Como a Jump transforma conhecimento, tecnologia e IA em produtos
Quanto uma empresa realmente conhece os problemas que os seus clientes precisam resolver? Em tecnologia, essa pergunta ganha ainda mais importância. A Inteligência Artificial está tornando mais rápido desenvolver, testar, pesquisar e automatizar. Mas velocidade, sozinha, não significa inovação. É preciso saber o que construir, para quem construir e qual problema solucionar.
O cliente como ponto de partida da inovação
A Jump atua como uma consultoria especializada, desde 2014, para promover a transformação digital dos clientes, sua fonte principal de inovação. Hoje, atende mais de 60 empresas no Brasil e na América Latina. Essa presença coloca as equipes em contato com diferentes setores, desafios e necessidades de negócio e transforma a experiência acumulada nos projetos em uma importante fonte de conhecimento.
Nesse contexto, ouvir o cliente não é apenas uma etapa comercial. É parte de um ciclo que permite identificar oportunidades de melhoria nos serviços e necessidades que podem dar origem a novas soluções.
Entender a dor do cliente e as necessidades do mercado
“O produto que a Jump desenvolve vem como um agregador aos nossos serviços. Através dos nossos serviços a gente entende a necessidade dos clientes e a dor do mercado como um todo. Assim, nascem os produtos da Jump. Esses produtos são incorporados dentro dos projetos de clientes que nós temos. Depois ofertamos o produto para o mercado junto com uma consultoria especializada”, explica Rafael Capua, COO da Jump.
A IA é um meio de desenvolvimento, não um fim
A Inteligência Artificial vem auxiliando os projetos de inovação na Jump trazendo celeridade eampliando a capacidade das pessoas, acelerando etapas operacionais e abrindo espaço para que o conhecimento humano seja aplicado onde pode gerar mais valor.
Hoje, a Jump conta com 16 produtos desenvolvidos a partir das necessidades identificadas nos projetos, do conhecimento acumulado pelas equipes e das dores observadas no mercado.
É justamente esse movimento que ganha uma nova dimensão com o ecossistema de produtos da Jump e materializa uma trajetória que começa muito antes da tecnologia: na escuta do cliente.
“O grande diferencial da Jump sempre foi o relacionamento. A Jump consegue atender bem as nossas necessidades. São profissionais de qualidade, temos muita proximidade e um time sempre pronto para ajustar”, declara Karen Inoue, Head de Martech e CRM da Cogna.
Quanto mais fácil construir, mais importante construir direito
A IA reduziu algumas barreiras para transformar uma ideia em aplicação. É possível gerar código, pesquisar possibilidades, testar funcionalidades e automatizar etapas do desenvolvimento em uma velocidade difícil de imaginar há poucos anos. Mas velocidade não elimina a necessidade de engenharia e muito menos de governança.
“Quanto mais fácil ficou construir, mais importante ficou construir direito. Na Jump, como a equipe de inovação trabalha também com pré-vendas, conhece muito as regras de negócio dos clientes e isso ajuda a refinar o pedido para a IA gerar um produto que já atenda as especificações”, declara Patricia Maciel, Head de Inovação da Jump.
Antes de um produto existir, existe arquitetura. Segurança, observabilidade, rastreabilidade e capacidade de auditoria também precisam fazer parte da construção. Quando esse produto envolve Inteligência Artificial, entram ainda questões relacionadas à gestão de riscos, transparência, responsabilidade e governança.
Nesse ponto, a Jump conta com o respaldo da certificação ISO/IEC 42001, norma internacional para sistemas de gestão de Inteligência Artificial. A norma estabelece uma estrutura para que organizações desenvolvam, implementem, utilizem e aprimorem sistemas de IA de maneira responsável, incorporando práticas de governança, gestão de riscos, transparência e melhoria contínua.
O agente executa, o humano direciona
Essa nova divisão do trabalho começa a aparecer também nas pesquisas sobre IA. O Work Trend Index 2026, da Microsoft, ouviu 20 mil profissionais que utilizam IA em dez países, incluindo o Brasil, além de analisar sinais anonimizados de produtividade. Entre os entrevistados, 66% afirmaram que a IA permitiu dedicar mais tempo a trabalhos de maior valor, enquanto 58% disseram estar produzindo trabalhos que não conseguiriam realizar um ano antes.
Os números ajudam a ilustrar uma mudança: conforme agentes assumem parte da execução, o papel humano pode se deslocar para direção, julgamento, supervisão e responsabilidade sobre os resultados. É uma dinâmica que já aparece no cotidiano da Inovação da Jump.
“A IA não vai substituir as pessoas, mas o jeito de trabalhar tem que mudar. As pessoas que não se adaptarem talvez sejam substituídas. O que é operacional a gente usa os agentes, mas o que é mais estratégico e o conhecimento de negócio é humano. Todo esse Knowhow do que a Jump faz, o que é estratégico e importante isso é humano. O humano é o grande diferencial nesse processo, tanto em aprendizado e no espírito de equipe.” declara Patrícia.
O que a IA ainda não conhece? O seu cliente
O agente faz a parte operacional e impulsiona, mas a usabilidade é algo muito humano. A IA não tem o conhecimento do negócio, não está na ponta de quem vai usar a ferramenta.
A capacidade de desenvolver mais rapidamente só ganha significado quando aquilo que é desenvolvido gera valor para quem está na outra ponta. A usabilidade continua dependendo de compreender quem efetivamente utilizará a solução. Isso significa conversar, observar, questionar e trazer o cliente para dentro do desenvolvimento.
E talvez esteja justamente aí um dos maiores diferenciais humanos em um ambiente cada vez mais automatizado: entender contexto.
Outro grande diferencial da Jump é que os produtos são todos nacionais. Isso é muito importante em um processo de melhoria, evolução e adaptação e isso também conta muito para celeridade nas entregas. A aceleração permite ser mais criativa. “Nas nossas propostas a gente vende o humano responsável e a IA otimizando. Principalmente com o cliente a IA nunca vai substituir essa parte da curiosidade, do questionamento, do entendimento do negócio.”
IA funciona melhor quando a organização aprende junto
Existe ainda outra dimensão dessa transformação: tecnologia sozinha não transforma uma empresa. No mesmo estudo, a Microsoft identificou uma relação relevante entre fatores organizacionais como cultura, apoio das lideranças e desenvolvimento de talentos e o impacto percebido da IA.
Entre profissionais considerados usuários mais avançados, aparecem com maior frequência comportamentos como compartilhar aprendizados, discutir oportunidades de automação com colegas e estabelecer padrões para a qualidade do trabalho realizado com IA. É um cenário semelhante ao encontrado na área de Inovação da Jump. Por trás dos produtos existe uma dinâmica constante de estudo, experimentação e compartilhamento de conhecimento. O que uma pessoa descobre pode melhorar o trabalho de outra, e aquilo que funciona em um projeto pode se transformar em aprendizado para o próximo.
Da dor do cliente ao ecossistema
A lógica não é criar tecnologia e depois procurar onde aplicá-la. É começar pela necessidade, reunir conhecimento de negócio e, quando existe potencial para transformar esse aprendizado em algo replicável, transformá-lo em produto.
