ciclo de Venture Capital se mexeu várias vezes desde então, com efeitos visíveis no ritmo das startups. A terceira é que ficou mais clara em mim a tese que venho defendendo em palestras e em sala de aula: transformação digital não é um ponto na história das empresas, é uma linha do tempo contínua, e este post passa a refletir essa leitura com mais clareza.
Este post mantém o foco no ângulo organizacional e estratégico. Para o framework conceitual das competências individuais necessárias (Inovação, Digital, Dados e IA), vale a leitura de O pensamento computacional e a proficiência digital, que cobre a base mental do profissional. Para o ângulo de carreira diante da IA, Futuro do trabalho com IA detalha projeções concretas. E para o vocabulário do mundo em que essas rodadas se sucedem, vale Mundo VUCA, mundo BANI e o que vem depois.
Transformação digital é uma linha do tempo, não um ponto
A pergunta do título carrega uma armadilha embutida: ela sugere que a transformação digital é um evento com começo e fim, e que existe um “depois”. A leitura que tenho defendido é outra. Transformação digital não é ponto, é linha do tempo. Cada tecnologia disruptiva que aparece exige uma rodada própria de transformação, e cada rodada deixa empresas para trás se não for atravessada com método.
Olhar para as últimas quatro décadas ajuda a enxergar o padrão. A chegada do PC nos anos 80 obrigou empresas a digitalizar tarefas administrativas e contábeis, sob pena de perder produtividade básica. A internet comercial nos anos 90 obrigou outra rodada: presença online, e-commerce em escala, novos canais de venda e atendimento. O smartphone, a partir de 2007, obrigou mais uma: aplicativos próprios, mobile-first, repensar atendimento e marketing para a tela pequena. A computação em nuvem, ao longo dos anos 2010, obrigou a migrar infraestrutura, repensar arquitetura de software e modelos de licenciamento. A pandemia, em 2020, acelerou para quem ainda não tinha feito uma versão completa de tudo isso.
A IA generativa é a rodada atual. Ela não substitui as anteriores, ela se sobrepõe a elas. Empresa que pula a rodada de cloud não tem onde rodar IA com escala. Empresa que pula a rodada de dados produz IA que erra com confiança. Quem trata transformação digital como projeto único, com prazo e fim, fica parado a cada nova rodada que aparece.
A pergunta útil em 2026 não é “a transformação digital terminou”. A pergunta útil é dupla. A primeira: a sua empresa atravessou bem a rodada da IA generativa? A segunda: qual é a próxima rodada para o seu setor, e que sinais já estão visíveis dela? A primeira pergunta tem ferramentas conhecidas, e este post detalha algumas. A segunda pergunta é onde Design de Futuros entra, e merece seção própria mais adiante.
Por enquanto, o restante deste artigo organiza o que precisa estar bem para que a empresa atravesse a rodada atual com qualidade: maturidade de dados, escolha entre inovação incremental e disruptiva, e adoção estruturada de IA generativa.
A crise da maturidade de dados
Toda essa digitalização forçada gerou volume novo de dados, e a maioria das empresas tem sofrido com a gestão e o uso estratégico deles. Os problemas se acumulam em um padrão reconhecível em qualquer setor:
- Dados coletados, mas não utilizados.
- Dados não estruturados, espalhados por planilhas, sistemas legados e drives compartilhados.
- Pessoas sem acesso aos dados que precisariam para decidir bem.
- Falta de definição clara sobre quais são as métricas estratégicas do negócio.
- Falta de repositório centralizado, com governança mínima sobre quem usa o quê.
- Falta de dashboards que façam o trabalho de visualização sem exigir consulta a um analista a cada pergunta.
- Falta de alfabetização data driven distribuída, com poucas pessoas capazes de interpretar os dados sem assistência.
- Falta de data storytelling, que é a competência de traduzir o que os dados significam para áreas que não são analíticas por formação.
