Fundos milionários, transformação indefinida: o problema estrutural da IA no alto escalão
Há uma linha em quase todos os orçamentos empresariais do momento. Ela tem um nome como "transformação com inteligência artificial", tem um valor, e tem a assinatura de alguém do comitê executivo. O que não tem, na maioria dos casos, é uma definição operacional do que exatamente esse dinheiro está comprando.
O Gartner projeta que os gastos empresariais com IA atingirão 2,59 trilhões de dólares em 2026, um aumento de 47% em apenas um ano. Ao mesmo tempo, pesquisas da IBM indicam que apenas 29% dos executivos conseguem medir com confiança o retorno sobre esse investimento. A distância entre esses dois números não é uma ironia estatística: é o mapa de um problema estrutural que as organizações ainda não souberam nomear corretamente.
O orçamento já existe. A transformação, como conceito operacional, não.
O que chama a atenção não é que haja incerteza técnica sobre a IA — algo esperado em uma tecnologia jovem e em rápida evolução. O que chama a atenção é o padrão de governança que está se instalando por baixo dessa incerteza: executivos que aprovam investimentos históricos sem antes ter respondido as perguntas que determinarão se esses investimentos produzirão alguma coisa. E um mercado de soluções tecnológicas perfeitamente disposto a fornecer as definições que o comprador não construiu.
O C-Suite pegou o volante sem ter o mapa
Durante anos, a estratégia de inteligência artificial foi um assunto dos departamentos de tecnologia. Isso mudou. A Forbes Research documenta que a autoridade sobre as decisões de IA migrou da área de sistemas para a alta direção: são agora os diretores-gerais, os diretores financeiros e os diretores de operações que controlam os orçamentos, priorizam iniciativas e definem a direção.
Em paralelo, um estudo que analisou mais de 2.000 organizações, citado pela CNBC, revelou que 76% já têm um cargo de Diretor de IA (CAIO, na sigla em inglês), em comparação com 26% do ano anterior. Cinquenta pontos percentuais em doze meses. Essa velocidade de instalação de novos cargos executivos não fala de maturidade estrutural: fala de urgência política. Os conselhos de administração exigem que alguém seja responsável pela IA, e as organizações respondem criando posições antes de terem desenhado o que essas posições farão.
A IBM documentou em seu estudo global de 2026 que os diretores executivos estão redesenhando ativamente os papéis do comitê de direção para extrair vantagem competitiva da IA. A Deloitte, por sua vez, em sua área de consultoria, recomenda explicitamente investir tempo e programas para capacitar o próprio comitê de direção em IA generativa, o que implica reconhecer que esse comitê ainda não tem as competências para governar o que está financiando. Esses dois sinais juntos — redesenho acelerado de papéis e necessidade reconhecida de formar quem toma as decisões — desenham uma organização que instalou o acelerador antes de treinar o motorista.
O problema não está em que os executivos careçam de inteligência ou de boa vontade. Está em que a estrutura de tomada de decisões não foi redesenhada antes de o dinheiro começar a fluir. Um conselho pode aprovar um orçamento em horas. Construir o critério para gastá-lo bem leva meses de trabalho honesto sobre a organização.
O que essa sequência invertida produz é previsível: pilotos fragmentados sem conexão com objetivos de negócio concretos, ferramentas duplicadas que resolvem o mesmo problema de maneiras incompatíveis, e métricas de sucesso definidas pelos fornecedores porque a organização não as definiu antes. O dinheiro é gasto. A transformação não acontece.
A lacuna que ninguém na reunião menciona
Há um dado que merece atenção sustentada. A empresa de formação Multiverse publicou uma pesquisa sobre a força de trabalho administrativa no Reino Unido que encontrou o seguinte: 59% dos líderes acredita que suas equipes colaboram com IA diariamente. Apenas 42% dos funcionários diz que o faz. Dezessete pontos de distância entre a percepção do andar executivo e a realidade do andar operacional.
Essa lacuna não é apenas um problema de comunicação interna. É um problema de calibração estratégica. Se a alta direção toma decisões sobre o ritmo de adoção, os planos de formação e os retornos esperados com base em uma imagem do uso real que está inflada em quase 40%, as projeções de produtividade que justificaram o orçamento são estruturalmente incorretas. Não por desonestidade, mas porque ninguém instalou o mecanismo para medir o que realmente ocorre nos níveis intermediários e operacionais.
A Axios documentou outro ângulo da mesma fratura: pesquisas com empresas que usam IA mostram que uma proporção de executivos descreve a implementação como algo que "está dividindo a organização". Essa descrição não aponta problemas técnicos. Aponta que a narrativa sobre a transformação foi construída de cima para baixo, sem que os níveis que precisam executá-la tenham sido parte do desenho.
