1. O que é um roadmap de IA?
2. Por que tantos roadmaps de IA não saem do papel
3. As duas camadas de um roadmap de IA: casos de uso e fundações
4. Como montar um roadmap de IA em cinco decisões
5. Modelo de roadmap de IA para 18 meses
6. Como saber se o roadmap de IA está funcionando
7. Perguntas frequentes sobre roadmap de IA
8. Conclusão
Um roadmap de IA é o plano que define, para os próximos 12 a 24 meses, quais casos de uso a empresa vai colocar em produção, em que ordem, e o que precisa estar pronto em dados, pessoas, governança e plataforma para que cada um funcione. Ele responde a algumas perguntas práticas que são centrais para a implementação de qualquer forma de IA corporativa: o que acontece em cada trimestre, quem responde por isso e como saber se deu certo.
Muitas empresas chegam a esse ponto com uma lista de pilotos e chamam a lista de roadmap. A diferença aparece posteriormente, quando os pilotos disputam a mesma equipe de dados, nenhum tem orçamento para escalar e a liderança pergunta onde está o retorno prometido.
Neste artigo explicaremos o que entra em um roadmap de IA, por que tantos ficam no papel e como montá-lo em cinco decisões. No fim, trazemos um modelo de 18 meses para uma empresa de energia e os indicadores que mostram se o plano está funcionando.
É importante também ressaltar que a estratégia de IA vem antes do roadmap e não é repetida aqui: o foco é transformá-la em calendário.
O roadmap de IA é a tradução da estratégia em sequência. A estratégia diz onde a IA deve gerar valor e com que ambição; o roadmap diz em que ordem, com que recursos e com quais marcos. Por isso ele é mais curto e mais concreto: 12 a 24 meses, revisado a cada trimestre.
Ele também não é um roadmap de produto. Um roadmap de produto lista funcionalidades de um sistema; o de IA organiza um portfólio de casos de uso de áreas diferentes, que dependem de capacidades compartilhadas. A previsão de demanda e o assistente do jurídico parecem projetos independentes, mas usam a mesma equipe de dados, as mesmas regras de governança e o mesmo orçamento de nuvem.
A falta desse plano é sentida pela própria liderança. Embora 79% dos líderes considerem a adoção de IA decisiva para continuar competitivos, 60% temem que a empresa não tenha uma visão e um plano para implementá-la (Microsoft e LinkedIn, 2024).
O roadmap fica no papel quando trata a IA como um projeto de tecnologia. Em média, só 48% dos projetos de IA chegam à produção, e o caminho do protótipo até lá leva oito meses (Gartner, 2024). A maior barreira citada na mesma pesquisa não é técnica: é estimar e demonstrar o valor dos projetos.
A distribuição dos problemas confirma o diagnóstico. Nas empresas que tentam escalar a IA, cerca de 70% dos obstáculos vêm de pessoas e processos, 20% de tecnologia e só 10% dos algoritmos (BCG, 2024). Um roadmap que planeja apenas modelos e ferramentas cobre a menor parte do trabalho.
No Brasil, a adoção cresce mais rápido do que a capacidade de transformá-la em resultado. Metade das grandes empresas já usa IA, contra 38% um ano antes (Cetic.br, 2026). Entre executivos ouvidos pela Amcham e pela Humanizadas, porém, 84% dizem usar a IA apenas de forma pontual, e 77% não têm orçamento específico para ela ou investem menos de 2% (Amcham e Humanizadas, 2026). Uso pontual sem orçamento próprio é o retrato de uma empresa sem roadmap.
Um roadmap de IA que funciona tem duas camadas que andam juntas. A primeira é a dos casos de uso, que entregam valor ao negócio. A segunda é a das fundações, que tornam cada caso possível e mais barato que o anterior. Planejar só os casos de uso gera pilotos que não escalam. O erro inverso, comum quando o plano nasce na TI, é construir uma plataforma completa que poucas áreas usam.
A Gartner resume a proporção em uma frase: a IA é 30% tecnologia e 70% outra coisa (Gartner, 2026). O roteiro da consultoria organiza essas fundações em sete áreas: estratégia, gestão de valor, organização, pessoas, governança, engenharia e dados. Nenhuma delas é um projeto com começo e fim; todas avançam um pouco a cada trimestre, puxadas pelos casos de uso.
A regra prática é que cada caso de uso do roadmap aponte as fundações de que depende. Se a previsão de falhas exige dados de sensores integrados, essa integração entra no plano antes do piloto, com prazo e dono. Com isso, o roadmap mostra por que um caso vem antes do outro, e não apenas a ordem.
Montar um roadmap de IA é tomar cinco decisões, nesta ordem. Cada uma depende da anterior, e pular uma delas costuma aparecer como atraso dois trimestres depois.
