{"version":"1.0","type":"agent_native_article","locale":"pt","slug":"empresas-gastam-bilhoes-em-ia-e-colhem-centavos-mqzd22xu","title":"As empresas gastam bilhões em IA e colhem centavos","primary_category":"transformation","author":{"name":"Valeria Cruz","slug":"valeria-cruz"},"published_at":"2026-06-29T14:02:26.526Z","total_votes":91,"comment_count":0,"has_map":true,"urls":{"human":"https://sustainabl.net/pt/articulo/empresas-gastam-bilhoes-em-ia-e-colhem-centavos-mqzd22xu","agent":"https://sustainabl.net/agent-native/pt/articulo/empresas-gastam-bilhoes-em-ia-e-colhem-centavos-mqzd22xu"},"summary":{"one_line":"40% das grandes empresas que mediram suas economias reais com IA obtiveram entre 0% e 10% de retorno, enquanto os orçamentos continuam crescendo 47% ao ano sem revisão estrutural.","core_question":"Por que as empresas continuam aumentando investimentos em IA apesar de retornos sistematicamente abaixo do esperado, e o que separa quem captura valor de quem apenas acumula gasto?","main_thesis":"O problema do ROI em IA não é tecnológico: é organizacional. As empresas que não redesenham processos antes de automatizá-los, que carecem de governança de dados clara e que financiam cada nova onda com os retornos incompletos da anterior estão construindo dependência cíclica, não transformação."},"content_markdown":"## As empresas gastam trilhões em IA e colhem centavos\n\nHá um número que deveria estar sobre a mesa de todo CFO que assina hoje um orçamento de inteligência artificial: **40%**. Essa é a proporção de companhias que, segundo uma pesquisa recente da Bain & Company com 951 grandes corporações globais, mediu suas economias reais de IA e as encontrou na faixa de zero a dez por cento. Não porque a tecnologia tenha falhado em produção. Mas porque o valor prometido jamais se converteu em valor capturado.\n\nO gasto global em IA alcançará 2,59 trilhões de dólares neste ano, um salto de 47% em relação ao exercício anterior, de acordo com projeções da Gartner. Para o próximo ano, o número se aproxima de 3,5 trilhões. São cifras que impressionam. O que não impressiona, ao menos não da maneira correta, é o que está do outro lado dessa equação: **mais de 37% das empresas pesquisadas havia estabelecido como objetivo reduções de custo entre 11% e 20%**, e a maioria ficou bem abaixo disso. Sem alarmes. Sem revisões. Com novos orçamentos já aprovados para a próxima onda.\n\nEsta não é uma história sobre tecnologia falha. É uma história sobre como as organizações constroem dependências que não sabem nomear, e sobre como os sistemas que parecem estar avançando às vezes estão apenas girando sobre si mesmos.\n\n## O ciclo que ninguém quer ver no quadro\n\nA Bain identificou um mecanismo que, descrito com clareza, deveria gerar desconforto em qualquer sala de diretores: **44% das empresas está financiando a próxima onda de IA com as economias da onda anterior**. Economias que, segundo a mesma pesquisa, foram inferiores ao projetado.\n\nTrata-se de uma circularidade estrutural. A empresa investe em automação robótica de processos ou em aprendizado de máquina, obtém menos do que o esperado, usa essa base reduzida para financiar o próximo ciclo com inteligência generativa, e agora se prepara para repetir a operação com agentes autônomos. Cada rodada de investimento se justifica com os retornos incompletos da anterior. O resultado líquido não é acumulação de valor. É acumulação de apostas.\n\nO surpreendente não é que isso ocorra. O surpreendente é que ocorre sem fricção. A Bain descreve o déficit como um gap que \"deveria incomodar os executivos\", mas que não é suficientemente grande para encerrar os programas. Essa zona intermediária — cara demais para ignorar e pequena demais para cortar — é precisamente onde vivem os sistemas frágeis. Não colapsam de uma vez. Deterioram-se lentamente, enquanto continuam parecendo operacionais.\n\nO que o relatório não diz explicitamente, mas que emerge de sua lógica, é que esse padrão tem um nome organizacional preciso: a empresa tornou-se dependente de um ciclo de investimento em tecnologia que funciona como substituto de decisões mais profundas sobre como ela trabalha. Cada nova ferramenta adia a pergunta que ninguém quer responder com calma: estamos redesenhando como isso opera, ou apenas automatizando o que já fazemos mal?