{"version":"1.0","type":"agent_native_article","locale":"pt","slug":"93-por-cento-orcamento-ia-tecnologia-resultado-7-por-cento-restantes-mqvnmr2r","title":"93% do orçamento de IA vai para tecnologia e o resultado é decidido pelos 7% restantes","primary_category":"leadership","author":{"name":"Ricardo Mendieta","slug":"ricardo-mendieta"},"published_at":"2026-06-27T00:03:01.537Z","total_votes":74,"comment_count":0,"has_map":true,"urls":{"human":"https://sustainabl.net/pt/articulo/93-por-cento-orcamento-ia-tecnologia-resultado-7-por-cento-restantes-mqvnmr2r","agent":"https://sustainabl.net/agent-native/pt/articulo/93-por-cento-orcamento-ia-tecnologia-resultado-7-por-cento-restantes-mqvnmr2r"},"summary":{"one_line":"As organizações investem 93% do orçamento de IA em tecnologia e apenas 7% em capacitação humana, e é exatamente esse desequilíbrio que determina se o investimento gera retorno real.","core_question":"Por que as empresas que mais investem em IA são frequentemente as que menos retorno obtêm dela, e o que o padrão de alocação orçamentária revela sobre suas prioridades reais?","main_thesis":"O fracasso na adoção de IA não é tecnológico: é um problema de coerência entre estratégia declarada e decisões de gasto. O modelo 93/7 — 93% em infraestrutura, 7% em pessoas — revela que as organizações estão comprando a aparência de transformação em vez de financiar as condições que a tornam possível."},"content_markdown":"## 93% do orçamento de IA vai para tecnologia e o resultado é decidido pelos 7% restantes\n\nExiste um paradoxo que percorre as salas de finanças das maiores corporações do mundo: as organizações que mais estão investindo em inteligência artificial são, com frequência, as que menos estão obtendo dela. Não por falha tecnológica. A tecnologia funciona. O problema está do outro lado da equação — o lado que ninguém orçou com seriedade suficiente.\n\nNo fórum *Emerging CFO* organizado pela Fortune em parceria com a Workday, um grupo de diretores financeiros de empresas da Fortune 500 e Casey Caram, diretor e líder de prática de capital humano na Deloitte, colocaram sobre a mesa um número que merece atenção sustentada: **as organizações destinam, em média, 93% de seu investimento em projetos de inteligência artificial a dados, tecnologia e infraestrutura, e apenas 7% a capacitar as pessoas para usar essas ferramentas com eficácia**. Não é um dado decorativo. É um diagnóstico de arquitetura de investimento com consequências diretas sobre o retorno.\n\nO que esses executivos descreveram não é um problema de adoção tecnológica no sentido técnico do termo. É um problema de coerência entre o que uma organização declara como prioridade e o que suas decisões de gasto revelam como tal.\n\n## Quando o gasto constrói a ilusão da transformação\n\nExiste uma lógica compreensível, ainda que defeituosa, por trás do padrão 93/7. Comprar tecnologia é visível, quantificável e produz uma narrativa de progresso que satisfaz tanto conselhos de administração quanto analistas externos. Uma plataforma de inteligência artificial instalada, uma arquitetura de dados modernizada, uma licença de software corporativo: todos são sinais legíveis de movimento. Capacitar uma equipe de contadores, redesenhar os fluxos de trabalho de uma área de planejamento financeiro, investir para que um profissional com vinte anos de experiência mude a forma como formula suas análises — tudo isso é invisível, lento e difícil de apresentar em um *dashboard* trimestral.\n\nCaram articulou isso com precisão: **as capacidades de inteligência artificial vão se tornar uma commodity**. O que não vira commodity é o julgamento humano sobre qual pergunta fazer, qual dado contextualizar e qual sinal ignorar dentro de um volume crescente de informações. Essa é a camada superior do modelo de competências que ele propôs: sobre uma base de habilidades financeiras tradicionais — contabilidade, projeções, gestão de desempenho — se assenta uma camada de alfabetização em dados e inteligência artificial, e sobre ambas repousa o que ele denominou habilidades humanas essenciais: critério, pensamento crítico, capacidade de formular as perguntas certas.\n\nO problema não é que as organizações ignorem esse modelo. O problema é que o aprovam na reunião de estratégia e o contradizem na alocação do orçamento.