A arquitetura humana da mudança — quem participa, quando, com que informação e com que capacidade de influenciar as decisões — determina se uma transformação tecnológica produz capacidade nova ou simplesmente produz fricção nova. E essa arquitetura, na maioria dos casos que os dados descrevem, foi a última coisa a ser considerada.
Uma organização pode ter um Diretor de IA, um orçamento aprovado e uma apresentação executiva impecável, e ainda assim permanecer estruturalmente frágil se o desenho humano da mudança não existir. O cargo e o orçamento são sinais visíveis. A fragilidade está no que ainda não se vê.
Quando o mercado define a transformação que a empresa não soube definir
Há uma mecânica de mercado que opera em silêncio por trás dessa dinâmica. Quando uma organização chega a avaliar soluções sem ter definido seu problema operacional com precisão, o fornecedor acaba fornecendo a definição. Não por malícia, mas porque alguém tem que preencher o vazio, e o fornecedor tem toda a infraestrutura narrativa para fazê-lo: casos de uso, benchmarks, demonstrações e uma história sobre o que é a transformação que, por coincidência, inclui seu produto como protagonista.
O resultado é que as organizações compram definições emprestadas. E uma definição emprestada não é uma estratégia: é uma lista de compras que outra pessoa escreveu.
Isso não é novo no ciclo de adoção de tecnologia. O que muda com a IA generativa é a magnitude do que está sendo decidido. As tecnologias anteriores — plataformas de dados, automação de processos, software de gestão — reorganizavam como as pessoas trabalhavam. A IA generativa, em suas versões mais ambiciosas, reorganiza quem faz o trabalho. Essa distinção não é retórica: muda completamente o tipo de análise organizacional necessária antes de comprometer capital.
Quando uma empresa compra uma plataforma de dados, a pergunta é quais processos são otimizados. Quando delega trabalho autônomo a um sistema de IA, a pergunta é qual trabalho deixa de ser responsabilidade humana, em que condições, com que supervisão e com que consequências se o sistema falhar. Essas perguntas o fornecedor não responde. E os dados atuais sugerem que tampouco a maioria dos comitês executivos as está respondendo antes de assinar.
Apenas 39% das organizações possui padrões de referência para as ferramentas de IA generativa que seus funcionários já estão usando, segundo análises recentes sobre governança de IA. Esse número não descreve uma indústria em processo de construir seus marcos de governança. Descreve uma indústria que já implantou a tecnologia e ainda não construiu os marcos. A sequência está invertida, e a exposição que isso gera — regulatória, operacional, reputacional — é real, ainda que ainda não tenha produzido incidentes visíveis.
O teste de maturidade que nenhum fornecedor vai administrar
O padrão que emerge de todos esses dados tem uma característica específica que merece ser nomeada com precisão: não é um problema de velocidade, mas de sequência. As organizações não estão indo rápido demais em direção a algo bem definido. Estão gastando muito em algo cuja definição continua difusa porque a sequência foi: orçamento primeiro, definição depois.
A IBM conclui que os diretores executivos estão redesignando os papéis do comitê de direção para criar mais impacto de negócio a partir da IA. A Deloitte pede que as organizações ganhem compreensão real da regulação que acompanha a IA e que invistam em atualizar as competências do próprio liderança. Ambas as recomendações pressupõem que hoje há uma lacuna entre o que o liderança compreende e o que o liderança está decidindo. Não dizem exatamente com essas palavras, mas é isso que os dados descrevem.
A maturidade estrutural de uma organização diante de uma transformação tecnológica não se mede pelo tamanho do orçamento nem pelo título do novo cargo executivo. Mede-se pela qualidade das perguntas que o liderança foi capaz de responder antes de comprometer o capital: qual trabalho específico está sendo redistribuído, em que condições, com que mecanismos de supervisão, com que definição de sucesso que não dependa do critério do fornecedor, e com que capacidade real do sistema para medir o que ocorre nos níveis operacionais.
Essas perguntas não são técnicas. São perguntas de governança organizacional. E o fato de que 71% das organizações não consegue medir o retorno de seu investimento em IA sugere que a maioria chegou a gastar sem tê-las respondido.
O cargo de Diretor de IA prolifera, os orçamentos crescem 47% ao ano e o mercado de soluções está perfeitamente disposto a fornecer certeza a quem a buscar. O que o mercado não fornece é a capacidade de uma organização para definir seu próprio problema antes de comprar a solução. Essa capacidade se constrói por dentro, com tempo e com honestidade sobre o que o sistema ainda não sabe fazer. As organizações que a desenvolverem antes que a pressão competitiva as obrigue a agir sem ela serão aquelas que poderão avaliar, daqui a três anos, se o que financiaram foi uma transformação ou uma transferência de orçamento em direção a definições que outros escreveram por elas.
