{"version":"1.0","type":"agent_native_article","locale":"pt","slug":"pentagono-transformacao-ia-empresas-erros-adocao-mp42iu4n","title":"O Pentágono aprendeu a se transformar com IA. As empresas continuam repetindo os mesmos erros","primary_category":"transformation","author":{"name":"Valeria Cruz","slug":"valeria-cruz"},"published_at":"2026-05-13T12:02:35.615Z","total_votes":88,"comment_count":0,"has_map":true,"urls":{"human":"https://sustainabl.net/pt/articulo/pentagono-transformacao-ia-empresas-erros-adocao-mp42iu4n","agent":"https://sustainabl.net/agent-native/pt/articulo/pentagono-transformacao-ia-empresas-erros-adocao-mp42iu4n"},"summary":{"one_line":"A falha na adoção de IA nas empresas não é tecnológica, mas de governança: sem propriedade executiva, desmontagem de processos legados e métricas de resultado, qualquer programa de IA vira decoração estratégica.","core_question":"Por que empresas com orçamentos e tecnologia de IA disponíveis continuam falhando na transformação, enquanto instituições como o Pentágono conseguiram integrar IA operacionalmente?","main_thesis":"A lacuna entre investimento em IA e impacto real é um problema de arquitetura organizacional e vontade política interna, não de tecnologia. O caso do Projeto Maven do Pentágono demonstra que transformação real exige propriedade executiva sênior, desmontagem de processos existentes e métricas orientadas a resultados operacionais — três condições que a maioria das empresas privadas evita por seu custo político interno."},"content_markdown":"## O Pentágono aprendeu a se transformar com IA. As empresas continuam repetindo seus erros anteriores\n\nHá um dado que deveria incomodar qualquer executivo que tenha aprovado um orçamento de inteligência artificial nos últimos dois anos: os Estados Unidos, o país que fabrica os modelos mais poderosos do mundo, ocupa a 24ª posição na adoção global de IA. Sua taxa é de 28,3%. Singapura está em 61%. Os Emirados Árabes Unidos, em 54%. O Goldman Sachs registrou que o investimento em IA contribuiu com \"praticamente zero\" para o crescimento do PIB americano durante 2025. O problema não é tecnológico. Nunca foi.\n\nDrew Cukor sabe disso melhor do que quase ninguém. Como coronel reformado dos Marines e fundador do Projeto Maven — o programa com o qual o Departamento de Defesa integrou IA aos seus fluxos operacionais mais complexos —, Cukor construiu por dentro o que muitos consideravam impossível: demonstrar que um software comercial poderia funcionar dentro da maior burocracia do planeta e produzir resultados que os sistemas anteriores eram incapazes de alcançar. Hoje, à frente de sua firma TWG AI, ele observa como as empresas americanas cometem, ponto por ponto, os mesmos erros que o Pentágono quase cometeu antes de o Maven funcionar.\n\nSeu diagnóstico, publicado na Fortune em 11 de maio de 2026, coincide com um momento singular: dois dias depois, o Departamento de Defesa anunciou acordos com oito empresas de tecnologia — Amazon Web Services, Google, Microsoft, OpenAI, SpaceX, NVIDIA, Reflection e Oracle — para implantar capacidades de IA de fronteira em suas redes classificadas de nível IL6 e IL7. O Pentágono não está debatendo se deve adotar IA. Está executando.\n\n## A lacuna que separa construir de integrar\n\nO Índice de IA de Stanford 2026 não descreve um fracasso de pesquisa. Descreve um fracasso de implementação. Os Estados Unidos lideram em benchmarks, em investimento em modelos e em capacidade computacional. Mas essa vantagem não se traduz em uso operacional porque as organizações que deveriam implantar essa tecnologia não alteraram sua arquitetura interna para recebê-la.\n\nCukor introduz aqui uma distinção que vale mais do que a maioria dos frameworks estratégicos que circulam nas conferências de C-suite: a diferença entre **organização aumentada com IA** e **organização nativa de IA**. Não é semântica. É a diferença entre colar um motor novo em uma estrutura velha e reconstruir a estrutura desde o projeto pensando nesse motor.\n\nQuando o Pentágono lançou o Maven, não o tratou como um experimento tecnológico nem como um piloto limitado. Os líderes sênior assumiram pessoalmente a iniciativa e lutaram por ela dentro da burocracia. Fluxos de trabalho foram desmantelados — não se adicionou software por cima deles. O único indicador que importava era operacional: o que os soldados conseguiam fazer que antes não conseguiam. Essa disciplina é o que fez o projeto funcionar. E essa disciplina é exatamente o que falta na maioria dos programas corporativos de IA que existem hoje.