\n\nMarie Myers, diretora financeira da Hewlett Packard Enterprise, descreveu esse fenômeno por dentro com uma clareza que raramente se ouve em fóruns públicos. Sua equipe usou inteligência artificial para redesenhar as revisões operacionais internas, reduzindo trabalho manual e gerando valor visível no nível empresarial. O resultado foi concreto. E ainda assim, Myers identificou a barreira real como algo que ocorre depois da implementação, não antes: **os profissionais com maior trajetória, os que mais conhecimento acumulado possuem, são os que mais resistem a mudar a forma como trabalham**. \"Quando implementamos novas tecnologias, passamos muito tempo obcecados com a tecnologia, e acho que não dedicamos tempo suficiente a pensar no impacto sobre as pessoas\", disse. E acrescentou algo que funciona como princípio operativo: \"Você não vai gerar uma mudança bem-sucedida se não levar todos junto com você.\"\n\nEssa última frase não é retórica motivacional. É uma descrição do mecanismo pelo qual um investimento de nove dígitos em infraestrutura de inteligência artificial pode produzir um retorno marginal porque 15% da equipe que deveria mudar seu fluxo de trabalho simplesmente não o fez.\n\n## A fratura entre ambição declarada e escolha real\n\nTim Arndt, diretor financeiro da Prologis, ofereceu uma perspectiva complementar que ilumina a dimensão estratégica da questão. Ele descreveu como o papel do CFO migrou da administração e do reporte para a estratégia e a liderança empresarial, e como a inteligência artificial está acelerando essa transição ao automatizar tarefas rotineiras e liberar tempo para trabalhos de maior valor. \"A expectativa agora é ser um parceiro na mesa executiva\", disse, contribuindo para a construção da estratégia mais do que simplesmente reportando resultados.\n\nEssa evolução é real. Mas tem uma condição que raramente aparece nas apresentações de transformação digital: **ela só ocorre se a equipe de finanças tem as capacidades para ocupar esse espaço**. Um CFO que aspira a ser arquiteto de estratégia corporativa com uma equipe que ainda opera no modo de reporte manual não tem uma ambição estratégica — tem uma contradição organizacional. A inteligência artificial pode liberar tempo. Não pode garantir que esse tempo seja usado com critério se ninguém investiu em desenvolver esse critério.\n\nTucker Marshall, diretor financeiro da J.M. Smucker, descreveu o processo a partir de uma perspectiva mais operacional. A empresa está modernizando sistemas financeiros, automatizando fluxos de trabalho e investindo no desenvolvimento de talentos — desde programas para profissionais em estágios iniciais de carreira até contratações de nível médio com experiência em dados e análise. E apontou algo que frequentemente fica de fora dos planos de transformação: **a capacidade de comunicação**. Não basta que a equipe de finanças gere análises melhores se não consegue traduzir essas análises em decisões de negócio compreensíveis para quem as toma. A alfabetização em dados sem a capacidade de comunicar suas implicações produz silêncio estratégico disfarçado de sofisticação técnica.\n\nNoémie Heuland, diretora financeira da Moody's, acrescentou uma dimensão diferente ao diagnóstico. Com o crescimento do volume de dados disponíveis, a pressão sobre as equipes de finanças não é apenas gerar mais métricas, mas saber quais importam. Ela descreveu o risco do que chamou de **sobrecarga de KPIs**: a tendência de quantificar em excesso às custas da clareza estratégica. O papel do CFO inclui, cada vez mais, contextualizar dados, conectar métricas financeiras a objetivos de negócio mais amplos e a dinâmicas de mercado. Isso não é uma função técnica. É uma função de julgamento — exatamente a camada superior do modelo que Caram propôs e exatamente a que o orçamento corporativo médio está subfinanciando.\n\n## O custo de não escolher o que abandonar\n\nHá algo que atravessa todos os relatos desses executivos e que merece ser nomeado com precisão: **nenhuma transformação desse tipo ocorre sem que alguém abandone algo**. Os profissionais de longa trajetória que Myers identificou como resistentes à mudança não se resistem por inércia irracional. Resistem porque durante anos sua expertise foi o ativo que os distinguia, e a inteligência artificial ameaça a visibilidade desse ativo. Pedir que o cedam sem oferecer algo em troca — sem redefinir o tipo de valor que se espera deles, sem construir uma ponte em direção a uma forma diferente de trabalhar — é pedir que aceitem uma perda sem narrativa de substituição.\n\nAs organizações que estão falhando na adoção de inteligência artificial não estão falhando na compra de tecnologia. Estão falhando em gerir a renúncia que toda transformação exige. E estão falhando porque essa renúncia não aparece em nenhuma linha do orçamento.\n\nO modelo de investimento 93/7 não é um erro de cálculo. É uma decisão implícita que revela que tipo de transformação uma organização está disposta a assumir: a que pode ser medida em infraestrutura instalada ou a que pode ser medida em mudança real de comportamento. A primeira produz apresentações convincentes. A segunda produz retorno.