Onde foi parar o dinheiro da inteligência artificial (IA)?

Salas de reunião lotadas, dashboards cheios de cores no telão e a mesma dúvida rondando as discussões: para onde foi o dinheiro aplicado em inteligência artificial?

De uma ponta a outra do mercado, organizações aceleraram aportes em IA, venderam a promessa de transformação imediata e de uma tesoura gigante nos custos. Só que, agora, muitos conselhos de administração encaram relatórios menos empolgantes: o desembolso veio primeiro; o retorno, nem tanto.

Promessa de ouro, balanço no vermelho

Nos últimos dois anos, “ter IA” passou a funcionar como selo de modernidade obrigatória. Bancos, indústrias e varejistas entraram na corrida para não parecerem ultrapassados - e consultorias, fundos e fornecedores ajudaram a alimentar o recado de que quem não adotasse IA ficaria para trás.

Uma pesquisa global da PwC, com 4.454 executivos em 95 países, trouxe um choque de realidade. Entre os que apostaram na tecnologia para turbinar lucros, mais da metade ainda não encontrou 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 avanço de faturamento associado a iniciativas de IA. Já o cenário idealizado - aumentar receita e, simultaneamente, cortar gastos com apoio direto dessas ferramentas - apareceu para apenas 12%. A diferença entre a retórica otimista e o que chega ao demonstrativo financeiro fica evidente.

O mito da IA como atalho mágico

A história mais repetida vendia a IA como um “atalho” tecnológico: automatizar tudo, reduzir equipes e ver a margem subir rapidamente. Alguns diretores-presidentes foram além, trocando times inteiros por sistemas automatizados na expectativa de ganhos imediatos.

Em muitos casos, o resultado caminhou na direção contrária. Vieram sequências de erros, queda de produtividade, decisões equivocadas baseadas em respostas “alucinadas” de modelos generativos e, em situações mais delicadas, desgaste público de marcas que colocaram atendimento ou produção totalmente nas mãos de soluções ainda imaturas.

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

Nesse processo, várias companhias misturaram corte de folha com eficiência de verdade. Reduziram pessoas antes de provar que a tecnologia conseguia sustentar atividades críticas. Quando os gargalos apareceram, a economia de curto prazo se converteu em prejuízo operacional.

Por que o retorno não aparece?

IA não é equipamento “pronto para uso”

Gestores acostumados a comprar software “de prateleira” descobriram do jeito mais difícil que IA não funciona como uma impressora: não é ligar, configurar e operar. Entra na equação a qualidade dos dados, a revisão de processos, a cultura interna, a governança e, sobretudo, tempo.

Em muitas empresas, o que existe são pilotos desconectados: um robô de atendimento aqui, um modelo de previsão ali, um assistente interno para redigir textos em outra área. Fica bonito para mostrar a investidores - mas o efeito sobre a cadeia de valor, na prática, é pequeno.

• Iniciativas avulsas, sem vínculo com objetivos do negócio;
• Dificuldade de integrar com sistemas antigos e rotinas do dia a dia;
• Times sem capacitação para usar e supervisionar as ferramentas;
• Indicadores embaralhados, mais voltados a “inovação” do que a resultado financeiro.

Um relatório do MIT citado em discussões recentes dimensiona a frustração: 95% das tentativas de colocar IA generativa para rodar de forma integrada não produziram aceleração rápida de receita. Na maioria das vezes, o rótulo final foi “experimento interessante”.

Dados ruins, decisões ruins

Outro ponto crítico é a base de dados. Muitas organizações constroem modelos sofisticados sobre informações incompletas, desatualizadas ou enviesadas. O efeito aparece como previsões frágeis, respostas instáveis e recomendações que impressionam em apresentações, mas quebram no mundo real.

Quando se somam as já conhecidas “alucinações” - respostas inventadas com aparência convincente - o risco fica ainda mais evidente, especialmente em áreas reguladas, como saúde e serviços financeiros.

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 experimentar modelos generativos também abriu uma frente sensível de segurança da informação. Funcionários inserem em ferramentas externas contratos, trechos de código e estratégias comerciais - muitas vezes sem diretrizes claras de uso.

E quase nunca há garantia plena sobre como esses dados serão armazenados, se serão reaproveitados para treinar novos modelos ou, no pior cenário, se podem reaparecer em respostas entregues a terceiros. O risco de vazamento involuntário de segredos corporativos passou a pesar diretamente na conversa sobre retorno do investimento.

