Só 6% das empresas lucram de verdade com IA — mas o que elas fazem antes de escolher a ferramenta

RESUMO | Segundo a McKinsey, 88% das empresas usam IA regularmente, mas só cerca de 6% atribuem à tecnologia 5% ou mais do lucro operacional. O que diferencia esse grupo é redesenhar os fluxos de trabalho em vez de encaixar a ferramenta em processos antigos. Para o gestor, o primeiro passo é escolher qual processo transformar, com base no tempo gasto, na repetição e no custo de um erro.

---

A inteligência artificial já está em quase todas as empresas, mas o lucro ainda se encontra em poucas. Segundo a McKinsey, 88% das organizações usavam IA de forma regular em pelo menos uma função em 2025, mas só cerca de 6% conseguiam atribuir à tecnologia 5% ou mais do lucro operacional.

O que diferencia esse grupo não é a ferramenta escolhida. Entre as empresas de alto desempenho, a maioria redesenha os fluxos de trabalho ao adotar IA, em vez de encaixar a tecnologia sobre processos antigos. Para gerentes, heads e coordenadores, isso começa com uma decisão anterior a qualquer compra: qual processo transformar primeiro.

Mapear oportunidades é o primeiro passo para levar a IA da experimentação à rotina da área. O Programa Executivo Gestão e Estratégia com IA, da Saint Paul, começa exatamente por esse diagnóstico. Conheça a proposta do programa

Muita adoção, pouco resultado

O levantamento anual da McKinsey mostra o tamanho da distância. Apenas 39% atribuíam algum efeito no lucro operacional (Ebit) ao uso da tecnologia, e na maioria desses casos o efeito ficava abaixo de 5%.

O grupo que realmente captura valor é pequeno. A consultoria classifica como "alto desempenho" cerca de 6% dos respondentes, empresas que atribuem 5% ou mais do Ebit à IA e relatam ganho significativo.

Um estudo preliminar do MIT, baseado em 52 entrevistas com executivos, 153 líderes ouvidos e 300 implementações públicas analisadas, concluiu que 95% dos projetos-piloto não produziram impacto mensurável no resultado financeiro. 

O relatório é preliminar, não passou por revisão de pares e foi criticado pela janela curta de medição e pelo tamanho da amostra. A direção, porém, coincide com a da McKinsey: o uso cresce muito mais rápido do que o retorno.

Por que o primeiro processo decide o resto

A Gartner já havia previsto que ao menos 30% dos projetos de IA generativa seriam abandonados após a prova de conceito até o fim de 2025. Os motivos apontados foram dados de baixa qualidade, controle de riscos insuficiente, custos crescentes e valor de negócio pouco claro.

Nenhum desses problemas é tecnológico. Todos aparecem antes, na hora de decidir onde aplicar a ferramenta.

A McKinsey chega a uma conclusão semelhante por outro caminho. Entre 25 atributos testados, o redesenho dos fluxos de trabalho foi o que teve maior efeito sobre a capacidade de gerar impacto no Ebit com IA generativa, ou seja, o ganho vem de repensar o processo, e não de colocar uma ferramenta nova sobre um processo antigo.

Na prática, escolher bem o primeiro processo passa por três perguntas: onde a equipe perde mais tempo, o que se repete sempre do mesmo jeito e qual é o custo de um erro. São esses os filtros que orientam o mapa de oportunidades:

Onde o tempo da equipe desaparece

A primeira pergunta parece óbvia, mas raramente é respondida com dados: onde a área gasta mais horas? Tarefas que consomem pouco tempo dificilmente justificam o esforço de implementação, mesmo que a IA as execute bem.

Triagem de chamados, consolidação de relatórios semanais, resposta a perguntas frequentes de clientes internos e análise de contratos padronizados costumam aparecer no topo dessa lista. O gestor que mede o tempo de cada atividade antes de escolher leva uma vantagem: saberá dizer, depois, quanto ganhou.

