As empresas que usam IA para reduzir custos estão deixando passar a maior aposta de valorização da última década
Existe uma lacuna entre o que os executivos dizem acreditar sobre a inteligência artificial e o que suas organizações fazem com ela. Não é uma lacuna de conhecimento. É uma lacuna de atenção estratégica, e tem um custo que poucos conselhos de administração quantificaram com honestidade.
Em uma mesa-redonda recente com executivos do setor de gestão de patrimônio, os autores de um artigo de Wharton fizeram uma pergunta direta: se em três anos comparássemos duas empresas similares — uma que aproveitou bem a IA e outra que não o fez —, quanto mais valiosa seria a primeira? A resposta média foi 2,35 vezes, equivalente a um incremento de 135% no valor da empresa. Um número que os próprios participantes consideraram razoável. O problema surgiu imediatamente depois, quando lhes perguntaram onde estavam investindo de verdade em IA. A resposta foi quase unânime: em eficiência. Vários admitiram que nunca haviam conectado, de forma séria, a IA ao crescimento de receitas.
Isso não é um problema de visão. É um problema de arquitetura de decisão.
Quando o teto da eficiência se transforma em um teto estratégico
O argumento a favor de usar IA para reduzir custos tem respaldo empírico. Um ensaio aleatório em grande escala em uma empresa de software descobriu que uma ferramenta de atendimento ao cliente baseada em IA generativa aumentou a produtividade dos agentes em mais de 10%. Um estudo separado com cerca de 5.000 desenvolvedores mostrou ganhos superiores a 25%. Na gestão de patrimônio, a IA pode comprimir semanas de integração de clientes em dias, e auxiliar assessores na preparação e no acompanhamento de reuniões. Esses são resultados reais.
Mas existe uma aritmética que os modelos de eficiência não conseguem superar. Sob premissas generosas, se 50% da base de custos de uma empresa é passível de melhorias por IA, e a IA reduz esses custos em média 10%, o impacto total sobre as despesas é de aproximadamente 5%. Aplicado a uma empresa representativa de gestão de patrimônio, isso produz um incremento em valor de cerca de 10%. Não é desprezível. Mas está a uma distância sideral dos 135% que os mesmos executivos consideraram alcançável.
A razão é estrutural, não circunstancial. Os custos têm um limite inferior: zero. As receitas não têm limite superior. E os mercados de capital não valorizam as empresas principalmente pelo que ganham hoje, mas pelo que se espera que ganhem no futuro. O prêmio que os investidores atribuem às expectativas de crescimento sustentado é desproporcionalmente grande em relação ao que atribuem à otimização de despesas. Uma empresa de gestão de patrimônio que cresce organicamente 5% ao ano vale aproximadamente 50% mais do que uma empresa idêntica que cresce 3%. Uma que cresce 7% vale 122% mais. Esses números não emergem de projeções otimistas: são consequência direta de como os mercados calculam múltiplos sobre lucros quando há crescimento sustentado no horizonte.
O que isso implica é que um incremento de apenas dois pontos percentuais na taxa de crescimento orgânico — algo modesto para empresas de alto desempenho historicamente — pode aumentar o valor da empresa em 50% antes mesmo que os lucros cresçam. Um incremento de quatro pontos pode duplicar esse valor. Diante dessas magnitudes, a economia em custos operacionais torna-se um argumento de segunda ordem.
O experimento que demonstra a mecânica do crescimento
Para tornar concreto o que até aqui poderia soar abstrato, os pesquisadores trabalharam com empresas de gestão de patrimônio em uma aplicação específica: campanhas de marketing direto no LinkedIn, voltadas a executivos de alto nível e proprietários de PME (Pequenas e Médias Empresas). A abordagem não foi convencional.
Utilizaram o que denominaram "cientistas virtuais": sistemas de IA instruídos para gerar dezenas de conceitos alternativos de anúncios e depois simular a resposta do público-alvo para identificar, antes do lançamento, quais teriam melhor desempenho. O incremento projetado nas taxas de cliques para os anúncios vencedores oscilou entre 2,7 e 3,5 vezes. Quando esses anúncios foram publicados em campo, o incremento médio foi de 3,2 vezes.
A pergunta relevante não é se esse número é impressionante. É o que ele faz com o valor da empresa. Considere uma empresa com uma taxa de crescimento orgânico base de 3%, distribuída mais ou menos igualmente entre três canais: redes de assessores, compra de contatos junto a custodiantes e marketing direto. Se o canal de marketing direto representa um ponto percentual dessa taxa e a IA o triplica, esse canal passa a contribuir com três pontos percentuais. A taxa de crescimento orgânico total sobe de 3% para 5%, e o valor da empresa se incrementa em aproximadamente 50% apenas por esse movimento.
Agora suponha que, animada por esses resultados, a empresa redirecione o orçamento que antes dedicava à compra de contatos — uma fonte cara e com retornos decrescentes — para o canal de marketing direto, que acabou de demonstrar tração real. A taxa de crescimento orgânico salta para 7%. O valor da empresa mais do que duplica em relação à linha de base.
