Português

O ACE Framework: Uma Tabela Periódica para a IA nos Negócios

Tabela periódica do ACE Framework — Ingest, Analyze, Predict, Generate, Execute, Data

Conheça a Sarah. Ela comanda uma empresa B2B SaaS de 180 pessoas. Os negócios vão bem. O último trimestre foi o melhor da história da empresa.

Mas algo relacionado à IA está silenciosamente se desintegrando dentro do time dela, e ela consegue sentir isso antes de conseguir nomear.

Tudo veio à tona na última quarta-feira. O Diretor de Vendas jogou um contrato de fornecedor sobre a mesa dela: R$ 180 mil anuais, assinatura exigida até sexta-feira, "inteligência de vendas com IA". Sarah folheou os slides. Ela não conseguia entender o que o produto realmente fazia. Analisava as ligações de vendas? Pontuava os leads? Redigia os e-mails dos vendedores? A Demo mostrava os três. O material do fornecedor falava em "transformar seu processo de vendas" e "insights com IA". O Diretor de Vendas estava pronto para assinar.

Ela pediu que ele explicasse. Vinte minutos depois, os dois perceberam que nenhum deles conseguia explicar o que estavam comprando.

Sarah não precisava de mais um framework de estratégia de IA. Ela precisava de um vocabulário. Uma forma de identificar, em cinco minutos, o que a IA de um fornecedor realmente faz — e se o time dela precisa disso.

Este framework é para a Sarah. E para todo fundador, dono de empresa e líder de negócios construindo algo ambicioso o suficiente para que a IA importe — e que precise avaliar fornecedores sem um tradutor.

O insight: um alfabeto finito, expressividade infinita

Um pequeno número de primitivos fundamentais, combinados, pode descrever qualquer coisa. Carbono, hidrogênio, oxigênio e nitrogênio constroem a maior parte da química orgânica. Zero e um constroem todo programa já escrito. Vinte e seis letras constroem toda obra em língua portuguesa. A química funciona assim porque precisa. O universo é composicional.

A IA nos negócios funciona da mesma forma. Todo caso de uso de IA na sua empresa — seja o Salesforce Einstein pontuando leads, o Intercom Fin respondendo tickets de suporte, ou o Gong transcrevendo ligações de vendas — pode ser descrito como uma combinação de cinco capacidades fundamentais operando sobre dados. Entenda as cinco, e você consegue ler qualquer pitch de produto de IA, marcar qualquer iniciativa interna ou auditar qualquer ferramenta da sua stack.

É isso que este framework faz. Ele te dá um vocabulário. Não uma estratégia. Não um Roadmap. Um vocabulário.

As 5 Capacidades: Ingest, Analyze, Predict, Generate, Execute

Ingest recebe informações. OCR em um recibo. Transcrição de uma ligação de vendas. Extração de uma fatura em PDF. Importação de registros do CRM via API. Qualquer coisa que converta um sinal bruto (imagem, áudio, documento, stream) em algo com que a IA possa trabalhar.

Analyze faz sentido do que foi ingerido. Classifica um e-mail como urgente ou informativo. Extrai o nome de um fornecedor de um contrato. Resume um relatório de 60 páginas. Detecta sentimento em uma avaliação de cliente. O Analyze responde à pergunta: o que é isso?

Predict prevê o que vem a seguir. Pontua um lead com 87% de probabilidade de fechar. Prevê R$ 4,2 milhões em receita fechada para o Q2. Sinaliza uma transação como 99,5% anômala. O Predict responde: o que é provável?

Generate produz algo novo. Redige um e-mail. Escreve código. Cria uma imagem. Elabora um plano de projeto. O Generate produz um artefato — algo que fica em rascunho até que outra coisa (uma pessoa ou outro sistema) o coloque em circulação.

Execute muda o estado fora da IA. Envia o e-mail. Faz o commit do código. Atualiza o CRM. Cobra o cartão. Faz o pedido. O Execute tem consequências que frequentemente são irreversíveis.

É isso. Cinco capacidades. Todo pedaço de IA nos negócios faz uma ou mais dessas coisas.

Por que essas cinco são exaustivas

Passe por qualquer produto de IA que você usa esta semana. Ele usará uma ou mais dessas capacidades. Não cinco dos "dez pilares da transformação" de um deck de consultoria. Não "sete drivers de prontidão para IA". Cinco verbos, aplicados a dados, compostos em workflows.

Todo processamento de informação que a IA faz se encaixa em uma dessas categorias. Receber dados (Ingest). Entendê-los (Analyze). Fazer previsões com eles (Predict). Produzir algo novo a partir deles (Generate). Usá-los para mudar o mundo (Execute). Não existe uma sexta ação escondida em algum lugar.

