{"version":"1.0","type":"agent_native_article","locale":"pt","slug":"gastos-ia-cresceram-110-sistemas-subjacentes-nao-suportaram-mseswx6p","title":"Gastos com IA cresceram 110% e os sistemas subjacentes não suportaram","primary_category":"transformation","author":{"name":"Sofía Valenzuela","slug":"sofia-valenzuela"},"published_at":"2026-08-04T14:02:57.842Z","total_votes":86,"comment_count":0,"has_map":true,"urls":{"human":"https://sustainabl.net/pt/articulo/gastos-ia-cresceram-110-sistemas-subjacentes-nao-suportaram-mseswx6p","agent":"https://sustainabl.net/agent-native/pt/articulo/gastos-ia-cresceram-110-sistemas-subjacentes-nao-suportaram-mseswx6p"},"summary":{"one_line":"O investimento corporativo em IA cresceu 110% em 2025-2026, mas as capacidades fundacionais de dados, governança e redesenho de processos não acompanharam, criando um risco crescente de alocação de capital.","core_question":"Por que o aumento massivo de gasto em IA não está se convertendo em maturidade operacional equivalente, e o que separa as organizações que conseguem escalar das que ficam presas em pilotos?","main_thesis":"Existe uma ruptura estrutural entre o ritmo de investimento em IA e a prontidão das organizações para aproveitá-lo. O problema não é tecnológico, mas de sequência: as empresas compraram modelos e plataformas antes de modernizar dados, redesenhar fluxos de trabalho e construir governança. As organizações que reverteram essa ordem — priorizando fundações antes de implantação — estão acumulando uma vantagem que não é replicável rapidamente."},"content_markdown":"## O gasto em IA subiu 110% e os sistemas subjacentes não suportaram\n\nHá três anos a ServiceNow mede a maturidade da IA nas grandes empresas. Em 2026, o índice construído com pesquisas realizadas com mais de 4.500 executivos e 2.000 funcionários ao redor do mundo registrou uma melhora notável: avanço de 16 pontos, chegando a 51 em uma escala de 100. Soa bem até que se lê a linha seguinte: enquanto o gasto corporativo em IA cresceu **110% em relação ao ano anterior**, as capacidades fundacionais que essa IA precisa para funcionar em escala simplesmente não acompanharam. O dinheiro foi. A arquitetura não.\n\nEsse é o dado que deveria preocupar qualquer CFO que aprovou um orçamento de IA nos últimos 18 meses sem revisar também os dados, os fluxos de trabalho e os protocolos de governança que estavam por baixo. Não é um problema de tecnologia. É um problema de sequência.\n\n## Quando o investimento precede a estrutura\n\nHá um padrão que se repete em cada grande onda tecnológica: o gasto se adianta à prontidão. Aconteceu com o ERP, aconteceu com a nuvem, aconteceu com os programas de big data de meados da última década. A diferença agora é a escala. Segundo projeções do Gartner, o gasto global em IA alcançará **2,59 trilhões de dólares em 2026**, um aumento de 47% em relação ao ano anterior. O Stanford HAI documentou que o investimento privado global em IA chegou a **344,7 bilhões de dólares em 2025**, 127,5% acima de 2024. E apenas no primeiro trimestre de 2026, Amazon, Google, Microsoft e Meta investiram conjuntamente **130,65 bilhões de dólares em infraestrutura**, em grande parte voltada para IA.\n\nEsses números são reais. O problema é o que eles não medem: se as empresas que alimentam essa demanda possuem os sistemas internos necessários para aproveitar o que estão comprando.\n\nO índice da ServiceNow aponta com precisão onde a ruptura ocorre. As organizações compraram modelos, ferramentas e plataformas de IA. Mas seus dados continuam fragmentados em silos que não se comunicam, seus fluxos de trabalho não foram redesenhados antes de serem automatizados e seus funcionários não foram incorporados ao processo de mudança com antecedência suficiente. A consequência estrutural é previsível: a IA entrega resultados inconsistentes, as equipes perdem confiança nas saídas do sistema e os projetos ficam estagnados em fases piloto indefinidas sem jamais chegarem à produção.\n\nHolly Briedis, vice-presidente sênior de indústrias e soluções globais da ServiceNow, descreve isso com uma imagem precisa: a maioria das organizações está tentando correr Fórmula 1 sobre uma infraestrutura de kart. Os dados funcionam como um patchwork desconectado e, quando se tenta executar fluxos de trabalho horizontais sobre esse ambiente, as costuras aparecem imediatamente.\n\n## Os que avançam tomaram uma decisão antes\n\nO índice identifica um grupo ao qual chama de Pacesetters: os 21% das organizações pesquisadas com as pontuações mais altas em maturidade. O que os distingue não é terem gasto mais, mas sim terem integrado e modernizado seus dados **antes** de implantar a IA, e não depois. 