“A decisão estratégica da Jump de fazer o desenvolvimento de produtos vem da visão que a gente tem de que algumas coisas que a gente faz, poderiam ser mais automatizadas, usar a tecnologia para fazer mais rápido, para fazer melhor e com um custo menor. Os produtos nascem como uma etapa de melhoria do serviço”, declara Anderson Argentoni CEO da Jump.
O Burnout dos times de dados vira risco de qualidade
A IA prometia mais produtividade, automatizar tarefas e devolver tempo às pessoas, mas, estamos vivendo um paradoxo: fazer tarefas mais rapidamente não significa necessariamente trabalhar menos.
O estudo global Workforce 2026, da Korn Ferry ouviu mais de 16 mil profissionais em 11 mercados e mostrou que 52% dos profissionais afirmam que as ferramentas de IA aumentaram o volume de tarefas, em vez de reduzi-lo e mais de 60% dizem acumular funções e relatam que a carga de trabalho cresceu significativamente nos últimos dois anos.
No Brasil, essa contradição fica ainda mais evidente. Segundo dados repercutidos pela Forbes Brasil, 63% dos profissionais perceberam ganhos de eficiência com o uso da Inteligência Artificial, mas 47% afirmam estar ocupados demais para entregar resultados relevantes.
“É perfeitamente possível fazer cada tarefa mais rápido e terminar o dia com mais trabalho”, resume Vinicius De Luca, presidente de consultoria da Korn Ferry para a América do Sul.
A constatação coloca uma questão importante para empresas que estão acelerando seus investimentos em IA: o problema está na tecnologia ou na forma como o trabalho está organizado ao redor dela?
Os times de dados estão crescendo e a complexidade também
Pipelines precisam continuar funcionando. Problemas de qualidade precisam ser investigados. Acessos precisam ser gerenciados. Dados precisam estar disponíveis, seguros, documentados e em conformidade. Ao mesmo tempo, surgem novas demandas de analytics, machine learning e agentes de IA.
Separadamente, são atividades normais de uma operação de dados. Quando o retrabalho, as exceções e as intervenções manuais se tornam permanentes, porém, podem revelar algo que dificilmente aparece nos dashboards executivos: a quantidade de complexidade operacional que está sendo absorvida pelas pessoas.
E é nesse ponto que sobrecarga, governança e qualidade de dados passam a integrar uma mesma conversa, não porque seja possível atribuir o esgotamento profissional a uma única causa, mas porque a organização do trabalho, a qualidade dos processos e a clareza das responsabilidades também fazem parte do ambiente em que essas equipes trabalham.
Burnout e o risco da qualidade dos dados
O Burnout é um fenômeno complexo e deve ser tratado com a seriedade devida. Não cabe atribuí-lo a uma ferramenta, a uma arquitetura tecnológica ou à ausência de determinada prática de governança. Mas isso não impede as organizações de observarem os fatores estruturais relacionados à maneira como o trabalho acontece.
O que os próprios profissionais de dados já dizem
Uma pesquisa da DataKitchen e da data.world realizada com 600 engenheiros de dados ajuda a dimensionar o problema. Embora o levantamento seja de 2021, anterior à atual expansão da GenAI, seus resultados são especialmente interessantes quando observados no contexto atual.
Entre os profissionais pesquisados, 69% afirmaram que as políticas de governança de dados de suas organizações tornavam o trabalho cotidiano mais difícil. Além disso, metade dos entrevistados apontaram o fluxo constante de erros como fonte de pressão, e a outra metade mencionou processos manuais que ocupavam o espaço destinado à inovação.
O que os gestores precisam observar
Os primeiros sinais de adoecimento costumam ser físicos e comportamentais: atrasos de quem sempre chegou no horário, saídas frequentes ao banheiro, perda de peso, falhas de memória e redução da interação com colegas. A recomendação é contratar avaliações de riscos psicossociais e implementar rotinas de proteção à saúde mental das equipes.
NR-1 e as diretrizes gerais de segurança e saúde no trabalho no Brasil
No Brasil, essa discussão ganhou ainda mais relevância em 2026. A nova redação do capítulo 1.5 da Norma Regulamentadora nº 1 (NR-1) entrou em vigor em 26 de maio e passou a incluir expressamente os fatores de risco psicossociais relacionados ao trabalho no Gerenciamento de Riscos Ocupacionais (GRO).
O próprio Ministério do Trabalho e Emprego destaca que a abordagem deve considerar os fatores relacionados ao trabalho, dentro de uma perspectiva de prevenção e gerenciamento de riscos e isso muda o olhar das empresas para a performance dos funcionários.
Em vez de olhar exclusivamente para a capacidade individual de lidar com pressão, torna-se necessário observar também como o trabalho é desenhado, distribuído e executado.
Nos times de tecnologia e dados, essa análise pode incluir fatores bastante concretos: interrupções constantes, retrabalho, processos excessivamente manuais, demandas sem priorização clara, dependência de poucas pessoas, responsabilidades indefinidas e pressão para manter sistemas críticos funcionando enquanto novos projetos continuam chegando.
Quanto esforço humano é necessário para manter os dados governados?
O objetivo não é criar uma organização sem incidentes ou sem pressão, mas construir uma operação capaz de absorver crescimento e mudança sem depender continuamente de heroísmo individual.
Para empresas que estão acelerando investimentos em dados e Inteligência Artificial, talvez essa seja uma nova dimensão de maturidade a considerar.
O que é GenAI, na prática, para quem decide o orçamento
A IA passa de assistente para agente e, agora, para quem decide o orçamento, é preciso entender como a Inteligência Artificial Generativa pode se tornar um valor mensurável para o negócio.
O que é GenAI na prática?
A Inteligência Artificial Generativa, ou GenAI, é uma categoria de IA capaz de gerar novos conteúdos e respostas a partir de padrões aprendidos em grandes volumes de dados. Texto, código, imagens, análises e documentos estão entre suas aplicações mais conhecidas.
No ambiente corporativo, GenAI pode apoiar desenvolvedores na geração de código, resumir contratos, auxiliar análises financeiras, atender clientes, apoiar equipes comerciais, produzir relatórios e se conectar a diferentes sistemas. É justamente essa evolução que muda a conversa sobre orçamento.
Uma licença tradicional de software tende a oferecer relativa previsibilidade. Com a GenAI, o custo deixa de depender apenas de ter a tecnologia disponível e passa a depender também de quanto, como e para que ela é utilizada.
A nova unidade econômica da IA
Sarah Friar, CFO da OpenAI, afirmou que clientes corporativos estão buscando retornos mais mensuráveis dos investimentos em Inteligência Artificial. Em artigo publicado na Fortune, em julho de 2026, Friar afirma que a principal dúvida apresentada por executivos financeiros é como transformar investimentos em IA em valor concreto para os negócios. “A pergunta que ouço de diretores financeiros em todos os lugares é simples: como podemos obter mais valor de nossos investimentos em IA?”.
