Coupa: vencer com IA exige dados e parceiros, não só ferramentas, segundo CTO da empresa

Salvatore Lombardo, CTO da Coupa, defende que a diferença entre usar IA e vencer com IA está em bases de dados limpas, software como parceiro e o efeito "cérebro coletivo".

A diferença entre usar inteligência artificial e vencer com ela não está nas ferramentas em si, mas em três fundações: dados limpos e confiáveis, soluções integradas e software tratado como parceiro estratégico. É o que defende Salvatore Lombardo, chief product and technology officer da Coupa, em análise publicada no Forbes Technology Council, comunidade exclusiva para CIOs e CTOs. A rede da Coupa já processou mais de US$ 10 trilhões em gastos corporativos, segundo o executivo.

O que separa quem usa IA de quem vence com IA

Segundo Lombardo, muitas organizações já operam IA em larga escala, mas obtêm apenas ganhos táticos pontuais: plataformas de compras melhoradas, sistemas de gestão de clientes mais dinâmicos ou chatbots mais capazes. Esses avanços resolvem problemas reais, porém somados não configuram uma mudança estratégica.

IA agentic sem sistemas de registro por baixo funciona como "estranhos muito inteligentes", sem base na realidade cotidiana do negócio, escreveu o CTO. A pergunta prática que emerge nas lideranças é outra: quais são as capacidades reais da empresa, o que ela quer poder fazer e como capturar valor com as ferramentas disponíveis.

Leia também · há 2 semanas IA nas empresas: 95% dos pilotos falham por causa dos dados, não dos modelos, apontam MIT e Gartner east

Info: a rede da Coupa processou mais de US$ 10 trilhões em gastos corporativos, número citado por Lombardo como base empírica da análise.

• Dados limpos e confiáveis: qualidade como base para resultados confiáveis da IA.
• Soluções integradas: simplificar a tecnologia em vez de somar complexidade.
• Compatibilidade com sistemas existentes: evitar dívida técnica e de dados desnecessária.

Com essas bases, o líder para de aplicar IA em tarefas isoladas e passa a perguntar como suas funções seriam reconstruídas para um mundo orientado por IA. Mas como avaliar parceiros nesse cenário? A resposta do executivo: não pela quantidade de recursos de IA oferecidos, mas pela capacidade de entregar resultados de negócio sustentáveis.

Dica: leve à próxima reunião de liderança as duas perguntas sugeridas no texto original: quais funções poderiam ser reconstruídas em torno de um agente amanhã e o que realmente impede isso hoje.

Software como parceiro, não como ferramenta

A mudança de mentalidade proposta é tratar software como sistema de inteligência, um "parceiro que sabe". Nesse modelo, a plataforma detém os dados centrais de uma função (compras, finanças, cadeia de suprimentos) e usa IA junto a um registro vivo e evolutivo, aprendendo ao lado da organização atendida. Um parceiro desse tipo também enxerga padrões entre milhares de empresas semelhantes: onde ocorre fricção, quais decisões são críticas e como mudam regulamentações e perfis de risco.

Lombardo chama atenção para uma mudança de modelo de negócio: o SaaS tradicional cobra por assento, um usuário humano por assinatura, enquanto o modelo de agentes como serviço cobra por resultados, não por acesso. Isso eleva o padrão na escolha do fornecedor, que precisa construir para segurança, conformidade e fundação de dados, com incentivos alinhados aos objetivos do cliente. Sem esse alinhamento, o risco é um amontoado de soluções pontuais de IA, com complexidade de integração, dívida técnica e experiências inconsistentes.

O efeito "cérebro coletivo" nos dados transacionais

A máxima "lixo entra, lixo sai" segue válida, escreve o CTO: modelos com dados ruins ou sem contexto geram insights falhos, e mesmo dados corretos, porém isolados em silos, não formam um retrato claro da situação. A maioria das empresas já acumula anos de dados transacionais (pedidos de compra, faturas, contratos, registros de fornecedores), mas não sabe transformá-los em valor.

Colocar os dados da empresa em contexto junto a dados agregados e anonimizados de milhares de organizações semelhantes gera insights que vão muito além da experiência de uma única companhia. É orientação baseada no que acontece em tempo real, não apenas no histórico de uma empresa.

Esse é o efeito "cérebro coletivo": sugerir padrões melhores, indicar fornecedores mais confiáveis em determinada região ou sinalizar padrões de risco que já prejudicaram organizações parecidas.

Para funcionar, as transações precisam estar organizadas e rotuladas, de modo que o sistema distinga o que é fonte autoritativa do que é apenas referência. Cada nova interação vira um ponto de dados que torna a inteligência coletiva mais precisa para todos que a utilizam.

Flexibilidade e à prova de futuro

Por que a flexibilidade decide a sustentabilidade do investimento?

Segundo o texto, a plataforma certa cobre o fluxo de trabalho completo, integra-se a sistemas de terceiros já em uso e coexiste com agentes de IA construídos fora dela, permitindo que transacionem com segurança em vez de trancar a empresa num ecossistema fechado.

A organização deve poder ajustar o comportamento dos agentes, decidir quando o humano volta ao circuito e fazer um agente conversar com outro. Processos orientados por IA precisam ser transparentes, explicáveis e reversíveis.

Atenção: o autor do texto é executivo de produto e tecnologia da Coupa, empresa que vende exatamente esse tipo de plataforma. O interesse comercial da fonte deve ser considerado ao ponderar as recomendações.

Na avaliação do Mercado de TI, o raciocínio dialoga com a preocupação crescente sobre segurança do runtime de IA como perímetro real e com o debate sobre arquiteturas de agentes de IA que saem da improvisação. Para times brasileiros, o ponto prático é claro: antes de negociar licenças de ferramentas de IA, vale auditar a qualidade e o contexto dos dados transacionais que essas ferramentas vão consumir. A vantagem competitiva, na leitura de Lombardo, vem da combinação de um parceiro que hospeda o sistema de registro com uma plataforma flexível que evolui junto com o negócio, algo a observar no avanço de operações de agentic AI também em startups brasileiras.

Principais pontos

• Usar IA em escala não é vencer com IA: fundamentos de dados e integração definem a diferença.
• Software deve ser tratado como sistema de inteligência e parceiro que conhece o negócio.
• Agentes como serviço invertem o modelo SaaS: paga-se por resultado, não por assento.
• Dados agregados e anonimizados de milhares de empresas geram o efeito "cérebro coletivo".
• Flexibilidade, transparência e reversibilidade são critérios de escolha de plataforma.

Fonte: Forbes Technology Council