A inteligência artificial deixou de ser uma promessa tecnológica distante. No Japão, o debate já não se concentra em saber se a IA vai transformar empresas, o governo e a indústria. A questão passou a ser outra: quem conseguirá gerar valor mais rápido, com governança, confiança e aplicação prática?
Esse também é o desafio brasileiro.
O Brasil vive um momento de importante aceleração. O Plano Brasileiro de Inteligência Artificial 2024-2028 prevê R$ 23 bilhões em investimentos ao longo de quatro anos, com ambição de transformar o país em referência mundial em inovação e eficiência no uso de IA, especialmente no setor público. O plano também prevê a criação de infraestrutura de alto desempenho para processar grandes volumes de dados e apoiar o desenvolvimento de algoritmos avançados.
Ao mesmo tempo, a adoção empresarial começa a ganhar tração. Segundo a pesquisa TIC Empresas 2025, do Cetic.br/NIC.br, o uso de IA por empresas brasileiras cresceu de 13% em 2024 para 17% em 2025. Nas grandes empresas, o salto foi mais expressivo: de 38% para 50% no mesmo período. Já uma pesquisa do Sebrae/FGV IBRE, com colaboração do Google, mostrou que 99% dos dirigentes de médias e grandes empresas afirmam ter familiaridade com ferramentas de IA generativa e 63% delas já as usam diretamente nos negócios.
Esses números mostram que o Brasil não está parado. Mas também revelam um ponto crítico: familiaridade não é maturidade. Usar IA para escrever textos, responder mensagens, fazer campanhas ou automatizar tarefas simples é importante, mas ainda não representa uma transformação estrutural. O próprio Cetic.br avalia que parte do aumento observado pode ser entendida mais como uma adaptação pontual de processos do que como uma mudança profunda na forma de operação das empresas.
É aqui que o Japão oferece uma lição relevante.
O Japão mostra que IA é uma agenda de modernização, não apenas de automação
O texto sobre o AI supercycle no Japão apresenta o país como um “legacy modernizer”. A expressão é importante. Ela indica um mercado com sistemas legados, cadeias industriais maduras, empresas tradicionais e a necessidade de uma modernização profunda para capturar valor por meio de IA.
O Brasil também é, em grande parte, um país de modernização legada.
Nossa indústria tem ilhas de excelência, mas ainda convive com baixa intensidade de digitalização. A CNI aponta, com base em dados da Pintec divulgados em 2025, que 59,2% das empresas industriais brasileiras utilizam apenas uma ou duas tecnologias digitais, enquanto 47,6% relatam dificuldades para inovar. Isso significa que, para muitas empresas, o desafio não é simplesmente “colocar IA” nos processos existentes. O verdadeiro desafio é reorganizar dados, sistemas, rotinas, competências e indicadores para que a IA opere com segurança e gere valor mensurável.
A primeira lição japonesa, portanto, é clara: a IA não deve ser tratada como uma ferramenta isolada, mas como um programa de modernização organizacional.
No Brasil, muitas empresas ainda se perguntam qual ferramenta de IA contratar. A pergunta correta deveria ser: quais processos precisam ser redesenhados para que a IA produza ganhos reais de produtividade, qualidade, segurança, atendimento, logística, manutenção ou na tomada de decisão?
Governança precisa vir antes da escala
Outro aprendizado central do Japão é a conexão entre adoção e governança. Em abril de 2024, o METI e o MIC publicaram as AI Guidelines for Business, ver. 1.0, integrando e atualizando diretrizes anteriores de pesquisa, uso e governança de IA. As diretrizes foram elaboradas com especialistas, por meio de consulta pública e com foco em orientar empresas que desenvolvem, fornecem ou utilizam IA.
Em 2025, o Japão também avançou com sua primeira legislação nacional diretamente voltada à IA, mencionada pela Digital Agency como base para a política de uso de IA no governo. A mesma agência afirma que, no ano fiscal de 2026, cerca de 180 mil servidores públicos japoneses deverão ter acesso a um ambiente seguro de IA generativa, chamado GENAI.
Esse ponto é decisivo. O Japão não está tratando a IA apenas como uma questão de eficiência operacional. Está tratando a IA como infraestrutura institucional, com segurança, dados, modelos, ambientes controlados, aplicações específicas e aprendizado governamental em escala.