64% desse grupo integra e otimiza seus dados digitalmente, contra apenas 14% do restante. Eles não encontram menos problemas de dados do que os demais; eles os resolvem mais rápido porque construíram a capacidade de detectá-los e corrigi-los como parte do design do sistema.\n\nEles também se diferenciam na forma como compreendem o propósito da IA dentro do negócio. 57% dos Pacesetters estabelece uma visão estratégica compartilhada para a IA que vai além da eficiência operacional. Eles não estão automatizando processos quebrados — estão redesenhando como o trabalho flui. A distinção não é semântica: automatizar um processo mal projetado apenas produz erros mais rapidamente e em maior escala.\n\nHá uma decisão implícita nessa abordagem que merece ser nomeada. Os Pacesetters, de fato, renunciaram à velocidade de implantação no curto prazo. Apostaram em construir os alicerces antes de erguer os andares. No ambiente atual, em que os conselhos de administração exigem mostrar casos de uso de IA em cada apresentação trimestral, essa renúncia tem um custo político interno nada desprezível. Os que a sustentaram estão colhendo agora uma vantagem que não é facilmente replicável em seis meses.\n\n## A governança não é um freio, é o que permite escalar\n\nUm dos achados mais relevantes do índice aponta diretamente para as equipes de liderança: metade dos funcionários pesquisados acredita que seus empregos serão menos necessários à medida que a IA agente evolui, e não sentem que suas organizações os estão preparando para o que está por vir. Briedis nomeia isso sem eufemismos: isso não é uma lacuna de habilidades, é uma lacuna de liderança.\n\nO ponto tem uma mecânica concreta. Quando os funcionários não confiam nos resultados entregues pela IA, eles trabalharão ao redor da tecnologia. Criarão seus próprios atalhos, seus próprios workarounds, seus próprios registros paralelos. A implantação de IA formalmente se sustenta no papel, mas operacionalmente se esvazia. O retorno sobre o investimento jamais aparece, não porque a tecnologia falhou, mas porque a organização nunca a adotou de verdade.\n\nA governança bem projetada opera de forma exatamente oposta à maneira como costuma ser apresentada. Não é um conjunto de restrições que desacelera a IA; é o scaffolding dentro do qual a autonomia do sistema pode operar sem gerar desconfiança. Quando os protocolos estão claros, as equipes conseguem distinguir entre um output confiável e um que precisa de revisão. Quando não estão, o padrão humano é desconfiar de tudo, e a tecnologia fica subutilizada.\n\nO mesmo se aplica aos dados. Enquanto uma pessoa pode contornar um silo de informação usando seu critério, o julgamento contextual e as conexões informais acumuladas em anos de trabalho, a IA não pode. A IA foi projetada para resolver problemas horizontalmente, atravessando funções e departamentos. Se os dados não fluem entre essas funções, a IA opera com uma fração das informações de que precisa e entrega uma fração do valor que poderia entregar.\n\n## O que a lacuna entre gasto e maturidade revela\n\nO padrão documentado pelo índice da ServiceNow não é novo, mas agora alcança uma dimensão em que as consequências são mais difíceis de absorver. A Oxford Economics projeta que o gasto global em IA passará de **340 bilhões de dólares em 2025 para cerca de 3 trilhões em 2035**, representando aproximadamente 23% do gasto tecnológico empresarial total. A BCG documenta que as corporações esperam **dobrar seu gasto em IA em 2026**, passando de representar 0,8% para 1,7% de suas receitas.\n\nCom essa magnitude de investimento, o custo de não ter os sistemas subjacentes preparados deixa de ser um problema de TI e passa a ser um problema de alocação de capital. Se o gasto dobra, mas a maturidade operacional não avança na mesma proporção, as empresas estão construindo um ônus financeiro crescente sobre uma base que ainda não consegue sustentá-lo. Os pilotos que não chegam à produção não são fracassos de aprendizado neutros: consomem orçamento, tempo de equipes técnicas e, sobretudo, credibilidade interna para os próximos ciclos de investimento.\n\nOs setores que demonstram maior urgência são os que mais têm a perder em caso de atraso. As empresas de tecnologia e as instituições financeiras planejam destinar cerca de **2% de suas receitas à IA em 2026**, segundo a BCG. Nesses setores, a concorrência não espera que os retardatários coloquem seus dados em ordem. O tempo entre a decisão de investimento e o resultado visível já não é suficiente para remediar em paralelo o que deveria ter sido construído antes.