Empresas que mais geram valor com inteligência artificial adotam estas estratégias, diz McKinsey

Empresas de diferentes setores estão incorporando inteligência artificial às operações, mas a adoção da tecnologia não garante resultados financeiros. Uma pesquisa da consultoria McKinsey mostra que as organizações que extraem mais valor da IA tendem a combinar investimentos tecnológicos com mudanças na forma de trabalhar, participação ativa da liderança e objetivos que vão além da redução de custos.

Para profissionais que participam de decisões, projetos e processos de transformação, entender essas diferenças ajuda a identificar por que algumas iniciativas avançam e outras permanecem restritas a testes.

• O Pré-MBA em IA da Saint Paul e EXAME oferece quatro aulas práticas, online, por R$ 37. Dê o primeiro passo e comece hoje. Matrículas abertas! 

Por que tantas empresas ainda têm dificuldade para gerar valor com IA?

Na pesquisa The State of AI in 2025, publicada em novembro daquele ano, a McKinsey identificou uma diferença entre a disseminação da inteligência artificial e seu impacto nos resultados das organizações.

Embora quase nove em cada dez entrevistados afirmassem que suas empresas utilizavam IA regularmente, quase dois terços ainda não haviam começado a expandir a tecnologia por toda a organização. Além disso, apenas 39% relataram algum impacto da IA no resultado operacional da empresa, medido pelo indicador EBIT, que representa o lucro antes de juros e impostos.

O levantamento ouviu 1.993 participantes, entre 25 de junho e 29 de julho de 2025. Os resultados mostram que adotar ferramentas e obter ganhos em tarefas específicas não significa, necessariamente, transformar o desempenho financeiro do negócio.

4 práticas que diferenciam empresas de alto desempenho

1. Redesenhar os fluxos de trabalho

Um dos principais fatores associados aos resultados é a reorganização dos processos para incorporar a inteligência artificial.

Segundo a McKinsey, empresas classificadas como de alto desempenho em IA eram 2,8 vezes mais propensas a afirmar que haviam redesenhado fundamentalmente seus fluxos de trabalho. Nesse grupo, 55% relataram mudanças desse tipo, ante 20% das demais organizações.

Na prática, isso significa ir além de adicionar uma ferramenta a uma rotina existente. Em uma equipe de marketing, por exemplo, a IA pode apoiar a pesquisa de referências, a análise de dados e a criação de versões iniciais de campanhas. A empresa pode reorganizar as etapas para reduzir tarefas repetitivas e reservar mais tempo para estratégia, revisão e avaliação dos resultados.

• Aprenda a aplicar inteligência artificial no trabalho com o Pré-MBA em IA da Saint Paul e EXAME, em quatro aulas práticas, online, por R$ 37. Conheça o treinamento.

2. Ter participação ativa da liderança

A implementação também depende do envolvimento de executivos e gestores. De acordo com a McKinsey, os profissionais entrevistados em empresas de alto desempenho tinham três vezes mais probabilidade de afirmar que a liderança demonstrava forte compromisso com as iniciativas de IA.

Esse envolvimento inclui definir prioridades, estabelecer responsabilidades, disponibilizar recursos e acompanhar os resultados. Quando a iniciativa fica restrita à área de tecnologia, pode haver dificuldade para integrá-la às necessidades das equipes de negócio.

A liderança também precisa definir regras de uso e validação, especialmente quando os sistemas lidam com informações confidenciais, dados de clientes ou decisões que exigem julgamento humano.

3. Buscar crescimento e inovação, não apenas economia

Reduzir custos é um objetivo frequente das iniciativas de IA. No entanto, a pesquisa aponta que as empresas que extraem mais valor também tendem a buscar crescimento e inovação.

Isso pode envolver desenvolver novos produtos, melhorar a experiência do cliente, identificar oportunidades comerciais ou acelerar a análise de informações para apoiar decisões. A tecnologia passa a ser considerada não apenas um meio de executar tarefas com menos recursos, mas também uma ferramenta para criar novas possibilidades de negócio.

Para um gerente comercial, por exemplo, a IA pode ajudar a identificar padrões de comportamento dos clientes e subsidiar a definição de campanhas. O resultado depende de como essas informações são aplicadas e de sua contribuição para indicadores concretos, como conversão, receita e retenção.

4. Medir resultados e preparar as equipes

Outra prática relevante é estabelecer indicadores para avaliar se as soluções estão entregando os resultados esperados. Entre as medidas possíveis estão o tempo economizado, a redução de erros, o custo por operação e o impacto sobre a receita.

A McKinsey também destaca a importância de definir quando os resultados produzidos pelos modelos precisam de validação humana. Isso permite estabelecer limites para a automação e reduzir riscos associados a informações incorretas.

A capacitação dos profissionais complementa esse processo. As equipes precisam compreender como formular solicitações, verificar respostas, proteger dados e reconhecer situações em que a tecnologia não é adequada.

Sem treinamento e critérios de avaliação, o uso de IA pode se espalhar sem que a organização consiga identificar quais aplicações realmente contribuem para o negócio.

Como transformar a adoção de IA em resultados concretos

Os dados da McKinsey indicam que o valor da inteligência artificial depende de mudanças organizacionais, e não apenas da aquisição de ferramentas. A combinação de processos redesenhados, liderança envolvida, objetivos de negócio claros e acompanhamento de resultados está associada a um desempenho superior.

Para profissionais que lideram projetos ou participam da implementação dessas soluções, o primeiro passo é identificar um problema específico, estabelecer uma métrica de sucesso e testar a tecnologia em um fluxo de trabalho delimitado. A partir dos resultados, a empresa pode ajustar o processo e avaliar se faz sentido ampliar a aplicação.

• O Pré-MBA em IA da Saint Paul e EXAME reúne quatro aulas práticas, online, por R$ 37, para quem quer desenvolver conhecimentos sobre inteligência artificial aplicados ao trabalho. Saiba mais sobre o treinamento.