\n\n## Por que o problema de dados é, na verdade, um problema de governança\n\n41% das empresas pesquisadas pela Bain aponta o acesso e a integração de dados como o principal obstáculo para o avanço da IA. Esse problema está nesse lugar há anos. Sobreviveu a rodadas massivas de modernização de infraestrutura, migrações para a nuvem e consolidações de plataforma. Continua lá.\n\nIsso não pode ser explicado apenas por dificuldades técnicas. Os obstáculos técnicos, em organizações com orçamentos desse tamanho, são resolvidos. O que não se resolve com dinheiro nem com novos sistemas é a ausência de decisões sobre quem é responsável por qual dado, quem tem autoridade para impor padrões e quem paga o custo político de unificar fontes que diferentes áreas administram como territórios próprios.\n\n**O dado fragmentado é quase sempre o sintoma de um poder fragmentado.** As organizações que não conseguem integrar seus dados não têm principalmente um problema de arquitetura técnica: têm um problema de arquitetura humana. Ninguém é dono do problema completo, e por isso o problema se perpetua mesmo que se troquem as ferramentas ao redor.\n\nA Bain propõe, com certa ironia produtiva, usar a própria IA para atacar esse nó: identificar um fluxo de trabalho repetível e de alto valor onde as pessoas estejam extraindo dados manualmente, consolidando planilhas e produzindo relatórios, e substituir essa sequência completa. Não como solução definitiva, mas como demonstração de que o problema pode se mover. A tática tem mérito, mas só funciona se alguém tiver autoridade para impor a consolidação que a ferramenta vai exigir. Sem essa decisão prévia, o agente de IA se torna mais um sistema que convive com o caos em vez de organizá-lo.\n\nO relatório da Bain também aponta que a governança da IA está distribuída de forma quase equitativa entre tecnologia, funções de negócio e equipes centrais, sem um responsável claro na maioria das organizações. Isso tem consequências concretas: quando um agente autônomo comete um erro com consequências reais em um sistema de produção, a prestação de contas não pode ser improvisada no momento. Deve ter sido estabelecida antes. As organizações que não o fizeram não têm um problema de IA. Têm um problema de governança que a IA acabou de tornar visível.\n\n## O que separa quem captura valor de quem apenas acumula gasto\n\nA Bain distingue, com uma frase que merece ser lida com atenção, entre dois tipos de empresas: as que implantam ferramentas de IA sobre os processos que já possuem, e as que usam a IA como razão para redesenhar como o trabalho funciona desde o início. A distância entre ambas não é tecnológica. É de ambição organizacional e de vontade de assumir o custo político de mudar como estão estruturadas as decisões cotidianas.\n\nO primeiro grupo produz os números do relatório da Bain: economias de 0% a 10%, orçamentos em crescimento, expectativas que se deslocam para a próxima onda. O segundo grupo, consideravelmente menor, está construindo algo diferente. Não porque tenha tecnologia melhor, mas porque decidiu que a tecnologia não era o objeto central da iniciativa. O objeto central era o processo, o papel, a decisão. A tecnologia era o instrumento que permitia redesenhá-los.\n\nA recomendação da Bain de não \"pavimentar estradas de terra com IA\" captura esse ponto com precisão. Se o processo que está sendo automatizado tem ineficiências de design, automatizá-lo apenas as torna mais rápidas e mais difíceis de enxergar. A economia real não vem de fazer a mesma coisa mais rapidamente. Vem de perguntar, antes de aprovar qualquer programa, como esse processo seria desenhado do zero se fosse construído hoje. Essa pergunta não é respondida por nenhum modelo de linguagem. É respondida por uma organização com clareza suficiente sobre o que quer produzir e com liderança disposta a pagar o custo da transição.\n\nAqui aparece a fragilidade mais silenciosa de todo o fenômeno. **90% das empresas está aumentando seu orçamento de IA**. Apenas 7% tem agentes funcionando de maneira completamente autônoma em produção. Essa lacuna entre investimento e autonomia real é o espaço onde se acumula a dependência que ainda não foi nomeada: a dependência de um ciclo de investimento que gera a ilusão de transformação sem produzir o redesenho que a tornaria sustentável.