Por Alex Ferreira, CEO e fundador da FMG.

A Gartner criou um nome para um fenômeno que começa a ganhar espaço no mercado: agent washing, quando empresas exageram suas capacidades de inteligência artificial (IA). O termo pode até parecer novo, mas a lógica é bastante conhecida. Foi assim que o greenwashing começou.

Nos últimos anos, algumas empresas aprenderam que associar suas marcas a ESG era uma forma poderosa de ganhar relevância com consumidores, investidores e mercado. O problema surgiu quando o discurso passou a correr mais rápido que a prática: metas ambiciosas, números pouco comparáveis e resultados difíceis de comprovar começaram a colocar a credibilidade corporativa em xeque.

Agora, uma lógica semelhante está acontecendo com a IA. O entusiasmo em torno da tecnologia criou um incentivo poderoso para que empresas mostrem que estão na vanguarda. Ter inteligência artificial virou sinal de inovação, eficiência e potencial de crescimento. O risco é que, na corrida para demonstrar protagonismo, algumas organizações passem a inflar capacidades, resultados ou o grau de maturidade de suas iniciativas.

É o que podemos chamar de AI Washing, quando uma companhia apresenta ao mercado uma capacidade de IA maior, mais madura ou mais eficiente do que aquela que a empresa efetivamente possui.

E esse fenômeno merece atenção porque o problema não termina na comunicação. Ele começa nela, mas pode chegar rapidamente à governança.

O problema é que a realidade está aparecendo

Os números ajudam a mostrar o tamanho do descompasso. A S&P Global identificou que a proporção de empresas que abandonaram a maioria de suas iniciativas de IA antes que chegassem à produção saltou de 17% para 42%. Em média, 46% dos projetos em prova de conceito foram descartados antes de alcançar uma adoção mais ampla.

A Gartner, por sua vez, estima que, até o fim de 2026, organizações abandonarão 60% dos projetos de inteligência artificial que não contam com dados preparados adequadamente para esse tipo de aplicação.

Esses números não significam que a tecnologia esteja fracassando. Significam algo mais importante –  experimentar IA é muito mais fácil do que gerar valor consistente com ela.

É justamente nesse intervalo entre o experimento e o resultado que o IA-washing encontra espaço. Uma empresa pode dizer que “usa IA” sem explicar exatamente onde ela é aplicada. Pode apresentar um piloto como se fosse uma transformação estrutural feita com a tecnologia. Pode divulgar ganhos de produtividade sem deixar claro como foram calculados, qual era a linha de base ou se o resultado foi efetivamente fruto da incorporação da IA ao negócio. Ou é capaz, ainda, de chamar de inteligência artificial uma automação relativamente simples porque a palavra IA, hoje, tem um poder de atração muito maior.

O problema é que, enquanto o discurso pode ser construído em uma apresentação, em um post ou uma reunião com investidores, o resultado precisa aparecer na operação.

Quando comunicação vira risco de governança

É aqui que os conselhos de administração precisam começar a prestar mais atenção. Greenwashing e AI Washing têm uma grande diferença de velocidade.

Uma iniciativa ambiental pode levar anos para revelar se uma promessa de sustentabilidade era consistente ou apenas marketing. Na IA, a cobrança tende a ser muito mais rápida. Investidores querem retorno, clientes querem eficiência, funcionários querem produtividade e os próprios executivos precisam justificar os investimentos realizados.

Quando o resultado não aparece, a distância entre expectativa e realidade deixa de ser apenas uma questão reputacional. Ela pode afetar decisões de investimento, alocação de capital, relacionamento com clientes, avaliação de fornecedores e confiança de acionistas.

Por isso, tratar a questão como se fosse um problema exclusivamente de comunicação é um erro. A pergunta que um conselho deveria fazer não é apenas “quanto estamos falando sobre IA?”, mas principalmente: “quanto valor real a IA está gerando para a empresa?”. E, depois, uma segunda pergunta: “como sabemos disso?”

Essa segunda pergunta é fundamental. Um resultado de IA precisa ter método. É necessário saber qual problema a tecnologia pretende resolver, qual era o desempenho anterior, quais indicadores serão utilizados e em quanto tempo será possível avaliar se a iniciativa funcionou.

Sem essa disciplina, a empresa corre o risco de confundir adoção com resultado. Ter milhares de funcionários com acesso a uma ferramenta de IA não significa necessariamente ter milhares de funcionários mais produtivos. Implementar um chatbot não significa transformar o atendimento. Criar um modelo não significa gerar retorno financeiro.

A saída não é falar menos sobre IA

Combater o AI Washing não significa falar menos sobre inteligência artificial, mas falar com mais precisão sobre o que ela realmente entrega. Em vez de perguntar “onde podemos colocar IA?”, as empresas precisam começar por “qual problema de negócio queremos resolver?”, sempre com foco em medir o resultado.

Em um mercado no qual todos querem parecer avançados, admitir que uma iniciativa ainda está em teste pode ser mais estratégico do que anunciar uma transformação que não aconteceu. Afinal, a transparência é o que transforma tecnologia em resultado.

No fim, IA é meio, nunca fim. E, quando o mercado separar quem realmente entrega de quem apenas sabe contar uma boa história, o ativo mais valioso das empresas não será parecer inteligente. Será a sua confiança.