O BBVA começou com 3 mil pessoas, não com 100 mil

O BBVA começou com 3 mil pessoas, não com 100 mil

Equipe Viver de IA · 2026-11-11

O número que todo mundo vai citar do case BBVA é o errado. O que importa é por onde eles entraram.

O essencial

  • Começar com um grupo pequeno e um problema específico é o mecanismo que viabiliza escala posterior, não um sinal de timidez.
  • Os três pilares que antecedem a ferramenta são confiança, governança e aprendizagem estruturada, todos relativos a pessoas e processo.
  • Empresas brasileiras de qualquer porte replicaram a mesma lógica: a Nitro Química gerou R$ 3.000.000 em economia e a Pulsus obteve 5x de velocidade, ambas começando por um domínio específico.
  • Adoção de IA sem uso real da liderança tende a ser percebida como projeto periférico e abandonada pelo time em semanas.

O número que vão citar é o errado

O case BBVA vai circular esta semana com um número só: cerca de 100.000 colaboradores usando ChatGPT Enterprise. É o número que impressiona em slide de reunião. E é o número que vai fazer um monte de dono brasileiro achar que escala de IA se compra por volume de licença.

Não é esse o número que importa.

O que a própria OpenAI conta na matéria é que o BBVA começou em 2024 com 3.000 colaboradores, em vários países e áreas. A adoção acelerou "organicamente", nas palavras deles, e só depois o acesso foi aberto para toda a organização. Ou seja: o 100.000 é consequência. O 3.000 é a decisão.

E é essa ordem que quase ninguém respeita quando tenta copiar o movimento.

Começar pequeno não é tímido, é como se acerta a escala

A leitura da casa, depois de implementar IA em mais de 190 empresas brasileiras, é que o maior erro não é começar devagar. É começar grande e errado.

Quando uma empresa libera IA para a organização inteira de uma vez, acontece uma das duas coisas: ou ninguém usa de verdade (licença paga, caixa vazia), ou todo mundo usa do jeito que quiser, sem governança, e aí a área de risco acorda num susto seis meses depois.

O BBVA fez o contrário. Soltou para 3.000, deixou o uso provar onde fazia sentido, e só expandiu quando já sabia o que funcionava. A matéria da OpenAI é explícita: a adoção cresceu organicamente antes da liberação ampla.

Isso é o oposto da compra de mil licenças no primeiro trimestre esperando ROI aparecer sozinho.

Começar grande e errado custa mais caro que começar pequeno e devagar.

Os três pilares que a matéria cita (e por que eles vêm antes da ferramenta)

O texto da OpenAI lista como o BBVA estruturou a adoção: confiança, governação e aprendizagem estruturada. Parece genérico. Não é.

Traduzindo para quem toca operação no Brasil:

  • Confiança: o banco preferiu dar acesso empresarial seguro a deixar o pessoal usando ferramenta de consumidor por fora. Quem já viu colaborador colar dado de cliente num ChatGPT pessoal sabe o tamanho do problema que isso evita.
  • Governação: segurança, jurídico, conformidade e tecnologia alinhados desde o início, não depois do incidente. Num banco regulado isso é sobrevivência. Na sua empresa, é a diferença entre IA que escala e IA que vira passivo.
  • Aprendizagem estruturada: rede de "campeões" e usuários avançados (os "wizards", no jargão interno deles) rodando workshops e achando casos de uso reais dentro das áreas.

Repare que nenhum desses três é sobre o modelo de IA. São todos sobre pessoas e processo. A ferramenta é a parte barata.

A liderança usando de verdade é o que destrava o resto

Tem um detalhe na matéria que merece mais atenção do que o 100.000: o BBVA deu formação específica a 250 líderes, incluindo CEO e presidente, e hoje a comissão executiva está entre os usuários mais ativos.

Esse é o ponto que a empresa brasileira média pula.

A gente vê muito o dono comprar IA para a equipe e nunca abrir a ferramenta ele mesmo. Dá no que dá: o time percebe em uma semana que aquilo é mais um "projeto do RH" e volta pro jeito antigo. Adoção de IA morre por falta de exemplo de cima, não por falta de tecnologia.