Ela propõe a métrica “useful intelligence per dollar”, algo como “inteligência útil por dólar investido”. A ideia é medir resultados concretos: tarefas relevantes concluídas, custo total da tarefa (incluindo revisões humanas e tentativas adicionais), precisão e capacidade de aumentar o valor entregue sem fazer os custos crescerem. A unidade econômica da IA talvez não seja o token. É a tarefa concluída com qualidade e o valor que ela gera.
O investimento em IA cresce, e a visibilidade de custo acompanha?
Segundo pesquisa do Gartner, divulgada em setembro de 2026, com 1.303 líderes de organizações com receita anual acima de US$ 50 milhões, 85% pretendem aumentar seus gastos com IA em 2026. Apenas 22% das organizações conseguiram escalar IA de forma consistente entre múltiplas áreas de negócio e 11% sequer sabem quanto gastaram com IA em 2025. O orçamento pode estar crescendo mais rapidamente do que a capacidade de medir seu retorno.
A mesma pesquisa encontrou uma diferença relevante nas empresas que tratam IA como investimento mensurável. Entre as organizações de alto desempenho, que acompanham ROI, avaliam regularmente os projetos e realocam recursos quando necessário, 81% das iniciativas de IA apresentaram retorno positivo.
Produtividade x geração de valor
A adoção da GenAI desde o início foi sustentada por ganhos de produtividade. O estudo State of AI in the Enterprise 2026, da Deloitte, mostra que, apesar de melhorias de produtividade e eficiência apenas 20% dizem já ter conseguido aumentar receitas por meio da IA, embora 74% esperem alcançar esse resultado no futuro.
A Deloitte aponta que apenas 34% das organizações pesquisadas estão utilizando IA para promover transformações mais profundas, como criar produtos e serviços ou reinventar processos e modelos de negócio.
Escalar exige infraestrutura, integração, segurança, governança, qualidade dos dados, monitoramento e capacidade de acompanhar consumo e custos. E essa equação ganha uma nova dimensão quando a IA deixa de apenas responder e começa também a executar.
Da IA que responde para a IA que executa
O setor financeiro brasileiro ajuda a mostrar como essa transformação está acontecendo na prática. Com o tema “Agentes Inteligentes, Liderança Humana”, o Febraban Tech 2026 que aconteceu em agosto, em São Paulo, colocou no centro das discussões uma nova etapa da adoção corporativa de IA para sistemas capazes de interpretar objetivos, acessar informações, interagir com aplicações e executar etapas de processos.
“IA pra mim é uma infraestrutura central para a tomada de decisão. A IA em si não é um diferencial, a forma como você usa a IA é que vai diferenciar pessoas, empresas e nações”, declarou Maurício Minas, presidente do Conselho do Febraban Tech e conselheiro do Bradesco e da B3, ao Portal Febraban.
A dimensão dos investimentos ajuda a compreender por que essa mudança também precisa entrar na agenda de quem decide orçamento.
Segundo a Pesquisa Febraban de Tecnologia Bancária 2026, os bancos brasileiros devem investir R$ 50,4 bilhões em tecnologia neste ano. Cerca de R$ 3 bilhões serão destinados a IA, Analytics e Big Data, enquanto os investimentos em migração para cloud devem alcançar R$ 3,9 bilhões.
Um assistente de GenAI pode receber uma solicitação, processar determinado contexto e produzir uma resposta, consultar diferentes fontes de dados, acessar APIs, interagir com sistemas corporativos e executar diversas etapas antes de concluir uma tarefa.
Quando a IA executa, o custo também muda
Com mais agentes, usuários e processos automatizados, os gastos podem se tornar mais variáveis e complexos de prever e atribuir. Isso não significa que custos de IA sejam incontroláveis. Significa que precisam ser observados de maneira diferente.
Essa variabilidade também está mudando a disciplina que sustenta a operação de IA. MLOps deixa de ser preocupação só de times de dados e passa a ter impacto financeiro direto. Cada retraining, cada rota de inferência, cada modelo em produção consome recursos que precisam ser rastreados como qualquer outro custo de nuvem. Do lado dos dados, arquiteturas de Data Mesh trazem o mesmo dilema em outra escala: cada domínio passa a gerar, consumir e pagar por dados de forma independente, o que exige visibilidade de custo tão granular quanto a de um pipeline de agentes de IA.
GenAI não deve ser analisada apenas como uma nova linha de despesa tecnológica, mas passa a exigir uma aproximação cada vez maior entre tecnologia, finanças e negócio.
Centro de Excelência e ISO 9001: como a Jump conecta capacitação, qualidade e experiência do cliente
Em tecnologia, aprender sempre fez parte do trabalho. Mas a velocidade com que a Inteligência Artificial generativa, as plataformas de dados e a automação está mudando a dimensão desse desafio.
Durante a execução de um projeto, as necessidades identificadas fazem com que o conhecimento técnico também precise evoluir no processo. Competências passam a exigir atualização em ciclos cada vez mais curtos, enquanto novas especializações ganham espaço. Nesse cenário, capacitação não é mais opcional, é continuidade.
O movimento de requalificação que ocorre no mercado também precisa estar presente dentro das empresas. Na Jump, o Center of Excellence (CoE) materializa parte dessa visão ao funcionar como um hub estratégico de conhecimento e inovação que conecta desafios a especialistas e promove capacitação, acompanhamento técnico e compartilhamento de boas práticas.
Do conhecimento à qualidade da entrega
O CoE atua em três frentes principais:
Capacitação técnica: treinamentos internos e cursos especializados em tecnologias de ponta.
Acompanhamento recorrente em capacitação: suporte diário para a evolução dos consultores.
Compartilhamento de experiências: encontros e workshops que disseminam boas práticas e fortalecem a cultura colaborativa da Jump.
O Painel CoE da Jump cria um ciclo de desenvolvimento contínuo, no qual o conhecimento adquirido é compartilhado e aplicado em outras entregas. Esse modelo impulsiona a carreira dos consultores, fortalece a confiança dos clientes e aproxima o trabalho do CoE a outro compromisso da Jump: a gestão contínua da qualidade.
ISO 9001: qualidade como processo contínuo
A Jump possui a certificação ISO 9001, norma internacional para Sistema de Gestão da Qualidade (SGQ). Mais do que um selo, a ISO 9001 estabelece uma abordagem estruturada para que as organizações implementem, mantenham e melhorem continuamente seus processos, com forte orientação para atender às necessidades dos clientes e aumentar sua satisfação.
Entre os princípios associados à gestão da qualidade estão foco no cliente, engajamento das pessoas, abordagem por processos, melhoria contínua, tomada de decisão baseada em evidências e gestão de relacionamentos. É justamente na busca pela melhoria contínua que o CoE e a gestão da qualidade se encontram.
Em um setor transformado pela IA e pela velocidade da inovação, qualidade também depende da capacidade de aprender, adaptar-se e evoluir continuamente.
Conhecimento técnico não precisa ser construído sozinho
Um dos diferenciais do Painel CoE da Jump é a participação de um mentor técnico: um consultor mais experiente que atua como referência para compartilhar experiências, esclarecer dúvidas e ajudar a conectar os conceitos estudados aos desafios encontrados no projeto.
Esse modelo transforma conhecimento individual em conhecimento coletivo. Em vez de depender apenas de cursos ou conteúdos teóricos, o consultor pode acessar a experiência acumulada por outros profissionais e aplicá-la para acelerar sua própria curva de aprendizado.
