(Magnific)
Redatora
Publicado em 6 de outubro de 2026 às 14h16.
Mais de 80% dos projetos de inteligência artificial fracassam. É o dobro da taxa de fracasso dos projetos de tecnologia que não envolvem IA, segundo estudo da RAND Corporation, centro de pesquisa americano que entrevistou 65 cientistas de dados e engenheiros de mais de 50 organizações.
A frustração cresce rápido. Uma pesquisa da S&P Global Market Intelligence com mais de mil empresas da América do Norte e da Europa mostra que 42% delas abandonaram a maior parte de suas iniciativas de IA em 2025 — um ano antes, eram 17%. Em média, 46% das provas de conceito foram descartadas antes de chegar à operação.
Boa parte desses fracassos nasce antes da primeira linha de código, no momento em que o investimento é aprovado. É ali que o conselho tem mais poder para mudar o resultado.
Os erros abaixo aparecem com frequência nas pesquisas e quase sempre podem ser evitados com as perguntas certas.
O erro mais comum, segundo a RAND, é de liderança: a empresa não define com clareza qual problema o projeto deve resolver. O estudo também descreve o caminho oposto, em que a equipe se encanta pela tecnologia mais nova e procura depois onde usá-la.
No conselho, esse erro aparece quando a apresentação fala mais do modelo de IA do que do indicador de negócio que deve melhorar. Se o projeto não informa qual custo cai, qual receita sobe ou qual processo fica mais rápido, ainda não está pronto para ser aprovado.
Diante da pressão para "fazer algo com IA", muitos conselhos aprovam dezenas de pilotos ao mesmo tempo. O Boston Consulting Group (BCG) aponta o caminho contrário. Em pesquisa com mil executivos de 59 países, as empresas que mais extraem valor da IA perseguem cerca de metade das oportunidades das demais e concentram recursos nas mais promissoras. Em troca, esperam o dobro do retorno.
Ainda segundo o BCG, só 26% das empresas conseguiram ir além das provas de conceito e gerar valor concreto. Os outros 74% ainda não mostraram resultado tangível.
O orçamento de IA costuma ir quase todo para licenças, servidores e consultorias. As empresas líderes do estudo do BCG seguem outra proporção: 10% do esforço vai para os algoritmos, 20% para tecnologia e dados e 70% para pessoas e processos. Não por acaso, cerca de 70% das dificuldades de implementação relatadas vêm dessas duas últimas frentes.
Na prática, um projeto aprovado sem verba para treinamento, mudança de processos e gestão da resistência das equipes tem grande chance de virar mais uma ferramenta que ninguém usa.
A RAND lista a falta de dados em quantidade e qualidade suficientes entre as principais causas de fracasso. O estudo também aponta o subinvestimento na infraestrutura que organiza esses dados. Na pesquisa da S&P Global, custos, privacidade e segurança aparecem como os maiores obstáculos.
Antes de aprovar, o conselho deve saber se os dados necessários existem, quem é responsável por eles e se o uso respeita a Lei Geral de Proteção de Dados.
A nova onda de entusiasmo é a IA agêntica, em que sistemas executam tarefas sozinhos. O Gartner prevê que mais de 40% desses projetos serão cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controles de risco insuficientes.
A consultoria estima que, entre milhares de fornecedores que se apresentam como especialistas nessa tecnologia, só cerca de 130 de fato oferecem agentes de IA.
A proteção é definir, antes de liberar o dinheiro, em que prazo e com que resultado o projeto continua, e em que condições ele será encerrado.