Em 2003, Henry Chesbrough afirmou algo que contrariava a lógica corporativa da época: o conhecimento mais valioso para a sua empresa provavelmente não está dentro dela. Ao estabelecer os fundamentos da inovação aberta, defendeu que o diferencial competitivo não está em deter o conhecimento, e sim em saber usá-lo. A empresa que se trata como uma ilha não é apenas ineficiente – fica obsoleta sem perceber.
Mais de vinte anos depois, a questão mudou de lugar. Quase toda grande organização já se diz aberta: tem programa de startups, áreas de inovação, radar de tendências. O problema não está mais na abertura – está na decisão. Entre o sinal que entra e o capital que se aloca, a maioria das empresas perde o fio. Organizações obcecadas com boas práticas e processos conhecidos perdem a capacidade de se adaptar, não por falta de dados, mas por excesso de conforto com o que já sabem. Estar aberto à inovação virou commodity. Decidir com base nela, não.
Inteligência, aqui, não é tecnologia nem volume de informação – é a capacidade de ler o ecossistema (o que se move lá fora) e traduzi-lo em inteligência de negócio (o que aquilo significa para a estratégia e o capital da empresa): o elo entre percepção e ação. E é exatamente esse processo que a maioria das organizações ainda não estruturou. Para o C-Suite, o desafio deixou de ser abrir-se mais; é escapar da inovação de palco – bonita na apresentação, irrelevante no resultado – e construir, de forma deliberada, as pontes entre a operação de hoje e a estratégia de amanhã.
O paradoxo da abundância
O problema contemporâneo não é escassez, é saturação. O estoque global de patentes passou de 18,6 milhões de registros. Sinal é o que não falta e, justamente por isso, decidir onde alocar capital ficou mais difícil, não mais fácil.
O maior gargalo das grandes corporações não é a falta de startups ou parceiros tecnológicos. É a ausência de um “tradutor estratégico”: uma inteligência capaz de filtrar o ruído e converter sinal tecnológico em contexto de negócio acionável. Sem ela, a inovação aberta vira turismo corporativo – muito movimento, pouco valor capturado.
Essa lacuna não é teórica. Em nossa atuação apoiando áreas de inovação e P&D de grandes empresas, o padrão se repete com regularidade: portfólios cheios de iniciativas desconectadas, agendas lotadas de provas de conceito e pouquíssimo que cruza a fronteira do piloto para a operação. A onda de IA tornou isso ainda mais visível.
Segundo as pesquisas Tech Value Survey 2025 e Global Technology Leadership Study 2026, da Deloitte, 74% das organizações investiram em IA e IA generativa no últim ano. Além disso, 43% das empresas que investiram em IA registraram ganho expressivo de valor de mercado – contra 65% (dados) e 66% (segurança), conquistando duas vezes mais chance de desempenho superior entre quem orquestra pessoas, dados e tecnologia em torno da decisão.
A IA é, hoje, o tema que mais mobiliza orçamento e energia, e também onde o paradoxo fica mais nítido: investir no assunto da vez não se converte em valor sozinho. O gargalo raramente é a qualidade da tecnologia testada; é a ausência de um processo de inteligência maduro, capaz de conectar experimentação e estratégia e de interpretar sinais e resultados segundo a finalidade de cada iniciativa. Sem esse mecanismo, inovar vira atividade, não resultado, e o capital se dispersa em provas de conceito que impressionam na demonstração e somem no orçamento seguinte.
Ambidestria estratégica: dois mandatos, uma disciplina
A maturidade da inteligência se revela na capacidade de operar em duas frequências ao mesmo tempo: otimizar o presente sem perder o controle sobre o futuro. Essa ambidestria se organiza em dois mandatos – inovação incremental, orientada por desafios (challenge-based), e inovação estratégica, orientada por competências (capability-based). A diferença entre eles não é só de horizonte; é de lógica, cultura e governança. Tratar os dois com o mesmo processo e as mesmas métricas é um dos erros mais caros que uma organização comete ao estruturar a inovação.
