CIOs entered the year with ambitions to bring more AI into their companies and start using AI to transform how work gets done. At the same time they also wanted to leverage tech to cut costs and boost productivity throughout the business.
CIOs entered the year with ambitions to bring more AI into their companies and start using AI to transform how work gets done. At the same time they also wanted to leverage tech to cut costs and boost productivity throughout the business.
Now into the fourth quarter, CIOs say they’re still pursuing those objectives and plenty more. They say they still have much work to do, and they’re aiming to close the year with wins in myriad areas.
Here, IT leaders share advice on what their peers should focus on based on what they are racing to finish before year’s end.
One of the top to-do items for many CIOs as they near year’s end is delivering on their promises.
As Robert Field, global CIO at tech advisory firm Adler Advisors, says, people may not remember all the work IT did in any given year, “but they’ll always remember the things you didn’t do that you said you would.”
Field also cites fiscal reasons for his drive to finish up all IT work planned for 2026, noting that the company, which runs on a calendar year, has already allocated the money for the work in its annual budget and has pegged some of it to anticipated tax credits.
In context
- Topic: Inteligencia Artificial — IA aplicada al negocio: casos, límites, costos y gobierno.
- Source: CIO
- Published: 13/10/2026
Continue reading at the original source →
Excerpt published automatically by the site radar. The full text belongs to its publisher and is linked above.
Por que importa
A conversa sobre inteligência artificial ficou barulhenta, e isso dificulta enxergar o que importa. O que importa quase nunca é o modelo: é qual processo concreto fica mais barato, mais rápido ou mais confiável, e quem responde quando a resposta sai errada.
Eu meço a maturidade em IA com uma pergunta incômoda: alguém consegue explicar, em uma linha, que decisão o modelo toma e quem responde se errar? Onde isso está claro, o projeto anda. Onde não está, fica em piloto eterno e acaba cancelado com a desculpa de que a tecnologia não estava pronta.
O que costuma dar errado
O ponto em que costuma quebrar é a passagem para a operação. A equipe que fez o piloto sabe interpretar os resultados; a que recebe, não. Sem capacitação e sem critérios escritos, as pessoas passam a aceitar tudo o que o modelo diz ou a ignorá-lo por completo, e as duas coisas custam igual.
O que observar
- Se a organização pode trocar de fornecedor sem refazer tudo, que é a prova de que não ficou amarrada.
- Qual processo concreto é tocado e como se mede antes e depois; sem linha de base não há resultado, há opinião.
- Quem revisa as saídas do modelo e com que frequência — o ponto em que a IA se torna auditável.
Como leio esta publicação
Minha recomendação prática é definir desde o primeiro dia o que se faz quando o modelo erra: quem revisa, com que frequência e em que momento se desliga. Soa defensivo, mas é exatamente o que permite ser agressivo depois, porque o risco deixou de ser uma incógnita.
A notícia original está publicada em outro idioma; o trecho é citado como o veículo o entrega e o comentário é escrito em português.
Comentários
Ainda não há comentários. O primeiro pode ser o seu.
Está vivendo isso na sua equipe?
Abra o chat e me conte como estão lidando com isso. Tenho interesse em comparar notas.