O consumidor mudou, o mercado mudou, o negócio da empresa mudou. Boa parte das respostas para “qual é nossa nova proposta de valor”, “quais são as margens reais”, “quais as projeções para o futuro” está nos dados, escondida atrás dessa lista de obstáculos. Resolver maturidade de dados é trabalho de meses ou anos, e exige liderança de patrocinador executivo, não só projeto de TI. Para a dimensão de qualidade da decisão sobre os dados, Pensamento crítico, motor da melhoria contínua nas empresas detalha o método de questionar bem dentro do processo.
Inovação incremental versus inovação disruptiva
Tenho visto também uma abertura grande para inovação incremental nas empresas. Durante a pandemia, quem fez transformação digital forçada em geral não criou nada disruptivo. Implementou inovações que já funcionavam bem em outras empresas: e-commerce, atendimento omnichannel, automação de processos repetitivos, dashboards de gestão. Tudo isso é inovação incremental, e produz ganho real.
Quem se deu bem nesse caminho está confortável em segui-lo, e essa zona de conforto carrega risco. A inovação disruptiva continua sendo desenvolvida em startups, agora cada vez mais aceleradas por IA generativa. Empresa grande que se acomoda no incremental por anos seguidos costuma descobrir tarde que o setor mudou de baixo para cima.
Vale entender a diferença com clareza. Inovação incremental melhora o que já existe e captura ganho previsível. Inovação disruptiva muda a base do problema, e em geral parece pequena ou irrelevante quando começa, até que vire dominante e mate quem ficou parado. As duas formas têm lugar na carteira de uma empresa. O erro estratégico é apostar só na primeira.
Design de Futuros: identificando a próxima rodada
Se transformação digital é linha do tempo, a pergunta de longo prazo se torna: qual é a próxima rodada para o meu setor? Design de Futuros é o instrumento metodológico que melhor responde a essa pergunta, e é por isso que ele entra com peso central neste artigo, e não como nota de rodapé.
Antes de avançar, vale antecipar uma resistência frequente: como olhar o futuro se a empresa mal dá conta do presente? A resposta tem nome na literatura de gestão, ambidestria organizacional, e merece artigo próprio em outro lugar. A versão curta cabe aqui: ambidestria é a capacidade de executar bem o presente (eficiência operacional, entregas do trimestre) e ao mesmo tempo investigar o futuro (experimentos, leitura de cenários), sem que uma frente devore a outra. Empresas saudáveis fazem as duas em paralelo, com pessoas, orçamentos e ciclos de tempo distintos para cada lado. A escolha entre futuro e presente costuma ser falsa; a pergunta útil é “como organizar a empresa para fazer as duas ao mesmo tempo”.
A premissa do método de Design de Futuros é simples: em vez de tentar prever o futuro, a equipe constrói cenários alternativos plausíveis e avalia que iniciativas fariam sentido em cada um. Detalhei a aplicação em Futurologia na prática, o que fazer na sua empresa ainda hoje.
A vantagem prática é dupla. Primeiro, o exercício obriga a equipe a sair do consenso aparente sobre o que vai acontecer e considerar cenários divergentes (computação quântica entrando em produção, regulação pesada de IA, escassez de talento técnico, abundância via automação, novas interfaces neurais, energia descentralizada barateando dados). Segundo, força a definir o que seria uma decisão arrependida em cada cenário, o que melhora a qualidade da carteira de iniciativas independentemente do futuro que se concretize.
Para alguns setores, sinais da próxima rodada já estão visíveis. Saúde tem genômica em escala e IA preditiva clínica entrando em uso real. Indústria tem digital twins e robótica colaborativa migrando do piloto para a produção. Educação ainda está digerindo o impacto da IA generativa em avaliação e em produção de material. Cada setor tem sua própria curva de adoção das próximas rodadas, e o trabalho de Design de Futuros é localizar onde sua empresa está nessa curva. Para o glossário paralelo de vocabulários de mundo em mudança (VUCA, BANI, TUNA, RUPT, permacrise, policrise), vale a leitura complementar do post sobre BANI.