\n\nA iniciativa chinesa \"AI Plus\" opera com uma lógica estruturalmente semelhante à do Maven, embora do lado oposto do espectro político. Pequim não está construindo modelos para competir em rankings. Está incorporando IA em manufatura, logística, pesquisa científica, saúde e educação com datasets industriais específicos e agentes projetados para fluxos concretos. Não debate controle nem contenção. Implanta. Essa diferença de velocidade entre o poder de invenção americano e a capacidade de integração chinesa é a lacuna que Cukor aponta como o principal risco competitivo desta década.\n\n## Três falhas que o Pentágono quase não sobreviveu\n\nCukor identifica com precisão os três erros que tornaram o Maven uma transformação possível — porque por pouco não aconteceram.\n\nO primeiro é a delegação sem propriedade. Em empresas demais, a estratégia de IA é delegada a um Chief AI Officer ou a um laboratório de inovação. Essas estruturas são projetadas — embora ninguém admita — para sinalizar progresso sem ameaçar a distribuição de poder existente. O resultado é o que Cukor chama de \"purgatório do piloto\": projetos que nunca morrem porque ninguém os encerrou, mas que também não escalam porque ninguém os impulsionou de verdade. O Maven funcionou porque os líderes sênior não delegaram a propriedade do problema. Eles a assumiram.\n\nO segundo erro é sobrepor IA a processos legados. Há uma forma de usar IA que garante resultados medíocres: pegar o fluxo de trabalho atual e adicionar um modelo por cima. Os ganhos de eficiência serão marginais porque a estrutura que gera o gargalo permanece intacta. Se, após o lançamento de uma iniciativa de IA, o organograma, as cadeias de aprovação e o ritmo operacional da empresa são os mesmos de antes, não ocorreu nenhuma transformação. Ocorreu uma decoração.\n\nO terceiro erro é medir atividade em vez de resultados. Modelos treinados, provas de conceito concluídas, parcerias anunciadas: esses são indicadores de movimento, não de impacto. O Maven era medido pelo que os operativos conseguiam fazer que antes não conseguiam. Essa é a única pergunta que importa em um programa de IA que pretende mudar algo.\n\nEsses três erros não são acidentes de engenharia. São acidentes de governança. Nascem de organizações que querem a imagem da transformação sem assumir o custo político interno que implica desmantelar o que existe.\n\n## O que o anúncio de 13 de maio revela sobre execução real\n\nO acordo que o Departamento de Defesa anunciou em 13 de maio de 2026 com oito empresas de tecnologia para operar em redes classificadas IL6 e IL7 não é simplesmente uma notícia de contratos. É um sinal sobre que tipo de instituição é capaz de escalar IA em condições de máxima complexidade e restrição.\n\nO fato de o Pentágono — historicamente conhecido por seus fracassos na aquisição de software — ter conseguido articular uma plataforma de IA funcional em ambientes de máxima classificação é, em si mesmo, um caso de maturidade estrutural. Não de tecnologia. O CTO do Departamento de Defesa unificou o processo sob uma estrutura de alinhamento empresarial, conforme descrevem as análises do programa. Isso significa que alguém tomou a decisão de romper os silos que historicamente impediram que os sistemas tecnológicos do Pentágono funcionassem de forma coerente.\n\n**A lição que esse movimento oferece para o setor privado é desconfortável**: se uma burocracia daquela escala e daquela rigidez histórica foi capaz de se reorganizar para integrar IA de forma operacional, a explicação mais honesta de por que as empresas privadas não fazem o mesmo não é falta de recursos nem falta de talento. É falta de vontade para assumir o custo político interno de mudar quem decide o quê, como e com que velocidade.\n\nA análise de Cukor sobre a diferença entre empresas que executam experimentos de IA e empresas que executam transformações de IA aponta exatamente para esse ponto. Não é um problema de orçamento. É um problema de quem no topo da hierarquia está disposto a colocar seu nome no fracasso intermediário que precede qualquer transformação profunda.\n\n## Maturidade estrutural não é o que o sistema diz que tem\n\nHá uma fragilidade específica que aparece antes que o problema seja visível. As organizações que vão falhar em sua transformação de IA não o anunciam. Têm roadmaps, têm laboratórios, têm Chief AI Officers com orçamento. Mas se se observa de perto a cadeia de decisões, o padrão aparece: as decisões difíceis — aquelas que implicam eliminar processos ou alterar estruturas de poder — nunca chegam a ser tomadas. São adiadas, pilotadas, estudadas. E o sistema continua funcionando, com uma aparência de modernização, até que os concorrentes que tomaram essas decisões tornam o custo da inércia impossível de ignorar.