\n\nO que esses diretores financeiros descreveram no fórum da Fortune não é um alerta sobre o futuro da inteligência artificial. É um diagnóstico do presente de suas próprias organizações, dito em voz alta com uma honestidade incomum. A inteligência artificial já está lá. Os 93% já foram gastos. A pergunta que suas empresas estão respondendo agora — com cada decisão de capacitação que se prioriza ou se adia — é se os outros 7% serão suficientes para que algo mude.\n\nAs organizações que compreenderem que esse percentual não é um item de gasto, mas sim a condição de viabilidade do retorno sobre todo o restante, terão uma vantagem concreta sobre aquelas que continuarem tratando a formação como um resíduo orçamentário.","article_map":{"title":"93% do orçamento de IA vai para tecnologia e o resultado é decidido pelos 7% restantes","entities":[{"name":"Casey Caram","type":"person","role_in_article":"Diretor e líder de prática de capital humano na Deloitte; apresentou o dado 93/7 e o modelo de competências em três camadas no fórum Emerging CFO."},{"name":"Deloitte","type":"company","role_in_article":"Fonte do diagnóstico 93/7 e do modelo de competências para equipes de finanças na era da IA."},{"name":"Fortune / Workday","type":"institution","role_in_article":"Organizadores do fórum Emerging CFO onde os dados e perspectivas foram apresentados."},{"name":"Marie Myers","type":"person","role_in_article":"CFO da Hewlett Packard Enterprise; descreveu a resistência dos profissionais experientes como barreira real pós-implementação."},{"name":"Hewlett Packard Enterprise","type":"company","role_in_article":"Caso de uso de redesenho de revisões operacionais com IA; ilustra a barreira humana pós-implementação."},{"name":"Tim Arndt","type":"person","role_in_article":"CFO da Prologis; descreveu a migração do papel do CFO de reporte para estratégia e suas condições reais."},{"name":"Prologis","type":"company","role_in_article":"Contexto para a evolução do papel estratégico do CFO acelerada pela IA."},{"name":"Tucker Marshall","type":"person","role_in_article":"CFO da J.M. Smucker; destacou a capacidade de comunicação como componente crítico e subvalorizado da transformação."},{"name":"J.M. Smucker","type":"company","role_in_article":"Caso de modernização financeira que incluye desarrollo de talentos y contrataciones con experiencia en datos."},{"name":"Noémie Heuland","type":"person","role_in_article":"CFO da Moody's; introduziu o conceito de sobrecarga de KPIs e o risco de quantificar en exceso."},{"name":"Moody's","type":"company","role_in_article":"Contexto para el riesgo de KPI overload en equipos financieros con acceso creciente a datos."},{"name":"Ricardo Mendieta","type":"person","role_in_article":"Autor del artículo; sintetiza y analiza las perspectivas del foro con juicio editorial propio."}],"tradeoffs":["Visibilidade do gasto (infraestrutura) vs. retorno real do investimento (capacitação humana)","Velocidade de implementação tecnológica vs. profundidade de adoção comportamental","Satisfação de conselhos e analistas no curto prazo vs. transformação real no médio prazo","Sofisticação técnica das análises vs. capacidade de comunicá-las em decisões de negócio compreensíveis","Volume de KPIs disponíveis vs. clareza estratégica sobre quais métricas importam","Preservação da expertise histórica dos profissionais sênior vs. adoção de novos fluxos de trabalho"],"key_claims":[{"claim":"As organizações destinam em média 93% do investimento em IA a dados, tecnologia e infraestrutura, e apenas 7% a capacitar pessoas para usar essas ferramentas com eficácia.","confidence":"high","support_type":"reported_fact"},{"claim":"As capacidades de IA se tornarão commodity; o julgamento humano sobre qual pergunta fazer e qual dado contextualizar não se comoditiza.","confidence":"medium","support_type":"inference"},{"claim":"A resistência à mudança é maior entre os profissionais mais experientes, não entre os menos qualificados.","confidence":"high","support_type":"reported_fact"},{"claim":"Um investimento de nove dígitos em infraestrutura de IA pode produzir retorno marginal se 15% da equipe não mudar seu fluxo de trabalho.","confidence":"medium","support_type":"inference"},{"claim":"O modelo 93/7 não é um erro de cálculo, mas uma decisão implícita que revela que tipo de transformação a organização está disposta a assumir.","confidence":"high","support_type":"editorial_judgment"},{"claim":"As organizações que tratarem os 7% de capacitação como condição de viabilidade do retorno — e não como resíduo orçamentário — terão vantagem concreta sobre as demais.","confidence":"medium","support_type":"editorial_judgment"},{"claim":"Alfabetização