O retorno sobre investimento da IA, nova preocupação dos patrões

Salas de reunião cheias, dashboards com gráficos vistosos e a mesma dúvida a pairar: afinal, para onde foi o dinheiro investido em inteligência artificial (IA)?

Empresas em todo o mundo aceleraram investimentos, prometeram uma revolução imediata e um corte de custos em grande escala. Agora, muitos conselhos de administração encaram números menos entusiasmantes: a despesa apareceu, mas o retorno ainda não.

Promessa de ouro, contas no vermelho

Nos últimos dois anos, a inteligência artificial tornou-se quase um carimbo de “modernidade obrigatória”. De bancos a retalhistas, ninguém queria dar sinais de atraso. Consultoras, investidores e fornecedores alimentaram a narrativa: quem não adoptasse IA ficaria para trás.

Uma sondagem global da PwC, realizada junto de 4.454 executivos em 95 países, trouxe um choque de realidade. Entre os líderes que apostaram na tecnologia para aumentar lucros, mais de metade afirma não ter obtido, até agora, o retorno financeiro esperado.

De acordo com a PwC, 56% das lideranças dizem que a IA não aumentou receitas nem reduziu custos de forma mensurável no último exercício.

Quase 30% referem algum crescimento de facturação associado a iniciativas de IA. E apenas 12% atingiram o cenário idealizado: ganhar mais e gastar menos ao mesmo tempo com apoio directo destas ferramentas. A diferença entre o discurso optimista e os resultados concretos fica difícil de ignorar.

O mito da IA como atalho mágico

A história vendida ao mercado foi simples: a IA seria um atalho tecnológico - reduzir equipas, automatizar processos e ver a margem subir. Alguns CEOs levaram a aposta ao limite, substituindo departamentos inteiros por sistemas automáticos, à espera de ganhos rápidos.

Em múltiplos casos, sucedeu o inverso: erros em cadeia, quebras de produtividade, decisões pouco sólidas baseadas em respostas “alucinadas” de modelos generativos e, nos episódios mais graves, estragos na reputação de marcas que entregaram atendimento ao cliente ou partes da operação a sistemas ainda imaturos.

A IA, hoje, falha com demasiada frequência para assumir sozinha tarefas que exigem julgamento, contexto e responsabilidade real.

Muitas organizações confundiram redução de massa salarial com eficiência. Cortaram equipas antes de provar que a tecnologia estava pronta para funções críticas. Quando surgiram os problemas, a poupança imediata transformou-se em prejuízo operacional.

Porque é que o retorno não aparece?

IA não é “plug and play”

Gestores habituados a comprar software pronto descobriram, da pior forma, que IA não é como instalar uma impressora: não basta ligar, configurar e usar. Exige dados, processos, cultura, governação e, acima de tudo, tempo.

Em muitas empresas, a adopção fica por pilotos dispersos: um chatbot num ponto, um modelo de previsão noutro, um assistente interno para redigir textos noutro departamento. Fica bem em apresentações a investidores, mas mexe pouco (ou nada) na cadeia de valor.

• Iniciativas isoladas, sem ligação directa a metas de negócio;
• Integração fraca com sistemas legados e rotinas operacionais;
• Equipas sem formação para utilizar e supervisionar a tecnologia;
• Métricas pouco claras, orientadas para “inovação” e não para resultado financeiro.

Um relatório do MIT, citado em discussões recentes, expõe a dimensão da frustração: 95% das tentativas de integrar IA generativa não produziram uma aceleração rápida de receitas. A maioria ficou catalogada como “experiência interessante”.

Dados fracos geram decisões fracas

Outro ponto crítico é a qualidade dos dados. Há empresas a construir modelos sofisticados sobre bases incompletas, desactualizadas ou enviesadas. O resultado são previsões instáveis, respostas inconsistentes e recomendações que impressionam em slides, mas falham no terreno.

A isto somam-se as conhecidas “alucinações” - respostas inventadas com aparência de verdade - e o risco torna-se evidente, sobretudo em sectores regulados, como a saúde e o financeiro.

Quando uma organização passa a confiar cegamente na IA, aumenta a probabilidade de tomar más decisões à escala.

A mudança organizacional (a parte que raramente entra nas contas)

Mesmo com bons modelos, há um factor muitas vezes subestimado: a transformação do trabalho. Processos têm de ser redesenhados, responsabilidades clarificadas e rotinas de validação implementadas. Sem “human-in-the-loop” (supervisão humana onde faz sentido), a IA tende a amplificar erros em vez de os reduzir.

Há ainda a escassez de perfis especializados (dados, segurança, engenharia de prompts, MLOps), o que encarece projectos e alonga prazos. Quando a organização não cria capacidades internas, fica mais dependente de fornecedores - e o custo total aumenta, mesmo que a demonstração inicial pareça barata.

