Enquanto a IA se impõe como uma alavanca tecnológica importante nos discursos políticos e econômicos, sua integração no tecido das PME e ETI francesas se revela mais cautelosa. Uma pesquisa recente conduzida pelo Bpifrance Le Lab, com mais de 1.200 líderes, permite entender melhor as dinâmicas de adoção em curso.
Segundo o estudo "A IA nas PME e ETI francesas: Uma revolução tranquila", os líderes parecem ter compreendido a importância do tema: 58% deles acreditam que a IA é uma questão de sobrevivência no horizonte de 3 a 5 anos. Quanto à passagem para a ação, ela é real, mas ainda hesitante: 43% dos líderes definiram uma estratégia de IA, 26% utilizam uma IA generativa, 16% uma IA não generativa, e apenas 10% utilizam ambas.
Entre as empresas que adotaram a IA, metade usa exclusivamente soluções gratuitas ou prontas para uso. A otimização do existente, a melhora das performances, a manutenção da competitividade e a redução de custos são as principais motivações dos líderes: 94% citam pelo menos uma modalidade de otimização, contra apenas 54% uma modalidade de desenvolvimento de atividade.
Essa diferença entre percepção estratégica e implementação traduz vários desafios: falta de maturidade da oferta, custos considerados elevados, ou ainda dificuldade em identificar casos de uso pertinentes.

Os dados, ainda pouco explorados como alavanca estratégica

A IA baseia-se em vários pré-requisitos essenciais: a digitalização da empresa, a estruturação dos dados, a identificação de casos de uso pertinentes, e o envolvimento das equipes. No entanto, apesar de um leve progresso na digitalização ter passado de 72% em 2017 para 76%, 43% delas ainda não utilizam seus dados para gerir suas atividades.
No entanto, uma empresa digitalizada é cinco vezes mais propensa a adotar a IA, e aquelas que analisam seus dados são 2,5 vezes mais prováveis de recorrer a ela.

Disparidades setoriais reveladoras de desafios estruturais

A adoção da IA varia muito conforme os setores, refletindo suas necessidades tecnológicas específicas e suas dinâmicas internas. Assim, as TIC e as finanças apresentam taxas de adoção elevadas das IAs generativas (respectivamente 79% e 47%), enquanto setores mais tradicionais como a construção (19%) ou os transportes (5%) permanecem um pouco atrás.

Tipologia dos líderes: entre ceticismo, experimentação e inovação

O estudo identifica quatro grandes perfis de líderes:
  • Os céticos (27%): provenientes de setores pouco digitalizados, opostos à IA, temem seus impactos sociais e não percebem utilidade concreta;
  • Os bloqueados (26%): conscientes dos desafios, mas paralisados por falta de competências ou apoio;
  • Os experimentadores (28%): curiosos e engajados, mas limitados por restrições financeiras e falta de expertise;
  • Os inovadores (19%): na vanguarda do digital, integram a IA em seus processos e produtos, com uma liderança assumida.
Esses perfis variam conforme os setores: os céticos dominam na construção e nos transportes, os bloqueados no comércio, os experimentadores na indústria, e os inovadores nas TIC, finanças e serviços às empresas. Nota-se também uma super-representação de mulheres entre os céticos, e de homens entre os inovadores.

Diferenças de adoção ligadas ao perfil do líder

Em 73% dos casos, os projetos de IA são impulsionados pelo líder. Quanto mais jovem e mais qualificado ele é, mais avançada está sua empresa na adoção da IA. Quando ele utiliza a GenAI em sua rotina profissional, a empresa é cinco vezes mais propensa a usá-la também (46% contra 9%).
Os líderes com menos de 35 anos são assim 67% a usar pessoalmente a GenAI no trabalho contra 46% dos que têm mais de 45 anos, um percentual que cai para 36% para os de mais de 66 anos. O nível de escolaridade também é determinante: 62% dos com pós-graduação utilizam a IA generativa contra apenas 19% dos sem diploma.

Como acelerar a adoção da IA?

Para superar esses desafios, vários alavancas são recomendadas:
  • Reforçar a transformação digital para estabelecer as bases de uma adoção eficaz;
  • Estruturar e explorar os dados a fim de identificar usos pertinentes;
  • Formar os empregados para superar resistências e maximizar a eficácia das ferramentas de IA;
  • Experimentar com soluções acessíveis antes de investir em tecnologias avançadas.