Por que 95% dos projetos de IA não geram retorno e o que fazer para estar nos 5%

A inteligência artificial generativa já entrou na rotina de muitas empresas, mas transformar testes em resultado financeiro continua sendo um desafio. Um estudo do MIT encontrou uma diferença significativa entre a adoção da tecnologia e sua capacidade de gerar impacto mensurável nos negócios.

O relatório The GenAI Divide: State of AI in Business 2025, produzido pelo projeto NANDA do MIT, analisou mais de 300 implementações públicas de IA, além de entrevistas e respostas de profissionais. O levantamento apontou que cerca de 95% das organizações analisadas não obtiveram retorno financeiro mensurável com seus projetos de IA generativa. Apenas cerca de 5% dos pilotos integrados conseguiram gerar valor significativo.

Quer entender como aplicar inteligência artificial aos negócios? Conheça o Pré-MBA em IA da Saint Paul e Exame por R$ 37.

Por que tantos projetos de IA não dão resultado

O estudo não aponta a qualidade dos modelos de inteligência artificial como principal explicação para os resultados. O problema estaria principalmente na forma como as empresas implementam a tecnologia.

Muitos projetos permanecem na fase de teste, sem serem incorporados aos processos que efetivamente movimentam receita, custos ou produtividade. Segundo o relatório, existe uma espécie de lacuna de aprendizado, tanto nas ferramentas quanto nas organizações.

Um exemplo é uma empresa que disponibiliza um chatbot de IA para funcionários. O uso pode aumentar, mas isso não significa necessariamente que a organização esteja reduzindo custos ou aumentando receita.

Para gerar impacto financeiro, a tecnologia precisa estar ligada a uma atividade concreta. Pode ser a redução do tempo necessário para analisar documentos, a automatização de uma etapa operacional ou o aumento da conversão em vendas.

O problema de começar pela ferramenta

Outro risco é escolher primeiro a tecnologia e somente depois procurar um problema para resolver.

Nesse modelo, uma empresa pode contratar uma ferramenta de IA porque ela é considerada avançada, mas não definir qual indicador de negócio deverá melhorar.

Uma abordagem diferente começa pela identificação de um gargalo. A partir daí, a empresa avalia se a inteligência artificial é realmente adequada para resolver aquele problema e estabelece uma métrica para acompanhar o resultado.

O que as empresas que conseguem resultado fazem diferente

O estudo do MIT identifica uma diferença entre organizações que ficam presas em pilotos e aquelas que conseguem levar a IA para a operação. Entre os pontos destacados estão a escolha de problemas específicos e a integração da tecnologia aos fluxos de trabalho.

Na prática, isso significa evitar projetos genéricos e começar por tarefas nas quais exista uma relação clara entre tecnologia e resultado.

Uma empresa pode, por exemplo, estabelecer como objetivo reduzir de quatro horas para uma hora o tempo gasto na análise inicial de contratos. Nesse caso, existe uma situação atual, uma meta e um indicador que pode ser acompanhado.

O uso estratégico de IA exige mais do que conhecer ferramentas. O Pré-MBA em IA da Saint Paul e Exame está disponível por R$ 37.

Como aumentar as chances de retorno

Antes de colocar um projeto de inteligência artificial em funcionamento, profissionais e gestores podem responder a algumas perguntas:

• Qual problema será resolvido?
• Qual indicador deve melhorar?
• Quanto custa o processo atualmente?
• Como o resultado será medido?
• Quem será responsável pela implementação?
• A solução será integrada ao fluxo de trabalho?
• Como os resultados serão revisados?

Também é importante estabelecer um período de teste e critérios para decidir se o projeto deve ser ampliado, ajustado ou interrompido.

Isso evita que um piloto continue indefinidamente apenas porque a tecnologia está sendo utilizada.

IA precisa entrar no processo para gerar valor

O levantamento do MIT mostra que adotar inteligência artificial e capturar valor com ela são etapas diferentes. A primeira pode acontecer com a contratação de uma ferramenta. A segunda depende de mudanças no modo como o trabalho é realizado.

Para um profissional, a lógica pode ser aplicada mesmo sem liderar um grande projeto corporativo. Antes de usar uma ferramenta de IA, vale identificar uma tarefa repetitiva, medir quanto tempo ela consome e estabelecer o que precisaria mudar para que o uso da tecnologia tivesse impacto.

O resultado pode ser produtividade, redução de custos, aumento de receita ou melhoria de algum indicador operacional. O ponto é medir o efeito no trabalho, e não apenas contabilizar o uso da ferramenta.

Quer se preparar para tomar decisões mais estratégicas sobre inteligência artificial? Conheça o Pré-MBA em IA da Saint Paul e Exame por R$ 37.