\n\nO índice da ServiceNow, lido como documento de diagnóstico setorial mais do que como peça de marketing, descreve um momento particular na curva de adoção da IA empresarial. O gasto já comprometeu a aposta. O que determina quem converte essa aposta em vantagem sustentável não é o próximo modelo que será comprado nem o próximo piloto que será anunciado: é se a arquitetura de dados, os processos redesenhados e a cultura organizacional conseguem sustentar o que o orçamento já prometeu entregar.","article_map":{"title":"Gastos com IA cresceram 110% e os sistemas subjacentes não suportaram","entities":[{"name":"ServiceNow","type":"company","role_in_article":"Fonte primária do índice de maturidade de IA 2026, base empírica central do artigo."},{"name":"Holly Briedis","type":"person","role_in_article":"VP sênior de indústrias e soluções globais da ServiceNow; fornece a metáfora diagnóstica central (Fórmula 1 sobre infraestrutura de kart) e nomeia a lacuna de liderança."},{"name":"Gartner","type":"institution","role_in_article":"Fonte de projeção: gasto global em IA alcançará 2,59 trilhões em 2026."},{"name":"Stanford HAI","type":"institution","role_in_article":"Fonte de dado: investimento privado global em IA chegou a 344,7 bilhões em 2025."},{"name":"Oxford Economics","type":"institution","role_in_article":"Fonte de projeção de longo prazo: gasto em IA passará de 340 bilhões em 2025 para 3 trilhões em 2035."},{"name":"BCG","type":"institution","role_in_article":"Fonte de dado sobre intenção corporativa: empresas esperam dobrar gasto em IA em 2026."},{"name":"Amazon","type":"company","role_in_article":"Um dos quatro hiperescaladores que investiram conjuntamente 130,65 bilhões em infraestrutura no Q1 2026."},{"name":"Google","type":"company","role_in_article":"Um dos quatro hiperescaladores que investiram conjuntamente 130,65 bilhões em infraestrutura no Q1 2026."},{"name":"Microsoft","type":"company","role_in_article":"Um dos quatro hiperescaladores que investiram conjuntamente 130,65 bilhões em infraestrutura no Q1 2026."},{"name":"Meta","type":"company","role_in_article":"Um dos quatro hiperescaladores que investiram conjuntamente 130,65 bilhões em infraestrutura no Q1 2026."},{"name":"Pacesetters","type":"market","role_in_article":"Segmento de 21% das organizações com maior maturidade de IA; modelo de referência do artigo sobre o que funciona."},{"name":"IA agente","type":"technology","role_in_article":"Tecnologia emergente que amplifica o impacto da lacuna de governança e preparação de funcionários."}],"tradeoffs":["Velocidade de implantação de IA vs. solidez das fundações de dados e processos: os Pacesetters escolheram fundações e acumularam vantagem não replicável rapidamente.","Mostrar casos de uso de IA em cada apresentação trimestral (pressão de conselho) vs. construir arquitetura que permita escalar de forma sustentável.","Gasto em modelos e plataformas vs. investimento em modernização de dados e redesenho de fluxos de trabalho.","Autonomia do sistema de IA vs. confiança dos funcionários: sem governança clara, a autonomia gera desconfiança e subutilização.","Eficiência operacional como objetivo de IA vs. redesenho de como o trabalho flui: automatizar processos quebrados apenas escala os erros."],"key_claims":[{"claim":"O gasto corporativo em IA cresceu 110% em relação ao ano anterior, segundo o índice ServiceNow 2026.","confidence":"high","support_type":"reported_fact"},{"claim":"O índice de maturidade de IA da ServiceNow avançou 16 pontos, chegando a 51/100 em 2026.","confidence":"high","support_type":"reported_fact"},{"claim":"Apenas 21% das organizações pesquisadas são classificadas como Pacesetters (alta maturidade).","confidence":"high","support_type":"reported_fact"},{"claim":"64% dos Pacesetters integra e otimiza dados digitalmente, contra 14% do restante.","confidence":"high","support_type":"reported_fact"},{"claim":"O investimento privado global em IA chegou a 344,7 bilhões de dólares em 2025, 127,5% acima de 2024, segundo Stanford HAI.","confidence":"high","support_type":"reported_fact"},{"claim":"Amazon, Google, Microsoft e Meta investiram conjuntamente 130,65 bilhões em infraestrutura no Q1 2026.","confidence":"high","support_type":"reported_fact"},{"claim":"Metade dos funcionários pesquisados acredita que seus empregos serão menos necessários com a IA agente e não se sentem preparados.","confidence":"high","support_type":"reported_fact"},{"claim":"Automatizar processos mal projetados apenas produz erros mais rapidamente e em maior escala.","confidence":"high","support_type":"editorial_judgment"}],"main_thesis":"Existe uma ruptura estrutural entre o ritmo de investimento em IA e a