110 mil pessoas num ChatGPT interno: o problema não é o acesso

110 mil pessoas num ChatGPT interno: o problema não é o acesso

Equipe Viver de IA · 2026-11-11

A Petrobras deu IA generativa a 110 mil trabalhadores. O difícil começa depois do login.

O essencial

  • Acesso em massa é execução técnica, não resultado: a métrica que importa é uso recorrente em tarefas reais, não número de logins.
  • Em empresas de pequeno e médio porte, IA aplicada a 1 processo específico gera retorno mensurável; chat genérico para todos tende a ser abandonado em meses.
  • Segurança e adoção são problemas de natureza distinta: resolver o primeiro não resolve o segundo, que depende de hábito e de dor real percebida pelo usuário.
  • Sem baseline de tempo, custo e volume definido antes da implantação, é impossível provar que a IA mudou algo na operação.

Dar acesso a 110 mil pessoas é a decisão fácil

A Petrobras colocou o ChatPetrobras, construído sobre o Azure OpenAI Service, no portal interno de 110 mil trabalhadores, entre empregados próprios e prestadores, pra elaborar relatórios, resumos, apresentações e tirar dúvidas. É o número que vai estampar a manchete. E é, de longe, a parte mais simples da história.

Liberar um chat corporativo seguro pra toda a base virou commodity técnica. Com Azure, você provisiona, configura as camadas de proteção de dados que a própria matéria descreve, e pronto: 110 mil logins ativos. Em semanas uma empresa grande resolve isso.

O que ninguém provisiona por contrato é o segundo login. O terceiro. O uso na terça-feira de um mês qualquer, quando o novidadeirismo passou.

Na nossa leitura, essa notícia não é sobre a Petrobras ter IA. É sobre o que acontece entre dar a ferramenta e ela virar parte do trabalho, que é onde a maioria dos projetos corporativos de IA morre em silêncio.

A métrica que a estatal vai precisar olhar não está no comunicado

O texto da Microsoft fala em "reduções de tempo e custos nos processos administrativos e operacionais" e na ambição de que "todos seus colaboradores estejam aptos a atuar como cientistas de dados". São frases de release. Ótimas pra imprensa, perigosas pra quem gere o projeto, porque não dizem nada que dê pra medir.

A pergunta que importa num rollout desse tamanho é bem mais seca: quantos dos 110 mil usaram o ChatPetrobras na última semana? E desses, quantos usaram pra algo que antes levava horas?

Tem uma diferença grande entre:

  • Acesso concedido: a pessoa tem o login. Diz quase nada.
  • Uso ativo: a pessoa abre e faz uma pergunta. Já diz mais.
  • Uso recorrente num fluxo real: a IA entrou numa tarefa que a pessoa faz toda semana, e ela não volta mais ao jeito antigo. É só isso que gera economia.

Quando a gente implementa em empresa brasileira, o erro clássico é comemorar a primeira camada e confundir com a terceira. Dá adoção de 90% no mês do lançamento e 8% no trimestre seguinte. Ferramenta boa, uso evaporado.

Acesso a 110 mil pessoas não é resultado, é a conta que você vai ter que justificar depois.

O que a maioria vai copiar da Petrobras pelo motivo errado

Vai ter uma fila de gestores olhando pra esse case e pensando "eu também quero um ChatInterno da minha empresa". O raciocínio é sedutor e quase sempre furado em empresa menor.

A Petrobras tem 70 anos de processo documentado, time de TIC dedicado, e uma base gigante onde até uma melhoria pequena por pessoa vira número relevante na soma. Um chat genérico horizontal faz sentido nessa escala porque o custo de construir dilui em 110 mil cabeças.

Na empresa de 40, 200, 800 pessoas, um chat genérico pra todo mundo costuma dar o seguinte: uns entusiastas usam muito, a maioria testa e abandona, e seis meses depois alguém pergunta quanto aquilo rendeu e ninguém sabe responder.

O caminho que rende em empresa média não é o chat pra todos. É a IA presa num processo específico que dói.

A Caveo não deu um chat genérico pro time comercial. Montou a Sofia, uma SDR baseada em IA no WhatsApp que qualifica lead, tira dúvida técnica e manda cupom, com o fluxo inteiro ligado da landing page ao Pipedrive. O resultado foi 30% de resgate de leads, porque a IA estava dentro de um processo com dono, meta e número, não solta esperando que alguém tivesse a ideia de usar.

Mesma lógica na RPM Agência: uma máquina de qualificação com target configurável e banco enriquecido por IA, que automatizou o que exigia gente parada, e virou R$ 72.000 em economia. Ninguém mediu "quantos funcionários usaram o chat". Mediram um processo antes e depois.

Segurança resolvida não é adoção resolvida

O comunicado dedica parágrafos à segurança: proteção de dados, conformidade com regulamentação brasileira, dados sob o domínio interno da companhia, camadas nativas do Azure. Faz todo sentido pra uma empresa de economia mista, e é um pré-requisito que muita empresa brasileira ignora quando joga dado sensível num chat público.

