O gasto em IA subiu 110% e os sistemas subjacentes não suportaram
Há 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.
Esse 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.
Quando o investimento precede a estrutura
Há 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.
Esses 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.
O 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.
Holly 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.
Os que avançam tomaram uma decisão antes
O 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.
Eles 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.
Há 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.
A governança não é um freio, é o que permite escalar
Um 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.
O 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.
A 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.
O 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.
O que a lacuna entre gasto e maturidade revela
O 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.
Com 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.
Os 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.
O 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.
