Investimentos em inteligência artificial: a promessa bilionária e o retorno que ainda não apareceu

Salas de reunião lotadas, painéis cheios de gráficos e a mesma dúvida circulando entre executivos: afinal, para onde foi o dinheiro aplicado em inteligência artificial?

Nos últimos anos, empresas de diferentes setores aceleraram aportes em IA, venderam a narrativa de uma virada imediata e de um corte expressivo de custos. Só que, agora, muitos conselhos de administração encaram um cenário menos vistoso: a despesa ficou evidente - e o retorno ainda não.

Promessa de ouro, balanço no vermelho

No intervalo de apenas dois anos, a inteligência artificial passou a ser tratada como sinónimo de modernidade obrigatória. De bancos a redes de varejo, ninguém queria dar a impressão de estar parado no tempo. Consultorias, fundos e fornecedores reforçaram a mensagem: quem não colocasse IA de pé seria ultrapassado.

Uma pesquisa global da PwC, com 4.454 executivos em 95 países, trouxe um choque de realidade. Mais da metade dos líderes que apostaram na tecnologia para elevar lucros diz que, até agora, não alcançou o resultado financeiro que esperava.

De acordo com a PwC, 56% dos líderes afirmam que a IA não aumentou receitas nem reduziu custos de forma mensurável no último exercício.

Quase 30% relatam algum crescimento de faturamento associado a iniciativas de IA. Já o cenário idealizado - aumentar receitas e, simultaneamente, diminuir gastos com apoio direto dessas ferramentas - foi atingido por apenas 12%. O contraste entre o discurso confiante e os números concretos fica difícil de ignorar.

O mito da IA como atalho mágico

A história mais repetida vendia a IA como um “atalho” tecnológico: automatizar rotinas, reduzir equipas e ver o lucro subir logo em seguida. Alguns diretores-presidentes levaram essa ideia ao limite, trocando equipas inteiras por sistemas automatizados na esperança de ganhos rápidos.

Em muitos casos, o efeito prático caminhou na direção contrária. Vieram erros em cascata, queda de produtividade, decisões frágeis tomadas com base em respostas inventadas por modelos generativos e, nos episódios mais graves, prejuízos à reputação de marcas que entregaram atendimento ou produção a sistemas ainda imaturos.

A inteligência artificial, hoje, ainda falha demais para assumir sozinha tarefas que exigem julgamento, contexto e responsabilidade de verdade.

Nesse processo, várias empresas confundiram corte de pessoal com eficiência. Reduziram a folha antes de comprovar que a tecnologia estava madura para ocupar funções críticas. Quando os problemas apareceram, a economia de curto prazo transformou-se em prejuízo operacional.

Por que o retorno sobre o investimento em inteligência artificial não aparece?

Inteligência artificial nas empresas não é “conectar e usar”

Gestores habituados a comprar soluções prontas descobriram, do jeito mais difícil, que IA não funciona como um aparelho que se liga, configura e entrega valor. Ela depende de dados, processos, cultura, governança e - acima de tudo - tempo para maturar.

Em muitas organizações, o que existe são pilotos dispersos: um robô de conversa num canal, um modelo de previsão noutro, um assistente interno para redigir textos em mais uma área. Isso costuma soar bem em apresentações para investidores, mas gera pouco impacto na cadeia de valor.

Os obstáculos mais comuns repetem-se:

• Iniciativas isoladas, sem ligação directa com metas do negócio;
• Dificuldade de integrar a IA a sistemas antigos e às rotinas diárias;
• Equipas sem capacitação para usar e supervisionar as ferramentas;
• Métricas nebulosas, mais focadas em “inovação” do que em resultado financeiro.

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

Dados ruins, decisões ruins

Outro ponto crítico é a qualidade dos dados. Não é raro ver empresas tentando sustentar modelos sofisticados sobre bases incompletas, desatualizadas ou enviesadas. O resultado são previsões pouco confiáveis, respostas inconsistentes e recomendações que impressionam no papel, mas falham no dia a dia.

Some-se a isso o problema das “alucinações” - respostas inventadas com aparência de verdade - e o risco torna-se evidente, principalmente em sectores regulados, como saúde e finanças.

Quando a empresa passa a confiar cegamente na IA, cresce a chance de multiplicar decisões ruins em escala.

Mudança de processos e resistência interna também pesam no retorno

Há ainda um custo que quase nunca aparece no orçamento inicial: reorganizar o trabalho para que a IA seja realmente usada. Se o processo continua igual, a ferramenta vira apenas mais uma etapa, criando atrito em vez de eficiência.

Além disso, quando a adoção é percebida como imposição “de cima para baixo”, tende a surgir resistência - aberta ou silenciosa. Iniciativas que envolvem as equipas da operação, ajustam rotinas e definem responsabilidades claras (quem aprova, quem revisa, quem responde por erros) costumam alcançar ganhos mais consistentes.