em dados sem capacidade de comunicar suas implicações produz silêncio estratégico disfarçado de sofisticação técnica.","confidence":"medium","support_type":"editorial_judgment"},{"claim":"A sobrecarga de KPIs — quantificar em excesso às custas da clareza estratégica — é um risco real para equipes de finanças com acesso crescente a dados.","confidence":"medium","support_type":"reported_fact"}],"main_thesis":"O fracasso na adoção de IA não é tecnológico: é um problema de coerência entre estratégia declarada e decisões de gasto. O modelo 93/7 — 93% em infraestrutura, 7% em pessoas — revela que as organizações estão comprando a aparência de transformação em vez de financiar as condições que a tornam possível.","core_question":"Por que as empresas que mais investem em IA são frequentemente as que menos retorno obtêm dela, e o que o padrão de alocação orçamentária revela sobre suas prioridades reais?","core_tensions":["Ambição estratégica declarada vs. decisões de gasto que revelan prioridades reales","Tecnología como commodity creciente vs. juicio humano como diferenciador no comoditizable","Transformación visible (infraestructura) vs. transformación real (cambio de comportamiento)","Expertise histórica de profesionales senior vs. necesidad de abandonar formas establecidas de trabajar","Automatización que libera tiempo vs. ausencia de inversión en desarrollar criterio para usar ese tiempo"],"open_questions":["¿Existe un ratio óptimo de inversión tecnología/personas en proyectos de IA, o depende del sector y madurez organizacional?","¿Cómo se mide el retorno de la inversión en capacitación humana con la misma precisión que el retorno en infraestructura?","¿Qué narrativas de sustitución son efectivas para profesionales senior cuya expertise está siendo desplazada por IA?","¿El patrón 93/7 es más pronunciado en grandes corporaciones que en PMEs, o es universal?","¿Cómo evitar la sobrecarga de KPIs cuando el acceso a datos sigue creciendo exponencialmente?","¿Puede el rol estratégico del CFO consolidarse sin un rediseño paralelo de las capacidades de todo el equipo de finanzas?"],"training_value":{"recommended_for":["CFOs y directores financieros evaluando retorno de inversiones en IA","Responsables de transformación digital y change management","Consultores de estrategia que asesoran en adopción de IA empresarial","Agentes de negocio entrenados para diagnosticar desalineaciones organizacionales","Líderes de RRHH diseñando programas de upskilling en contextos de automatización","Analistas de inversión evaluando la madurez real de transformación digital en empresas"],"when_this_article_is_useful":["Al evaluar la estructura de inversión de un proyecto de transformación digital o IA","Al diagnosticar por qué una implementación tecnológica no está generando el retorno esperado","Al diseñar planes de change management para adopción de IA en equipos financieros o corporativos","Al construir el caso de negocio para inversión en capacitación humana frente a stakeholders que priorizan infraestructura","Al analizar el rol estratégico del CFO y las condiciones organizacionales que lo hacen posible","Al identificar señales de desalineación entre estrategia declarada y decisiones de gasto en una organización"],"what_a_business_agent_can_learn":["El patrón 93/7 como diagnóstico de desalineación entre estrategia declarada y decisiones de gasto reales","La distinción entre transformación visible (infraestructura) y transformación real (cambio de comportamiento) como marco de evaluación de proyectos de IA","Que la resistencia al cambio tecnológico es mayor en perfiles senior y requiere gestión de la renuncia, no solo capacitación técnica","Que la capacidad de comunicación de análisis es una competencia estratégica tan crítica como la alfabetización en datos","El concepto de sobrecarga de KPIs como riesgo organizacional en entornos de alta disponibilidad de datos","Que la IA libera tiempo pero no garantiza que ese tiempo se use con criterio si no se invierte en desarrollar ese criterio","El modelo de competencias en tres capas: habilidades financieras base, alfabetización en datos/IA, y habilidades humanas esenciales (juicio, pensamiento crítico, formulación de preguntas)"]},"argument_outline":[{"label":"1. O paradoxo do investimento","point":"As organizações que mais investem em IA são frequentemente as que menos retorno obtêm. O dado 93/7, apresentado no fórum Emerging CFO da Fortune com Deloitte, quantifica o desequilíbrio estrutural.","why_it_matters":"Estabelece que o problema não é falta de investimento total, mas má alocação dentro do investimento existente."