Escolher onde aplicar a IA é uma decisão de gestão, não de tecnologia. Em seis encontros, o Pós-MBA da Saint Paul prepara líderes para identificar, avaliar e implementar projetos que geram resultado. Saiba mais sobre a formação

O trabalho que segue sempre o mesmo roteiro

Muitas horas, porém, não bastam. A IA rende mais em tarefas previsíveis, com entradas e saídas parecidas a cada execução.

Um processo que muda de regra a cada caso, ou que depende de negociação e contexto político, tende a exigir tanta revisão humana que o ganho some. Já classificar documentos, resumir reuniões ou preparar a primeira versão de uma proposta seguem um padrão que a tecnologia reconhece.

Quanto custa quando a máquina erra

A terceira pergunta é a que mais separa projetos bem-sucedidos dos abandonados. O estudo da Harvard Business School com a consultoria BCG, feito com 758 consultores, mostrou os dois lados. Em tarefas dentro do alcance da tecnologia, quem usou GPT-4 concluiu 12,2% mais tarefas e trabalhou 25,1% mais rápido. Fora desse alcance, os consultores com IA tiveram 19% menos chance de chegar à solução correta.

Para estrear, a regra prática é começar onde um erro é fácil de detectar e barato de corrigir. Decisões de crédito, comunicação com clientes sensíveis e dados pessoais podem esperar até a área ganhar maturidade e regras de governança claras.

Como montar o mapa na prática

O mapa de oportunidades pode caber em uma planilha. O gestor lista as principais atividades da área e dá uma nota de 1 a 5 para cada critério, invertendo a escala no caso do risco. As atividades com maior pontuação são as candidatas ao primeiro projeto.

Antes de bater o martelo, duas checagens evitam frustração:

• Os dados existem e são confiáveis? Sem informação organizada, a ferramenta não tem com o que trabalhar.
• Há uma medida de antes? Registrar tempo, custo ou taxa de erro atual é o que permite provar o resultado depois.

A segunda checagem responde diretamente à crítica feita ao estudo do MIT: boa parte dos projetos não mostra retorno porque ninguém mediu o ponto de partida.

Na formação, os participantes levam desafios reais de suas áreas para a sala e constroem aplicações com professores e outros líderes. Veja como funciona o programa

---

O que é o programa Gestão e Estratégia com IA, da Saint Paul?

É o Programa Executivo Pós-MBA da Saint Paul para gerentes, heads, coordenadores e líderes de projetos que precisam incorporar a inteligência artificial à gestão. O foco é levar a IA da experimentação para a rotina da área, com impacto em processos, equipes e resultados.

O programa ensina a identificar onde aplicar IA na área?

Sim. O módulo "Mapeando oportunidades com IA de alto impacto" trabalha como identificar onde a tecnologia pode gerar valor, produtividade e vantagem competitiva, além dos desafios da implementação.

Como o programa trata dados e riscos antes da implementação?

O módulo "Dados: a base estratégica da IA" aborda qualidade, estrutura, governança e maturidade dos dados. Já "IA responsável: ética, transparência e segurança" trata de privacidade, segurança da informação, regulamentação e critérios de adoção.

Como funciona a parte prática do programa?

O programa segue a metodologia learning by doing, com experimentação de ferramentas generativas e desenvolvimento de agentes de IA. Os participantes levam desafios reais das próprias áreas para a sala e trabalham aplicações com professores e outros líderes.

O programa também prepara o gestor para conduzir a adoção pela equipe?

Sim. Os módulos "Liderando a mudança na era da IA" e "Pessoas, cultura e IA" tratam de gestão da mudança, processos de adoção e preparação das equipes para novas formas de trabalhar.

Qual é o formato do programa e quando ele começa?

A primeira turma começa em 17 de outubro, com seis encontros presenciais ou ao vivo remotos. São 72 horas de formação, sendo 48 horas em sala e 24 horas de atividades individuais.