Em 2026, o CESAR completa 30 anos acompanhando, de dentro, diferentes ondas tecnológicas surgirem cercadas de expectativas e, com o tempo, se transformarem em prática. Ao longo dessa trajetória, vimos o amadurecimento da web, a consolidação do design como motor de inovação e, mais recentemente, os primeiros debates estruturados sobre computação quântica. Em todos esses ciclos, uma constatação se repete: a tecnologia só gera valor quando realmente resolve problemas e coloca as pessoas no centro da transformação.
Estamos diante de um cenário tecnológico paradoxal: a adoção da IA nunca foi tão ampla, embora o sucesso financeiro permaneça raro. Mesmo com investimentos bilionários, a tecnologia ainda não se traduz, de forma consistente, em crescimento de faturamento nas grandes empresas.
Já não se trata apenas de adotar ou experimentar inteligência artificial, mas de decidir como estruturá-la, como protegê-la e em que bases de confiança ela irá operar, no interior das estruturas corporativas e na sociedade. São essas decisões que passam a orientar as principais tendências e a moldar as escolhas das lideranças ao longo dos próximos meses.
1) IA agentiva: quando a implementação não se converte em resultado
A inteligência artificial ocupa hoje o centro das discussões estratégicas, mas muitas companhias ainda enfrentam dificuldades para aplicá-la de forma consistente no dia a dia. Em vez de definir direções claras, estimulam o uso isolado de ferramentas, apostando que casos de aplicações relevantes emergem de forma espontânea, uma expectativa que, na prática, raramente se confirma.
O obstáculo não está na sofisticação dos modelos, mas na incapacidade de redesenhar fluxos de trabalho capazes de capturar os ganhos da tecnologia. Soluções genéricas podem ser úteis no nível individual, mas tendem a perder eficácia em ambientes corporativos, onde precisam se integrar a processos, sistemas e decisões já estabelecidas.
No Brasil, um estudo recente conduzido pela CI&T em parceria com a Fundação Dom Cabral reforça esse diagnóstico: embora a IA já seja prioridade estratégica para a maioria das lideranças, apenas uma parcela reduzida consegue capturar impacto financeiro relevante, ou mesmo mensurar o retorno de suas iniciativas.
2) Cibersegurança em tempos de deepfakes e fraudes por IA
A entrada dos agentes de IA aprofunda a discussão ao ampliar a necessidade de responsabilidade, governança e segurança. À medida que esses sistemas passam a influenciar decisões e a operar de forma mais autônoma, torna-se inevitável revisar premissas tradicionais de confiança e controle. É sob essa lente que se revela uma das principais tendências que devem orientar (ou desafiar) as decisões executivas ao longo de 2026.
Conforme a inteligência artificial amplia sua capacidade de emular a realidade, tornam-se mais frequentes fraudes, ataques e manipulações cada vez mais difíceis de distinguir do que é autêntico. No primeiro trimestre de 2025, ataques de phishing com deepfakes cresceram mais de 1.600%, com o Brasil entre os países mais afetados. Estima-se que 83% dos e-mails de phishing já utilizem conteúdo gerado por IA, inclusive para clonagem de vozes.
O roteiro costuma ser o mesmo: criar urgência para impedir qualquer verificação. Nesse contexto, práticas como chamadas de retorno, palavras-código e até sistemas para validar conteúdos gerados por IA deixam de ser sofisticação e passam a representar higiene básica de segurança.
3) Computação quântica: por que o impacto ainda não é imediato
Apesar da crescente atenção da mídia e dos investimentos em pesquisa, a computação quântica ainda não está pronta para adoção em larga escala em 2026. Especialistas estimam que aplicações práticas, capazes de gerar impacto operacional relevante, ainda demandam de três a dez anos de maturação.
Na prática, isso se reflete em decisões que seguem priorizando infraestrutura computacional tradicional. O movimento sinaliza que, ao menos no curto prazo, a computação quântica não deve substituir os sistemas clássicos que sustentam as operações atuais.
O risco, no entanto, não está apenas no futuro. Já no presente ganha força o conceito de “colher agora para descriptografar depois”, no qual dados sensíveis são capturados e armazenados hoje com a expectativa de serem decifrados quando a capacidade quântica se tornar viável.
4) Cultura orientada ao design
A adoção da inteligência artificial também expôs um descompasso recorrente. Enquanto práticas de design e experimentação são amplamente aplicadas em equipes de produto e software, elas raramente se estendem ao restante da estrutura corporativa.
Áreas como contabilidade, compras e recursos humanos seguem operando sob uma lógica predominantemente orientada à eficiência, à padronização e ao cumprimento de processos. Paradoxalmente, são justamente essas funções intensivas em regras, dados e decisões repetitivas que concentram parte significativa do potencial de geração de valor com o uso de IA.
5) Regulação de IA: entre fragmentação e responsabilidade
A maturidade do debate também se reflete em uma mudança de postura em relação à regulação. O tema deixa de ser visto como um entrave à inovação e passa a ser reconhecido como um elemento necessário para mitigar riscos sistêmicos.
O cenário regulatório, no entanto, segue fragmentado. Enquanto há resistência a iniciativas legislativas em partes dos Estados Unidos, a União Europeia avança com um marco regulatório mais estruturado, e o Brasil desenvolve seu próprio arcabouço para o uso responsável da tecnologia. Essa assimetria amplia a complexidade para empresas que operam em múltiplos mercados.
6) Modelos de negócio à beira de mudança
Talvez o impacto mais profundo não seja tecnológico, mas econômico. Modelos historicamente sustentados por horas faturáveis passam a ser questionados. Se uma tarefa que antes exigia semanas de trabalho pode ser executada em horas, como redefinir valor, preço e margem?
Alguns gestores já começam a experimentar modelos baseados em resultados, deslocando o foco do tempo empregado para o impacto entregue. Para as lideranças, essa transição exige repensar não apenas precificação, mas também incentivos, métricas de desempenho e a própria relação entre tecnologia e trabalho.