O ponto de partida é medir o nível de maturidade em IA: dados disponíveis, equipes, governança e casos já em uso. Uma empresa sem política de uso de IA generativa não deveria planejar agentes acessando sistemas de clientes no primeiro semestre, por mais atraente que o caso pareça.
O roadmap recebe um portfólio já priorizado, e não uma lista aberta. O post sobre como priorizar casos de uso de IA detalha como ordenar as ideias por valor e viabilidade. Para um plano de 18 meses, de quatro a seis casos costumam bastar: poucos o suficiente para ter equipe dedicada e variados o bastante para testar áreas diferentes.
A ordem segue as dependências, não o entusiasmo das áreas. Casos que usam dados já organizados e têm risco controlável vêm primeiro, porque entregam resultado enquanto as fundações dos casos seguintes são construídas. O primeiro caso em produção também serve para provar o modelo de trabalho à liderança.
Cada caso recebe marcos trimestrais e um critério claro para seguir, ajustar ou encerrar. Um piloto que não atingiu a meta de valor no prazo combinado é revisto pelo comitê, e não prorrogado por inércia. Nas empresas mais maduras, 45% mantêm as iniciativas de IA em produção por três anos ou mais, contra 20% nas menos maduras (Gartner, 2025): a disciplina de passagem é parte dessa diferença.
O roadmap precisa de um dono executivo e de um orçamento próprio, separado do orçamento de cada área. Na mesma pesquisa da Gartner, 91% dos líderes de empresas maduras já nomearam um responsável dedicado à IA. Sem esse dono, as decisões de sequência voltam para cada diretoria, e o plano se desfaz no primeiro conflito de prioridade.
O modelo abaixo mostra um roadmap de IA para 18 meses em uma empresa de distribuição de energia. Ele é ilustrativo, mas segue a lógica das duas camadas: cada linha de fundação existe para destravar um caso de uso da linha de cima.
O atendimento ao cliente só entra no último semestre, e não por falta de interesse. Ele depende de dados de clientes preparados e de uma revisão de risco que a empresa ainda não tem no início do plano. Os dois primeiros casos, com dados internos e risco baixo, pagam essa espera com resultado.
A tabela também mostra o que o roadmap evita. Sem a linha de dados, a previsão de falhas começaria no trimestre 3 sem a integração dos sensores, e o piloto mediria a qualidade dos dados, e não a do modelo.
Um roadmap de IA funciona quando os casos chegam à produção no prazo e continuam lá. Quatro indicadores, revistos a cada trimestre, mostram isso com clareza:
A revisão trimestral usa esses números para ajustar o plano. Casos que andam bem ganham escala; casos travados mostram qual fundação está atrasada; casos novos entram pelo mesmo processo de priorização, e não por pressão de uma área.
A estratégia define onde a IA deve gerar valor e com que ambição. O roadmap de IA transforma essa escolha em sequência, com casos de uso, fundações, marcos trimestrais, responsáveis e orçamento para os próximos 12 a 24 meses.
De 12 a 24 meses, com detalhe maior nos dois primeiros trimestres. Planos mais longos perdem precisão porque modelos, custos e regulação mudam rápido; mais curtos não dão tempo para construir as fundações.
Um executivo com mandato sobre as áreas envolvidas, apoiado por um comitê de IA com tecnologia, dados, negócio e compliance. As áreas propõem os casos e respondem pelo resultado de cada um, enquanto o dono responde pela sequência e pelo orçamento do conjunto.
Em síntese, um roadmap de IA é a forma de transformar a estratégia em calendário: poucos casos de uso, ordenados pelas dependências, com marcos, critérios de passagem, dono e orçamento. Ele planeja tanto o que entrega valor quanto o que torna esse valor possível.
Sem as duas camadas, o roadmap volta a ser uma lista de pilotos. Os casos de uso dão motivo para construir as fundações, e as fundações fazem cada caso seguinte chegar mais rápido à produção. Quando uma das camadas falta, o plano volta a depender de esforço heroico de equipes isoladas.
Na prática, o primeiro sinal de que o roadmap funciona é o tempo entre piloto e produção cair a cada trimestre. O segundo é a revisão trimestral trocar a discussão de opiniões por números: quantos casos passaram, quanto valor geraram e qual fundação está atrasando o próximo.
A tendência é que essa disciplina fique mais necessária com os agentes de IA, que dependem de dados integrados, regras de acesso e monitoramento contínuo. Com as fundações no plano, escolher quais agentes valem a pena vira uma decisão de negócio, tomada antes do piloto, e não uma lacuna de dados descoberta no meio dele.
A decisão pendente, para a maioria das lideranças, é quais casos ocupam os próximos dois trimestres e o que precisa estar pronto para eles. Conheça o AI Strategy do Distrito e construa um roadmap de IA com prioridades, marcos e critérios reais de retorno.
