Com uma sopa de letras que, na prática, cobriu questões de inovação, dinheiro e ganhos efetivos, com uma visão articulada de evolução em hardware, software e nos casos de uso em si, a apresentação Claro Cloud com IA e GPUs: onde está o ROI? trouxe os visitantes do Web Summit Rio 2025 a uma das sessões mais pragmáticas e instigantes do evento.
Casa de ferreiro
Os especialistas da Claro empresas, além de esclarecimentos sobre sua infraestrutura de nuvem e soluções baseadas em IA, compartilharam sua própria experiência com a tecnologia, com muita transparência ao relatar os desafios enfrentados.
“IA não é solução para nada. Olhem como um acelerador para obter resultados”, provocou Sérgio Gaiotto, diretor de dados e IA da Claro empresas. A frase deu o tom de um painel que buscou realismo e responsabilidade na adoção da IA generativa, sem perspectivas vagas ou hypes.
Rodrigo Assad, diretor de inovação do beOn, hub de inovação da Claro, reforçou que o entusiasmo é real, mas precisa ser canalizado para frentes com potencial de ganho mensurável. “Exploramos centenas de possibilidades com GenAI. Hoje, temos cerca de 8 milhões de chamadas API Rest ativas. Mas buscamos sempre aquilo que traga ganhos quantitativos reais”, afirmou.
Gaiotto complementou dizendo que tudo na empresa é pensado com base em indicadores. “Com o beOn, estruturamos o processo de inovação para que qualquer novo projeto só vá adiante se houver resultados mensuráveis. Com iniciativas isoladas, se perderiam sinergia e investimento”, resume.
Além disso, a empresa reconhece que nem sempre a IA é a resposta ideal — ou sequer necessária. “Mais da metade das soluções sugeridas nos nossos seminários internos poderiam ser resolvidas com RPA (robô de automação de processo)”, exemplificou Assad. “Nem tudo precisa de GenAI. A tecnologia precisa ser o meio, não o fim”, constatou.
Ganhos agora e no futuro
Na avaliação de Guilherme Fuhrken, gerente regional da Nvidia para varejo e telecomunicações, o verdadeiro ROI da IA se manifesta quando ela escala — e é nesse momento que surgem os maiores desafios. “O ideal é aplicar IA em processos de alto custo. Testar, validar, e só então escalar. Mas, se esse ciclo demorar um ano, o timing do ganho se perde”, alertou.
Ele destacou ainda que, a cada avanço nas tecnologias de hardware e modelos, os custos de operação diminuem significativamente. “O custo por token pode cair até 50% a cada nova geração. Isso muda completamente o jogo. Se antes você tinha 100 projetos economicamente viáveis, com a nova geração dá para fazer 200”, exemplificou.
Fuhrken também reforçou a importância de um ecossistema de capacitação interna. “Não dá para esperar que todo mundo já tenha experiência com GenAI. Temos que formar as equipes enquanto caminhamos. O uso de IA precisa permear todos os departamentos, com letramento constante”, disse.
Paulo Zambroni, diretor de Contas da AWS, mencionou que a empresa tem um investimento de U$ 8 bilhões só na Antropic para modelos que tornem o uso mais atrativo. “Incentivamos a experimentação. Mais difícil, todavia, é colocar em produção e escalar. Na estimativa de ROI, tem que se ver o custo com altos volumes”, advertiu.
Ele destacou que há várias alternativas de desenho das implementações para se chegar à melhor eficiência operacional. “Não há mecanismos que sirvam para tudo”, pontuou.
Entre os conselhos práticos para quem busca ROI com IA, Gaiotto resumiu em quatro pontos: (1) usar o que já está disponível, (2) aproveitar ferramentas open source, (3) identificar talentos internos e (4) escolher bem os parceiros.
A necessidade de uma estratégia clara também passa por avaliar riscos. Assad lembrou que, em áreas como centrais de relacionamento, um erro de 5% já é inaceitável. “Se a IA alucina, arrasa tudo”, afirmou. Para Gaiotto, esse é mais um motivo para trazer especialistas do negócio para dentro do time técnico. “Falta de transparência em modelos de deep learning é um risco real. Não dá para entrar num tema desses sem domínio profundo do negócio.”
Escalar a IA com resultados tangíveis não é uma corrida de hype, mas um processo estratégico que exige experimentação, ajustes constantes e foco no que realmente importa: o impacto real nos indicadores da empresa. Como demonstraram os especialistas, a inteligência artificial não é mágica — é método. E quando bem aplicada, pode transformar não apenas os resultados de curto prazo, mas também a forma como empresas inteiras operam no futuro.