Dimensão	Risco associado à IA	Impacto no ROI
Segurança de dados	Exposição de informação sensível	Multas e perda de vantagem competitiva
Confiabilidade	Respostas incorretas ou “alucinadas”	Retrabalho, pedidos refeitos e perda de clientes
Imagem da marca	Falhas públicas em atendimento ou campanhas	Dano reputacional e queda de confiança
Regulação	Uso fora de padrões legais ou éticos	Sanções, ações judiciais e interrupção de projetos

Se os resultados decepcionam, por que os investimentos crescem?

Mesmo com ganhos modestos, o levantamento da PwC sugere que poucos executivos consideram desacelerar. Ao contrário: muitos planeiam aumentar os aportes em IA até 2026, tratado por vários como um possível ano de virada da adoção corporativa.

Dois motivos ajudam a explicar essa persistência. O primeiro é o receio de ficar para trás - nenhum diretor-presidente quer virar o gestor que “perdeu a onda” da IA. O segundo é a leitura de que a tecnologia ainda está a amadurecer e que os benefícios virão com mais estabilidade, integração e uso em escala.

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

Isso deixa conselhos de administração numa encruzilhada: continuar a colocar dinheiro em iniciativas que ainda não se pagaram ou segurar o ritmo e correr o risco de ver concorrentes chegarem antes aos casos de uso realmente lucrativos.

O que pode mudar o jogo do retorno

Da vitrine para o processo crítico

Para a IA deixar de ser só vitrine de inovação e passar a entregar resultado, o ponto decisivo é a ligação direta com processos centrais do negócio. Não apenas comunicação e marketing, mas também logística, concessão de crédito, manutenção, previsão de procura, gestão de risco.

Alguns caminhos práticos aparecem com frequência em empresas que já capturam valor:

• Automação de tarefas repetitivas em áreas de grande volume, como a retaguarda financeira;
• Modelos preditivos conectados ao planeamento de produção e ao controlo de stock;
• Assistentes internos treinados com base de conhecimento própria, reduzindo retrabalho;
• Monitorização contínua de fraudes e anomalias em operações digitais.

Nessas situações, a IA não funciona sozinha: ela é amarrada a metas objetivas - reduzir tempo de atendimento, diminuir erros, baixar inadimplência ou elevar taxa de conversão.

Termos que merecem atenção: ROI e “prazo de retorno” em IA

Ao discutir retorno sobre o investimento (ROI) em IA, a conta costuma ser mais trabalhosa do que em projectos tradicionais de tecnologia. O gasto não se limita à licença do modelo ou à infra-estrutura em nuvem. Também entram:

• Curadoria e higienização de dados;
• Capacitação de equipes;
• Tempo para adaptar processos;
• Riscos de erro e custo de correção.

O “prazo de retorno” - quanto tempo a iniciativa leva para se pagar - tende a ser maior em mudanças de carácter transformacional. Empresas que entram nessa corrida à espera de retorno em poucos meses normalmente se frustram. Quando as metas financeiras são mais realistas, a pressão sobre a tecnologia diminui e as decisões deixam de ser impulsivas.

Cenários possíveis para os próximos anos

Um desfecho plausível é o da consolidação: centenas de experiências desaparecem e só alguns casos de uso se estabelecem como padrão nas indústrias. As ferramentas passam a se especializar por sector, e a conversa genérica de “IA para tudo” perde espaço.

Outro cenário envolve regulação mais rígida, sobretudo na Europa e em mercados que lidam com dados sensíveis. Isso tende a aumentar custos de conformidade, mas também pode filtrar projectos frágeis e obrigar as organizações a tratar segurança e governança como parte central do investimento.

Para quem trabalha em empresa média ou grande, a recomendação prática permanece directa: observar onde a IA já ajuda, de facto, no quotidiano. Questionar indicadores, participar dos pilotos, sinalizar limites. Iniciativas que incorporam o conhecimento de quem está na operação costumam gerar ganhos mais consistentes do que aquelas desenhadas apenas em apresentações de consultoria.

A tensão dos próximos anos deve ser esta: equilibrar entusiasmo e urgência, sem deixar de cobrar da IA o que se cobra de qualquer investimento sério - objetivos claros, medição de resultados e disposição para ajustar a rota quando as contas não fecharem.

---