Para os consultores, significa ter acesso a especialistas e experiências que aceleram o desenvolvimento profissional. Para o cliente, significa contar não apenas com o profissional alocado no projeto, mas com um ecossistema de conhecimento capaz de apoiar tecnicamente aquela entrega.
Proximidade é o grande diferencial
É na percepção do cliente que esse ciclo ganha significado.
“A Jump é parceira de tecnologia da CPP desde o começo, atuando em sistemas, segurança, dados, BI e martech. Os colaboradores têm ótimo conhecimento técnico, qualidade e atendimento excelentes.”
Rafael Fialho, Caixa PréPagos
“O projeto foi muito bom. A gente ficou feliz com o resultado e foi além do esperado em termos de entrega e interação. O time estava muito comprometido com o projeto. Percebemos o engajamento em todo o processo desde o entendimento do que a gente precisava e confirmou o profissionalismo da empresa.”
Luiz Zerbinatti, VR Benefícios
“O diferencial da Jump sempre foi o relacionamento. A Jump consegue atender bem as nossas necessidades e tem profissionais com nível de qualidade e proximidade e um time sempre pronto para ajustar. A parceria para mim é o principal diferencial da Jump.”
Karen Inoue, Cogna Educação
A combinação entre conhecimento técnico, qualidade e relacionamento ajuda a explicar como a Jump conduz a transformação digital pela construção contínua das competências necessárias para aplicá-las com consistência e gerar valor para os clientes.
Capacitação em IA: por que preparar pessoas será tão importante quanto investir em tecnologia?
À medida que a GenAI avança, preparar profissionais para utilizar, supervisionar e extrair valor da IA se torna o gargalo da transformação digital. Com o tema “Agentes Inteligentes, Liderança Humana” o Febraban Tech 2026, realizado na última semana, em São Paulo, reuniu executivos dos principais bancos do país e especialistas em tecnologia, e um dos principais pontos do debate foi justamente a capacitação dos profissionais.
O que os números da Febraban Tech mostram?
A Pesquisa Febraban de Tecnologia Bancária 2026 apontou que os bancos brasileiros devem investir R$ 50,4 bilhões em tecnologia em 2026. Desse total, cerca de R$ 3 bilhões serão destinados a IA, Analytics e Big Data, enquanto os investimentos em migração para cloud devem alcançar R$ 3,9 bilhões, alta de 30%.
Paralelamente, os investimentos em treinamento e capacitação profissional especificamente em IA e IA Generativa devem chegar a R$ 29,4 milhões, crescimento de 31%.
Os números mostram que infraestrutura tecnológica e capacidade humana começam a avançar na mesma direção. Investir em modelos, dados e cloud amplia a capacidade tecnológica; investir em capacitação é fundamental para que essa capacidade seja poderá ser incorporada aos processos e transformada em resultado.
“IA para mim é uma infraestrutura central para a tomada de decisão. A IA em si não é um diferencial, a forma como você usa a IA é que vai diferenciar pessoas, empresas e nações”, declarou Maurício Minas, presidente do Conselho do Febraban Tech e conselheiro do Bradesco e da B3 ao Portal Febraban.
O que é capacitação em IA?
Capacitação em IA é o desenvolvimento das competências necessárias para que profissionais utilizem, supervisionem e avaliem sistemas de Inteligência Artificial de forma produtiva, segura e alinhada aos objetivos do negócio. Ela envolve fluência tecnológica, conhecimento do negócio, governança, segurança e capacidade de mensurar resultados.
IA ganhou orçamento, pessoas precisam ganhar capacidade
Os debates do Febraban Tech ajudam a mostrar que a transformação não acontece em camadas independentes. Agentes organizam e executam o trabalho, dados e cloud fornecem contexto e capacidade computacional, governança estabelece os limites da execução e as pessoas sustentam responsabilidade, conhecimento e segurança.
É a coordenação entre essas dimensões que permitirá escalar IA de forma sustentável. Para as lideranças, isso significa olhar para capacitação como investimento na capacidade operacional da organização.
A adoção da IA e GenAI nas instituições financeiras já está em andamento. A capacitação é que está correndo atrás. Até agora, os benefícios obtidos com IA ainda estão concentrados principalmente em ganhos de produtividade e automação, enquanto aplicações que envolvem decisões mais sofisticadas e julgamento ampliado permanecem distantes do valor estratégico que a tecnologia promete.
É a coordenação entre essas dimensões que permitirá escalar IA de forma sustentável. Para as lideranças, isso significa olhar para a capacitação como investimento na capacidade operacional da organização, e não apenas como item de treinamento corporativo.
A Pesquisa FEBRABAN mostra que 70% dos bancos já possuem ou estão desenvolvendo estratégias de requalificação profissional. No último ano, 226,1 mil profissionais do setor bancário receberam treinamento em tecnologia, com investimento total de R$ 100,4 milhões. Ao mesmo tempo, 42% das instituições pesquisadas pretendem ampliar suas equipes de TI, com crescimento médio previsto de 22%.
As competências estão mudando mais rápido
Uma empresa pode desenvolver agentes e descobrir que seus processos não estão preparados para delegar decisões. Também pode automatizar atividades sem estabelecer claramente quem supervisiona as respostas.
Nesse cenário, tecnologia sem capacidade operacional pode se transformar em backlog caro, ferramentas subutilizadas e experimentos que nunca chegam à escala.
O fenômeno não está restrito ao setor financeiro brasileiro. O Global AI Jobs Barometer 2025, da PwC, analisou quase um bilhão de anúncios de emprego em seis continentes e identificou que as competências procuradas pelos empregadores estavam mudando 66% mais rapidamente nas ocupações mais expostas à IA.
“A relação tradicional entre experiência e especialização está mudando. A IA está eliminando parte do trabalho rotineiro que antes funcionava como uma etapa de aprendizado e formação profissional, ao mesmo tempo em que aumenta, desde o início da carreira, a demanda por capacidade de julgamento, liderança e adaptabilidade. As organizações precisam repensar como desenvolvem seus talentos se quiserem que as pessoas prosperem nesse novo ambiente.”
Pete Brown, líder global de Workforce da PwC
Requalificação não pode ser apenas treinamento em ferramentas
Uma estratégia consistente de requalificação deveria combinar pelo menos quatro dimensões.
Fluência em IA: compreender possibilidades, limitações e funcionamento básico da tecnologia.
Conhecimento do negócio: identificar problemas nos quais a IA efetivamente pode gerar valor.
Governança: entender segurança, privacidade, responsabilidade, qualidade de dados e limites para decisões automatizadas.
Mensuração: conseguir relacionar utilização da IA a produtividade, eficiência, receita, redução de risco ou melhoria da experiência do cliente.
Produtividade X ROI de IA
Um estudo da PwC mostrou que os setores mais expostos à IA apresentaram crescimento de receita por empregado três vezes superior ao registrado pelos setores menos expostos. A produtividade também avançou de forma significativamente mais rápida nos setores com maior exposição à tecnologia.
