A prisão do proof-of-concept na APAC - quatro vozes, uma mesma parede

Quatro artigos da e27, Tech in Asia e Nikkei se leem como um mesmo diagnóstico: na APAC, a IA nas empresas continua presa em provas de conceito. Não por falta de ambição — mas por falta de fundações.

Em termos simples

Quatro publicações convergem na mesma semana: e27 sobre os PoCs bloqueados na APAC, Tech in Asia sobre sistemas legados em Singapura, outro e27 sobre baixa execução em vez de resistência dos funcionários, e um caso de uso concreto (triagem de pacientes na saúde). O diagnóstico é unânime: a IA corporativa na APAC esbarra em três paredes — legado, qualidade de dados e execução — não na tecnologia.

O caso

A parede #1 - o legado. Em Singapura, grande parte dos grandes bancos e instituições públicas ainda rodam em mainframes COBOL/AS400, sem APIs modernas. Um agente LLM não consegue ler um mainframe via RPC direto. Resultado: meses de trabalho com MQ/ESB antes que a primeira chamada LLM seja possível.

A parede #2 - a qualidade dos dados. A constatação que se repete em todas as pesquisas da APAC: os PoCs de IA na região falham na transição para produção em esmagadora maioria porque os dados de referência (clientes, produtos) estão dispersos em inúmeros sistemas não reconciliados. O LLM é brilhante com dados limpos — ele alucina com dados sujos.

A parede #3 - a execução. O e27 defende uma tese contra-intuitiva: a resistência dos funcionários é superestimada como barreira. O verdadeiro problema é a incapacidade das equipes de TI de evoluir de um PoC para uma pipeline de produção versionada, monitorada, com SLO. O que falta: engenheiros seniores de MLOps — o recurso mais raro da APAC.

O contraexemplo que funciona — triagem de pacientes na saúde. Os casos de uso documentados no Sudeste Asiático (hospitais e clínicas que industrializaram a triagem com IA — veja e27) mostram o padrão vencedor: LLM que faz a triagem de pacientes (anamnese, classificação, formulário) em uma fração do tempo de um enfermeiro. O que funciona: escopo estreito (apenas triagem), dados limpos (formulários padronizados), ROI mensurável em semanas (tempo de enfermeiro liberado).

Por baixo do capô

• Ordem de grandeza: a taxa de PoC → produção na APAC permanece muito baixa (claramente abaixo de 20% nas pesquisas convergentes), sem que um número consolidado único esteja disponível.
• Custo médio de um PoC bloqueado: estimado em centenas de milhares de dólares pelas pesquisas de campo, com grande parte em salários de equipes internas. Custo irrecuperável não nulo.
• Formação: a falta de MLOps é estrutural — os programas regionais formam algumas centenas de profissionais por ano quando a demanda supera vários milhares.
• Fio (#1002): esta publicação consolida 4 sinais convergentes sob um mesmo diagnóstico.

E então

Três consequências. Um: os vendedores que terão sucesso na APAC em 2026 são aqueles que trazem a infraestrutura (data mesh, MDM, conectores legados) — não aqueles que vendem um LLM bonito em demonstração. Dois: os casos de uso de escopo estreito (triagem na saúde, classificação de e-mails, suporte, reclamações) vencem — os grandes sonhos horizontais ("copiloto transversal") perdem. Três: a soberania de dados + on-premise torna-se um verdadeiro diferencial na APAC — os reguladores bancários e de saúde de Singapura, Malásia e Indonésia exigem que nada saia do país. A se observar: os KPIs de retenção de MLOps na DBS, Grab, Sea — as três que melhor industrializaram.