Por que o dinheiro em inteligência artificial (IA) ainda não virou retorno

Salas de reunião lotadas, dashboards com gráficos vibrantes e a mesma dúvida circulando entre executivos: afinal, para onde foi o dinheiro investido em inteligência artificial?

Nos últimos tempos, empresas no mundo todo aceleraram os aportes em IA, venderam a promessa de transformação imediata e de um corte agressivo de custos. Agora, em muitos conselhos de administração, a leitura é menos empolgante: o custo ficou evidente, mas o retorno ainda não.

Promessa de ouro, balanço no vermelho

De dois anos para cá, inteligência artificial virou quase um “selo” de modernidade corporativa. Bancos, varejistas e companhias de praticamente todos os sectores evitaram a qualquer custo parecer desactualizados. Consultorias, fundos e fornecedores sustentaram a mesma tese: quem não colocasse IA de pé ficaria fora do jogo.

Uma sondagem global da PwC com 4.454 executivos em 95 países ajudou a esfriar o entusiasmo. Entre os que adoptaram IA com a intenção de aumentar lucros, mais da metade ainda não enxerga o retorno financeiro esperado.

Segundo a PwC, 56% dos líderes dizem que a IA não aumentou receitas nem reduziu custos de forma mensurável no último exercício.

Quase 30% relataram algum aumento de faturamento associado a iniciativas de IA. Já o quadro considerado ideal - elevar receitas e, ao mesmo tempo, baixar despesas com apoio directo dessas ferramentas - apareceu em apenas 12% dos casos. A diferença entre a narrativa optimista e a realidade dos resultados fica nítida.

O mito da IA como atalho mágico

O discurso mais repetido vendia a IA como um atalho tecnológico: automatizar, cortar pessoal e ver a margem melhorar. Alguns CEOs chegaram a ir além, trocando equipas inteiras por sistemas automatizados na esperança de ganhos rápidos.

Em diversas situações, o efeito acabou sendo inverso. Vieram erros em cascata, queda de produtividade, decisões equivocadas guiadas por respostas “alucinadas” de modelos generativos e, nos casos mais graves, estragos à reputação de marcas que deixaram atendimento ou produção dependentes de sistemas ainda imaturos.

A IA, hoje, ainda erra muito para assumir sozinha trabalhos que exigem julgamento, contexto e responsabilidade real.

No caminho, muitas organizações confundiram enxugar a folha com eficiência. Reduziram equipas antes de validar se a tecnologia conseguia sustentar funções críticas. Quando as falhas apareceram, a poupança de curto prazo virou perda operacional.

Por que o retorno não aparece?

IA não é equipamento “plug and play”

Muitos executivos habituados a comprar software pronto descobriram, na prática, que IA não se comporta como uma impressora: não é só ligar, ajustar e usar. Entram na equação dados, processos, cultura, governança e, acima de tudo, tempo.

Em grande parte das empresas, a adopção fica restrita a pilotos dispersos: um chatbot numa área, um modelo de previsão noutra, um assistente interno para redigir textos noutro departamento. Funciona bem em apresentações para investidores, mas tem pouco efeito sobre a cadeia de valor.

• Iniciativas isoladas, sem ligação directa a metas de negócio;
• Integração insuficiente com sistemas legados e com as rotinas do dia a dia;
• Equipas sem capacitação para usar e supervisionar a tecnologia;
• Métricas confusas, centradas em “inovação” e não em resultado financeiro.

Um relatório do MIT, citado em debates recentes, ajuda a dimensionar a frustração: 95% das tentativas de integrar IA generativa não trouxeram aceleração rápida de receita. A maioria ficou no rótulo de “experimento interessante”.

Dados ruins, decisões ruins

Outro ponto crítico é a qualidade dos dados. Há empresas a construir modelos sofisticados sobre bases incompletas, desactualizadas ou enviesadas. O desfecho são previsões frágeis, respostas inconsistentes e recomendações que impressionam em slides, mas não se sustentam na operação.

Somam-se a isso as conhecidas “alucinações” - respostas inventadas com aparência convincente - e o risco cresce, sobretudo em sectores regulados, como saúde e financeiro.

Quando a empresa passa a confiar cegamente na IA, a probabilidade de decisões ruins em escala aumenta.

Segurança e sigilo: a conta invisível

A pressa para testar modelos generativos também abriu uma frente delicada: segurança da informação. Colaboradores colocam em ferramentas externas contratos, código-fonte e estratégias comerciais - muitas vezes sem uma política clara de uso.