Esses resultados sugerem que quando tecnologia, processos e competências conseguem trabalhar juntos, existe potencial para ampliar a capacidade produtiva das pessoas. Mas há uma variável que cresce junto com a autonomia dos agentes: quanto mais eles decidem sozinhos, mais importante se torna saber quem pode decidir, quem deve validar e quem responde pela decisão.
É por isso que a discussão sobre ROI da IA não pode parar na régua de produtividade. Ela precisa incluir capital humano e precisa incluir governança. Um agente que executa mais rápido sem um dono claro, sem trilha de decisão auditável e sem inventário do que está rodando não é eficiência, é risco represado.
Governar escala exige especialização
O que vemos no setor financeiro é apenas um recorte da realidade das empresas que estão operando com IA. Treinar 226 mil profissionais é um esforço contínuo, e enquanto a capacitação interna avança, os agentes já estão em produção, tomando decisões que precisam ter responsáveis claramente definidos e estar devidamente inventariadas. É aí que entra a diferença entre construir capacidade do zero e contratar quem já resolveu esse problema em escala.
Esse cenário coloca um desafio adicional para as organizações: não basta colocar agentes em produção, é preciso criar uma estrutura capaz de acompanhar sua evolução, estabelecer responsabilidades e garantir que seu uso esteja alinhado aos objetivos do negócio. Construir essa capacidade internamente exige tempo, conhecimento especializado e processos de governança que acompanhem a velocidade da tecnologia.
É justamente nesse ponto que contar com uma expertise especializada pode acelerar a jornada. Em vez de começar do zero, as empresas podem recorrer a parceiros que já possuem experiência na estruturação de ambientes de dados, IA e governança, reduzindo o tempo entre a adoção da tecnologia e a geração de valor em escala.
Um guia de decisão para CTOs e CFOs resolverem custos multicloud e governança de IA
A inteligência artificial está avançando dentro das empresas em uma velocidade que dificulta acompanhar cada novo modelo, ferramenta e aplicação por meio de processos manuais. O problema começa quando essa expansão acontece sem uma visão consolidada do que está sendo utilizado, quanto custa, quem é responsável e quais riscos estão envolvidos. Olhar para o problema e mapear a melhor solução para a empresa no momento está sendo o principal desafio dos CTOs e CFOs.
O Gartner estima o gasto empresarial global com inteligência artificial em US$ 2,59 trilhões em 2026, e uma parcela desse volume é consumida por recursos ociosos, projetos que continuam ativos depois da prova de conceito e workloads de agentes que utilizam tokens sem critérios claros de parada.
O OPT-3 e o Radar AI são produtos da Jump que atuam sobre dimensões diferentes de um mesmo desafio. O OPT-3 trata da dimensão financeira, oferecendo visibilidade sobre o consumo de cloud e plataformas de dados como Databricks, com atribuição por time, projeto e caso de uso, além de recomendações de otimização.
Enquanto o Radar AI atua sobre a dimensão de risco, a plataforma permite identificar ferramentas de IA em uso, classificar situações de Shadow AI, acompanhar a maturidade da governança e monitorar comportamentos anômalos que podem indicar um problema antes que ele se transforme em incidente.
FinOps multicloud: OPT-3 x CloudZero x Vantage x Flexera
O mercado de FinOps cresceu de menos de cinco plataformas há uma década para mais de cem atualmente. Isso significa cem variações do mesmo recorte: visibilidade de custo por engenharia, ou visibilidade de custo por finanças. Raramente as duas coisas ao mesmo tempo, e quase nunca com um caminho estruturado de maturidade entre elas.
A CloudZero ilustra bem a primeira hipótese. Desde que se reposicionou como especialista em ROI de IA, a plataforma aprofundou a atribuição de custo por modelo de LLM e por unidade de negócio, cliente, feature, ambiente. É um avanço real mas a operação depende de ferramentas de BI externas, o que mantém a decisão de custo dentro do time de engenharia. Para o CFO que precisa de um número confiável sem depender de tradução técnica, esse modelo não adianta muito.
A Vantage resolve a fricção de adoção, interface simples, integração rápida só que ao custo de profundidade. O próprio mercado reconhece que alocação sofisticada e unit economics ficam fora do escopo da plataforma. Ela mostra o problema, mas não aponta o que fazer com ele.
A Flexera cobre a ponta que falta às duas anteriores: showback e chargeback auditável, pensado para times financeiros. O preço dessa robustez é a velocidade, implementações mais longas, herança de ferramentas de IT asset management, menos DNA multicloud nativo.
O diferencial do OPT-3
Nenhuma das três principais concorrentes do mercado entrega as três coisas ao mesmo tempo: visibilidade técnica, controle financeiro e um caminho para a organização percorrer em etapas. Esta é exatamente a proposta do framework Crawl/Walk/Run do OPT-3. Com isso, ROI deixa de ser estimativa e vira equação: gasto × percentual de desperdício × percentual de recuperação, um número que CTO e CFO conseguem validar juntos, na mesma reunião.
Governança de IA: Radar AI x Indicium x Dataside
A segunda decisão é menos discutida, mas igualmente cara: como saber, com evidência auditável, quais sistemas de IA operam dentro da empresa, quem é o dono de cada um, qual o nível de risco e se estão em conformidade com EU AI Act, ISO 42001, NIST AI RMF e LGPD ao mesmo tempo.
A resposta histórica do mercado é consultoria. A Indicium, agora unificada como Indicium AI após a fusão com a britânica Mesh-AI, é o exemplo mais forte disso com atuação de ponta a ponta em transformação por IA. A Dataside ocupa um espaço complementar no mercado brasileiro: portfólio amplo em analytics e governança, certificações Microsoft e ISO, modelo de alocação de time sob demanda.
A dinâmica do ShadowAI
O ponto de atenção é o formato de consultoria que mapeia o cenário de IA da empresa como projeto, um retrato do momento, entregue em semanas ou meses, que já começa a ficar desatualizado assim que um novo time sobe uma ferramenta sem passar pelo radar de ninguém. Shadow AI não é um risco que se resolve uma vez; é um risco que se recria toda semana.
O Radar AI ataca esse problema como produto vivo, não como fotografia de projeto. Ele detecta o uso não autorizado de IA, mantém um inventário centralizado, com responsável, nível de risco e status de conformidade de cada sistema, e permite consultar tudo isso em linguagem natural, sem depender de um relatório estático.
O critério que a maioria ignora: governança de agentes
Nenhum dos concorrentes citados, nem os de FinOps, nem os de governança de IA, constrói o discurso em torno de governança de agentes autônomos como eixo central de decisão. É um ponto cego relevante, porque as duas frentes (custo de cloud e uso de IA) convergem exatamente para o mesmo lugar: quanto mais IA autônoma opera dentro da empresa, mais crítico é ter uma camada que audite essas decisões continuamente, e não apenas em auditorias pontuais.
Antes de escolher entre plataforma e consultoria em FinOps ou em dados vale confrontar cada opção com quatro perguntas simples:
O modelo é contínuo ou por projeto? Um mapeamento ou relatório envelhece no dia em que é entregue, já uma plataforma acompanha a operação em tempo real.
Quem fica dono do conhecimento gerado? Se a resposta é “o fornecedor”, o próximo ciclo de decisão volta a depender externamente.
