A discussão sobre soberania, no mundo digital, costuma ser confundida com isolamento. Eu prefiro outra lente: soberania como capacidade prática de escolher, combinar e evoluir tecnologias e conhecimentos com autonomia estratégica. Isso inclui infraestrutura, dados, modelos, talentos e governança, e não se confunde com soberania política.
A Inteligência Artificial torna esse debate mais concreto. Quando a IA entra nos processos, ela não é só uma “camada” a mais. Ela reorganiza decisões, jornadas, operações e até a forma como uma empresa aprende. Por isso, falar de soberania tecnológica hoje é falar de como desenhamos o ecossistema que sustenta a IA, e como garantimos que ele gere valor real para pessoas, negócios e para o país.
Com essa perspectiva, o próximo passo é inevitável: transformar o conceito em método. Soberania, quando vira prática, começa por estratégia, passa por escolhas arquiteturais e termina na capacidade de execução.
Soberania tecnológica é estratégica
É importante que o Brasil entenda soberania como estratégia de longo prazo, construída com visão nacional e com o impulso de empresas líderes que operam em escala e sob pressão competitiva global. Como debatemos no EmTech Brasil 2025, evento global da MIT Technology Review, que teve sua primeira edição no País em setembro de 2025, essa combinação é a ponte entre intenção e execução, e ajuda o país a se tornar um competidor global, condição importante para atrair investimento e protagonismo.
Isso também exige maturidade para abandonar uma fantasia recorrente: não existe cenário realista em que vamos produzir 100% de todas as tecnologias, em todas as camadas. A autonomia estratégica nasce, justamente, de saber o que desenvolver, o que dominar, o que regular e o que compor com parceiros.
Aqui entra um conceito simples, que funciona muito bem como metáfora de arquitetura para a soberania em IA: desenho modular, como Lego ou Tris. Em vez de um castelo monolítico, que aprisiona decisões por anos, criamos um conjunto de peças que se encaixam com clareza, permitindo trocar componentes com menos trauma, sem perder governança. Essa modularidade, quando bem-feita, reduz dependências rígidas e aumenta capacidade de evolução.
Padrões abertos são o “manual de encaixe” dessas peças. Eles diminuem fricção, ampliam interoperabilidade e fortalecem o equilíbrio entre ter o melhor componente disponível e
manter autonomia de escolha ao longo do tempo. E, numa arena em que o investimento é alto e a tecnologia muda rapidamente, parcerias estratégicas deixam de ser opção para virar método, desde que guiadas por objetivos claros, governança e alinhamento de incentivos.
Essa é a bússola. A partir dela, a pergunta deixa de ser “se” o Brasil pode avançar e passa a ser “onde” e “como” o País pode ganhar tração com IA, respeitando suas particularidades e aproveitando suas vantagens.
Contexto de inovação e mercado brasileiro
O Brasil tem atributos que o colocam no radar de inovação em IA. Existe escala, um mercado consumidor grande, capacidade produtiva, energia, e um ecossistema de parceiros que permite experimentar, aprender e ajustar. Essa combinação faz do país um ambiente particularmente fértil para transformar tecnologia em produto e serviço, e não apenas em laboratório.
Ao mesmo tempo, a demanda brasileira é intensa. Há apetite por novidade, mas também desafios estruturais que afetam a velocidade com que as organizações conseguem transformar experimentação em valor de forma consistente.
Por isso, quando falo de investimento sustentado em IA, costumo voltar a três pilares, que precisam caminhar juntos: tecnologia, pessoas e processos. IA sem processo vira improviso caro. IA sem pessoas gera dependência externa. IA sem tecnologia se revela promessa sem escala. O equilíbrio é o que transforma intenção em execução.
Só que esses três pilares não se sustentam no ar. Para sair do piloto e chegar ao cotidiano, a IA precisa de uma base que dê suporte a dados, computação, segurança e integração. É aqui que o debate se encosta na infraestrutura, não como fim em si, mas como condição de escala.
Infraestrutura digital e conectividade
Mesmo quando o foco é IA, as bases físicas e digitais importam. O consumo de Internet cresce em ritmo acelerado. Isso cria um desafio: democratizar acesso e, ao mesmo tempo, sustentar a infraestrutura que viabiliza serviços digitais cada vez mais intensivos em dados e computação.
Na prática, a soberania em IA passa por decisões sobre onde os dados ficam, como são governados, como treinamos e executamos modelos, e como garantimos resiliência operacional. A discussão sobre soberania de dados, inclusive, aparece como preocupação explícita em debates recentes no ecossistema de inovação, porque dados sob outras jurisdições podem impor riscos regulatórios e estratégicos para negócios e para cidadãos.