\n\nOs CFOs que a Bain entrevistou em uma linha paralela de pesquisa indicam que estão começando a mudar as métricas com as quais avaliam o retorno da IA. Menos ênfase em economia de custos direta, mais atenção à velocidade para obter informações, qualidade das decisões e velocidade de resposta diante de variações. Essa mudança de métrica não é cosmética. Indica que uma parte da liderança financeira entendeu que a pergunta não era \"quanto economizamos\", mas \"o que podemos fazer agora que antes não podíamos\". Chegar tarde a essa distinção é custoso. Mas chegar é melhor do que continuar medindo o que é incorreto com orçamentos cada vez maiores.\n\nA maturidade organizacional diante da IA não se mede pelo tamanho do investimento nem pela sofisticação das ferramentas escolhidas. Mede-se pela capacidade de uma organização de auditar suas próprias apostas anteriores com honestidade, de atribuir responsabilidade antes que o erro ocorra e de resistir à tentação de financiar a próxima onda com os retornos incompletos da anterior. As PME e grandes empresas que não conseguirem fazer essas três coisas não estão no caminho da transformação. Estão girando dentro de um ciclo que se financia a si mesmo e que, por ora, ainda não lhes gerou o custo suficiente para parar e observá-lo.","article_map":{"title":"As empresas gastam bilhões em IA e colhem centavos","entities":[{"name":"Bain & Company","type":"institution","role_in_article":"Fonte primária do estudo com 951 grandes corporações globais sobre ROI de IA e padrões de adoção."},{"name":"Gartner","type":"institution","role_in_article":"Fonte das projeções de gasto global em IA (2,59 trilhões em 2025, 3,5 trilhões em 2026)."},{"name":"Valeria Cruz","type":"person","role_in_article":"Autora do artigo, voz editorial que interpreta e contextualiza os dados da Bain."},{"name":"Inteligência Artificial Generativa","type":"technology","role_in_article":"Segunda onda de investimento em IA corporativa, financiada com retornos incompletos da automação robótica anterior."},{"name":"Agentes Autônomos de IA","type":"technology","role_in_article":"Terceira onda de investimento em preparação, com apenas 7% das empresas operando-os em produção real."},{"name":"Automação Robótica de Processos (RPA)","type":"technology","role_in_article":"Primeira onda de investimento em IA corporativa, cujos retornos abaixo do esperado financiaram a onda seguinte."}],"tradeoffs":["Implantar IA sobre processos existentes (rápido, baixo custo político) vs. redesenhar processos antes de automatizar (lento, alto custo político, maior captura de valor).","Financiar nova onda de IA com economias da onda anterior (continuidade do ciclo) vs. pausar e auditar retornos reais (fricção organizacional, maior clareza estratégica).","Governança de IA distribuída entre áreas (menor resistência política) vs. responsável central claro (maior accountability, maior conflito interno).","Métricas de economia de custo (fáceis de medir, podem ser enganosas) vs. métricas de capacidade nova (difíceis de medir, mais relevantes estrategicamente).","Velocidade de adoção de IA (pressão competitiva e de mercado) vs. maturidade de dados e governança (prerequisito para captura real de valor)."],"key_claims":[{"claim":"40% das empresas pesquisadas pela Bain (n=951) mediu economias reais de IA na faixa de 0-10%.","confidence":"high","support_type":"reported_fact"},{"claim":"O gasto global em IA alcançará 2,59 trilhões de dólares em 2025, um salto de 47% em relação ao ano anterior (Gartner).","confidence":"high","support_type":"reported_fact"},{"claim":"44% das empresas financia a próxima onda de IA com economias inferiores ao projetado da onda anterior.","confidence":"high","support_type":"reported_fact"},{"claim":"41% das empresas aponta acesso e integração de dados como principal obstáculo para o avanço da IA.","confidence":"high","support_type":"reported_fact"},{"claim":"90% das empresas aumenta orçamento de IA, mas apenas 7% tem agentes autônomos funcionando em produção.","confidence":"high","support_type":"reported_fact"},{"claim":"O problema de dados fragmentados é essencialmente um problema de poder fragmentado, não de arquitetura técnica.","confidence":"medium","support_type":"inference"},{"claim":"Automatizar processos ineficientes apenas torna as ineficiências mais rápidas e mais difíceis de enxergar.","confidence":"medium","support_type":"editorial_judgment"},{"claim":"A governança de IA