A maturidade organizacional tem um caminho claro, ou só um dashboard? Visibilidade sem framework de evolução é fotografia, não plano.
Existe camada de governança sobre as decisões automatizadas, com auditoria contínua e não pontual? Se a resposta é não, o problema de amanhã já está sendo criado hoje.
Essas quatro perguntas não eliminam a necessidade de avaliar preço, integração e suporte. Mas evitam o erro mais comum nessa decisão: comparar ferramentas pela lista de features, quando a escolha real é entre dois modelos de relação, o que entrega um retrato, e o que fica instalado para agir.
Jump lança novo slogan: transformação não espera
Conheça a JUMP. Aqui, transformação não espera.
Quem é a Jump
A Jump é uma consultoria brasileira especializada em transformação digital guiada por dados, fundada em 2014 por Anderson Argentoni e Rafael Capua. Consultoria especializada em dados e IA, uma das primeiras do Brasil certificada na ISO 42001. Por meio do framework Tractix by Jump, a empresa leva organizações reguladas da adoção ao uso em produção de dados e IA, com governança certificada, evidência comprovável e custo sob controle. Atende organizações de médio e grande porte que operam ambientes multicloud e legados complexos, unindo consultoria, produtos próprios e parceria com as principais plataformas de nuvem e dados. Com mais de 600 especialistas, a empresa atende organizações de médio e grande porte nos setores financeiro, de saúde, educação, telecom e varejo.
Ao longo de 12 anos, a Jump acumulou centenas de projetos para grandes corporações brasileiras. A empresa nasceu com a tese de que tecnologia só faz sentido quando gera resultado real — e mantém essa convicção em cada entrega.
Hoje, a Jump se posiciona como a única consultoria nacional que integra, em uma proposta unificada, competências profundas em Dados, Inteligência Artificial e Cibersegurança — o cruzamento de capacidades mais estratégico e ainda subexplorado do mercado brasileiro.
“Transformação não espera”
O novo slogan da Jump não é apenas uma frase — é uma postura. Em um cenário onde a inteligência artificial redefine indústrias em tempo real, a Reforma Tributária impõe prazos concretos e a pressão por eficiência operacional cresce sem pausa, as empresas que aguardam o “momento certo” para agir já estão atrás.
O posicionamento reflete também uma percepção estratégica de mercado: nenhuma outra empresa brasileira ocupa com clareza o espaço de convergência entre Dados, IA e Cibersegurança. Especialistas em dados carecem de capacidade em segurança. Empresas de cybersecurity não atuam em IA. Gigantes globais cobram caro e ignoram médias empresas. A Jump está no centro desse espaço vazio.
Por que o posicionamento integrado é único:
• Indicium, Ateliware: fortes em dados — sem cibersegurança
• Tempest, ISH: referências em cyber — sem dados ou IA
• Accenture, Stefanini: cobertura ampla — ticket alto, foco em grandes corporações
• Jump: Dados + IA + Cyber + custo-benefício para empresas de médio e grande porte
“Transformação digital não é projeto, é estado permanente. Empresas que esperam o momento certo para agir já estão atrás. Nosso papel é garantir que nenhum cliente nosso fique para trás nessa corrida.”
Prêmios 2026: Ranking NEEX Exame (3º ano consecutivo) | 1º lugar Logicalis — Serviços Profissionais do Ano
Liderança — Bios dos Porta-Vozes
Anderson Argentoni — Sócio e CEO
Anderson Argentoni construiu sua trajetória em tecnologia passando por Itaú, Vivo e ABN Amro, onde se especializou na entrega de projetos críticos para grandes operações. Em 2014 fundou a Jump com a tese de que tecnologia só faz sentido quando vira resultado real para os negócios.
Após 12 anos, a Jump acumula centenas de projetos entregues para grandes corporações brasileiras e conta com mais de 600 especialistas dedicados às frentes de dados, IA, cibersegurança, nuvem e engenharia de software.
Anderson conduz a operação com uma abordagem que combina profundidade técnica e visão de negócio, defendendo o uso pragmático e governado de IA como caminho para transformação concreta de negócios. Mantém o hábito de experimentar novas tecnologias com foco em entender onde geram valor real.
“Empresas que transformam dados em decisões estratégicas conseguem acelerar inovação, reduzir riscos e criar vantagem competitiva real.”
Rafael Capua — Sócio e COO
Rafael Capua é empresário e executivo de tecnologia com atuação focada em transformação digital, dados e inteligência artificial. Como COO, operacionaliza a Jump e lidera as frentes de delivery, vendas e inovação de produto para grandes clientes enterprise no Brasil.
Com perfil estratégico e extremamente hands-on, Rafael une visão de negócio, arquitetura de soluções e execução técnica. Sua atuação está fortemente conectada a Data & AI Platforms, GenAI, Agentic AI, governança de IA, modernização de legados, automação corporativa e inteligência comercial baseada em dados.
Apaixonado por motorsport e alta performance, Rafael enxerga na motovelocidade de competição uma escola de disciplina, tomada de decisão sob pressão e análise de dados — que aplica diretamente à gestão de empresas e produtos. “Tanto nos negócios quanto nas pistas, alta performance é resultado da combinação entre preparo, tecnologia e capacidade de execução em alta velocidade.”
“Arquiteturas multiagentes e IA generativa aplicada a processos corporativos deixaram de ser futuro — são presente. Nossa agenda de produto reflete exatamente isso.”
Ambos os porta-vozes estão disponíveis para entrevistas, comentários e participação em pautas sobre os temas listados na seção 09 deste Press Kit.
Soluções e Produtos Proprietários
Além dos projetos de consultoria, a Jump desenvolve plataformas próprias que endereçam desafios urgentes do mercado corporativo brasileiro:
AlphaAI
Ferramenta de IA para adequação de sistemas ao novo CNPJ alfanumérico — até 80% mais rápida que métodos tradicionais. Essencial para empresas com prazo iminente de adequação.
TaxFlow
Solução de automação e inteligência fiscal para apoiar empresas na transição da Reforma Tributária brasileira, incluindo criação de Tax Lake e modernização da gestão fiscal.
NautilusIQ
Plataforma de diagnóstico de maturidade em Dados, IA e Cibersegurança com IA generativa. Avalia o posicionamento digital das organizações e gera recomendações estratégicas.
MigrateMind
Ferramenta de migração de sistemas legados que utiliza IA generativa para acelerar o processo, mitigar erros humanos e otimizar custos.
JHub
Ferramenta de dataviz integrada ao Power BI com governança de múltiplos dashboards para usuários ilimitados, promovendo colaboração e insights acionáveis.
Framework proprietário de IA generativa desenvolvido pela Jump, com foco na aplicação prática da tecnologia em negócios e processos corporativos.
Parcerias e Certificações
Parcerias Tecnológicas
A Jump trabalha com as principais plataformas globais de tecnologia:
Amazon Web Services (AWS)
Microsoft Azure
Google Cloud Platform (GCP)
Databricks
Snowflake
Teradata
Oracle
Pega
Denodo
AllTrue.ai
Certificações
ISO 27001 — Padrão internacional de gestão de segurança da informação, reforçando o compromisso com proteção de dados, governança e conformidade regulatória.