Quando o CEO de um banco de 1857 está entre os heavy users, a mensagem interna não precisa de memorando.

Onde o case brasileiro já mostra a mesma lógica

Não dá pra comparar o BBVA com uma empresa de 50 pessoas, e a gente não vai fingir que dá. Mas o mecanismo, começar focado, provar, depois espalhar, é o mesmo em qualquer tamanho.

Na Nitro Química, a entrada não foi "IA para todo mundo". Foi a criação da "Nina", uma colaboradora digital que consulta mais de 70 fontes de sistemas para orientar usuários e resolver dúvidas, escalando chamado emergencial quando precisa. O ponto foi resolver suporte e atendimento primeiro, com foco, e a expansão (mais de 60% da organização usando) veio depois. O resultado ancorado nisso foi R$ 3.000.000 em economia gerada.

Mesma ordem do BBVA, escala diferente: resolve um pedaço bem, mede, espalha.

Na Pulsus, a IA entrou direto no ciclo de desenvolvimento de software, com a equipe usando ferramentas como Lovable em 30% do desenvolvimento. O ganho foi 5x em aumento de velocidade. De novo: um domínio específico, profundo, antes de qualquer discurso de "transformação de ponta a ponta".

O que a sua empresa deveria tirar disso

A parte que a matéria da OpenAI deixa implícita, e que vale repetir: o roteiro "The Eight" do BBVA redesenha banca de ponta a ponta, mas só existe porque teve um 2024 com 3.000 pessoas antes. Transformação ampla é o terceiro capítulo, nunca o primeiro.

Se você quer importar o que funcionou lá, sem o orçamento de um banco global:

  • Escolha uma área e um problema medível (atendimento, análise de campanha, suporte interno). Não a empresa inteira.
  • Dê acesso seguro e oficial em vez de deixar a equipe usando ferramenta pessoal com dado da empresa dentro.
  • Alinhe quem cuida de dado e compliance antes de escalar, não depois do susto.
  • Coloque gente de dentro como referência prática, os "campeões" que acham caso de uso real no fluxo diário.
  • Faça a liderança usar de verdade, porque adoção sem exemplo de cima evapora.
  • Antes de comprar licença em volume, mapeie onde a IA de fato encaixa na sua operação com o diagnóstico de IA para empresas.

O BBVA não ganhou escala porque comprou 100.000 licenças. Ganhou escala porque os primeiros 3.000 provaram onde valia a pena. A conta que a maioria vai fazer é de trás pra frente.

Fonte: BBVA coloca a AI no centro da banca com a OpenAI

Relacionados

Como implementar IA na empresa: o guia completo

Soluções de IA prontas para empresas

Mais de 500 cases reais de IA

Iowa cobra imposto de quem nunca pisou lá: a vez do Brasil

A LGPD já regula sua IA. E a maioria descobre tarde

Perguntas frequentes

Por onde uma empresa deve começar a adoção de IA?

Por um grupo restrito e um problema medível, não pela organização inteira. O BBVA começou com 3.000 colaboradores antes de expandir para 100.000.

Qual o maior erro na implementação de IA em empresas?

Começar grande e sem governança: ou ninguém usa de verdade ou todos usam sem controle, gerando risco jurídico e operacional meses depois.

Como evitar que a equipe use ferramentas de IA pessoais com dados da empresa?

Oferecer acesso oficial e seguro desde o início. Colaboradores que colam dados de clientes em contas pessoais de ChatGPT representam um risco concreto de compliance.

O líder precisa usar IA ou basta patrocinar o projeto?

Precisa usar. O BBVA formou 250 líderes, incluindo CEO, e a comissão executiva está entre os usuários mais ativos; sem exemplo de cima, a adoção evapora.

Quanto tempo leva para escalar IA para toda a empresa?

Escala ampla é consequência de um primeiro ciclo focado e comprovado; no BBVA, a expansão para 100.000 veio após um ano de uso orgânico com 3.000 pessoas.

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