\n\nCukor descreve isso como um \"ajuste de contas de colarinho branco\" que poderia ser pior do que a onda de deslocalização industrial dos anos setenta, porém mais rápido e menos perdoável. Não porque a IA seja inevitavelmente substitutiva de empregos, mas porque as empresas que não reorganizarem suas estruturas de decisão, aprovação e operação ficarão em uma posição de desvantagem acumulativa frente a concorrentes que o fizeram — sejam eles ocidentais ou provenientes de economias asiáticas que já estão tratando a IA como infraestrutura operacional.\n\nA diferença entre o Pentágono de antes do Maven e o de depois não é que hoje ele tenha modelos melhores. É que aprendeu a sustentar uma transformação com propriedade executiva, com desmontagem do que existia e com métricas que mediam resultados. Esse aprendizado levou anos para se consolidar e quase colapsou diversas vezes. As PME e grandes empresas privadas não têm a mesma tolerância ao tempo, mas também não têm a mesma desculpa para ignorar o padrão.\n\nUm sistema que parece forte porque tem tecnologia avançada, mas que não tocou em sua estrutura de decisões nem em sua cadeia de aprovações, não é um sistema transformado. É um sistema que comprou tempo. Quanto tempo depende de quanto os seus concorrentes demorarão para fazer o que ele ainda não fez.","article_map":{"title":"O Pentágono aprendeu a se transformar com IA. As empresas continuam repetindo os mesmos erros","entities":[{"name":"Drew Cukor","type":"person","role_in_article":"Fundador do Projeto Maven e da firma TWG AI; fonte principal do diagnóstico sobre falhas de implementação de IA corporativa"},{"name":"Projeto Maven","type":"technology","role_in_article":"Programa do DoD que integrou IA a fluxos operacionais complexos; caso de referência de transformação bem-sucedida"},{"name":"Departamento de Defesa dos EUA (Pentágono)","type":"institution","role_in_article":"Caso de estudo central: instituição que conseguiu transformação operacional com IA apesar de burocracia histórica"},{"name":"TWG AI","type":"company","role_in_article":"Firma de Drew Cukor a partir da qual ele observa e diagnostica falhas corporativas em adoção de IA"},{"name":"Goldman Sachs","type":"company","role_in_article":"Fonte do dado sobre contribuição 'praticamente zero' da IA ao PIB americano em 2025"},{"name":"Stanford AI Index 2026","type":"institution","role_in_article":"Fonte que documenta o fracasso de implementação (não de pesquisa) como causa da lacuna de adoção nos EUA"},{"name":"Amazon Web Services","type":"company","role_in_article":"Uma das oito empresas com acordo DoD para IA em redes classificadas IL6/IL7"},{"name":"Google","type":"company","role_in_article":"Uma das oito empresas com acordo DoD para IA em redes classificadas IL6/IL7"},{"name":"Microsoft","type":"company","role_in_article":"Uma das oito empresas com acordo DoD para IA em redes classificadas IL6/IL7"},{"name":"OpenAI","type":"company","role_in_article":"Uma das oito empresas com acordo DoD para IA em redes classificadas IL6/IL7"},{"name":"NVIDIA","type":"company","role_in_article":"Uma das oito empresas com acordo DoD para IA em redes classificadas IL6/IL7"},{"name":"Singapura","type":"country","role_in_article":"Referência de alta adoção de IA (61%) em contraste com os EUA"}],"tradeoffs":["Velocidade de implementação visível (pilotos, POCs, anúncios) vs. profundidade de transformação real (desmontagem de processos, redistribuição de poder decisório)","Estabilidade organizacional de curto prazo vs. competitividade acumulativa de médio prazo","Delegação a estruturas especializadas (Chief AI Officer, labs) vs. propriedade executiva sênior com custo político interno","Imagem de modernização (roadmaps, laboratórios, parcerias) vs. maturidade estrutural real (cadeia de decisões alterada)","Tolerância ao fracasso intermediário necessário para transformação profunda vs. aversão ao risco político interno"],"key_claims":[{"claim":"Os EUA ocupam a posição 24 na adoção global de IA com taxa de 28,3%, apesar de liderarem em desenvolvimento de modelos.","confidence":"high","support_type":"reported_fact"},{"claim":"Singapura tem taxa de adoção de IA de 61% e os EAU de 54%.","confidence":"high","support_type":"reported_fact"},{"claim":"O Goldman Sachs registrou contribuição 'praticamente zero' da IA ao crescimento do PIB americano durante 2025.","confidence":"high","support_type":"reported_fact"},{"claim":"O Projeto Maven foi fundado por Drew Cukor, coronel reformado dos Marines, como programa de integração de IA no Departamento de Defesa.","confidence":"high","support_type":"reported_fact"},{"claim":"Em 