Levantamento da iniciativa NANDA, do MIT, aponta descompasso entre adoção de ferramentas de inteligência artificial e ganho financeiro real nas empresas

Cerca de 80% das organizações já experimentaram ferramentas de inteligência artificial generativa, mas apenas 5% delas chegaram a colocar algo em produção com impacto financeiro mensurável. O dado é do relatório State of AI in Business 2025, produzido pela iniciativa NANDA, do Massachusetts Institute of Technology (MIT), e reacende a discussão sobre por que tantos projetos de IA não saem do papel dentro das empresas.

Para Guilherme Friol, CEO da Vircos, empresa de engenharia de inteligência artificial corporativa, a explicação mais comum, a de que a tecnologia decepcionou, está errada. Segundo ele, a maioria das empresas comprou ferramentas de IA de forma indiscriminada, quando deveria ter comprado apenas uma parte das soluções e construído outra parte internamente.

O critério que ele propõe para separar as duas decisões é direto: a tarefa é feita exatamente igual em todas as empresas do setor? Se a resposta é sim, é commodity, e comprar pronto é o caminho certo. Se a resposta é não, se a forma como a empresa executa aquele processo é parte do motivo pelo qual o cliente a escolhe, então é núcleo do negócio, e núcleo não deveria ser terceirizado.

“Transcrever uma reunião é igual no mundo inteiro. Decidir a quem você concede crédito, não. Se essas duas decisões estão sendo tratadas com o mesmo critério de compra, alguma coisa está errada”, afirma Guilherme Friol.

Onde mora o desperdício de investimento

Tarefas de uso geral, como transcrição de áudio, leitura automática de documentos, tradução, rascunho de e-mail, resumo de texto longo e geração de imagem, já são resolvidas por dezenas de fornecedores, com qualidade parecida e preço em queda. Construir qualquer uma delas do zero, segundo o executivo, é gastar orçamento de IA para chegar onde o mercado já chegou, o que ajuda a explicar por que tantas iniciativas ficam presas na fase de experimentação sem gerar retorno financeiro.

Do outro lado estão as decisões que fazem cada empresa ganhar dinheiro do jeito dela, como a forma de precificar, de qualificar um lead, de definir um limite de crédito ou de avaliar o risco de um fornecedor. Quando essa lógica é transferida para uma ferramenta de terceiro sem supervisão, a empresa perde a capacidade de auditar e explicar o próprio resultado.

“O risco não é a ferramenta errar. É a empresa não conseguir explicar por que ela acertou”, diz Friol.

A confusão que trava a adoção

Parte do descompasso apontado pelo estudo do MIT é agravada pela dificuldade de identificar fornecedores confiáveis no mercado. A consultoria Gartner descreve como agent washing a prática de renomear assistentes, automações e chatbots já existentes como agentes de inteligência artificial sem capacidade correspondente, e estima que, entre os milhares de fornecedores que se apresentam nessa categoria, apenas cerca de 130 sejam reais.

Para o executivo, o caminho para sair da estatística de baixa conversão do relatório do MIT passa por aplicar o critério de commodity versus núcleo antes de qualquer nova contratação, e por adotar arquiteturas híbridas nos casos de zona cinzenta, como o atendimento ao cliente, comprando a camada genérica e mantendo sob controle interno a camada que envolve decisão de negócio.