Mas tem uma armadilha de leitura aqui. Resolver segurança e privacidade é condição pra poder usar. Não é condição pra alguém querer usar.

São dois problemas de natureza diferente:

  • Segurança é um problema de engenharia e governança. Tem fornecedor, tem arquitetura, tem checklist. Você termina.
  • Adoção é um problema de hábito e de dor real. Não tem checklist. Depende da ferramenta economizar tempo numa tarefa que a pessoa odeia fazer, de forma óbvia, logo no primeiro uso.

A parte que a Petrobras acertou de blindagem é a que vira notícia. A parte que vai decidir se o investimento se paga é cultural, lenta, e não cabe num release de lançamento.

O limite honesto: ainda não dá pra saber se deu certo

Vou ser direto sobre o que a gente não sabe. O comunicado é de dezembro de 2023 e fala de expectativa, de ambição, de potencial. Não traz uma única métrica de uso real nem de economia apurada. Isso é normal num anúncio de lançamento, mas significa que julgar o sucesso do ChatPetrobras hoje, só pelo texto, é chutar.

A gente discorda de quem lê "110 mil trabalhadores" como prova de sucesso. É prova de ambição e de capacidade de execução técnica. Prova de resultado seria o número de 2024 ou 2025 que o release não tem: horas economizadas, processos encurtados, custo que saiu da conta. Até lá, o case vale como referência de arquitetura, não como garantia de retorno.

E essa humildade vale pra sua empresa também. Se você for medir pelo que o anúncio mede, vai se enganar do mesmo jeito.

O que fazer antes de sonhar com o seu "ChatInterno"

Se a notícia te deu vontade de levar IA generativa pra dentro, o roteiro que funciona em empresa brasileira é quase o oposto de começar pelo acesso em massa:

  1. Escolha um processo, não a empresa toda. Um fluxo com dono, volume e dor clara. Comercial, atendimento, cadastro, financeiro. Onde dói e dá pra contar.
  2. Defina a métrica antes de ligar qualquer coisa. Tempo da tarefa hoje, custo hoje, volume hoje. Sem baseline, você nunca vai provar que a IA mudou algo.
  3. Resolva segurança na proporção do seu dado. Se é dado sensível, trate como a Petrobras tratou. Se não é, não transforme governança em desculpa pra nunca começar.
  4. Meça uso recorrente, não logins. Quem voltou na terceira semana? Esse número vale mais que a lista de quem recebeu acesso.
  5. Só generalize depois que um processo provou retorno. Expandir pra base inteira sem um caso provado é comprar 110 mil logins fantasma.

Se você não sabe qual processo atacar primeiro, esse é exatamente o ponto de partida: mapear onde a IA paga a conta na sua operação com o diagnóstico de IA para empresas, antes de contratar qualquer plataforma.

A Petrobras pode dar acesso a 110 mil pessoas e absorver o custo de testar. A sua empresa, provavelmente, precisa que o primeiro projeto já volte com número. Comece pequeno, meça feio, e deixe o chat pra todo mundo pra quando um processo já tiver pago o ingresso.

Fonte: Petrobras cria ferramenta com Inteligência Artificial Generativa para ...

Relacionados

Como implementar IA na empresa: o guia completo

Soluções de IA prontas para empresas

Mais de 500 cases reais de IA

Metade compra eletrônico com IA. O que seu catálogo precisa

Cobrança por IA chegou à liderança antes do preparo

Perguntas frequentes

Dar acesso a toda a empresa a um chat de IA já garante resultado?

Não. Acesso concedido é a etapa mais simples; o que gera economia é uso recorrente em tarefas reais, e a maioria dos projetos chega a 90% de adoção no lançamento e 8% no trimestre seguinte.

Minha empresa deveria copiar o modelo de chat interno da Petrobras?

Provavelmente não. Em empresas menores, um chat genérico para todos costuma ser abandonado em meses; o caminho que rende é aplicar IA em um processo específico com dono, meta e métrica definidos.

Resolver a segurança dos dados já é suficiente para garantir o uso da IA?

Não. Segurança é pré-requisito técnico e tem solução; adoção é problema de hábito e depende da ferramenta resolver uma dor real de forma óbvia logo no primeiro uso.

Qual métrica devo acompanhar para saber se o projeto de IA está funcionando?

Uso recorrente em fluxos reais: quantos colaboradores voltaram a usar na terceira semana e em tarefas que antes levavam horas. Logins ativos e acessos totais dizem pouco.

Por onde uma empresa deve começar antes de implantar IA generativa internamente?

Escolha um único processo com dono, volume e dor mensurável, defina a métrica de sucesso antes de ligar qualquer ferramenta, e só generalize para toda a base depois que esse processo provar retorno.

Isto não é teoria. É o que já implementamos.

521 cases reais, todos com número aberto, e 158 soluções de IA prontas para empresas brasileiras.

Conhecer a plataforma · Falar com a Nina