Adoção de IA: o que vem antes
O MIT encontrou 95% de iniciativas corporativas sem retorno. A diferença dos 5% restantes não estava no modelo escolhido, e sim no que existia antes dele.
Em 2025, um relatório do MIT produziu um daqueles números que atravessam o mercado em uma semana: 95% das iniciativas de inteligência artificial em grandes corporações não geraram retorno algum. [1] O impacto foi imediato e financeiro. Em um único dia, mais de 1 trilhão de dólares em valor de mercado evaporou na Nasdaq, com investidores temendo o estouro da bolha. [1]
A conclusão apressada foi que IA corporativa não funciona. Mas o dado interessante não é o 95%. É o que os 5% fizeram de diferente.
O abismo não é técnico
Os 5% correspondem a iniciativas que avançaram da fase experimental para uma aplicação integrada aos fluxos operacionais, com redesenho de processos de ponta a ponta e impacto real nos resultados. [1] Essas estão extraindo valor de verdade.
O relatório chama essa distância de GenAI divide: a lacuna entre adoção da IA e captura real de valor. [1] E a origem da lacuna é descrita sem meias palavras. No ímpeto de mostrar serviço, empresas empilharam casos de uso, lançaram projetos isolados desconectados da estratégia, ignoraram que processos críticos só podem ser automatizados de forma integrada e esqueceram que IA só é inteligente quando alimentada com os dados certos. [1]
Há uma frase no mesmo texto que resume o erro melhor do que qualquer diagnóstico: automatizar o processo errado é como correr com afinco na direção contrária. [1] E há uma analogia histórica que dói: Kodak e Blockbuster não falharam por ignorar a digitalização. Falharam por digitalizar modelos obsoletos. [1]
O que vem antes: 4 camadas
Antes de escolher modelo, fornecedor ou copiloto, existem 4 camadas que determinam se a IA vai ter o que fazer na sua empresa. Elas não são glamourosas e são todas pré-requisito.
A pergunta que economiza um ano
Antes de qualquer piloto, vale responder isto com honestidade: se eu tivesse a resposta perfeita para essa pergunta, hoje, mudaria alguma decisão?
É espantoso quantas iniciativas morrem nessa pergunta. Uma previsão de demanda impecável não serve para nada se o processo de compra não consegue reagir a ela. Uma análise de risco de obra excelente não muda nada se a decisão de cronograma é tomada por outro critério. A informação só vale se existir um caminho entre ela e uma ação.
Quando a resposta é não, o problema não é de IA. É de processo, e é ali que o investimento deveria ir primeiro.
Onde IA tende a entregar antes
Sem prometer resultado, observa-se um padrão nos casos que passam do piloto: são aqueles em que o volume é alto, o padrão é claro e o erro é barato de corrigir.
- ·Classificação e triagem. Categorizar documento, direcionar chamado, identificar divergência entre nota e pedido. Volume grande, regra reconhecível, revisão simples.
- ·Extração de informação de documento. Ler nota, contrato, medição e transformar em campo estruturado. O ganho é eliminar digitação, que é onde o erro nasce.
- ·Redação assistida em texto repetitivo. Comunicado, descrição de vaga, resumo de reunião. O humano revisa e assume, o que mantém a responsabilidade no lugar certo.
- ·Busca em base própria. Encontrar a informação que já existe na empresa. Pouco glamouroso, alto retorno: é o problema de gastar tempo procurando dado que alguém já produziu.
Note o que não está na lista: decisão autônoma sobre valor alto, previsão que substitui julgamento, automação de processo que ninguém entende. Não porque seja impossível, mas porque não é onde começar.
Você está fazendo certo?
3 sinais de que a adoção está no caminho, e eles não têm relação com quantos pilotos estão rodando.
O primeiro: alguém consegue dizer o número que a iniciativa deveria mover, e esse número existia antes de começar. O segundo: o processo foi redesenhado, não só acelerado. Se a IA foi colocada dentro do fluxo antigo, você comprou velocidade, não capacidade. O terceiro: o dado que alimenta a solução é o mesmo que a empresa usa para decidir. Se foi preciso montar uma base paralela para o piloto funcionar, o resultado não vai escalar, porque ninguém vai manter 2 bases.
A conclusão do relatório do MIT, lida sem pânico, é quase animadora: o obstáculo não é o acesso à tecnologia, que hoje é comparativamente barato e disponível. É a integração aos fluxos operacionais. [1] Isso coloca a decisão de novo nas mãos da gestão, e não do fornecedor.
Como aplicar isso na sua empresa
Escrito pela equipe do HIRIS. No SiGovernance, políticas, processos e riscos formam uma base viva.
Referências
- [1]Relatório The GenAI Divide: State of AI in Business 2025, do MIT Project NANDA, analisado em: MIT Sloan Management Review Brasil
- [2]Pesquisa MIT Technology Review Insights com CIOs, CTOs e executivos de dados sobre prontidão de dados e escala de IA: MIT Technology Review Insights
- [3]Sobre adoção estruturada de IA em escala nas empresas, com base no mesmo relatório do MIT: Central do Varejo
- [4]Pesquisa global com 800 executivos de dados e tecnologia sobre práticas de gestão de dados para IA: MIT Technology Review Insights, 2ª edição
Marcas de terceiros citadas neste texto pertencem aos respectivos titulares. A menção é de caráter informativo e não implica parceria, patrocínio ou vínculo.