prontidão das organizações para aproveitá-lo. O problema não é tecnológico, mas de sequência: as empresas compraram modelos e plataformas antes de modernizar dados, redesenhar fluxos de trabalho e construir governança. As organizações que reverteram essa ordem — priorizando fundações antes de implantação — estão acumulando uma vantagem que não é replicável rapidamente.","core_question":"Por que o aumento massivo de gasto em IA não está se convertendo em maturidade operacional equivalente, e o que separa as organizações que conseguem escalar das que ficam presas em pilotos?","core_tensions":["Pressão de conselhos por demonstração rápida de IA vs. necessidade de construir fundações antes de implantar.","Gasto que já comprometeu a aposta vs. maturidade operacional que ainda não consegue sustentar o que o orçamento prometeu.","IA projetada para operar horizontalmente entre funções vs. dados que continuam fragmentados em silos verticais.","Lacuna de liderança (não de habilidades) na preparação de funcionários vs. narrativa dominante que enquadra o problema como capacitação técnica.","Retorno sobre investimento em IA que não aparece não por falha tecnológica, mas por falha de adoção organizacional."],"open_questions":["Como os CFOs devem estruturar a aprovação de orçamentos de IA para incluir requisitos de prontidão de dados e governança como condição prévia?","Qual é o tempo mínimo realista para que uma organização que não é Pacesetter construa as fundações necessárias para escalar IA de forma sustentável?","Como medir operacionalmente a maturidade de dados e processos antes de comprometer investimento em modelos e plataformas?","Existe um ponto de inflexão em que o acúmulo de pilotos não convertidos em produção se torna irreversível em termos de credibilidade interna?","Como os setores de tecnologia e financeiro — que planejam destinar 2% de receitas à IA em 2026 — estão gerenciando a lacuna entre gasto e maturidade em ambientes de alta competição?","A renúncia à velocidade de implantação que caracteriza os Pacesetters é politicamente sustentável em organizações com ciclos de reporte trimestral?"],"training_value":{"recommended_for":["CFOs evaluando la composición de presupuestos de IA","CIOs y CTOs diseñando arquitecturas de datos para escalar IA","CDOs responsables de gobernanza y calidad de datos","Líderes de transformación digital gestionando portfolios de pilotos de IA","Consultores de estrategia asesorando en adopción de IA empresarial","Consejos de administración supervisando inversiones en IA"],"when_this_article_is_useful":["Ao evaluar si aprobar un presupuesto de IA sin revisar la arquitectura de datos subyacente.","Al diagnosticar por qué pilotos de IA no están llegando a producción.","Al diseñar una estrategia de adopción de IA que incluya gobernanza y rediseño de procesos.","Al comunicar a un consejo de administración los riesgos de priorizar velocidad de implantación sobre madurez operacional.","Al benchmarkear la madurez de IA de una organización contra el índice ServiceNow 2026.","Al estructurar el caso de negocio para inversión en modernización de datos como prerequisito de IA."],"what_a_business_agent_can_learn":["O padrão recorrente de gasto que precede prontidão em ondas tecnológicas e como identificá-lo antes de comprometer capital.","Os três vetores concretos de falha na implantação de IA: dados em silos, fluxos de trabalho não redesenhados, funcionários não incorporados.","A distinção operacional entre automatizar processos existentes e redesenhar como o trabalho flui — e por que a confusão entre ambos escala erros.","Como a governança funciona como habilitador de escala, não como freio — e o mecanismo pelo qual sua ausência gera workarounds que esvaziam a implantação.","O custo político interno de priorizar fundações sobre velocidade de implantação, e por que os Pacesetters o absorveram.","Por que o ROI em IA não aparece por falha de adoção organizacional, não por falha tecnológica — e as implicações para diagnóstico de projetos estagnados."]},"argument_outline":[{"label":"1. O dado central","point":"O índice de maturidade de IA da ServiceNow 2026 (4.500+ executivos, 2.000+ funcionários) mostra avanço de 16 pontos até 51/100, mas o gasto cresceu 110% enquanto as capacidades fundacionais ficaram para trás.","why_it_matters":"Revela que o progresso aparente no índice coexiste com uma lacuna estrutural que torna o investimento ineficiente em escala."},{"label":"2. O padrão histórico","point":"O gasto se adianta à prontidão em cada grande onda tecnológica (ERP, nuvem, big data). A diferença agora é a escala: Gartner projeta 2,59 trilhões em gasto global de IA em 2026; Stanford HAI documenta 344,7 bilhões em investimento privado em 2025.","why_it_matters":"Contextualiza o problema como sistêmico e previsível, não como falha isolada de empresas específicas."