Esse conjunto pode mudar ao longo do tempo? Sim. Em três anos, "Remember" (memória persistente de IA entre sessões) ou "Coordinate" (orquestração de múltiplos agentes) podem merecer promoção a capacidades de primeira classe. Tudo bem. Frameworks devem evoluir. Hoje, essas cinco cobrem o campo.

O que este framework não faz é embaralhá-las. A maioria dos frameworks de IA de consultorias agrupa tudo em "transformação por IA" ou "estratégia de IA" — categorias vagas que parecem importantes mas não ajudam a escolher uma ferramenta na próxima semana. Vocabulário preciso é a pré-condição para o pensamento claro.

A stack de seis camadas

As capacidades não existem de forma isolada. Elas se empilham. Cada nível se constrói sobre o anterior.

Nível Nome O que é Exemplos
5 Transformation Strategy O wrapper em nível corporativo Governança, modelos de maturidade, medição de ROI, gestão de mudanças, avaliação de fornecedores
4 Industry Plays Pacotes verticais específicos IA em SaaS, saúde, manufatura, serviços financeiros, imobiliário
3 AI Agents Workflows por função Operador de Vendas, Agente de Suporte, Recrutador, Analista Financeiro, Profissional de Marketing
2 Patterns Combinações recorrentes de capacidades (cerca de 10 cobrem 90% dos casos de uso) RAG Assistant, Scoring+Routing, Vision Extract, Meeting Intelligence, Anomaly Agent
1 Capabilities (ACE) Os 5 verbos Ingest, Analyze, Predict, Generate, Execute
Foundation Data O que a IA consome Text, structured, image, audio, video, code, time-series

Tudo começa na Foundation. Antes que qualquer capacidade funcione, você precisa de prontidão de dados: dados acessíveis, estruturados, atualizados e com as permissões corretas. Dados limpos são geralmente a diferença entre uma IA que funciona e uma que envergonha. O Gartner aponta que até 2026, as organizações abandonarão 60% dos projetos de IA por falta de dados prontos para IA. Trabalho entediante, resultado decisivo.

A stack é um modelo, não uma sequência. Você não precisa dominar o Nível 1 antes de tocar no Nível 3. Uma empresa real adota ferramentas de IA (Nível 3) enquanto seus dados (Foundation) ainda estão bagunçados e sua estratégia (Nível 5) ainda está pela metade. A stack te dá um mapa, não uma rota.

Leia qualquer caso de uso de IA em cinco minutos

Veja como aplicar o framework. Escolha um produto de IA que você usa. Responda a estas cinco perguntas:

  1. Que dados ele consome? (Text, structured, image, audio, video, code, time-series)
  2. Quais capacidades ele usa? (Ingest, Analyze, Predict, Generate, Execute)
  3. Qual é o padrão dominante? (RAG, Scoring+Routing, Vision Extract, etc.)
  4. O output é um artefato ou uma mudança de estado? (Apenas Generate, ou ele também Executa?)
  5. Onde o humano se encaixa? (Revisão, monitoramento, ausente)

Exemplo prático: Gong, a plataforma de análise de ligações de vendas.

  • Dados: Audio (ligações gravadas) + Text (transcrições) + Structured (registros do CRM)
  • Capacidades: Ingest (áudio da ligação → transcrição), Analyze (tópicos, objeções, sentimento), Generate (resumo + notas no CRM), Execute (escreve de volta no Salesforce)
  • Padrão: Meeting Intelligence
  • Output: Ambos. Gera resumos legíveis por humanos. Executa atualizando registros no CRM.
  • Humano: O vendedor revisa o resumo. O gerente revisa os insights de coaching. Nada no Gong age de forma autônoma sobre o cliente.

Em cinco tópicos, você descreveu completamente o que o Gong faz e como ele se encaixa na sua stack. Agora tente com o ChatGPT (Analyze + Generate, artefato puro, humano precisa Executar). Tente com o Stripe Radar (Ingest + Analyze + Predict + Execute, sinaliza fraudes automaticamente). Tente com o Salesforce Einstein (Ingest + Analyze + Predict, depois o humano revisa as pontuações, opcionalmente Execute via roteamento automático).

Em uma semana com essa prática, você vai ler pitches de fornecedores de forma diferente. Vai parar de se impressionar com "com IA" e começar a perguntar quais capacidades estão realmente ativas e onde o humano permanece no loop.

Predictive AI vs. Generative AI: um mapeamento

O setor de tecnologia atualmente divide a IA em dois campos: Predictive AI (pontuação, previsão, classificação) e Generative AI (criação de texto, imagem, código). Essa divisão ganhou popularidade após 2022, quando o ChatGPT tornou o lado Generativo visivelmente novo.

O ACE Framework mapeia os dois:

  • A Predictive AI usa a capacidade Predict (principalmente) com Analyze como suporte. É o Salesforce Einstein, o HubSpot Predictive Lead Scoring, o Stripe Radar, os mecanismos de recomendação.