SST: o framework dinâmico da decisão
Para deixar de ser esforço intermitente e virar processo estruturante – um ciclo contínuo, repetível e disciplinado -, a inteligência precisa ser operada como capacidade dinâmica. O framework de David Teece, adaptado à realidade corporativa, organiza esse ciclo em três etapas interdependentes: Sensing, Sizing e Transforming – o SST. Em termos práticos, ele dá nome às duas inteligências e à costura entre elas.
| 01 · SENSING Sentir Inteligência de ecossistema Olhar de fora para dentro: mapear tendências, patentes e sinais do ecossistema antes que virem consenso. | 02 · SIZING Decidir Inteligência de negócio Incubar a oportunidade e dar-lhe forma de negócio: business case, cenários e a escolha entre Make, Buy ou Partner ancoram a decisão. | 03 · TRANSFORMING Escalar Orquestração & escala Da execução à escala: orquestrar P&D, operação e negócio até a operação plena – e, no limite, influenciar o próprio mercado. |
O SST não é linear: ele se calibra pelo mandato em curso. No incremental, o sensing parte de um problema já identificado, o sizing trabalha com eficiência e cost avoidance, e o transforming segue critérios pré-definidos. No estratégico, o sensing rastreia sinais fracos sem problema definido, o sizing opera com lógica de portfólio e tolerância à incerteza, e o transforming mede aquisição de competência, não entrega. Mesmo framework, duas velocidades, duas governanças. É no transforming que a maioria falha – e sem ele, sensing e sizing entregam relatório; com ele, entregam vantagem.
Do framework à realidade
A experiência em campo dá a evidência. Apoiando projetos de inovação em grandes empresas do setor público brasileiro, colaboramos na estruturação de uma modalidade de venture clienting adaptada ao contexto da compra pública – com resultados de mais de 80 desafios lançados com pilotos efetivamente implantados em escala. Os três movimentos do SST operaram integrados: desafios calibrados pelas dores reais da operação, somados a scouting e radar de mercado (sensing); critérios de sucesso definidos antes da execução (sizing); e soluções incorporadas ao dia a dia (transforming). O aprendizado central não é tecnológico, é organizacional: partir do problema, e não de uma solução já especificada, foi o que impediu o programa de parar no piloto.
Esse caso no setor público confirma recentes estudos. O Global Technology Leadership Study 2026 da Deloitte aponta que organizações capazes de orquestrar pessoas, competências, dados e tecnologias em torno de resultados críticos de negócio têm cerca de duas vezes mais chance de reportar desempenho superior ao dos pares. A vantagem não está em ter a tecnologia – está em orquestrá-la em torno da decisão certa.
A IA como aceleradora do SST
A próxima fronteira do SST é tecnológica. Sistemas agênticos estão redefinindo cada etapa do SST: no sensing, o monitoramento contínuo substitui o esforço periódico de analistas; no sizing, modelos de linguagem encurtam o ciclo entre sinal e decisão de semanas para horas; no transforming, agentes conectam domínios antes isolados e eliminam as fricções que faziam o conhecimento externo morrer antes de escalar. O julgamento humano não desaparece – ele migra para o único papel que a IA não ocupa: a decisão estratégica sob incerteza real.
Chesbrough nos disse que o conhecimento está fora. Teece nos disse que só capacidades dinâmicas permitem capturá-lo. O que 2026 acrescenta é a pressão: o volume de sinal é maior, a janela para agir é menor, e o intervalo entre quem estrutura a inteligência e quem ainda faz turismo corporativo só aumenta. O SST é a forma de operacionalizar essa escolha – transformar inteligência de ecossistema em inteligência de negócio, e esta em decisão, de forma sistemática e calibrada pelo mandato de inovação.
Inovação aberta sem inteligência é esforço desperdiçado. Com inteligência estruturada como processo, é soberania competitiva. Captar o sinal sempre foi possível. Convertê-lo em decisão, com método, é o que separa quem constrói o futuro de quem só assiste.