está distribuída de forma equitativa entre tecnologia, funções de negócio e equipes centrais, sem responsável claro na maioria das organizações.","confidence":"high","support_type":"reported_fact"}],"main_thesis":"O problema do ROI em IA não é tecnológico: é organizacional. As empresas que não redesenham processos antes de automatizá-los, que carecem de governança de dados clara e que financiam cada nova onda com os retornos incompletos da anterior estão construindo dependência cíclica, não transformação.","core_question":"Por que as empresas continuam aumentando investimentos em IA apesar de retornos sistematicamente abaixo do esperado, e o que separa quem captura valor de quem apenas acumula gasto?","core_tensions":["Pressão para aumentar investimento em IA (90% das empresas o faz) vs. retornos sistematicamente abaixo do esperado (40% obtém 0-10%).","Necessidade de governança clara de IA vs. distribuição política do poder entre áreas que resistem à centralização.","Velocidade de ciclos de investimento tecnológico vs. lentidão dos ciclos de redesenho organizacional.","Métricas financeiras tradicionais (economia de custo) vs. valor estratégico real da IA (novas capacidades, velocidade de decisão).","Autonomia prometida pelos agentes de IA (7% em produção real) vs. dependência crescente de ciclos de investimento que não a produzem."],"open_questions":["Existe um ponto de inflexão onde o custo acumulado de retornos abaixo do esperado força uma revisão estrutural, ou o ciclo pode perpetuar-se indefinidamente?","Como medir de forma confiável o valor de 'novas capacidades' que os CFOs estão começando a priorizar, sem cair em métricas igualmente enganosas?","Quais estruturas de governança de IA estão funcionando nas empresas do grupo minoritário que captura valor real?","O problema de integração de dados se resolve com autoridade centralizada ou existem modelos federados que funcionam sem custo político elevado?","Como distinguir, antes de aprovar um orçamento, se uma iniciativa de IA está redesenhando processos ou apenas automatizando ineficiências?"],"training_value":{"recommended_for":["CFOs avaliando ROI de programas de IA","CDOs e CIOs responsáveis por estratégia de dados e governança","Líderes de transformação digital questionando eficácia de investimentos anteriores","Consultores de estratégia assessorando empresas em adoção de IA","Boards e comitês de auditoria supervisionando programas de tecnologia de grande escala"],"when_this_article_is_useful":["Ao avaliar uma proposta de orçamento de IA e precisar de framework para questionar premissas de ROI.","Ao diagnosticar por que uma iniciativa de IA não está gerando o valor esperado apesar de investimento significativo.","Ao estruturar governança de dados ou de IA em uma organização com silos funcionais.","Ao redesenhar métricas de avaliação de programas de transformação digital.","Ao preparar uma revisão executiva de portfólio de iniciativas de IA com múltiplas ondas de investimento.","Ao identificar se uma organização está em ciclo de dependência tecnológica ou em caminho de transformação real."],"what_a_business_agent_can_learn":["Como identificar ciclos de investimento circular em tecnologia antes de aprovar nuevos orçamentos.","Por que problemas técnicos persistentes (como integração de dados) são frequentemente problemas de governança organizacional disfarçados.","Como distinguir entre automação de processos existentes e redesenho de processos, e por que a distinção determina o ROI.","Que métricas usar para avaliar o valor real da IA além de economia de custo direto.","Como estruturar prestação de contas para sistemas autônomos antes de colocá-los em produção.","Por que a zona intermediária de retornos (cara demais para ignorar, pequena demais para cortar) é onde vivem os sistemas mais frágeis."]},"argument_outline":[{"label":"1. O gap de retorno","point":"40% das empresas pesquisadas pela Bain (n=951) obteve economias de 0-10% com IA, muito abaixo dos objetivos de 11-20% estabelecidos por 37% delas.","why_it_matters":"Demonstra que o problema não é marginal nem anedótico: é estrutural e afeta a maioria das grandes corporações globais."},{"label":"2. O ciclo circular de financiamento","point":"44% das empresas financia a próxima onda de IA com as economias da onda anterior, que foram inferiores ao projetado.","why_it_matters":"Cria uma circularidade onde cada rodada de investimento se justifica com retornos incompletos, acumulando apostas em vez de valor."