No Brasil, o debate regulatório também avança. O país ainda não possui uma lei geral e abrangente de IA em vigor, mas o PL 2.338/2023 segue como a principal proposta em discussão no Congresso, com uma abordagem baseada em risco, transparência, responsabilidade, direitos fundamentais e mecanismos de supervisão. O projeto foi aprovado no Senado em dezembro de 2024 e permanece em revisão na Câmara dos Deputados, sujeito a debates técnicos e alterações.
A lição japonesa não é “regular antes de inovar” nem “inovar sem regular”. É outra: criar uma governança proporcional ao risco e ao uso real.
Empresas brasileiras que pretendem usar IA em processos críticos precisam abandonar a ideia de que governança é burocracia. Em IA, a governança é condição para a escala. Sem critérios de validação, rastreabilidade, explicabilidade, segurança da informação, controle humano e gestão de dados, a empresa pode até realizar pilotos interessantes, mas terá dificuldade em colocar IA em produção com confiança.
O comprador corporativo quer resultado local, não promessa global
O artigo sobre o Japão destaca uma lacuna relevante entre fornecedores de tecnologia e compradores empresariais: muitos vendedores apresentam promessas genéricas, enquanto os compradores buscam casos locais, métricas claras, cronograma de implantação e custo total de propriedade.
Essa crítica se aplica diretamente ao Brasil.
No mercado brasileiro, ainda é comum encontrar apresentações de IA baseadas em frases amplas: “aumenta produtividade”, “reduz custos”, “automatiza processos”, “usa IA generativa”. O problema é que isso já não diferencia ninguém. O comprador corporativo está amadurecendo. Ele quer saber quanto custa preparar os dados, integrar sistemas, treinar equipes, monitorar modelos, revisar as saídas, manter a segurança, atender à LGPD e justificar decisões automatizadas.
A pesquisa TIC Empresas 2025 mostra que, entre as empresas brasileiras que utilizam IA, 80% adquiriram softwares ou sistemas prontos para uso, e 60% contrataram fornecedores externos para desenvolver ou adaptar soluções. Nas grandes empresas, o desenvolvimento interno de IA passou de 24% para 37%. Esse dado indica uma transição importante: o mercado começa a comprar soluções prontas, mas as empresas maiores passam gradualmente a construir competências próprias.
Para fornecedores brasileiros de IA, isso muda o jogo. A venda não pode se limitar à tecnologia. Precisa incluir diagnóstico, desenho do processo, integração, governança, treinamento, indicadores e evidências de resultado. A empresa que vende IA sem explicar o custo total de adoção perde credibilidade justamente com os decisores que controlam orçamento, risco e operação.
IA exige dados, não apenas modelos
Outro ponto em que o Brasil pode aprender com o Japão é a infraestrutura. O Japão investe em capacidade computacional estratégica. A infraestrutura ABCI, construída pelo National Institute of Advanced Industrial Science and Technology, é descrita como uma infraestrutura aberta de computação em IA, lançada em 2018 e atualizada para a versão 3.0 em janeiro de 2025.
O Brasil também prevê infraestrutura de alto desempenho no PBIA, mas o problema empresarial cotidiano é mais básico: dados fragmentados, sistemas desconectados, baixa padronização, ausência de históricos confiáveis e pouca cultura de medição. Não há IA robusta com dados frágeis.
Essa é uma das lições mais importantes para a indústria brasileira. A empresa que deseja usar IA para manutenção preditiva, segurança do trabalho, qualidade, inspeções, logística, vendas ou atendimento precisa, antes, organizar seu ativo informacional. Dados precisam ter origem, contexto, padronização, qualidade, versionamento e governança.
Sem isso, a IA apenas acelera o erro.
No ambiente industrial, essa questão é ainda mais sensível. Um modelo pode sugerir uma ação de manutenção, uma recomendação de segurança, uma classificação de risco ou uma priorização operacional. Mas, se os dados forem incompletos, desatualizados ou mal classificados, a resposta da IA pode parecer sofisticada e ainda assim estar tecnicamente errada.