Segurança e sigilo: a conta invisível

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

Não existe garantia absoluta sobre como esses dados serão guardados, se serão utilizados para treinar modelos futuros ou, no pior cenário, se poderão reaparecer em respostas fornecidas a terceiros. O risco de vazamento involuntário de segredos corporativos passou a entrar diretamente na discussão de retorno sobre o investimento.

Dimensão	Risco associado à inteligência artificial	Impacto no retorno sobre o investimento
Segurança de dados	Vazamento de informação sensível	Multas e perda de vantagem competitiva
Confiabilidade	Respostas erradas ou “alucinadas”	Reprocessamentos, retrabalho e perda de clientes
Imagem da marca	Erros públicos em atendimento ou campanhas	Dano reputacional e queda de confiança
Regulação	Uso fora de padrões legais ou éticos	Sanções, ações judiciais e paralisação de projectos

Se os resultados decepcionam, por que os investimentos continuam a crescer?

Mesmo com números modestos, a pesquisa da PwC sugere que poucos executivos pensam em recuar. Ao contrário: muitos planeiam aumentar os investimentos em IA até 2026, tratado por vários como um possível “ano de virada” na adoção corporativa.

Dois motivos ajudam a explicar a insistência. O primeiro é o receio de ficar para trás: nenhum diretor-presidente quer ser lembrado como quem “perdeu a onda” da IA. O segundo é a leitura de que a tecnologia ainda está em fase de ajuste - e que o ganho virá com maturidade, integração mais profunda e modelos mais estáveis.

Hoje, uma parte relevante do investimento em IA é guiada menos por retorno comprovado e mais pelo medo de exclusão competitiva.

Com isso, conselhos de administração ficam num dilema desconfortável: seguir alocando recursos em iniciativas que ainda não se pagam, ou desacelerar e correr o risco de ver concorrentes avançarem antes em 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 modernização e passar a entregar resultado, ela precisa estar ligada a processos centrais. Não só comunicação e campanhas, mas logística, crédito, manutenção, previsão de demanda e gestão de risco.

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

• Automação de tarefas repetitivas em áreas de alto volume, como a retaguarda financeira;
• Modelos de previsão conectados ao planeamento de produção e de estoques;
• Assistentes internos treinados com base de conhecimento própria, reduzindo retrabalho;
• Monitoramento contínuo de fraudes e anomalias em operações digitais.

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

Termos que merecem atenção: retorno sobre o investimento e prazo de retorno em IA

Ao falar de retorno sobre o investimento em IA, a conta costuma ser mais trabalhosa do que em projectos tradicionais de tecnologia da informação. O gasto não se limita à licença do modelo ou à infraestrutura de computação em nuvem. Ele inclui, por exemplo:

• Curadoria, organização e limpeza de dados;
• Treinamento e capacitação de equipas;
• Tempo de adaptação e redesenho de processos;
• Riscos de erro - e o custo para corrigir e prevenir recorrências.

O prazo de retorno (o tempo para o projecto “se pagar”) tende a ser maior em iniciativas transformacionais. Organizações que entram nessa corrida esperando retorno em poucos meses frequentemente se frustram. Quando as metas financeiras são mais realistas, a pressão sobre a tecnologia diminui, e as decisões deixam de ser impulsivas.

Dependência de fornecedores e soberania de dados entram no cálculo

Um aspecto que ganha peso com a escala é a dependência de plataformas. Ao concentrar dados e rotinas em poucos fornecedores, a empresa pode enfrentar custos crescentes de migração, limitações contratuais e riscos de interrupção de serviço.

Também cresce a discussão sobre onde os dados ficam armazenados, quem pode acessá-los e como cumprir exigências internas e externas. Em sectores sensíveis, esse tema pode definir se um projecto segue adiante ou se trava - influenciando directamente custo, prazo e retorno.

Cenários possíveis para os próximos anos

Um caminho provável é o da consolidação: centenas de iniciativas experimentais tendem a ser encerradas, enquanto poucos casos de uso se firmam como padrão em cada indústria. As ferramentas devem tornar-se mais especializadas por sector, e a ideia genérica de “IA para tudo” perde fôlego.

Outro cenário é o de regulação mais rigorosa, sobretudo na Europa e em mercados que lidam com dados sensíveis. Isso pode elevar custos de conformidade, mas também ajuda a filtrar projectos frágeis e obriga as empresas a tratar segurança e governança como parte central do investimento.

Para quem trabalha em empresas médias ou grandes, a orientação prática continua direta: observar onde a IA já ajuda de facto no dia a dia, questionar métricas, participar dos pilotos e apontar limites. Iniciativas que incorporam o conhecimento de quem está na operação geralmente entregam ganhos mais concretos do que aquelas desenhadas apenas para caber em apresentações de consultoria.

A tensão dos próximos anos deve ser esta: equilibrar entusiasmo e urgência, enquanto se cobra da inteligência artificial o mesmo que se cobra de qualquer investimento sério - objetivos claros, medição de resultados e coragem para ajustar a rota quando os números não fecham.