},{"label":"3. Onde a ruptura ocorre","point":"Dados fragmentados em silos, fluxos de trabalho não redesenhados antes de serem automatizados, e funcionários não incorporados ao processo de mudança. Resultado: resultados inconsistentes, perda de confiança nas saídas e projetos estagnados em pilotos.","why_it_matters":"Identifica os três vetores concretos de falha, permitindo diagnóstico e intervenção específica."},{"label":"4. O que os Pacesetters fizeram diferente","point":"Os 21% com maior maturidade integraram e modernizaram dados antes de implantar IA (64% vs 14% do restante) e estabeleceram visão estratégica compartilhada além da eficiência operacional (57%). Renunciaram à velocidade de implantação no curto prazo.","why_it_matters":"Demonstra que a vantagem competitiva atual em IA não vem de gastar mais, mas de ter construído fundações primeiro — e que essa vantagem tem alta barreira de replicação."},{"label":"5. A governança como habilitador, não freio","point":"Metade dos funcionários acredita que seus empregos serão menos necessários e não se sentem preparados. Quando não confiam nos outputs da IA, criam workarounds paralelos que esvaziam operacionalmente a implantação formal.","why_it_matters":"A adoção real da IA depende da confiança dos funcionários, que depende de governança clara — não de mais tecnologia."},{"label":"6. A consequência financeira","point":"Oxford Economics projeta crescimento de 340 bilhões em 2025 para 3 trilhões em 2035. BCG documenta que corporações esperam dobrar gasto em IA em 2026. Pilotos que não chegam à produção consomem orçamento, tempo técnico e credibilidade interna.","why_it_matters":"A lacuna entre gasto e maturidade deixa de ser problema de TI e passa a ser problema de alocação de capital com consequências para CFOs e conselhos."}],"one_line_summary":"O investimento corporativo em IA cresceu 110% em 2025-2026, mas as capacidades fundacionais de dados, governança e redesenho de processos não acompanharam, criando um risco crescente de alocação de capital.","related_articles":[{"reason":"Aborda diretamente o problema de fundos de transformação de IA sem definição clara de sucesso no alto comando — complementa o diagnóstico sobre lacuna entre gasto e maturidade operacional.","article_id":14642},{"reason":"Documenta o fenômeno de acúmulo de pilotos de IA que não chegam à produção — caso concreto do padrão estrutural descrito no artigo principal.","article_id":14622},{"reason":"Analisa as consequências econômicas e organizacionais dos agentes de IA autônomos — relevante para a discussão sobre governança e confiança dos funcionários nos outputs do sistema.","article_id":14722},{"reason":"Databricks como caso de infraestrutura de dados para IA empresarial — ilustra o mercado que está sendo construído para resolver exatamente as fundações que o artigo identifica como ausentes.","article_id":14602}],"business_patterns":["O gasto tecnológico se adianta à prontidão organizacional em cada grande onda (ERP, nuvem, big data, IA) — padrão recorrente documentado.","Pilotos que não chegam à produção consomem orçamento, tempo técnico e credibilidade interna para ciclos futuros de investimento.","Quando funcionários não confiam nos outputs da IA, criam workarounds paralelos que esvaziam operacionalmente a implantação formal.","As organizações com maior maturidade resolvem problemas de dados mais rápido porque construíram capacidade de detecção e correção como parte do design do sistema — não como remediação posterior.","A vantagem competitiva em IA se acumula de forma não linear: quem construiu fundações primeiro tem barreira de replicação alta.","Automatizar processos mal projetados escala os erros, não os elimina."],"business_decisions":["Decidir se aprovar orçamento de IA sem revisar simultaneamente dados, fluxos de trabalho e governança subjacentes.","Priorizar implantação rápida de IA versus construção de fundações de dados e processos antes da implantação.","Definir se a visão estratégica de IA vai além da eficiência operacional ou se limita à automação de processos existentes.","Determinar como incorporar funcionários ao processo de mudança antes — não depois — da implantação de sistemas de IA.","Avaliar se pilotos de IA têm critérios claros de transição a produção ou se operam como experimentos indefinidos.","Decidir quanto custo político interno está disposto a absorver ao renunciar à velocidade de implantação em favor de fundações sólidas."]}}