ISO 27701 (COMPLEMENTA A 27001) – Com foco em privacidade de dados: Mostra que tratamos informações pessoais com responsabilidade e em conformidade com leis como a LGPD.
ISO 42001 – Voltada para gestão de inteligência artificial, ajuda a garantir o uso ético, seguro e responsável de soluções de IA dentro da empresa.
ISO 9001 – Gestão da qualidade. Assegura que nossos processos são eficientes, padronizados e voltados para a melhoria contínua e satisfação do cliente.
ISO 14001 – Gestão ambiental. Demonstra nosso compromisso com sustentabilidade, redução de impactos ambientais e uso consciente de recursos.
ISO 26000 – Responsabilidade social. Reforça nosso compromisso com ética, transparência e impacto positivo na sociedade.
ESG
Ambiental
Selo Carbon Free e compensação de emissões de carbono por meio de projetos de recomposição da Mata Atlântica.
Social
Apoio a organizações como a Casa Ninho e a Associação Beneficente Filadélfia (ABENFI), dedicadas a crianças e adolescentes em situação de vulnerabilidade.
Centro de Excelência (COE) — hub interno voltado ao desenvolvimento de talentos e inovação.
Governança
Políticas rigorosas de segurança da informação e proteção de dados. Uso seguro e transparente das informações de clientes e colaboradores.
Temas para Pauta
Os porta-vozes da Jump estão disponíveis para comentar:
• Transformação digital e urgência estratégica nas empresas brasileiras
• Inteligência artificial generativa aplicada a negócios corporativos
• Arquiteturas multiagentes (Agentic AI) — o próximo passo da IA
• Dados, IA e Cibersegurança integrados: a abordagem convergente
• Cultura data-driven e maturidade digital nas organizações
• Reforma Tributária brasileira e o papel da tecnologia fiscal
• Modernização e migração de sistemas legados com IA
• Governança de dados e conformidade com LGPD
• Segurança da informação para empresas que adotam IA generativa
• Data FinOps e otimização de investimentos em cloud
• Como escolher um parceiro de transformação digital: critérios práticos
• O mercado brasileiro de Data & AI: maturidade, gaps e oportunidades
Jump conquista certificação ISO 42001 e destaca pioneirismo entre consultorias brasileiras com governança de IA certificada
A Jump obteve a certificação ISO/IEC 42001, tornando-se uma das primeiras consultorias de tecnologia do Brasil a operar com um Sistema de Gestão de Inteligência Artificial formalmente certificado por auditoria independente. A conquista coloca a empresa em um grupo ainda seleto no país, em um momento em que a governança de IA deixou de ser pauta de comitê para se tornar critério concreto de negócio.
A ISO 42001, publicada em dezembro de 2023, é a primeira norma internacional desenvolvida exclusivamente para a gestão responsável de sistemas de inteligência artificial. Ela exige que as organizações estruturem processos auditáveis para o desenvolvimento, uso e monitoramento contínuo da IA, contemplando a gestão de riscos algorítmicos, rastreabilidade de decisões automatizadas, qualidade de dados, transparência e supervisão humana sobre sistemas de alto impacto. Assim como a ISO 27001, certificação que a empresa também possui, tornou-se o padrão de referência para segurança da informação, a ISO 42001 está rapidamente se consolidando como o critério pelo qual o mercado vai distinguir quem governa IA de quem apenas a utiliza.
Para a Jump, a certificação reflete uma postura que orienta a empresa desde sua fundação: construir soluções de IA que sejam, ao mesmo tempo, eficazes e responsáveis. Desenvolver com ética, garantir rastreabilidade e assegurar que decisões geradas por sistemas inteligentes possam ser explicadas e auditadas não é diferencial. É o mínimo que grandes organizações deveriam exigir de seus parceiros de tecnologia.
O momento é estratégico. No Brasil, 86% das empresas já utilizam IA, mas mais de 30% ainda operam sem qualquer estrutura formal de governança sobre esses sistemas. À medida que clientes de médio e grande porte passam a incluir critérios de governança de IA em seus processos de homologação de fornecedores, e que o cenário regulatório avança tanto no Brasil quanto na União Europeia com o AI Act, ter a certificação ISO 42001 deixará de ser vantagem competitiva para se tornar requisito de mercado. A Jump chegou antes dessa exigência.
Sobre a Jump
A Jump é uma consultoria especializada em soluções de dados e inteligência artificial para grandes organizações. Atua com o propósito de transformar complexidade tecnológica em resultados estratégicos mensuráveis, através de suas soluções e produtos, com ética, governança e responsabilidade como pilares do seu desenvolvimento.
Por que Databricks precisa de um olhar próprio no FinOps?
A Databricks se consolidou como uma das plataformas de dados mais adotadas do mercado, mas o modelo de cobrança que a tornou popular não foi desenhado para a volatilidade das cargas de IA generativa e agêntica. O resultado é previsível: CFOs e CTOs veem a fatura crescer mais rápido do que conseguem explicar, e é exatamente aí que o FinOps precisa evoluir.
Pipelines executados continuamente, modelos de machine learning, agentes de IA, aplicações RAG, SQL Warehouses, processamento distribuído, clusters elásticos e GPUs criam um padrão de consumo. O custo já não depende apenas da quantidade de recursos provisionados, mas da forma como dados e algoritmos são utilizados para gerar valor ao negócio.
O ponto cego da fatura em DBU
A cobrança da Databricks funciona por DBU (Databricks Unit), e isso gera duas faturas separadas: uma da própria plataforma, outra do provedor de nuvem que sustenta o processamento. Sem uma camada que unifique essas duas fontes, a reconciliação vira trabalho manual, e não escala quando workloads de treinamento e inferência de IA multiplicam a frequência e o volume dos jobs.
Não por acaso, a própria Databricks tem ampliado seus investimentos em recursos voltados à observabilidade de custos, otimização e governança financeira dos workloads. O tema ganhou espaço de destaque no Data + AI Summit 2026, reforçando que eficiência financeira passou a ser parte da estratégia de dados, e não apenas uma atividade operacional.
Do ponto de vista de negócio, a Databricks exige uma estratégia de FinOps porque um ambiente que cresce sem governança se transforma em aumento de custo sem geração proporcional de valor. No longo prazo, isso impacta previsibilidade financeira, margem e até a capacidade do cliente de expandir novos casos de uso.
Quando dashboards deixam de ser suficientes
As ferramentas nativas das plataformas cloud e da própria Databricks oferecem excelente visibilidade operacional. Elas mostram consumo, utilização de recursos e métricas importantes para o dia a dia das equipes técnicas. Mas organizações com múltiplas áreas de negócio normalmente precisam responder questões mais amplas.
Grupo Mateus e o caso de sucesso de FinOps
Segundo Luan Freitas, cliente e parceiro da Databricks, com um caso de sucesso de FinOps no Grupo Mateus, seguir as recomendações da documentação da plataforma para estruturar modelos e processamentos voltados ao mapeamento de custos gerou resultados expressivos de economia. “Na maioria das vezes é trabalhar em cima das otimizações. A gente seguiu os conceitos da própria ferramenta para ter como mensurar e saber onde atacar.”, afirmou.