Não existe garantia total sobre como esses dados serão guardados, se poderão ser usados para treinar modelos futuros ou, pior, reaparecer em respostas entregues a terceiros. O risco de vazamento acidental de segredos corporativos passou a pesar directamente nas discussões sobre ROI.

Dimensão	Risco associado à IA	Impacto no ROI
Segurança de dados	Vazamento de informação sensível	Multas, perda de vantagem competitiva
Confiabilidade	Respostas erradas ou alucinadas	Pedidos refeitos, retrabalho, perda de clientes
Imagem da marca	Erros públicos em atendimento ou campanhas	Dano reputacional, queda de confiança
Regulação	Uso fora de padrões legais ou éticos	Sanções, processos judiciais, paralisação de projectos

Se os resultados decepcionam, por que os investimentos crescem?

Mesmo com indicadores modestos, a pesquisa da PwC sugere que poucos executivos pensam em recuar. Pelo contrário: muitos planeiam aumentar os investimentos em IA até 2026, encarado como um possível ponto de virada para a adopção corporativa.

Essa insistência costuma ter duas explicações. A primeira é o receio de ficar para trás - nenhum CEO quer ser lembrado como quem “perdeu a onda” da IA. A segunda é a leitura de que a tecnologia ainda está a amadurecer, e que os ganhos tendem a aparecer com mais maturidade, integração profunda e modelos mais estáveis.

Hoje, boa parte do investimento em IA é movida menos por retorno comprovado e mais por medo de exclusão competitiva.

Com isso, os conselhos de administração ficam diante de uma encruzilhada: continuar a colocar recursos em iniciativas que ainda não se pagam ou reduzir o ritmo e correr o risco de ver concorrentes chegarem primeiro a aplicações realmente rentáveis.

O que pode mudar o jogo do retorno

Da vitrine para o processo crítico

Para a IA deixar de ser apenas vitrine de inovação e passar a entregar resultado, o ponto central é ligar a tecnologia aos processos essenciais do negócio. Não só marketing, mas logística, crédito, manutenção, previsão de demanda e gestão de risco.

Algumas trilhas práticas aparecem com frequência entre empresas que já capturam valor:

• Automação de tarefas repetitivas em áreas de grande volume, como back-office financeiro;
• Modelos de previsão conectados ao planeamento de produção e de stock;
• Assistentes internos treinados com base de conhecimento própria, reduzindo retrabalho;
• Análise contínua de fraudes e anomalias em operações digitais.

Nessas situações, a IA não actua sozinha; ela entra acoplada a metas explícitas: reduzir tempo de atendimento, diminuir erros, baixar inadimplência ou aumentar taxa de conversão.

Termos que merecem atenção: ROI e “payback” em IA

Ao falar de retorno sobre investimento (ROI) em IA, o cálculo costuma ser mais intricado do que em projectos tradicionais de TI. O gasto não se resume à licença do modelo ou à infra-estrutura de nuvem. Também inclui:

• Curadoria e limpeza de dados;
• Treinamento de equipas;
• Tempo de adaptação de processos;
• Riscos de erro e o custo de corrigi-los.

O “payback” - o prazo para o projecto se pagar - tende a ser mais longo em iniciativas transformacionais. Organizações que entram na corrida esperando retorno em poucos meses normalmente se frustram. Com metas financeiras mais realistas, a pressão sobre a tecnologia diminui e as decisões deixam de ser impulsivas.

Cenários possíveis para os próximos anos

Um desfecho provável é o da consolidação: centenas de iniciativas experimentais são encerradas, enquanto poucos casos de uso se firmam como padrão nas indústrias. Ferramentas passam a ser mais especializadas por sector, e o discurso genérico de “IA para tudo” perde tração.

Outro cenário passa por uma regulação mais rígida, especialmente na Europa e em mercados que tratam dados sensíveis. Isso tende a elevar custos de conformidade, mas também pode eliminar projectos frágeis e empurrar segurança e governança para o centro do investimento.

Para o leitor que trabalha numa empresa média ou grande, a orientação prática é directa: observar onde a IA já ajuda de verdade no quotidiano. Questionar métricas, participar de pilotos e apontar limites. Iniciativas que incorporam o conhecimento de quem está na operação geralmente geram ganhos mais palpáveis do que aquelas desenhadas apenas em apresentações de consultoria.

A tensão dos próximos anos deve ser esta: equilibrar entusiasmo e urgência, enquanto se cobra da IA o mesmo que se cobra de qualquer investimento sério - objectivos claros, medição de resultados e disposição para mudar de rota quando a conta não fecha.