Enquanto muitas organizações ainda enfrentam dificuldades para justificar o retorno sobre investimento e mitigar riscos ao escalar iniciativas de inteligência artificial agêntica, a Localiza&Co seguiu por uma rota mais pavimentada. A companhia se tornou um benchmark por sua abordagem de aproveitar um legado já consolidado de gestão descentralizada, métricas de aferição de resultados, disciplina de priorização de investimentos e práticas de FinOps desenvolvidas ao longo da evolução de seus produtos digitais.
O resultado foi a criação de um framework de engenharia de valor capaz de transformar oportunidades de IA em decisões comparáveis de negócio, reduzindo incertezas e aumentando a previsibilidade dos investimentos. O caso é descrito e analisado em artigo publicado na Revista DOM, da Fundação Dom Cabral FDC), de autoria dos professores Plínio Ventura (que também é pesquisador da FDC), Rodrigo Baroni e Carolina Costa Cavalcanti.
A iniciativa ganha relevância em um momento em que a IA agêntica ocupa o centro das estratégias corporativas. Diferentemente dos assistentes generativos, os agentes são capazes de executar tarefas, tomar decisões e interagir com sistemas de forma mais autônoma. O potencial de transformação é significativo, mas também amplia os riscos relacionados à segurança, à governança, à conformidade regulatória e, principalmente, à geração efetiva de valor para o negócio.
A Localiza&Co parte de uma posição singular para enfrentar esse desafio. Maior rede de mobilidade da América do Sul, a companhia atua em sete países, mantém uma frota superior a 628 mil veículos, opera 946 pontos físicos e emprega cerca de 22 mil pessoas. Sua atuação abrange consumidores, empresas e motoristas de aplicativo, sustentada por uma cultura que combina inovação com rigor na execução.
O principal diferencial do caso não está na adoção de uma nova ferramenta tecnológica, mas na capacidade de reaproveitar disciplinas de gestão já maduras dentro da organização. Processos de priorização de investimentos, métricas de captura de valor, governança ágil e mecanismos de controle operacional foram adaptados à avaliação de oportunidades em IA agêntica. Em vez de construir um processo paralelo, a empresa incorporou a nova tecnologia a uma lógica de gestão já testada em larga escala.
O desafio de escalar uma tecnologia ainda imatura
“O ponto crítico é que, apesar do potencial, a IA agêntica ainda é um campo imaturo no mercado global. Isso abre espaço para geração de valor e construção de vantagem competitiva no longo prazo, mas também amplia riscos relevantes para o negócio em áreas técnicas, de cibersegurança, de viabilidade econômica e de governança”, ponderam os autores.
Segundo o artigo, a velocidade com que surgem as oportunidades de aplicação aumenta a probabilidade de decisões inconsistentes, desperdício de orçamento e direcionamento de equipes para iniciativas de baixo retorno. A pressão para acompanhar movimentos do mercado pode reduzir o rigor na avaliação de viabilidade e riscos, justamente quando os investimentos exigem mais cautela.
Foi para responder a esse desafio que a empresa desenvolveu um modelo capaz de funcionar simultaneamente como acelerador da inovação e mecanismo de controle.
“Burocracia em excesso trava a experimentação e limita a captura de valor; burocracia insuficiente favorece uma adoção desordenada e amplia a chance de destruição de valor por decisões mal fundamentadas ou riscos negligenciados”, lembram os professores. “Em ambientes de euforia tecnológica, cresce a tendência de assumir premissas frágeis, como a confiança excessiva na suposta infalibilidade da IA, e de minimizar riscos relevantes. Nesse contexto, ganham peso práticas que reforcem pensamento crítico, disposição para questionar certezas e capacidade de desaprender quando necessário. Essa base sustenta a lógica do framework: acelerar a adoção sem perder critério”, esclarecem.
Engenharia de valor sobre a estrutura legada de processos ágeis
O coração do modelo é uma metodologia de priorização que transforma diferentes oportunidades de IA em iniciativas comparáveis sob uma mesma lógica de análise.
“A ideia é criar um fluxo único e repetível que conecte a oportunidade ao investimento, passando por triagem, engenharia de valor, desenho de POC e checagem de captura de valor, antes de qualquer decisão de ampliação. Com isso, oportunidades de IA agêntica deixam de depender de avaliações pontuais ou critérios dispersos e passam a ser comparadas sob a mesma régua, reduzindo o risco de escopos mal definidos, priorizações inconsistentes e investimentos sem lastro. Ao mesmo tempo, o método preserva a agilidade: organiza o caminho para testar rápido, medir e só escalar quando a hipótese de valor se sustenta”, descreve o artigo.