Segurança e confidencialidade: a factura invisível

A corrida para testar modelos generativos abriu uma frente sensível: segurança e protecção de dados. Colaboradores alimentam ferramentas externas com contratos, código-fonte e estratégias comerciais - muitas vezes sem regras claras de utilização.

Não existe garantia total sobre como essa informação é armazenada, se será usada para treinar novos modelos ou, no pior cenário, se poderá reaparecer em respostas entregues a terceiros. O risco de fuga involuntária de segredos empresariais passou a pesar directamente na avaliação do retorno.

Dimensão	Risco associado à IA	Impacto no ROI
Segurança de dados	Fuga de informação sensível	Coimas, perda de vantagem competitiva
Fiabilidade	Respostas erradas ou “alucinadas”	Retrabalho, pedidos refeitos, perda de clientes
Imagem da marca	Erros públicos em atendimento ou campanhas	Dano reputacional, quebra de confiança
Regulação	Utilização fora de padrões legais ou éticos	Sanções, processos judiciais, paragem de projectos

Se o retorno é modesto, porque continuam a subir os investimentos?

Apesar de resultados ainda tímidos, a mesma pesquisa da PwC indica que poucos executivos ponderam recuar. Pelo contrário: muitos planeiam reforçar investimento em IA até 2026, visto por vários como um ano de viragem na adopção empresarial.

Duas forças explicam a insistência. A primeira é o receio de ficar para trás: nenhum CEO quer ser recordado como quem “perdeu a vaga” da IA. A segunda é a leitura de que a tecnologia está numa fase de afinação e que os ganhos surgirão com mais maturidade, integração mais profunda e modelos mais estáveis.

Hoje, uma parte relevante do investimento em IA é impulsionada menos por retorno comprovado e mais pelo medo de exclusão competitiva.

Isto coloca os conselhos de administração num dilema: continuar a canalizar recursos para iniciativas que ainda não se pagam, ou travar para exigir provas - arriscando que concorrentes sejam mais rápidos a encontrar aplicações realmente rentáveis.

IA nas empresas: o que pode destravar o ROI

Da montra de inovação para o processo crítico

O ponto decisivo para a IA deixar de ser apenas montra e passar a gerar resultados está na ligação directa a processos centrais do negócio - não apenas marketing, mas também logística, crédito, manutenção, previsão de procura e gestão de risco.

Alguns caminhos práticos surgem com frequência nas organizações que já conseguem capturar valor:

• Automatização de tarefas repetitivas em áreas de grande volume, como back-office financeiro;
• Modelos de previsão ligados ao planeamento de produção e gestão de stock;
• Assistentes internos treinados com base de conhecimento própria, reduzindo retrabalho;
• Detecção contínua de fraude e anomalias em operações digitais.

Nestes casos, a IA não funciona “sozinha”: está acoplada a objectivos mensuráveis - reduzir tempos de resposta, diminuir erros, baixar taxas de incumprimento ou aumentar conversões.

Termos que merecem atenção: ROI e payback em IA

Quando se discute ROI em IA, o cálculo é normalmente mais complexo do que num projecto clássico de TI. O custo não se resume à licença do modelo ou à infra-estrutura em cloud. Inclui:

• Curadoria, limpeza e governação de dados;
• Formação e capacitação de equipas;
• Tempo de adaptação e redesenho de processos;
• Riscos de erro e custos de correcção.

O payback - o tempo até o projecto se pagar - tende a ser mais longo em iniciativas transformacionais. Empresas que entram nesta corrida à espera de retorno em poucos meses acabam, muitas vezes, frustradas. Metas financeiras mais realistas reduzem a pressão sobre a tecnologia e conduzem a decisões menos impulsivas.

Cenários prováveis para os próximos anos

Um caminho plausível é o da consolidação: centenas de experiências morrem, enquanto um número reduzido de casos de uso se estabelece como padrão. As ferramentas tornam-se mais especializadas por sector, e a promessa genérica de “IA para tudo” perde força.

Outro cenário passa por regulação mais exigente, especialmente na Europa e em mercados com dados sensíveis. Isso deve aumentar custos de conformidade, mas também pode eliminar projectos frágeis e obrigar empresas a tratar segurança e governação como parte central do investimento.

Para quem trabalha numa empresa média ou grande, a orientação prática mantém-se: observar onde a IA já ajuda, de facto, no dia-a-dia. Questionar métricas, participar nos pilotos, apontar limites e riscos. Iniciativas que incorporam o conhecimento de quem está na operação tendem a gerar ganhos mais tangíveis do que projectos desenhados apenas em apresentações de consultoria.

A grande tensão dos próximos anos será equilibrar entusiasmo e urgência, enquanto se exige da IA o mesmo que de qualquer investimento sério: objectivos claros, medição consistente e coragem para ajustar a rota quando os números não batem certo.