Por Alex Ferreira, Fundador da FMG*

A Gartner criou um nome para um fenômeno que começa a ganhar espaço no mercado: agent washing, quando empresas exageram suas capacidades de inteligência artificial (IA). O termo pode até parecer novo, mas a lógica é bastante conhecida. Foi assim que o greenwashing começou.

Nos últimos anos, algumas empresas aprenderam que associar suas marcas a ESG era uma forma poderosa de ganhar relevância com consumidores, investidores e mercado.

O problema surgiu quando o discurso passou a correr mais rápido que a prática: metas ambiciosas, números pouco comparáveis e resultados difíceis de comprovar começaram a colocar a credibilidade corporativa em xeque.

Agora, uma lógica semelhante está acontecendo com a IA. O entusiasmo em torno da tecnologia criou um incentivo poderoso para que empresas mostrem que estão na vanguarda. Ter inteligência artificial virou sinal de inovação, eficiência e potencial de crescimento.

O risco é que, na corrida para demonstrar protagonismo, algumas organizações passem a inflar capacidades, resultados ou o grau de maturidade de suas iniciativas.

É o que podemos chamar de AI Washing, quando uma companhia apresenta ao mercado uma capacidade de IA maior, mais madura ou mais eficiente do que aquela que a empresa efetivamente possui.

E esse fenômeno merece atenção porque o problema não termina na comunicação. Ele começa nela, mas pode chegar rapidamente à governança.

O problema é que a realidade está aparecendo

Os números ajudam a mostrar o tamanho do descompasso. A S&P Global identificou que a proporção de empresas que abandonaram a maioria de suas iniciativas de IA antes que chegassem à produção saltou de 17% para 42%.

Em média, 46% dos projetos em prova de conceito foram descartados antes de alcançar uma adoção mais ampla.

A Gartner, por sua vez, estima que, até o fim de 2026, organizações abandonarão 60% dos projetos de inteligência artificial que não contam com dados preparados adequadamente para esse tipo de aplicação.

Esses números não significam que a tecnologia esteja fracassando. Significam algo mais importante – experimentar IA é muito mais fácil do que gerar valor consistente com ela.

É justamente nesse intervalo entre o experimento e o resultado que o IA-washing encontra espaço. Uma empresa pode dizer que “usa IA” sem explicar exatamente onde ela é aplicada. Pode apresentar um piloto como se fosse uma transformação estrutural feita com a tecnologia.

Pode divulgar ganhos de produtividade sem deixar claro como foram calculados, qual era a linha de base ou se o resultado foi efetivamente fruto da incorporação da IA ao negócio.

Ou é capaz, ainda, de chamar de inteligência artificial uma automação relativamente simples porque a palavra IA, hoje, tem um poder de atração muito maior.

O problema é que, enquanto o discurso pode ser construído em uma apresentação, em um post ou uma reunião com investidores, o resultado precisa aparecer na operação.

Quando comunicação vira risco de governança

É aqui que os conselhos de administração precisam começar a prestar mais atenção. Greenwashing e AI Washing têm uma grande diferença de velocidade.

Uma iniciativa ambiental pode levar anos para revelar se uma promessa de sustentabilidade era consistente ou apenas marketing. Na IA, a cobrança tende a ser muito mais rápida.

Investidores querem retorno, clientes querem eficiência, funcionários querem produtividade e os próprios executivos precisam justificar os investimentos realizados.

Quando o resultado não aparece, a distância entre expectativa e realidade deixa de ser apenas uma questão reputacional. Ela pode afetar decisões de investimento, alocação de capital, relacionamento com clientes, avaliação de fornecedores e confiança de acionistas.

Por isso, tratar a questão como se fosse um problema exclusivamente de comunicação é um erro. A pergunta que um conselho deveria fazer não é apenas “quanto estamos falando sobre IA?”, mas principalmente: “quanto valor real a IA está gerando para a empresa?”. E, depois, uma segunda pergunta: “como sabemos disso?”

Essa segunda pergunta é fundamental. Um resultado de IA precisa ter método. É necessário saber qual problema a tecnologia pretende resolver, qual era o desempenho anterior, quais indicadores serão utilizados e em quanto tempo será possível avaliar se a iniciativa funcionou.

Sem essa disciplina, a empresa corre o risco de confundir adoção com resultado. Ter milhares de funcionários com acesso a uma ferramenta de IA não significa necessariamente ter milhares de funcionários mais produtivos.

Implementar um chatbot não significa transformar o atendimento. Criar um modelo não significa gerar retorno financeiro.

A saída não é falar menos sobre IA

Combater o AI Washing não significa falar menos sobre inteligência artificial, mas falar com mais precisão sobre o que ela realmente entrega. Em vez de perguntar “onde podemos colocar IA?”, as empresas precisam começar por “qual problema de negócio queremos resolver?”, sempre com foco em medir o resultado.

Em um mercado no qual todos querem parecer avançados, admitir que uma iniciativa ainda está em teste pode ser mais estratégico do que anunciar uma transformação que não aconteceu. Afinal, a transparência é o que transforma tecnologia em resultado.

No fim, IA é meio, nunca fim. E, quando o mercado separar quem realmente entrega de quem apenas sabe contar uma boa história, o ativo mais valioso das empresas não será parecer inteligente. Será a sua confiança.

*Alex Ferreira é CEO e fundador da FMG, boutique de tecnologia especializada em transformação de negócios, produtos digitais e inteligência artificial aplicada. Com quase três décadas de experiência em tecnologia, construiu sua trajetória implementando soluções em operações de alta complexidade, passando pelos ciclos do software, da transformação digital e, agora, da inteligência artificial.