AEO e GEO: a IA também mudou o modo como empresas são encontradas
O artigo japonês traz outro ponto importante: compradores B2B já usam IA para pesquisar fornecedores. Isso muda o marketing, as vendas e o posicionamento técnico. Antes, a disputa era por aparecer no Google. Agora, a disputa também é por aparecer corretamente nas respostas de ferramentas como ChatGPT, Gemini, Perplexity e outros mecanismos generativos.
Isso cria duas novas disciplinas: AEO, ou Answer Engine Optimization, e GEO, ou Generative Engine Optimization.
Para empresas brasileiras, especialmente as B2B, isso é estratégico. Não basta ter um site bonito, postagens nas redes sociais ou materiais comerciais. É necessário produzir conteúdo técnico, verificável, citável, coerente e estruturado. A empresa precisa ser compreendida pelas máquinas de resposta como uma fonte confiável em sua categoria.
Em outras palavras: a IA está mudando não apenas o produto vendido, mas também o processo de compra.
O comprador pesquisa problemas, compara abordagens, consulta referências, pede explicações a sistemas generativos e chega ao fornecedor muito mais informado. Quem não se apresenta com clareza nessa etapa pode ser eliminado antes mesmo da primeira reunião comercial.
O Brasil precisa transformar entusiasmo em capacidade operacional
O Brasil tem vantagens importantes. Temos uma população digitalmente ativa, ampla adoção de aplicativos, forte uso de canais como o WhatsApp, um ecossistema empreendedor relevante e setores com grande potencial de aplicação de IA, como agronegócio, indústria, saúde, jurídico, educação, serviços financeiros, logística e segurança do trabalho.
Mas também temos riscos. O uso pode crescer de forma superficial. Pequenas empresas podem usar IA sem consciência sobre privacidade e segurança. Grandes empresas podem investir em ferramentas sem redesenhar processos. O setor público pode adotar soluções sem maturidade em dados. A indústria pode tentar automatizar decisões sem criar mecanismos de explicabilidade, validação humana e rastreabilidade.
O Japão ensina que a corrida da IA não será vencida apenas por quem adotar mais rápido. Será vencida por quem conseguir combinar velocidade com método.
Para o Brasil, isso significa cinco movimentos práticos.
Primeiro, sair dos pilotos e escolher casos de uso com métricas claras. Em segundo lugar, tratar os dados como infraestrutura estratégica. Terceiro, criar governança de IA antes da escala. Quarto, formar pessoas para usar, validar, contestar e melhorar sistemas de IA. Quinto, construir referências locais, com evidências brasileiras, em setores brasileiros e com problemas brasileiros.
Conclusão
O Japão mostra que a IA entrou em uma nova fase. Não se trata mais de experimentar ferramentas. Trata-se de modernizar sistemas produtivos, redesenhar processos, criar governança, desenvolver infraestrutura, capacitar pessoas e medir resultados.
O Brasil está diante da mesma oportunidade, mas com seus próprios desafios. O país já possui um plano nacional, um aumento da adoção empresarial e um debate regulatório em evolução. No entanto, a maturidade ainda é desigual. Muitas empresas conhecem IA, mas poucas a utilizam de forma estruturada.
A principal lição japonesa talvez seja esta: a IA só gera vantagem competitiva quando deixa de ser uma novidade tecnológica e passa a ser uma competência organizacional.
Para o Brasil, o próximo passo não é apenas usar mais IA. É usar melhor, com dados melhores, governança mais clara, casos de uso mais objetivos e resultados comprováveis.
Referências consultadas
- Cetic.br/NIC.br. TIC Empresas 2025: uso de IA por empresas brasileiras.
- FGV IBRE/Sebrae/Google. Uso de IA nos negócios no Brasil.
- Observatório Brasileiro de Inteligência Artificial. Indicadores do Plano Brasileiro de Inteligência Artificial 2024-2028.
- CNI. Inovação para impulsionar a competitividade industrial no Brasil.
- METI/MIC Japan. AI Guidelines for Business Ver. 1.0.
- Digital Agency Japan. Government AI “GENAI”.
- ABCI/AIST. AI Bridging Cloud Infrastructure.
- CMS Expert Guide. AI laws and regulation in Brazil.
- Mattos Filho. Technology and the law in Brazil: trends, challenges and opportunities in 2026.
Gostou? Então compartilhe:
