O que faz um AI Strategist e quais habilidades estão por trás dessa nova carreira em IA

O AI Strategist ganhou espaço porque a adoção de inteligência artificial deixou de ser uma conversa restrita ao departamento de tecnologia e passou a exigir decisões de negócio. A empresa precisa escolher problemas com potencial de retorno, ordenar projetos, definir limites para o uso de dados e fazer equipes diferentes trabalharem na mesma direção. A função responde a esse vazio de coordenação. Seu valor está menos em conhecer uma ferramenta específica e mais em transformar capacidade técnica em prioridade mensurável.

Essa mudança já aparece em três sinais concretos. O World Economic Forum projeta que 39% das competências atuais dos trabalhadores serão transformadas ou ficarão desatualizadas entre 2025 e 2030. Um estudo do IBM Institute for Business Value ouviu 3.000 CEOs em mais de 30 países e encontrou 51% dizendo que contratavam para funções de IA generativa que não existiam no ano anterior. E uma vaga da Kunumi, no Brasil, apresenta o AI Strategist como uma posição aberta, ainda sem uma definição única no mercado.

O cargo, portanto, não deve ser tratado como uma nova etiqueta para quem escreve bons comandos em um chatbot. Ele combina estratégia, análise de processos, fluência tecnológica, gestão de projetos e comunicação executiva. A pessoa que ocupa essa função ajuda a responder onde a IA pode gerar valor, qual caminho é viável e quais controles precisam existir antes de colocar uma solução em produção.

O AI Strategist transforma possibilidades técnicas em decisões de negócio

O trabalho começa antes da escolha do modelo, do fornecedor ou da plataforma. O estrategista investiga um problema operacional, estima o impacto financeiro e identifica as restrições de dados, segurança, legislação e capacidade interna. Depois, organiza as alternativas em uma sequência de iniciativas. O resultado esperado é uma agenda que permita comparar custo, risco, prazo, qualidade e retorno.

Em uma operação de atendimento, por exemplo, a equipe pode considerar um assistente para responder dúvidas frequentes, uma ferramenta para classificar solicitações ou uma automação para preencher registros. Cada alternativa exige dados, integração, revisão humana e indicadores diferentes. A decisão não pode depender da demonstração mais impressionante. Ela precisa considerar volume de atendimentos, taxa de erro aceitável, custo por interação, tempo de implementação e efeito sobre a experiência do cliente.

O AI Strategist também define quem participa da decisão. Tecnologia pode cuidar da arquitetura, operações pode explicar o fluxo real, jurídico pode avaliar obrigações, segurança pode limitar acessos e finanças pode testar a viabilidade econômica. Sem essa composição, o projeto tende a nascer isolado e encontrar resistência na hora de mudar a rotina.

O mercado já mostra que a função ultrapassou a descrição genérica

A página de carreiras da Kunumi lista uma vaga de AI Strategist no Brasil. A própria empresa descreve uma cultura baseada em colaboração interdisciplinar e pesquisa em inteligência artificial, contexto que ajuda a entender por que o título aparece em uma organização que atua na fronteira entre pesquisa e aplicação. A vaga não prova que exista uma descrição padronizada para todo o mercado. Ela prova que empresas brasileiras já usam o nome para buscar essa combinação de visão estratégica e conhecimento de tecnologia.

O mesmo título pode aparecer em áreas diferentes. Uma companhia pode colocar a função dentro de estratégia e inovação. Outra pode vinculá-la a produto, transformação digital, consultoria ou operações. Em alguns casos, o profissional conduz diagnóstico e roadmap. Em outros, acompanha a implantação junto do cliente. Por isso, quem procura a carreira deve ler as responsabilidades da vaga, e não decidir com base no título.

Uma vaga brasileira da CI&T para Data & AI Strategist, por exemplo, destaca adoção organizacional, alfabetização em dados, alinhamento de partes interessadas, gestão de relacionamento e identificação de novos produtos de dados. Esses itens mostram uma fronteira importante: o estrategista não entrega somente uma análise. Ele precisa fazer a organização absorver a mudança e conectar o trabalho a um resultado comercial ou operacional.

O caso do DBS mostra por que estratégia precisa acompanhar a execução

O DBS, banco com sede em Singapura, oferece um caso concreto de escala. Em comunicado publicado em setembro de 2024, a instituição informou que já utilizava mais de 800 modelos de IA em 350 casos de uso e estimava impacto econômico mensurado superior a 1 bilhão de dólares de Singapura em 2025. A informação foi divulgada pelo próprio banco ao apresentar um estudo de caso da Harvard Business School sobre sua estratégia de IA.

Esse exemplo ajuda a separar um projeto isolado de uma capacidade organizacional. O número de modelos, sozinho, não mostra qualidade. O que importa é a combinação entre portfólio de casos de uso, infraestrutura, governança, avaliação de resultados e continuidade da operação. Uma empresa pequena não precisa copiar a escala do DBS, mas pode copiar a lógica: manter uma visão do conjunto e decidir quais iniciativas merecem recursos.

Há uma conta simples que ajuda a dimensionar o caso. Se 800 modelos atendem 350 casos de uso, a razão é de aproximadamente 2,3 modelos por caso. Isso não significa que cada caso tenha exatamente essa quantidade, pois o banco não publicou essa distribuição. A conta apenas indica que uma estratégia madura costuma envolver camadas técnicas diferentes para atender processos distintos. Comprar uma única ferramenta e esperar que ela resolva toda a operação não segue essa lógica.

Para o AI Strategist, o aprendizado é direto. Cada caso de uso precisa ter dono, objetivo, métrica, fonte de dados, critério de qualidade e caminho de expansão. A função também deve identificar quando um piloto não merece avançar. Encerrar uma iniciativa sem resultado pode proteger orçamento e evitar que uma solução instável se espalhe pela empresa.

Os dados do IBM Institute mostram que adoção depende de pessoas

O estudo do IBM Institute for Business Value traz uma medida importante para a carreira. Entre os 3.000 CEOs entrevistados, 64% disseram que o sucesso da IA generativa dependeria mais da adoção pelas pessoas do que da tecnologia. Ao mesmo tempo, 61% afirmaram pressionar a organização a avançar mais rapidamente do que alguns funcionários consideravam confortável. A diferença entre ambição executiva e capacidade de absorção cria um problema de liderança.

O levantamento também registra que 56% dos CEOs ainda não haviam avaliado o impacto da IA generativa sobre os empregados, enquanto 35% estimavam que sua força de trabalho precisaria de requalificação ou atualização nos três anos seguintes. Esses números mudam o escopo do AI Strategist. A pergunta deixa de ser somente qual ferramenta implantar e passa a incluir quem será afetado, quem precisa aprender, quais tarefas mudarão e como a empresa vai acompanhar a transição.

O estrategista participa dessa ponte ao definir treinamento por função, organizar testes controlados e criar canais para registrar falhas e sugestões. Uma solução pode funcionar tecnicamente e fracassar porque o usuário não confia na resposta, não entende quando revisar o resultado ou não recebe tempo para aprender o novo fluxo. A adoção precisa aparecer como indicador do projeto, ao lado de produtividade, qualidade, receita ou redução de custo.

O World Economic Forum coloca IA ao lado de pensamento analítico

O Future of Jobs Report 2025, publicado pelo World Economic Forum, aponta inteligência artificial e big data, redes e segurança cibernética e alfabetização tecnológica como as três categorias de competências com crescimento mais rápido até 2030. O relatório também mantém o pensamento analítico entre as habilidades centrais mais procuradas pelos empregadores. A combinação explica o perfil do AI Strategist: compreender a tecnologia sem abandonar a análise de causa, evidência e consequência.

O documento foi construído a partir das respostas de mais de 1.000 empregadores, que representam mais de 14 milhões de trabalhadores em 55 economias. A pesquisa estima 170 milhões de novos postos e o deslocamento de 92 milhões entre 2025 e 2030, com crescimento líquido de 78 milhões. São projeções globais, não uma previsão específica para o Brasil ou para o cargo de AI Strategist. Ainda assim, ajudam a mostrar por que a habilidade de conectar sistemas, pessoas e decisões ganhou importância.

O relatório informa também que 63% dos empregadores veem a lacuna de competências como uma barreira relevante à transformação. A consequência para as empresas é prática: contratar especialistas pode ser necessário, mas desenvolver pessoas que já conhecem os processos também pode reduzir o tempo entre diagnóstico e aplicação. Um AI Strategist que entende o negócio consegue identificar quais conhecimentos internos devem entrar no projeto e onde será preciso buscar apoio externo.

A McKinsey indica que a vantagem está no processo de decisão

Uma análise da McKinsey sobre IA no desenvolvimento de estratégias descreve usos para pesquisa, geração de insights, simulação, comunicação e identificação de riscos. O texto apresenta o caso de um banco regional do Sudeste Asiático que usou um modelo para analisar contexto de negócio e tendências da indústria, gerando relatórios interativos para orientar a pesquisa seguinte. A tecnologia acelerou a exploração, mas não eliminou a necessidade de síntese executiva.

A consultoria também alerta que modelos de IA interpretam dados existentes e não criam sinais novos por conta própria. Essa limitação é central para o cargo. Se o estrategista usa somente informações públicas e pede um plano genérico, pode produzir uma resposta bem escrita sem vantagem competitiva. A qualidade aparece quando ele combina dados próprios, observação de clientes, conhecimento de operação e hipóteses que possam ser testadas.

O AI Strategist precisa, portanto, saber perguntar e também contestar. Deve investigar a origem de um indicador, testar uma conclusão contra dados diferentes e registrar incertezas. A ferramenta pode resumir relatórios e comparar cenários, mas a decisão sobre fechar uma fábrica, alterar preço, automatizar uma etapa sensível ou mudar uma política exige responsabilidade humana e conhecimento do contexto.

A carreira exige cinco blocos de competência

O primeiro bloco é a fluência em IA. Não significa treinar modelos do zero. Significa compreender o que modelos generativos, automações, agentes, busca com contexto e análise preditiva conseguem fazer, onde falham e que tipo de dado cada solução exige.

O segundo é visão de negócio. O profissional precisa relacionar uma iniciativa a margem, receita, custo, produtividade, risco ou experiência do cliente. Uma proposta sem indicador de resultado não permite decidir se o investimento deve continuar.

O terceiro é análise de processos. Antes de automatizar, é necessário entender entradas, exceções, retrabalho, aprovações e pontos de controle. Muitos projetos falham porque tentam acelerar um fluxo mal desenhado.

O quarto é coordenação. A função envolve tecnologia, operações, finanças, jurídico, segurança, recursos humanos e liderança. O estrategista precisa registrar responsabilidades, prazos, dependências e critérios de aceite.

O quinto é comunicação. A mesma iniciativa deve ser explicada com detalhes técnicos para uma equipe de desenvolvimento e com impacto econômico para uma diretoria. Traduzir sem distorcer é parte do trabalho, assim como comunicar limites e riscos.

O dono de negócio pode testar a lógica na próxima segunda-feira

O primeiro passo é escolher um processo repetitivo que tenha volume e dono claro. Em uma folha, registre quantas vezes o processo ocorre por semana, quanto tempo consome, qual erro aparece com mais frequência e qual etapa depende de julgamento humano. Sem essa fotografia inicial, qualquer promessa de ganho será uma impressão.

O segundo passo é selecionar uma única hipótese. Em vez de implantar IA na empresa inteira, escreva algo verificável, como reduzir o tempo de classificação de solicitações sem elevar a taxa de erro. Defina um período de teste, um grupo responsável e um limite de risco. Se dados de clientes forem usados, estabeleça previamente quais informações podem entrar na ferramenta.

O terceiro passo é comparar três caminhos: manter o processo, automatizar uma parte ou adotar uma solução mais ampla. Para cada caminho, estime custo, prazo, necessidade de treinamento e resultado esperado. A comparação evita que a empresa confunda novidade com prioridade.

O quarto passo é criar uma regra de revisão humana. O teste deve indicar quando uma pessoa confere a saída, como um erro é corrigido e quem pode interromper a automação. Registre as respostas em uma planilha simples e faça uma reunião ao fim da primeira semana. O objetivo não é provar que a IA funciona em qualquer situação. É descobrir se aquele caso merece uma próxima etapa.

Esse método já aproxima o dono de negócio do raciocínio de um AI Strategist. A empresa começa pelo problema, mede o ponto de partida, testa uma hipótese, limita o risco e decide com evidência. Se o piloto gerar resultado, o próximo trabalho será documentar o fluxo e preparar a escala. Se não gerar, o aprendizado evita um gasto maior.

Fontes consultadas

• World Economic Forum: Future of Jobs Report 2025
• World Economic Forum: 78 milhões de novas oportunidades até 2030
• IBM Institute for Business Value: estudo com CEOs sobre IA generativa
• McKinsey: How AI is transforming strategy development
• Kunumi: página de carreiras
• CI&T: vaga de Data & AI Strategist no Brasil
• DBS: estratégia e implementação de IA em banco asiático