A estrutura foi construída a partir do modelo operacional do Localiza Labs, área responsável pelo desenvolvimento dos produtos digitais da companhia. O trabalho é organizado em tribos e squads que atuam em ciclos de 90 dias, divididos em sprints de 15 dias. Como capacidade técnica e orçamento são recursos limitados, cada iniciativa é tratada como um investimento e avaliada sob a ótica de custo e benefício.
Foi justamente essa disciplina de gestão, já consolidada na organização, que serviu de base para a criação do framework de IA agêntica.
Testes em casos reais
O framework foi submetido a um teste inicial em duas oportunidades identificadas durante o processo regular de planejamento da empresa. Os projetos passaram pela elaboração de business cases, aplicação da engenharia de valor, avaliações de cibersegurança, definição de indicadores de desempenho e validação da captura de valor esperada. O tempo médio para concluir o processo foi de 20 dias úteis. Ao final, ambas as iniciativas foram consideradas viáveis pelos critérios estabelecidos.
A experiência permitiu validar não apenas o método, mas também a sua aderência ao modelo operacional já existente na organização.
O papel do Agile Transformation Office
Para garantir a adoção e evolução do framework, a Localiza definiu que a gerência do Agile Transformation Office (ATO) será responsável por sua implementação e manutenção.
A escolha decorre do papel transversal já exercido pela área na governança dos investimentos digitais, dos processos de priorização e das métricas de retorno sobre investimento. O plano de implantação prevê treinamento corporativo por meio da Universidade Localiza, integração ao processo formal de planejamento do Localiza Labs, coleta de feedbacks e evolução contínua do método a partir da experiência prática.
A simplicidade como vantagem competitiva
Um dos aprendizados mais relevantes foi a constatação de que a adoção sustentável depende menos da sofisticação técnica e mais da capacidade de incorporar novos processos à rotina das equipes. “A experiência também evidenciou um fator de sucesso frequentemente subestimado: simplicidade operacional. Um framework que não exige ferramentas novas, reaproveita artefatos já conhecidos e pode ser governado de forma transversal tende a reduzir barreiras de adoção e sustentar continuidade, condição importante para que o método evolua por versões sem perder aderência ao dia a dia”, notam os professores.
Os autores observam que os maiores esforços durante os testes não estiveram no cálculo dos indicadores, mas no alinhamento entre as áreas envolvidas, na elaboração dos business cases e nas avaliações de cibersegurança. Isso reforça a importância de treinamento, padronização e clareza dos processos para reduzir retrabalho e garantir consistência nas decisões.
A importância do benchmark de como transformar IA em resultado
As dificuldades enfrentadas pela maioria das organizações ajudam a explicar a relevância da abordagem adotada pela Localiza. Pesquisas citadas pelos autores mostram que 72% dos líderes de tecnologia apontam a fragmentação e a dificuldade de acesso aos dados como principal barreira para a evolução dos projetos de IA, enquanto apenas 42% das empresas afirmam possuir bases de dados suficientemente maduras para sustentar essas iniciativas.
No campo da operação e governança, estudo global da Sinch indica que 74% das organizações já precisaram interromper ou reduzir o uso de agentes de IA devido a problemas de confiabilidade, segurança ou governança, ao mesmo tempo em que 76% passaram a priorizar investimentos em confiança, conformidade e segurança.
O desafio também se estende à gestão financeira. Pesquisa da VentureBeat mostra que 21% das empresas não possuem mecanismos para interromper automaticamente o consumo de recursos computacionais quando agentes de IA apresentam comportamentos inesperados, elevando o risco de custos fora de controle.
Já os desafios de escala continuam limitando o retorno econômico. Dados compilados a partir de pesquisas da McKinsey, IBM e Deloitte revelam que 40% das grandes empresas já estão ampliando o uso de agentes de IA, mas apenas 37% reportam impacto financeiro relevante nos resultados operacionais, evidenciando que a geração de valor depende menos da adoção da tecnologia em si e mais da capacidade de integrá-la a processos, governança e modelos de gestão capazes de sustentar sua operação em larga escala.
Dimensões da engenharia de valor
A metodologia avalia cada oportunidade de IA agêntica a partir de dez critérios ponderados. O resultado gera um score único, utilizado para comparar iniciativas e apoiar decisões executivas. Para a alta liderança, os resultados também podem ser visualizados em uma matriz de custo versus benefício.