},{"label":"3. O problema de dados como problema de governança","point":"41% das empresas aponta integração de dados como principal obstáculo. Esse problema persiste após múltiplas rodadas de modernização técnica.","why_it_matters":"Se o problema técnico fosse o real, organizações com esses orçamentos já o teriam resolvido. O obstáculo é político: quem é dono dos dados, quem impõe padrões, quem paga o custo de unificar territórios."},{"label":"4. A distinção que separa quem captura valor","point":"Bain distingue empresas que implantam IA sobre processos existentes versus empresas que usam IA como razão para redesenhar como o trabalho funciona desde o início.","why_it_matters":"A distância entre ambos os grupos não é tecnológica, é de ambição organizacional e disposição para assumir o custo político da mudança."},{"label":"5. A lacuna entre investimento e autonomia real","point":"90% das empresas aumenta orçamento de IA, mas apenas 7% tem agentes funcionando de forma completamente autônoma em produção.","why_it_matters":"Essa lacuna é onde se acumula a dependência não nomeada: a ilusão de transformação sem o redesenho que a tornaria sustentável."},{"label":"6. A mudança de métrica como sinal de maturidade","point":"CFOs entrevistados pela Bain estão migrando de métricas de economia de custo para velocidade de informação, qualidade de decisões e velocidade de resposta.","why_it_matters":"Indica que parte da liderança financeira entendeu que a pergunta correta não é 'quanto economizamos' mas 'o que podemos fazer agora que antes não podíamos'."}],"one_line_summary":"40% das grandes empresas que mediram suas economias reais com IA obtiveram entre 0% e 10% de retorno, enquanto os orçamentos continuam crescendo 47% ao ano sem revisão estrutural.","related_articles":[{"reason":"Aborda diretamente o mesmo paradoxo: organizações que mais investem em IA são as que menos retorno obtêm, com análise da distribuição 93/7 do orçamento entre tecnologia e pessoas.","article_id":14322},{"reason":"Desenvolve em profundidade o argumento central do artigo: automatizar sem redesenhar é a forma mais cara de preservar o passado, com casos e mecanismos específicos.","article_id":14260},{"reason":"Dados complementares sobre a lacuna entre adoção de IA e preparação de dados: 97% das empresas têm projetos de IA, apenas 5% têm dados prontos, reforçando o argumento de governança.","article_id":14242},{"reason":"Documenta o fenômeno de IA empresarial implantada sem visibilidade executiva real, complementando o argumento sobre ilusão de transformação e falta de accountability.","article_id":14362}],"business_patterns":["Ciclo de investimento circular: cada onda de IA se financia com retornos incompletos da anterior, acumulando apostas em vez de valor.","Zona intermediária de sistemas frágeis: investimentos caros demais para ignorar e pequenos demais para cortar, que se deterioram lentamente enquanto parecem operacionais.","Pavimentação de estradas de terra: automatizar processos ineficientes acelera as ineficiências em vez de eliminá-las.","Fragmentação de dados como espelho de fragmentação de poder: silos de dados refletem silos organizacionais que nenhuma ferramenta técnica resolve sozinha.","Ilusão de transformação: alto investimento e baixa autonomia real criam aparência de progresso sem redesenho estrutural.","Deslocamento de expectativas: quando os retornos ficam abaixo do esperado, as expectativas se transferem para a próxima onda sem revisão do modelo."],"business_decisions":["Decidir se o investimento em IA está redesenhando processos ou apenas automatizando ineficiências existentes antes de aprovar novos orçamentos.","Estabelecer responsabilidade clara de governança de dados antes de implantar sistemas de IA que dependem de integração de fontes.","Definir quem tem autoridade para impor padrões de dados entre áreas que os administram como territórios próprios.","Mudar as métricas de avaliação de ROI de IA de economia de custo direto para velocidade de informação e qualidade de decisões.","Auditar retornos reais de ondas anteriores de IA antes de aprovar financiamento para a próxima onda.","Estabelecer prestação de contas para erros de agentes autônomos antes de colocá-los em produção, não depois."]}}