IA nas empresas: onde foi parar o dinheiro da inteligência artificial?

Salas de reunião lotadas, dashboards com gráficos chamativos e a mesma pergunta a circular: para onde foi o dinheiro aplicado em inteligência artificial?

Empresas de todo o mundo avançaram a correr para investir em IA, venderam a promessa de uma revolução imediata e de um corte massivo de custos. Agora, muitos conselhos de administração encaram números bem menos entusiasmantes: a factura chegou, mas o retorno ainda não.

Promessa de ouro, balanço no vermelho

Nos últimos dois anos, a inteligência artificial tornou-se quase um sinónimo de modernidade obrigatória. Da banca ao retalho, ninguém queria ficar com o rótulo de “atrasado”. Consultoras, fundos e fornecedores alimentaram a pressão: quem não adoptasse IA ficaria fora do jogo.

Uma sondagem global da PwC, realizada junto de 4.454 executivos em 95 países, trouxe um choque de realidade. Entre os que apostaram na tecnologia para aumentar os lucros, mais de metade ainda não viu 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% indicaram algum crescimento de receitas associado a iniciativas de IA. E apenas 12% chegaram ao cenário idealizado: facturar mais e, em simultâneo, gastar menos, com apoio directo destas ferramentas. A diferença entre o discurso optimista e o que aparece nos resultados fica difícil de ignorar.

O mito da IA como atalho mágico

A narrativa dominante vendeu a IA como um atalho tecnológico: despedir pessoas, automatizar processos e ver o lucro subir. Alguns CEOs foram mais longe, trocando equipas inteiras por sistemas automatizados, na expectativa de ganhos rápidos.

Em vários casos, o resultado foi precisamente o contrário. Surgiram erros em cadeia, quebras de produtividade, decisões erradas baseadas em respostas “alucinadas” de modelos generativos e, em situações mais graves, danos na reputação de marcas que deixaram o atendimento ou a produção totalmente nas mãos de sistemas ainda imaturos.

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

Neste impulso, muitas organizações confundiram redução da massa salarial com eficiência. Cortaram equipas antes de confirmar que a tecnologia estava preparada para assumir funções críticas. Quando os problemas apareceram, a poupança imediata transformou-se em prejuízo operacional.

Por que o retorno não aparece?

IA não é equipamento “plug and play”

Muitos executivos, habituados a comprar software “pronto a usar”, perceberam da forma mais dura que a IA não funciona como uma impressora: não chega ligar, configurar e começar. Há dados, processos, cultura, governação e, acima de tudo, tempo.

Em muitas empresas, a adopção fica reduzida a pilotos dispersos: um chatbot aqui, um modelo de previsão ali, um assistente interno para redigir textos noutra área. Fica bem em apresentações para investidores, mas quase não mexe na cadeia de valor.

• Projectos isolados, sem ligação a objectivos de negócio;
• Falta de integração com sistemas legados e rotinas do dia a dia;
• Equipas sem formação para usar e supervisionar a tecnologia;
• Métricas pouco claras, centradas em “inovação” e não em resultado financeiro.

Um relatório do MIT, citado em debates recentes, dá a medida da frustração: 95% das tentativas de integrar IA generativa não produziram uma aceleração rápida de receita. A maioria ficou na gaveta do “experimento interessante”.

Dados maus, decisões más

Outro ponto crítico é a qualidade dos dados. As empresas constroem modelos sofisticados apoiados em bases incompletas, desactualizadas ou enviesadas. O efeito são previsões frágeis, respostas inconsistentes e recomendações que impressionam em slides, mas falham quando entram em produção.

Se a isto se juntarem as conhecidas “alucinações” - respostas inventadas, com aparência de verdade - o risco torna-se evidente, sobretudo em sectores regulados, como a saúde e o 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 em testar modelos generativos também abriu uma nova preocupação: segurança de dados. Colaboradores introduzem ferramentas externas com contratos, código-fonte e estratégias comerciais - muitas vezes sem uma política clara de utilização.

Ninguém consegue garantir totalmente como essa informação será guardada, se será usada para treinar novos modelos ou, pior, se poderá reaparecer em respostas dadas a terceiros. O risco de fuga involuntária de segredos corporativos passou a pesar nas discussões sobre retorno do investimento.

