Os cinco níveis de maturidade em IA são consciência, experimentação, piloto estruturado, escala e liderança. O que separa um nível do outro não é a quantidade de ferramentas em uso, mas quem responde formalmente pelos projetos, como os dados são governados e se existe métrica de negócio acompanhando o resultado.
A distribuição das empresas por esses níveis é desigual e concentrada na base, como detalha Maturidade em IA: Em Qual Estágio Sua Empresa Está?. Segundo o estudo Panorama IA nas Empresas Brasileiras, realizado pela H2R Insights & Trends para a TOTVS em 2025 com 194 empresas, 71% das companhias brasileiras se posicionam no estágio inicial de adoção, 25% no intermediário e 4% no avançado. O relatório The State of AI in 2025, da McKinsey, publicado em novembro de 2025, encontrou padrão semelhante em escala global: dois terços das organizações ainda não começaram a escalar IA na empresa.
Nível 1: o que caracteriza o nível de consciência?
O nível 1 de maturidade em IA se caracteriza por reconhecimento do tema sem projeto correspondente. A liderança discute IA em reuniões, mas não existe iniciativa estruturada, responsável formal nem base de dados organizada. É o nível mais populoso entre empresas brasileiras de médio porte.
Os sinais são consistentes. Os dados estão dispersos em sistemas desconectados, planilhas locais e processos manuais não documentados. Não há profissionais com competência específica em dados ou IA na equipe interna. A conversa sobre a tecnologia acontece sem clareza sobre o que ela significa em termos práticos para o negócio.
O tamanho desse grupo aparece no dado do Cetic.br. Segundo a pesquisa TIC Empresas 2025, do Cetic.br e do NIC.br, publicada em 2026 com 4.174 empresas de dez ou mais pessoas empregadas, apenas 17% utilizaram algum tipo de IA em 2025. A maioria absoluta das empresas brasileiras, portanto, não passou do nível 1.
O estudo da ABIACOM com a Brazil Panels e a Lideres.ai, conduzido entre outubro e novembro de 2025 com 200 empresas, classificou 45,7% das companhias como iniciantes: expostas a informação sobre IA, mas ainda sem ações concretas ou estratégia definida.
Nível 2: o que caracteriza o nível de experimentação?
O nível 2 de maturidade em IA se caracteriza por experimentos isolados, normalmente concentrados em uma área e conduzidos por iniciativa individual, sem métrica de sucesso nem plano de expansão. É o nível em que a tecnologia está presente e o processo permanece intacto.
O marcador mais claro do nível 2 é o uso extraoficial. O estudo da ABIACOM identificou que 47,4% dos profissionais usam ferramentas de IA sem aprovação formal, enquanto o uso oficial declarado fica em 38,4%. A mesma pesquisa mostra que 59,1% das empresas brasileiras não têm política definida para uso de IA.
O risco específico desse nível é a perda de aprendizado. Sem processo para documentar o que funcionou, o piloto termina quando a pessoa que o conduziu muda de área. A empresa repete o mesmo experimento dois anos depois.
A distância entre uso e resultado quantifica o nível 2. Segundo a pesquisa da Amcham Brasil em parceria com a Humanizadas, divulgada em agosto de 2026 com 629 executivos, 34% afirmam que a IA produziu resultados pontuais sem efeito relevante no negócio e 27% dizem não ter obtido nenhum resultado relevante. Somados, 61% dos respondentes.
O caso da Suzano mostra como um projeto de nível 2 pode ser conduzido de forma a não se perder. A solução Ana Maria, desenvolvida com a Microsoft para a fábrica de celulose de Três Lagoas, começou como aplicação restrita ao apoio de diagnóstico de falhas no digestor, implementada a partir de junho de 2023, e reduziu em 15 horas o tempo de treinamento de novos profissionais no processo de cozimento. Em paralelo, a companhia liberou o GPT Suzano para quase 50 mil colaboradores no primeiro semestre de 2024, o que transformou o uso individual disperso em ambiente governado.
Nível 3: o que caracteriza o nível de piloto estruturado?