  • A Generative AI usa a capacidade Generate (principalmente) com Analyze como suporte. É o ChatGPT, o GitHub Copilot, o Midjourney, o Jasper, o Writer.

A maioria dos produtos modernos combina os dois. Um agente de suporte ao cliente prevê a intenção (Predict) e redige uma resposta (Generate). Um agente de codificação autônomo analisa um bug (Analyze), prevê uma abordagem de correção (Predict), escreve código (Generate) e faz o commit (Execute). O binário "Predictive vs. Generative" é um atalho útil, mas ignora completamente o Ingest e o Execute.

O mercado de Generative AI está projetado em US$ 121 bilhões em 2026, crescendo a um CAGR de 33,2%. Os gastos corporativos com IA cresceram de US$ 1,7 bilhão para US$ 37 bilhões desde 2023. É por isso que todo fornecedor de software está correndo para reivindicar uma posição em um campo ou nos dois.

O que este framework NÃO é

Limites honestos, logo de cara:

Não é uma prescrição. O framework te dá vocabulário e estrutura. Ele não te diz qual IA adotar na segunda-feira, qual fornecedor comprar ou como conduzir a gestão de mudanças. Para isso, você precisa de playbooks construídos sobre este framework.

Não é um modelo de maturidade. As seis camadas não são estágios pelos quais você avança. Uma empresa pode ter Patterns sofisticados (Nível 2) sem uma Transformation Strategy (Nível 5), ou vice-versa. A stack é estrutural, não sequencial.

Não é estático. A IA evolui rapidamente. O framework precisará de revisões, provavelmente trimestrais. Capacidades podem se dividir. Novas podem surgir. Nos comprometemos a mantê-lo atualizado, não a estar certos para sempre.

Não é específico de tecnologia. Sem dependência do GPT-5, LangChain ou qualquer ferramenta específica. Essas coisas mudam a cada seis meses. As capacidades sobrevivem aos produtos.

Não é suficiente por si só. Citar o framework não é análise. Artigos reais construídos sobre ele precisam trazer exemplos reais, modos de falha e dados honestos de ROI.

É novo. Este framework foi publicado em 2026. Vai precisar provar seu valor ao longo do tempo. Algumas partes vão se sustentar. Outras precisarão de revisão. Atualizaremos este artigo conforme aprendemos.

Se esses limites ainda deixam espaço para um framework que você pode usar esta semana, continue lendo.

Como usar este framework

1. Audite sua stack atual de IA. Liste todas as ferramentas de IA que sua empresa usa. Para cada uma, marque as capacidades ACE que ela cobre. Você encontrará redundância (três ferramentas fazendo Generate+Text), lacunas (zero capacidades de Predict apesar de pagar por "análises preditivas") e surpresas (a ferramenta que você achava moderna é só Analyze com uma interface de chat).

2. Leia pitches de fornecedores com ceticismo. A maioria dos pitches de IA usa palavras como "inteligente", "automatizado", "transformador". Substitua-as pelas capacidades ACE e de repente o pitch se torna preciso. Uma ferramenta que "transforma seu processo de vendas" é, concretamente, provavelmente Analyze + Generate + talvez Execute. Se o fornecedor não consegue te dizer exatamente quais capacidades seu produto executa, isso é informação.

3. Avalie suas próprias iniciativas de IA. Você está investindo em capacidades equilibradas, ou tudo em Generate? Seus workflows mais arriscados têm o humano certo no loop na fronteira do Execute? Você está fazendo o trabalho pouco glamoroso da Foundation, ou perseguindo o LLM mais recente?

Segundo a OCDE, 61% das PMEs citam o custo como a principal barreira à adoção de IA, seguido pela falta de expertise (54%) e qualidade dos dados (41%). O ACE Framework não resolve o custo. Ele resolve a lacuna de expertise: o vocabulário que você precisa para tomar decisões informadas sem pagar R$ 10 milhões para uma consultoria. Essa é a afirmação precisa — e mantemos ela.

O que vem a seguir

O restante desta coleção desenvolve cada camada:

Após esta coleção, a coleção de Patterns (Nível 2) cobre as dez combinações recorrentes de capacidades que resolvem 90% dos problemas reais de negócios. Depois, IA para [seu papel] (Nível 3) para profundidade por função. Em seguida, conteúdo de setor e estratégia para os níveis mais altos.

O ACE Framework é uma ferramenta. Use-o quando servir ao trabalho. Deixe-o de lado quando não servir. O trabalho é o trabalho.

O ACE Framework foi criado pela equipe de conteúdo e pesquisa da Rework, em abril de 2026. Este documento é uma referência viva e será revisado à medida que o cenário de IA evolui. Se você encontrar um erro ou tiver uma sugestão, queremos saber.