Dimensão	Risco associado à IA	Impacto no ROI
Segurança de dados	Fuga de informação sensível	Multas, perda de vantagem competitiva
Fiabilidade	Respostas erradas ou “alucinadas”	Pedidos refeitos, retrabalho, perda de clientes
Imagem da marca	Erros públicos em atendimento ou campanhas	Dano reputacional, quebra de confiança
Regulação	Utilização fora de padrões legais ou éticos	Sanções, processos judiciais, paragem de projectos

Se os resultados decepcionam, por que os investimentos crescem?

Mesmo com resultados modestos, a pesquisa da PwC sugere que poucos executivos ponderam recuar. Pelo contrário: muitos planeiam aumentar os investimentos em IA até 2026, encarando esse ano como um possível ponto de viragem na adopção corporativa.

Dois motivos ajudam a explicar a insistência. O primeiro é o receio de ficar para trás: nenhum CEO quer ser lembrado como o líder que “perdeu a onda” da IA. O segundo é a sensação de que a tecnologia ainda está a afinar, e que o ganho chegará com mais maturidade, integração mais 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."

Isto deixa os conselhos de administração numa encruzilhada: continuar a canalizar recursos para projectos que ainda não se pagam, ou travar para não queimar capital - correndo o risco de ver concorrentes avançarem primeiro em aplicações realmente rentáveis.

O que pode mudar o jogo do retorno

Da montra para o processo crítico

O factor decisivo para a IA deixar de ser uma montra de inovação e começar a gerar resultados está na ligação directa a processos nucleares do negócio. Não apenas marketing, mas também logística, crédito, manutenção, previsão de procura e gestão de risco.

Alguns caminhos práticos repetem-se nas empresas que já conseguem capturar valor:

• Automatização de tarefas repetitivas em áreas de grande volume, como o back-office financeiro;
• Modelos de previsão integrados no planeamento de produção e de stock;
• Assistentes internos treinados com base de conhecimento própria, reduzindo retrabalho;
• Análise contínua de fraude e anomalias em operações digitais.

Nestes casos, a IA não funciona isoladamente: está acoplada a metas objectivas, como reduzir tempos de atendimento, diminuir erros, baixar a taxa de incumprimento ou aumentar a taxa de conversão.

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

Quando se discute retorno sobre investimento (ROI) em IA, a conta tende a ser mais complexa do que num projecto tradicional de TI. O custo não está apenas na licença do modelo ou na infra-estrutura de cloud. Inclui:

• Curadoria e limpeza de dados;
• Formação de equipas;
• Tempo de adaptação de processos;
• Riscos de erro e respectivas correcções.

O “payback” - o tempo necessário para o projecto se pagar - costuma ser mais longo em iniciativas transformacionais. Empresas que entram nesta corrida à espera de retorno em poucos meses tendem a frustrar-se. Quando as metas financeiras são definidas de forma mais realista, a pressão sobre a tecnologia baixa e as decisões tornam-se menos impulsivas.

Cenários possíveis para os próximos anos

Um cenário provável é o da consolidação: centenas de projectos experimentais desaparecem, enquanto um pequeno conjunto de casos de uso se afirma como padrão na indústria. As ferramentas passam a especializar-se por sector e o discurso genérico de “IA para tudo” perde força.

Outro cenário aponta para uma regulação mais apertada, sobretudo na Europa e em mercados que lidam com dados sensíveis. Isto tende a aumentar custos de conformidade, mas também pode filtrar iniciativas frágeis e obrigar as empresas a tratarem segurança e governação como parte central do investimento.

Para o leitor comum, que trabalha numa empresa média ou grande, a recomendação prática é directa: observar onde a IA já ajuda, de facto, no dia a dia. Questionar métricas, participar nos pilotos e sinalizar limites. Projectos que incorporam o conhecimento de quem está na operação tendem a gerar ganhos mais concretos do que aqueles desenhados apenas para apresentações de consultoria.

A grande tensão dos próximos anos será esta: equilibrar o entusiasmo com a sensação de urgência e, ao mesmo tempo, exigir da IA o que se exige de qualquer investimento sério - objectivos claros, medição de resultados e capacidade de mudar de rumo quando os números não batem certo.