O nível 3 de maturidade em IA se caracteriza por pilotos com patrocínio da liderança, equipe formalmente alocada, métrica definida antes do início e critério explícito de avaliação. A infraestrutura de dados começa a ser organizada em um repositório central com governança formal.
Este é o nível em que o diagnóstico gera mais valor, porque é aqui que se decide o que vai para escala e o que será descontinuado. A decisão exige critério anterior ao projeto, não avaliação retrospectiva.
O gargalo do nível 3 tem nome e número. Rodrigo Silveira, diretor de dados e IA da Gerdau, apresentou em abril de 2026, no Gartner Data & Analytics, o principal desafio da companhia: o vale da morte da prova de conceito e a quebra de sistemas no momento de escalar. A resposta da empresa foi estrutural: um centro de inovação em IA que funciona como laboratório de testes rápidos, com projetos que precisam demonstrar valor em ciclos de até 45 dias, e um comitê mensal de governança que avalia riscos éticos e legais.
A Vale documentou a passagem do nível 3 para o nível 4 com números públicos. A Usina Modelo Conceição II, em Itabira, recebeu investimento de R$ 200 milhões e implantou 51 soluções ao longo de cerca de um ano e meio de modernização. Desde o início do projeto, em 2024, a produtividade aumentou 25%, a produção de minério premium cresceu 40% e as perdas de ferro no rejeito caíram 26%, segundo o Valor Econômico em agosto de 2026. A capacidade da planta passou de aproximadamente 9 milhões de toneladas em 2024 para 11,2 milhões de toneladas por ano.
Nível 4: o que caracteriza o nível de escala?
O nível 4 de maturidade em IA se caracteriza por múltiplos projetos em produção com impacto mensurável no resultado, sustentados por infraestrutura de dados sólida, processos de manutenção de modelos e equipe interna capaz de evoluir os sistemas existentes. A IA deixa de ser iniciativa de tecnologia e passa a integrar a estratégia de negócio.
A escala é rara. Segundo a McKinsey, apenas cerca de um terço das organizações afirma estar escalando programas de IA na empresa. O porte pesa: quase metade das companhias com mais de US$ 5 bilhões em receita alcançou esse nível, contra 29% das empresas com menos de US$ 100 milhões.
O desafio típico do nível 4 muda de natureza. Não é mais provar valor, é manter governança, integração entre sistemas e qualidade dos modelos ao longo do tempo. A Gartner registrou em 2024 que 80% das grandes organizações afirmam ter iniciativas ativas de governança de IA, mas menos da metade demonstra maturidade de governança mensurável.
A Gerdau exemplifica o nível 4 em operação industrial. A automação da cotação de matéria-prima atingiu 95% de assertividade e reduziu em 65% o tempo de atendimento ao cliente, de 51 para 16 dias. Cerca de 40% das operações de descarga de matéria-prima ocorrem sem intervenção humana. O monitoramento por câmeras identifica mais de 2.300 riscos diários com 90% de precisão. No planejamento de curto prazo, reconhecido no SAP Innovation Awards 2026, a companhia reduziu em 97% o tempo de planejamento, de cinco dias para cerca de 70 minutos por semana, com 38% menos rupturas de estoque em três meses e planejamento automatizado para aproximadamente 52 mil SKUs.
A Vale, ao replicar a arquitetura de Conceição II em Brucutu, com conclusão prevista para 2027, executa a definição operacional de escala: reproduzir em outra unidade o ganho obtido no piloto. Na planta modelo, 100% das decisões operacionais consideradas críticas contam com suporte de sistemas especialistas, e todos os 122 operadores, instrumentistas e líderes foram capacitados em um processo que somou mais de 2.800 horas de treinamento.
Nível 5: o que caracteriza o nível de liderança?
O nível 5 de maturidade em IA se caracteriza pela IA como ativo estratégico central, construída sobre dados proprietários e modelos customizados. A organização inova em IA em vez de apenas adotar soluções de mercado. A vantagem competitiva é difícil de replicar porque depende de dados que o concorrente não possui.