Uma consequência direta disso é que a arquitetura, especialmente em cloud e multicloud, deixa de ser debate técnico restrito e vira decisão estratégica. Na TIM, por exemplo, migrar 100% dos data centers, como fizemos de forma pioneira no mercado brasileiro, e modernizar a base de computação não é “projeto de TI”, é pré-condição para automatizar em escala, reduzir tempo de resposta, personalizar jornadas e criar uma plataforma pronta para agentes de IA.
Quando essa base está de pé, a pergunta muda de natureza. Em vez de discutir apenas capacidade, passamos a discutir valor percebido, e o lugar onde esse valor aparece com mais nitidez, e mais cobrança, é junto ao usuário.
Experiência do cliente (CX)
Experiência do cliente é alicerce de competitividade, e não existe mais estratégia moderna sem ela. Quando a experiência entrega valor e reduz esforço do cliente, ela vira diferencial defensável, e não apenas uma camada de atendimento.
Mas há um ponto que muitas organizações parecem subestimar: a IA não “pula etapas” de maturidade. Em mercados em que a maioria das empresas ainda opera em um estágio com vários canais, mas com pouca integração real entre eles, a aplicação de IA avançada em CX tende a ficar limitada. Os maiores ganhos com IA, como automação inteligente e personalização consistente, aparecem com mais força a partir de níveis de maturidade superiores, que exigem dados organizados, processos definidos e governança de ponta a ponta.
Quando essa base existe, os dados gerados por cada interação deixam de ser apenas registro e viram aprendizado, gerando novos perfis, novos insights e novas possibilidades de serviço. É aqui que a IA deixa de ser “automação de atendimento” e vira motor de produto, com impacto direto em retenção, eficiência e reputação.
A discussão, então, ganha foco: quais aplicações de IA fazem sentido agora, e o que precisa estar pronto para que elas entreguem resultado?
Tecnologias emergentes e seus impactos
Primeiramente, vejo a Inteligência Artificial como evolução de uma tecnologia que já amadureceu o suficiente para sair do encantamento e entrar na engenharia do valor. O desafio principal não é a democratização, é a aplicação correta. E aplicar corretamente exige investimento, estratégia, processo e cultura, ou seja, exige que a empresa esteja organizada para transformar IA em resultado, não em protótipo eterno.
Por isso eu defendo um princípio simples: não existe implementação de IA “por si só”. Ela precisa estar ancorada em casos de negócio e casos de uso bem definidos, com dor clara, métrica clara e responsabilidade clara.
Na TIM, esse pragmatismo orienta a forma como escalamos iniciativas. Em dezembro do ano passado, anunciamos uma expansão contratual de cinco anos com a Oracle para acelerar a adoção de IA na Oracle Cloud Infrastructure, com um pilar dedicado a agentes de IA especializados ao longo de pontos críticos da jornada do cliente. Um exemplo é o Agente de Contas, que compara faturas entre meses, explica variações e acelera a resolução de dúvidas. Na fase-piloto, reduzimos já em 18% o tempo de atendimento nessa jornada.
Essa estratégia se apoia em uma base tecnológica que dá escala ao que antes ficava restrito a ilhas. Essa fundação viabiliza automação e IA em grande escala.
Os números ajudam a dimensionar a transição de “experimento” para “portfólio”. Incluindo projetos com a Oracle, identificamos mais de 100 casos de uso de IA, com 24 pilotos em andamento, sete projetos em produção e mais seis planejados para acontecerem em breve. Entre as iniciativas, o TIM AI System (TAIS) elevou a satisfação do cliente em 16% ao gerenciar interações de call center de ponta a ponta com mais de 90% de precisão. Também há um copiloto de IA que reduz o tempo de atendimento em até 30%, além de análises preditivas que reduziram em 15% intervenções relacionadas a falhas na rede.
Esse movimento dialoga com o que a pesquisa acadêmica vem observando. O estudo “Generative AI at Work”, de Erik Brynjolfsson, Danielle Li e Lindsey Raymond, publicado no The Quarterly Journal of Economics, em 2025, mediu ganhos médios de 15% em produtividade em atendimento ao cliente com uma ferramenta de IA generativa, com benefícios especialmente relevantes para profissionais menos experientes. É um sinal de que a IA pode ampliar capacidade humana, acelerar aprendizado e melhorar qualidade, desde que inserida com método.
Por isso, se soberania é autonomia estratégica, ela se prova em condições bem concretas, modularidade para evoluir sem trauma, padrões para integrar sem aprisionamento, governança para proteger dados e responsabilidades, métricas para evitar o protótipo eterno e pessoas para sustentar a melhoria contínua. Quando esses critérios estão de pé, a IA evolui de promessa a um ativo do país, repetível, auditável e capaz de gerar valor em escala, com escolhas próprias.
Auana Mattar é CIO e líder de tecnologia e inovação.
Auana Mattar
