Por Alex Ferreira, CEO e fundador da FMG, boutique de tecnologia especializada em transformação de negócios

Depois de quase três décadas atuando com tecnologia e liderando processos de transformação digital, defendo uma tese sem meio-termo: IA é meio, nunca fim. Quando uma empresa transforma a tecnologia no objetivo da iniciativa, e não em instrumento a serviço de um problema real do negócio, o projeto está fadado a não sair do piloto. Não importa o setor, não importa o tamanho da empresa, não importa o quanto o modelo escolhido seja avançado. Times de inovação testam ferramentas, montam demonstrações que arrancam aplausos do comitê executivo, e o projeto simplesmente não sobrevive ao primeiro trimestre fora do ambiente controlado. A culpa não é da tecnologia. A culpa é da pergunta errada feita lá no início.

Os números confirmam o que quem trabalha com implementação já vê na prática, não como exceção, mas como regra. A RAND Corporation, organização americana de pesquisa e análise de políticas públicas e tecnológicas, estima que mais de 80% dos projetos de IA corporativa fracassam antes de entregar valor real ao negócio, taxa muito superior à observada em projetos de tecnologia que não envolvem IA. Isso não é um detalhe estatístico para ser lido em um slide e esquecido no dia seguinte. É a prova de que o mercado está automatizando processos que nunca deveriam ter sido automatizados do jeito que foram. O gargalo quase nunca está na capacidade técnica dos modelos disponíveis hoje. Está na maturidade do processo que a IA deveria destravar, e ignorar isso é o primeiro passo para o fracasso.

Vale nomear esse erro com exemplos concretos, porque ele se disfarça de sofisticação tecnológica quando na verdade é simples desorganização de processo. Um modelo de recomendação de crédito não resolve nada se o processo de aprovação por trás dele ainda depende de validações manuais e sistemas que não conversam entre si. Um agente de atendimento automatizado não encurta a espera de um paciente por um exame se a agenda do hospital já era o gargalo antes de qualquer automação entrar em cena. Uma ferramenta preditiva de manutenção em uma planta industrial não evita paradas se o registro de dados operacionais que a alimenta é incompleto ou está espalhado entre sistemas legados. Em todos esses casos a IA não corrige o processo quebrado, ela só acelera a velocidade com que o problema aparece de novo, e um problema mais rápido continua sendo um problema, só que agora mais caro e mais difícil de admitir.

Há também uma escolha de gestão que a maioria das empresas evita fazer, porque é mais confortável aprovar um piloto do que sustentar uma decisão até o fim. Aprovar é fácil: o investimento inicial é baixo e uma boa demonstração convence rápido. Sustentar até que o piloto produza retorno financeiro real é outra história, e exige uma postura de gestão de portfólio, não de vitrine tecnológica. Isso significa definir a métrica de negócio antes da primeira linha de código, colocar um responsável dentro da área que será impactada e ter a coragem de encerrar a iniciativa quando o retorno não aparece no prazo combinado. O Gartner projeta que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, motivados por custos crescentes, valor de negócio pouco claro e controles de risco insuficientes. Esse número não fala de tecnologia mal escolhida. Fala de decisão mal tomada.

O ponto de partida para mudar esse quadro não está em nenhum catálogo de fornecedor. Antes de perguntar qual IA usar, o gestor precisa perguntar onde exatamente o negócio trava, e essa pergunta continua sendo feita por poucos, porque exige olhar para dentro da própria operação antes de olhar para fora, atrás da próxima novidade do mercado. Sem essa etapa, qualquer solução aplicada só acelera o desperdício que já existia, agora com um rótulo de inovação que torna mais difícil admitir o erro.

Os próximos anos vão separar dois tipos de empresa, e a diferença entre elas não vai estar na sofisticação dos modelos, que tende a ficar cada vez mais parecida entre concorrentes. De um lado, quem continuar tratando IA como vitrine vai seguir multiplicando pilotos que nunca chegam a virar caixa. De outro, quem tiver a disciplina de mapear seus próprios gargalos antes de escolher a tecnologia vai converter menos iniciativas, mas vai converter de verdade. Essa disciplina não se compra pronta de nenhum fornecedor. Ela se constrói dentro de casa, e é isso que vai definir quem sai na frente na próxima década de adoção de IA nas empresas.