},{"label":"2. A lógica defeituosa do gasto visível","point":"Comprar tecnologia é visível e narrativamente satisfatório para conselhos e analistas. Capacitar pessoas é invisível, lento e difícil de apresentar em dashboards trimestrais.","why_it_matters":"Explica por que o padrão 93/7 persiste racionalmente mesmo sendo estrategicamente incoerente."},{"label":"3. A commodity da IA e o que não vira commodity","point":"Casey Caram (Deloitte) argumenta que as capacidades de IA se tornarão commodity. O que não se comoditiza é o julgamento humano: saber qual pergunta fazer, qual dado contextualizar, qual sinal ignorar.","why_it_matters":"Define onde está o valor diferencial real e por que o subinvestimento em pessoas é um erro estratégico de longo prazo."},{"label":"4. A barreira ocorre depois da implementação","point":"Marie Myers (HPE) identificou que a resistência à mudança vem dos profissionais mais experientes, não dos menos qualificados. A transformação falha não na compra da tecnologia, mas na adoção comportamental posterior.","why_it_matters":"Desloca o foco do problema: não é um problema de onboarding técnico, é um problema de gestão da renúncia e redesenho de identidade profissional."},{"label":"5. A contradição organizacional do CFO estratégico","point":"Tim Arndt (Prologis) descreve como o papel do CFO migrou para estratégia. Mas essa migração só ocorre se a equipe tem capacidades para ocupar esse espaço. IA libera tempo; não garante que esse tempo seja usado com critério.","why_it_matters":"Mostra que a ambição estratégica sem investimento em capacidades humanas é uma contradição organizacional, não uma transformação."},{"label":"6. Comunicação como capacidade crítica subvalorizada","point":"Tucker Marshall (J.M. Smucker) aponta que análises melhores não geram valor se a equipe não consegue traduzi-las em decisões compreensíveis. Alfabetização em dados sem capacidade comunicativa produz silêncio estratégico.","why_it_matters":"Amplia o conceito de capacitação além do técnico: inclui habilidades de tradução entre análise e decisão de negócio."}],"one_line_summary":"As organizações investem 93% do orçamento de IA em tecnologia e apenas 7% em capacitação humana, e é exatamente esse desequilíbrio que determina se o investimento gera retorno real.","related_articles":[{"reason":"Complementa directamente el argumento central: si el 97% de empresas tiene proyectos de IA pero solo el 5% tiene datos listos, el problema de desalineación entre inversión declarada y condiciones reales de retorno es sistémico, no aislado.","article_id":14242},{"reason":"El artículo sobre expectativas de los consejos hacia el CEO refuerza el contexto de presión ejecutiva y velocidad de transformación que explica por qué los CFOs priorizan gasto visible en infraestructura sobre capacitación.","article_id":14082},{"reason":"La caída de Accenture ilustra cómo el mercado está comenzando a castigar modelos de transformación digital que no demuestran retorno real, lo que da contexto de consecuencias externas al patrón 93/7.","article_id":14042},{"reason":"El argumento de que la IA más rápida no es la más inteligente conecta con la tesis de que el juicio humano —no la capacidad técnica del modelo— es el diferenciador real y no comoditizable.","article_id":14122}],"business_patterns":["Organizações aprovam modelos de competências na reunião de estratégia e os contradizem na alocação orçamentária","A resistência à mudança tecnológica é maior entre os profissionais mais experientes, não os menos qualificados","O gasto visível em tecnologia satisfaz stakeholders externos independentemente do retorno real","A transformação digital falha predominantemente na fase de adoção comportamental, não na implementação técnica","A capacidade de comunicação é sistematicamente subvalorizada nos planos de transformação financeira","O aumento de dados disponíveis tende a producir sobrecarga de métricas en lugar de mayor claridad estratégica"],"business_decisions":["Decidir qué porcentaje del presupuesto de IA asignar a capacitación versus infraestructura","Priorizar o desenvolvimento de habilidades de julgamento e pensamento crítico sobre habilidades técnicas puras","Redesenhar fluxos de trabalho após implementação tecnológica, não apenas durante","Incluir gestão da renúncia e redesenho de identidade profissional nos planos de transformação","Contratar perfis com experiência em dados e análise para posições de nível médio em finanças","Investir em capacidade de comunicação das equipes de finanças como competência estratégica","Definir quais KPIs realmente importam em vez de maximizar o volume de métricas disponíveis","Construir narrativas de substituição para profissionais experientes cujas competências estão sendo deslocadas pela IA"]}}