O Itaú Unibanco é a referência brasileira mais documentada nesse nível. O banco reúne mais de 800 iniciativas envolvendo a tecnologia e mais de mil modelos disponíveis para uso. No primeiro semestre de 2026, o uso de IA cresceu aproximadamente 88% em relação ao mesmo período do ano anterior, segundo André Palma, diretor de TI do banco, no FEBRABAN TECH 2026.
A base desse nível está nos dados, não nos modelos. Segundo dados apresentados por Carlos Eduardo Mazzei, diretor de tecnologia do Itaú, em julho de 2026, a instituição mantém 1,5 mil curadores de dados, tem 95% dos dados com responsáveis nomeados, 70% das tabelas internas em monitoramento contínuo de qualidade e 70% dos metadados gerados por IA. Entre 2024 e 2025, o banco reduziu em 65% os custos com tokens, resultado da seleção de modelo por necessidade de cada aplicação e não apenas da queda no preço unitário.
Os resultados de negócio acompanham. O banco registra aumento de 30% de acurácia na avaliação de risco de crédito e margem financeira líquida de R$ 1 bilhão no primeiro ano de concessão de crédito com apoio de IA. Na operação interna, a análise de 30 mil documentos imobiliários por ano teve redução de 75% no tempo de análise, e o jurídico transcreveu 43 milhões de documentos e 300 mil ligações.
O Magazine Luiza ocupa o nível 5 por outro caminho: a IA dentro do produto. A Lu no WhatsApp registra conversão três vezes maior que a busca no aplicativo tradicional da varejista e índice de satisfação de 90, acima da média de 85 dos outros canais. A experiência foi aberta inicialmente para 300 mil pessoas e expandida para 1 milhão de usuários frequentes, sobre um catálogo de 37 milhões de ofertas com estoque.
A Natura demonstra o mesmo nível aplicado a um canal de vendas. A companhia opera o MAIA, modelo que integra mais de 54 agentes ativos dedicados à venda por relações, que envolve mais de 2,8 milhões de consultoras. Em 2025, a empresa investiu R$ 1,4 bilhão em inovação, com receita líquida de R$ 22,21 bilhões.
O que muda em dados, governança e pessoas em cada nível?
As três dimensões evoluem em paralelo, e a mais atrasada define o nível real da organização. Dados passam de silos a ativo estratégico. Governança passa de inexistente a mensurável por indicador. Pessoas passam de entusiastas isolados a competência distribuída.
Em dados, a progressão é concreta. No nível 1, informação fragmentada em planilhas locais. No nível 3, repositório central com catálogo e governança formal. No nível 5, dados tratados como produto interno, com responsável nomeado e monitoramento contínuo de qualidade.
Em governança, a linha divisória entre o nível 3 e o nível 4 é a medição. A Databricks descreve esse ponto com precisão: organizações de nível 2 e 3 identificam risco, mas não acompanham a exposição que permanece depois das medidas de controle. O que separa o nível 3 do nível 4 é definir indicador de governança, implantar monitoramento e agendar auditoria independente.
Em pessoas, o avanço não é apenas contratação técnica. A Gerdau mantém um programa interno de capacitação em dados aberto a toda a companhia. A Vale capacitou os 122 profissionais da planta modelo antes de operar no novo padrão. Segundo a pesquisa da Amcham com a Humanizadas, 43% das empresas citam a falta de profissionais qualificados como obstáculo e 41% apontam a falta de integração entre áreas e sistemas.
O que trava a passagem do nível 2 para o nível 3?
A passagem do nível 2 para o nível 3 trava por ausência de três decisões: nomear um responsável formal, definir a métrica de negócio antes de iniciar o projeto e documentar o que funcionou. Nenhuma das três é técnica. Todas dependem de decisão de gestão.
O dado que mede essa trava é o de medição. Segundo o estudo da TOTVS, apenas 7% das empresas brasileiras calculam o retorno sobre o investimento em IA, e 24% das que usam a tecnologia não possuem métrica definida. Sem métrica, não existe critério para decidir o que escala.
O orçamento é o segundo travamento. A pesquisa da Amcham com a Humanizadas mostra que 77% das empresas brasileiras não investem em IA ou destinam até 2% do orçamento à tecnologia, e apenas 9% direcionam mais de 5%. Em contraste, entre as organizações que a McKinsey classifica como de alto retorno — cerca de 6% da amostra global, que atribuem 5% ou mais do EBIT à IA — mais de um terço destina mais de 20% do orçamento digital à tecnologia.