A rodada atual: IA generativa nas empresas
Como antecipado na seção da linha do tempo, a IA generativa é a rodada atual de transformação digital. Em 2022, quando publiquei a primeira versão deste post, ela não estava na conversa corporativa de larga escala. O ChatGPT só seria lançado meses depois, em novembro daquele ano. Em 2026, a IA generativa virou camada obrigatória de discussão estratégica em qualquer empresa, e o padrão de adoção se cristalizou em três etapas que se observam repetidamente.
A primeira etapa é exploração individual. Profissionais começam a usar ChatGPT, Gemini ou Claude por conta própria, em geral para tarefas pessoais ou para acelerar trabalho de escrita e análise. A empresa raramente sabe a extensão desse uso, e isso já cria risco (vazamento de informação confidencial em prompts) e oportunidade (inteligência distribuída sobre o que funciona).
A segunda etapa é piloto institucional. A empresa contrata licenças corporativas, define políticas básicas e seleciona alguns casos de uso (atendimento, geração de propostas, análise de documentos jurídicos). Aqui aparece o problema da maturidade de dados, exatamente o problema desta seção principal do post. IA generativa que opera sobre dados ruins produz resposta plausível e errada, em escala. Empresa que tenta pular a etapa de organizar dados antes de adotar IA produz alucinação corporativa.
A terceira etapa é integração estrutural. A IA passa a participar de fluxos centrais (vendas, operação, decisão de portfólio), com revisão humana calibrada por nível de risco. Poucas empresas brasileiras chegaram nessa etapa em 2026, e quem chegar primeiro com qualidade vai abrir distância significativa em produtividade e capacidade de iteração.
A linha de aplicação corporativa não muda em essência o que defendi para o profissional individual em outros textos. As duas regras valem aqui também. A primeira é anexar a fonte: não pergunte ao modelo esperando que ele encontre o dado correto sozinho, cole a versão atualizada do processo, da política, do relatório. A segunda é validar a saída antes de aplicar. Modelo generativo entrega texto plausível, e plausibilidade sem verificação é a falha que mais cresce em adoção corporativa de IA. Para a perspectiva de carreira individual diante dessas mudanças, Futuro do trabalho com IA detalha o que mudou.
O ciclo dos investimentos em inovação
As startups, depois de retração no Venture Capital pós-2022, retomaram em ondas, agora muito concentradas em IA. O dinheiro voltou para áreas específicas (modelos fundacionais, infraestrutura de IA, ferramentas para desenvolvedores, agentes), e ficou mais seletivo em verticais clássicos (consumo, e-commerce, fintech).
Para grandes empresas que atravessaram o ciclo capitalizadas, a oportunidade segue válida e mudou de natureza. Em 2022 a janela era buscar inovação disruptiva enquanto startups pisavam no freio. Em 2026 a janela é construir capacidade interna de adoção de IA combinada com parcerias estratégicas com startups que dominam pedaços específicos do stack. Dá para fazer muito em parceria com startups do setor da empresa, em geral abertas a colaboração porque entregam tecnologia e ganham distribuição.
Para startups, o desafio segue parecido com 2022 em estrutura, com tema novo. O foco continua sendo sobreviver durante o ciclo para crescer no próximo. A diferença é que IA generativa baixou drasticamente o custo de construir o primeiro produto, e isso aumentou a quantidade de concorrentes em quase qualquer vertical. Diferenciação por dado proprietário, por integração com fluxos reais de cliente e por equipe técnica densa virou ainda mais decisiva.
Onde começar amanhã
Para empresa que está parada na maturidade de dados, escolha um caso de decisão real do trimestre e responda três perguntas. Quais dados sustentariam essa decisão? Onde estão? Quem tem acesso e capacidade de interpretá-los? Se as três respostas forem desconfortáveis, está identificada a próxima frente de trabalho.