13 de maio de 2026, o DoD anunciou acordos com oito empresas de tecnologia para IA em redes classificadas IL6 e IL7.","confidence":"high","support_type":"reported_fact"},{"claim":"A maioria dos programas corporativos de IA falha por delegação sem propriedade executiva, sobreposição a processos legados e métricas de atividade em vez de resultado.","confidence":"medium","support_type":"inference"},{"claim":"A iniciativa chinesa 'AI Plus' opera com lógica estruturalmente semelhante ao Maven, incorporando IA em setores industriais com datasets específicos.","confidence":"medium","support_type":"reported_fact"},{"claim":"Empresas com roadmaps e Chief AI Officers podem estar em 'purgatório do piloto' sem que isso seja visível externamente.","confidence":"high","support_type":"inference"}],"main_thesis":"A lacuna entre investimento em IA e impacto real é um problema de arquitetura organizacional e vontade política interna, não de tecnologia. O caso do Projeto Maven do Pentágono demonstra que transformação real exige propriedade executiva sênior, desmontagem de processos existentes e métricas orientadas a resultados operacionais — três condições que a maioria das empresas privadas evita por seu custo político interno.","core_question":"Por que empresas com orçamentos e tecnologia de IA disponíveis continuam falhando na transformação, enquanto instituições como o Pentágono conseguiram integrar IA operacionalmente?","core_tensions":["Poder de invenção (EUA lideram em modelos) vs. capacidade de integração (China e outros lideram em adoção operacional)","Organização aumentada com IA vs. organização nativa de IA: colar motor novo em estrutura velha vs. reconstruir desde o projeto","Custo político interno de desmantelar o existente vs. custo competitivo externo de não fazê-lo","Velocidade de transformação que o Pentágono pôde sustentar (anos) vs. tolerância temporal das empresas privadas","Métricas de atividade (confortáveis, visíveis) vs. métricas de resultado operacional (exigentes, reveladoras)"],"open_questions":["Quanto tempo têm as empresas que ainda não iniciaram transformação estrutural antes que a desvantagem competitiva se torne irreversível?","É possível replicar o modelo Maven em PMEs sem a escala e os recursos do Pentágono?","Como distinguir operacionalmente uma organização em 'purgatório do piloto' de uma em transformação real antes que os resultados sejam visíveis?","A iniciativa chinesa 'AI Plus' representa uma vantagem competitiva sustentável ou um risco de dependência de infraestrutura centralizada?","Qual é o papel correto de um Chief AI Officer se a propriedade executiva deve residir na liderança sênior de linha?","Como medir 'maturidade estrutural' de forma que seja auditável e comparável entre organizações?"],"training_value":{"recommended_for":["CEOs y C-suite evaluando retorno real de inversiones en IA","Chief AI Officers que necesitan argumentar por qué sus programas requieren cambios estructurales, no solo presupuesto","Consultores de transformación digital que diagnostican madurez organizacional","Inversores evaluando si una empresa está realmente transformándose con IA o comprando tiempo","Equipos de estrategia comparando posicionamiento competitivo en adopción de IA"],"when_this_article_is_useful":["Al evaluar el estado real de madurez de un programa de IA en una organización","Al diseñar la estructura de gobernanza de una iniciativa de transformación digital","Al diagnosticar por qué un programa de IA no está escalando a pesar de inversión y tecnología disponibles","Al comparar velocidades de adopción de IA entre geografías o sectores competitivos","Al argumentar internamente la necesidad de propiedad ejecutiva sénior en iniciativas de IA","Al definir métricas de éxito para programas de IA que vayan más allá de actividad técnica"],"what_a_business_agent_can_learn":["Distinguir entre organização aumentada com IA e organização nativa de IA como diagnóstico de maturidade","Identificar los tres patrones de fallo en programas de IA corporativa: delegación sin propiedad, superposición a procesos legados y métricas de actividad","Usar el caso Maven como framework de referencia para evaluar si un programa de IA tiene condiciones estructurales para escalar","Reconocer señales de 'purgatório do piloto' en organizaciones que aparentan modernización sin transformación real","Entender que la resistencia a la transformación de IA es un problema de coste político interno, no de recursos o talento","Calibrar el riesgo competitivo acumulativo de la inercia organizacional frente a competidores que sí están reorganizando estructuras de decisión"]},"argument_outline":[{"label":"1. O paradoxo da liderança tecnológica","point":"Os EUA lideram em desenvolvimento de IA mas ocupam a posição 24 em adoção global (28,3%), enquanto Singapura está em 61% e os EAU em 54%. O Goldman Sachs registrou contribuição 'praticamente zero' da IA ao PIB americano em 2025.","why_it_matters":"Demonstra que vantagem em pesquisa e investimento não se converte automaticamente em impacto econômico, invalidando a lógica de que 'mais tecnologia = mais resultado'."