Este não é um experimento de laboratório. É uma demonstração do mecanismo pelo qual a alocação de recursos de IA determina se uma empresa captura os 10% de valor que a eficiência promete ou os 100%+ que o crescimento promete.
A assimetria que a maioria dos conselhos de administração não está enxergando
Há algo mais perturbador do que o fato de as empresas estarem subinvestindo em IA para crescimento. É que a dinâmica de competição vai tornar essa lacuna mais difícil de fechar com o tempo.
Os ganhos em marketing que a IA produz hoje — esse 3,2 vezes nas taxas de cliques — vão se comprimir à medida que mais empresas adotarem ferramentas similares. A janela para capturar múltiplos de valorização a partir desses resultados é finita. O que não se comprime com a mesma velocidade são as fontes de crescimento que dependem de profundidade relacional: ampliar a participação na carteira de clientes existentes, melhorar a qualidade do assessoramento financeiro, encurtar ciclos de venda por meio de melhor alinhamento entre assessores e perfis de clientes. Essas alavancas são mais difíceis de imitar porque exigem acumulação de contexto, confiança e dados proprietários.
As empresas que primeiro constroem uma base de crescimento orgânico sustentado têm, além disso, uma vantagem secundária que poucos modelos de análise estratégica capturam com clareza: os múltiplos de valorização mais altos se convertem em moeda de aquisição. Uma empresa com múltiplo alto pode adquirir concorrentes com múltiplos mais baixos com menor diluição para seus acionistas. A eficiência não gera esse efeito. O crescimento sustentado, sim.
O argumento se estende além da gestão de patrimônio. Qualquer setor em que os investidores valorizam o crescimento orgânico sustentado — desde serviços jurídicos até saúde, desde educação até plataformas de software — enfrenta a mesma assimetria: o efeito multiplicador do crescimento sobre a valorização supera amplamente o impacto da redução de custos. As empresas que reconhecem isso primeiro não apenas crescem mais rápido: se posicionam para definir a estrutura competitiva do setor durante os próximos anos.
Dependência do programa de eficiência e fragilidade estrutural silenciosa
Há uma dimensão que a análise financeira não captura completamente, e que de uma perspectiva organizacional importa tanto quanto os números. As organizações que orientam sua agenda de IA principalmente para a eficiência não estão sendo conservadoras. Estão construindo uma dependência estrutural de um tipo de retorno que tem teto, em um momento em que o mercado está premiando massivamente outro tipo de retorno que não o tem.
Isso cria fragilidade de um tipo específico: não a fragilidade visível de uma empresa endividada ou com margens negativas, mas a fragilidade de um sistema que funciona bem dentro de seus próprios parâmetros e por isso não sente urgência de mudá-los. Os custos caem, os processos melhoram, os relatórios mostram avanço. Mas a taxa de crescimento orgânico não se move, e o múltiplo de valorização tampouco.
A armadilha não está na incompetência das equipes nem na falta de talento técnico. Está no fato de que o programa de eficiência tem métricas claras, ciclos curtos de retroalimentação e stakeholders internos bem definidos. O programa de crescimento mediante IA requer experimentação em campo, tolerância a resultados que não confirmam as hipóteses iniciais e disposição para redistribuir orçamento de canais estabelecidos para capacidades que ainda estão sendo testadas. Para muitas organizações, essa redistribuição não esbarra na tecnologia. Esbarra na governança, nos incentivos por área e na velocidade com que os comitês aprovam experimentos que não se encaixam em categorias orçamentárias existentes.
Os autores do artigo de Wharton chamam isso de capacidade de absorção: o grau em que as pessoas, os processos de governança e os fluxos de trabalho de uma organização conseguem incorporar e agir sobre tecnologia nova. Para muitas empresas, o primeiro obstáculo real para converter IA em crescimento não é construir ferramentas melhores. É remover os gargalos internos que impedem que as ferramentas existentes sejam usadas com eficácia em escala.
As organizações mais maduras estruturalmente não são necessariamente aquelas que têm as equipes técnicas mais sofisticadas. São as que construíram a capacidade institucional de pegar uma evidência de campo — como o experimento do LinkedIn — e convertê-la em uma decisão de redistribuição de recursos antes que a janela de vantagem competitiva se feche. Essa capacidade não se instala com um projeto de transformação digital. Ela se constrói com decisões repetidas sobre como a atenção estratégica é alocada, o que se mede como sucesso e quem tem autoridade para redirecionar o orçamento quando os dados o justificam.
As empresas que hoje estão usando IA principalmente para reduzir custos não estão tomando uma decisão errada em sentido absoluto. Estão tomando a decisão que suas estruturas de governança, seus sistemas de incentivos e seus ciclos de reporte tornam mais fácil de tomar. O problema é que essa facilidade tem um preço que não aparece em nenhuma demonstração de resultados atual, mas que aparecerá nos múltiplos de valorização comparativos daqui a três anos.