Para empresa que já tem dados arrumados e não sabe o que fazer com IA generativa, monte um piloto pequeno (uma equipe, dois meses, escopo limitado) com revisão humana intensiva e métricas claras de qualidade. Aprender com piloto bom vale mais do que comprar consultoria genérica de IA.
Para qualquer empresa, estabelecer ritual de Design de Futuros uma vez por ano, com toda a liderança, força a saída do consenso, melhora a qualidade da carteira de iniciativas e ajuda a antecipar qual será a próxima rodada de transformação digital para o seu setor. O custo é baixo, e o retorno se materializa tanto nas decisões erradas que você deixa de tomar quanto na vantagem de chegar primeiro na rodada seguinte.
Perguntas frequentes
O que vem depois da transformação digital?
A pergunta carrega uma armadilha. Transformação digital não é um evento com fim, é uma linha do tempo contínua. Cada tecnologia disruptiva (PC, internet, mobile, cloud, IA generativa) exigiu sua própria rodada de transformação digital, e cada rodada deixa empresas para trás se não for atravessada com método. A rodada atual é a IA generativa. A pergunta útil em 2026 não é “o que vem depois”, é “qual é a próxima rodada para o meu setor”, e Design de Futuros é o instrumento metodológico para responder.
Por que tanta empresa digitalizada continua perdida com dados?
Porque digitalização gera volume sem garantir uso. Dados coletados sem propósito viram passivo. Sem definição clara das métricas estratégicas, sem governança de acesso, sem dashboards e sem alfabetização data driven distribuída, a maioria das organizações fica olhando para um lago de dados sem saber por onde começar.
IA generativa pode resolver o problema de maturidade de dados?
Pelo contrário, amplifica o problema se a base estiver ruim. IA generativa produz texto plausível mesmo quando os dados de entrada são pobres, e isso gera o que tem se chamado de alucinação corporativa: relatórios que parecem sólidos e estão errados. Resolver maturidade de dados antes (ou em paralelo controlado) é pré-requisito para adoção saudável de IA.
Inovação incremental é segura ou é armadilha?
Os dois. Como prática parcial, é segura e produz ganho previsível. Como única estratégia, é armadilha, porque a inovação disruptiva continua sendo desenvolvida em startups e por concorrentes globais. A carteira saudável combina incremental para entregar resultado de curto prazo e disruptivo para defender o longo prazo.
O que é Design de Futuros, em poucas palavras?
É uma família de métodos para construir cenários alternativos plausíveis sobre o futuro de um setor ou negócio, em vez de tentar prever um futuro único. A equipe avalia que decisões fariam sentido em cada cenário e identifica decisões arrependidas. Detalhei o método em texto separado, citado no corpo do post.
Como começar a discussão de IA generativa em uma empresa que ainda nem mexeu?
Três passos baixos. Primeiro, defina política mínima de uso (o que pode e o que não pode entrar em prompt, especialmente sobre dados de cliente e dados confidenciais). Segundo, contrate licenças corporativas de pelo menos uma das três principais (ChatGPT, Gemini, Claude) com proteção de dados negociada. Terceiro, escolha um piloto pequeno e mensurável, com revisão humana garantida, em vez de comprar plataforma genérica de IA antes de saber o que vai usar.
Vale apostar tudo em IA agora, ou esperar a poeira baixar?
Nenhum dos dois extremos. Apostar tudo cega para outras frentes (maturidade de dados, gestão de pessoas, eficiência operacional). Esperar a poeira baixar entrega o setor para concorrentes mais ágeis. O caminho consistente em 2026 é manter o trabalho de base estratégica e adicionar IA como camada com método, em ciclos curtos de aprendizado.
Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e conselheiro consultivo de empresas em tecnologia e inovação. Fundou sete startups ao longo da carreira. Leciona na ESPM, Insper, USP, PUCRS e IBGC. É autor do livro gratuito Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude.