},{"label":"2. A distinção crítica: aumentada vs. nativa de IA","point":"Drew Cukor diferencia organização aumentada com IA (motor novo em estrutura velha) de organização nativa de IA (estrutura reconstruída desde o projeto para esse motor).","why_it_matters":"É o framework central do artigo: sem redesenho estrutural, qualquer implementação de IA produz ganhos marginais, não transformação."},{"label":"3. Os três erros que o Maven quase não sobreviveu","point":"Delegação sem propriedade executiva, sobreposição de IA a processos legados e medição de atividade em vez de resultados operacionais.","why_it_matters":"Esses erros são de governança, não de engenharia. Identificá-los permite diagnóstico preciso do estado real de maturidade de qualquer programa de IA corporativo."},{"label":"4. O anúncio do Pentágono como prova de execução","point":"Em 13 de maio de 2026, o DoD anunciou acordos com AWS, Google, Microsoft, OpenAI, SpaceX, NVIDIA, Reflection e Oracle para IA em redes classificadas IL6/IL7, unificados sob estrutura de alinhamento empresarial pelo CTO do DoD.","why_it_matters":"Se a maior burocracia do mundo conseguiu reorganizar-se para integrar IA operacionalmente, a ausência de transformação no setor privado não pode ser atribuída a falta de recursos ou talento."},{"label":"5. O risco competitivo acumulativo","point":"Cukor descreve um 'ajuste de contas de colarinho branco' potencialmente mais rápido e menos perdoável que a deslocalização industrial dos anos 70, gerado pela desvantagem acumulativa de empresas que não reorganizaram estruturas de decisão.","why_it_matters":"Enquadra a inércia organizacional não como conservadorismo razoável, mas como risco estratégico com prazo de validade determinado pela velocidade dos concorrentes."}],"one_line_summary":"A falha na adoção de IA nas empresas não é tecnológica, mas de governança: sem propriedade executiva, desmontagem de processos legados e métricas de resultado, qualquer programa de IA vira decoração estratégica.","related_articles":[{"reason":"Aborda diretamente o fim dos pilotos de IA sem retorno em 2026, complementando o diagnóstico do 'purgatório do piloto' descrito por Cukor e a transição de experimentos para transformações reais","article_id":12422},{"reason":"Analisa a febre de aquisições em IA empresarial e o poder já codificado em plataformas, relevante para entender por que comprar tecnologia no mercado não equivale a transformação estrutural","article_id":12497},{"reason":"Examina por que agentes de IA corporativos falham antes de ser hackeados, complementando o argumento de que os problemas de implementação de IA são organizacionais, não tecnológicos","article_id":12609}],"business_patterns":["Purgatório do piloto: projetos de IA que nunca morrem porque ninguém os encerrou, mas que não escalam porque ninguém os impulsionou com propriedade real","Decoração estratégica: adição de software de IA por cima de processos legados sem alterar a estrutura que gera os gargalos","Delegação de sinalização: criação de estruturas (Chief AI Officer, labs) projetadas para mostrar progresso sem ameaçar distribuição de poder existente","Transformação com propriedade executiva: líderes sênior que assumem pessoalmente a iniciativa, lutam por ela internamente e medem resultados operacionais","Desvantagem acumulativa: organizações que compram tempo com tecnologia avançada sem tocar em estruturas de decisão, até que o custo da inércia se torna impossível de ignorar"],"business_decisions":["Decidir se a liderança sênior assume pessoalmente a propriedade do programa de IA ou delega a um Chief AI Officer ou laboratório de inovação","Escolher entre sobrepor IA a processos existentes (ganhos marginais) ou redesenhar fluxos de trabalho desde o projeto (transformação real)","Definir métricas de sucesso do programa de IA: atividade (modelos treinados, POCs) vs. resultados operacionais (o que os usuários conseguem fazer que antes não conseguiam)","Determinar quais processos e estruturas de poder devem ser desmontados como condição prévia à implementação de IA","Avaliar se o ritmo de transformação interna é compatível com a velocidade de adoção dos concorrentes diretos"]}}