O terceiro travamento é o redesenho de processo. Entre 25 atributos testados pela McKinsey, o redesenho de fluxos de trabalho é o que tem maior efeito sobre a capacidade de registrar impacto no EBIT. Ainda assim, apenas 21% das empresas que usam IA generativa afirmam ter redesenhado profundamente algum fluxo.
Como saber em qual dos cinco níveis a empresa está?
Identificar o nível exige avaliar seis dimensões separadamente — dados, tecnologia, processos, pessoas, cultura e governança — e adotar como nível real o da dimensão mais atrasada. A média entre dimensões produz um número confortável e enganoso.
O desequilíbrio entre dimensões é a regra, não a exceção. Segundo a pesquisa Maturidade da IA Corporativa no Brasil, do Templo, realizada com 382 profissionais de diferentes níveis e setores, o score médio geral foi de 55,6 em 100 pontos, mas cultura de inovação recebeu 67,9 e automação de workflows recebeu 35,0. A mesma pesquisa mostra que 61% dos profissionais avaliados operam abaixo do nível intermediário e que 84% do uso se concentra em apenas três ferramentas de propósito geral, enquanto ferramentas de automação e integração foram citadas por 2,9% dos respondentes.
Há também variação entre áreas da mesma empresa. Recursos Humanos pontuou 61,0 e Educação corporativa 61,3, enquanto Comercial e Vendas ficaram em 47,4 e Revenue Management em 43,9. Um nível único atribuído à organização inteira apagaria essa diferença.
O relatório Maturidade da IA Corporativa no Brasil, com a distribuição por dimensão e por área funcional dos 382 profissionais avaliados, serve como referência de comparação com o mercado brasileiro. O método de coleta e pontuação está descrito em Como Avaliar a Maturidade em IA da Sua Organização.
Perguntas frequentes
É possível pular um nível de maturidade em IA?
Não de forma sustentável. Cada nível constrói a base do seguinte: sem dados organizados no nível 3, os modelos do nível 4 degradam sem que ninguém perceba. Empresas que tentam escalar direto da experimentação acumulam sistemas que quebram no momento da integração.
Quantas empresas brasileiras chegaram ao nível 5?
Poucas, e são identificáveis. O estudo da TOTVS aponta que apenas 4% das empresas brasileiras se classificam no estágio avançado de adoção. Os casos públicos mais documentados concentram-se em setores intensivos em dados: serviços financeiros, varejo de grande escala, mineração e siderurgia.
O nível de maturidade em IA depende do porte da empresa?
Parcialmente. Segundo o Cetic.br, a adoção entre grandes empresas brasileiras passou de 38% em 2024 para 50% em 2025, contra 10% para 15% entre as pequenas. Mas a McKinsey mostra que 29% das empresas com menos de US$ 100 milhões em receita já escalaram IA, o que indica que o porte facilita sem determinar.
Qual nível uma empresa média deve buscar como meta realista?
O nível 3 em todas as dimensões dentro de 12 meses é a meta que a Databricks recomenda como referência para governança de IA, com caminho para o nível 4 em 24 meses. Buscar o nível 5 sem consolidar dados e governança tende a produzir projetos que não sobrevivem à primeira auditoria.
Um nível alto em tecnologia compensa um nível baixo em dados?
Não. Dados são a dimensão limitante. O estudo da International Data Corporation para a ABES, divulgado em agosto de 2026, mostra que apenas 48% das empresas brasileiras têm dados bem estruturados e governados, e essa lacuna restringe diretamente a capacidade de escalar projetos de IA com segurança, independentemente da infraestrutura disponível.
Os cinco níveis servem como referência de comparação, não como classificação a ser declarada. O valor está em identificar qual dimensão está um nível atrás das outras, porque é ela que determina o ritmo do avanço. Vamos conversar sobre como isso afeta a sua empresa: o Assessment de IA do Templo posiciona a organização por dimensão e por área, com resultado em minutos.