“Algumas empresas querem avançar logo, sem construir uma base bem estruturada e acabam tendo um custo três, quatro vezes maior do que se tivessem estruturado antes. A gente já preparou a estrutura para que cada setor assuma os custos dos seus dados”, concluiu Luan.
Atribuição de custo: o desafio que a IA torna urgente
Distribuir os gastos Databricks entre unidades de negócio, produtos ou squads exige tagging consistente de clusters e jobs. Depois, essas informações precisam ser correlacionadas manualmente entre os logs de billing da plataforma e as faturas de nuvem. Esse processo já era trabalhoso no mundo pré-IA. Com pipelines de treinamento, fine-tuning e agentes autônomos rodando em paralelo, a ausência dessa disciplina deixa de ser um incômodo operacional e passa a ser um risco de governança financeira.
Iniciativas recentes da plataforma buscam unificar dados operacionais e financeiros para oferecer visibilidade de custos em tempo real tanto para times de engenharia quanto para FinOps. Ainda assim, essas iniciativas deixam a empresa dependente do ecossistema da própria Databricks para enxergar o problema.
OPT-3: Conectando dados de cloud à inteligência financeira
O desafio real de FinOps na era da IA é operar em ambientes multicloud . Foi para esse cenário que o OPT-3 foi desenvolvido. Em vez de depender de avaliação manual entre faturas Databricks e da nuvem, o OPT-3 correlaciona essas fontes de forma automática.
A ferramenta traz visibilidade total dos custos de AWS, Azure, GCP, Databricks e Snowflake em uma única plataforma com visão integrada e interativa.O objetivo é identificar desperdícios, recursos ociosos e oportunidades de saving com recomendações priorizadas além de gerar alertas e governança com dados atualizados na frequência certa para o negócio.
A fatura do Databricks vai subir
Para organizações que rodam Databricks como peça central da stack de dados e IA, isso significa previsibilidade financeira em tempo real.A fatura da Databricks vai continuar subindo com a adoção de IA e as empresas precisam ter visibilidade dos gastos para avaliar se esse crescimento está gerando valor proporcional para o negócio.
O verdadeiro custo do desperdício em cloud (e por que ele voltou a crescer)
O relatório State of the Cloud Report da Flexera mostrou que o desperdício estimado em gastos com cloud chegou a 29% em 2026. A análise foi realizada com 753 tomadores de decisão de cloud entrevistados e chamou atenção pelo fato de reverter uma tendência de queda observada nos últimos cinco anos. O principal fator apontado foi o crescimento acelerado das cargas de Inteligência Artificial.
Workloads de IA generativa não se comportam como as cargas tradicionais que o FinOps aprendeu a domar. GPUs ficam provisionadas por picos de treinamento e continuam ociosas. Modelos são testados em produção sem critério claro de desligamento.
A maturidade de FinOps ainda é baixa
Embora FinOps tenha se consolidado como disciplina estratégica, poucas organizações alcançaram um nível elevado de maturidade. Segundo o State of FinOps 2026, publicado pela FinOps Foundation, 51,4% das empresas ainda estão no estágio “Walk”, fase em que existem práticas iniciais de visibilidade e controle, mas a tomada de decisão ainda depende fortemente de processos manuais.
Apenas 14,2% das organizações chegaram ao estágio “Run”, considerado o nível mais avançado de operação, no qual otimização contínua, automação e decisões orientadas por dados fazem parte da rotina.
Isso significa que a maioria das empresas ainda reage aos custos depois que eles aparecem na fatura. Assim, a conversa sobre cloud deixou de ser apenas tecnológica e passou a ocupar espaço nas reuniões financeiras.
Da otimização para a automação
As discussões mais recentes do mercado mostram que FinOps está entrando em uma nova fase: a da automação inteligente. Empresas começam a buscar agentes capazes de acompanhar continuamente o ambiente, identificar desperdícios, recomendar ações e executar otimizações.
Em vez de apenas gerar dashboards, esses agentes passam a atuar como verdadeiros copilotos financeiros da infraestrutura. O objetivo deixa de ser apenas reduzir custos e passa a ser maximizar o retorno de cada real investido em infraestrutura digital.
Times de tecnologia agora atuam para autofinanciar investimentos em IA através de economias de otimização em cloud. Em outras palavras, a eficiência que se ganha cortando desperdício vira o orçamento que libera o próximo investimento em IA.
O papel estratégico do CFO
Esse novo cenário também redefine o papel da liderança financeira. Historicamente, a cloud era vista como um centro de custo tecnológico. Hoje, ela representa uma das principais alavancas de competitividade da empresa.
As organizações mais maduras já perceberam que dashboards, sozinhos, não resolvem o problema. Visibilidade é importante, mas agir rapidamente é ainda mais importante.
O futuro aponta para plataformas capazes de combinar observabilidade, inteligência artificial, automação e governança em um único fluxo operacional.
Nesse modelo, sistemas inteligentes analisam continuamente milhares de métricas de infraestrutura, identificam padrões de desperdício e apoiam decisões quase em tempo real.
O verdadeiro desafio é garantir que cada investimento em cloud gere valor mensurável para o negócio. Empresas que tratam FinOps apenas como um projeto de redução de despesas correm o risco de ficar presas ao ciclo permanente de urgência. Já aquelas que adotam práticas maduras estarão mais preparadas para sustentar o crescimento da IA com eficiência, previsibilidade e governança.
Três movimentos parecem se impor a qualquer CFO:
– Separar o desperdício “clássico” do desperdício de IA. São problemas diferentes, com ferramentas e ciclos de decisão diferentes. Medir os dois juntos esconde onde está a origem real do aumento.
– Perguntar se a automação já substituiu a revisão manual onde a velocidade de decisão importa. Se workloads de IA sobem e descem em horas, um processo de revisão mensal não tem como capturar o desperdício antes que ele vire custo consolidado.
– Tratar a eficiência de cloud como fonte de funding, não como economia de linha. Se a organização está sendo pressionada a autofinanciar IA via otimização, vale tornar esse vínculo explícito no orçamento.
OPT-3: o único produto brasileiro de FinOps para a era da IA
Ambientes em cloud crescem rápido. Com o avanço de dados, IA, analytics e automações, acompanhar esse consumo com clareza se torna ainda mais importante. Foi por isso que a Jump criou o OPT-3, uma plataforma multicloud de FinOps que conecta as soluções de cloud e, em dez dias, produz uma análise completa do investimento da sua empresa na nuvem.
O OPT-3 conecta tecnologia, operação e negócio para transformar dados financeiros da cloud em inteligência para tomada de decisão. Ele consolida os ambientes de cloud em uma visão única, além de detectar anomalias, priorizar recomendações de rightsizing e entregar ao time financeiro e à liderança a clareza que os provedores de nuvem nunca foram projetados para oferecer.
A ferramenta já está em operação e possui clientes com ROI documentado de até 61%. A plataforma evolui no ritmo do seu time seguindo a lógica evolutiva da FinOps Foundation. A análise do momento da empresa passa por três etapas:
