Publicado pelo grupo de pesquisa NANDA, do Instituto de Tecnologia de Massachusetts (MIT), o relatório "The GenAI Divide: State of AI in Business 2025" aponta que 95% das organizações não obtiveram retorno financeiro mensurável com seus investimentos em inteligência artificial generativa. O levantamento, elaborado a partir de 150 entrevistas com executivos, 350 conversas com funcionários e da análise de 300 iniciativas corporativas, estima que os aportes empresariais na tecnologia somam entre US$ 30 bilhões e US$ 40 bilhões.
De acordo com o estudo, o fenômeno não decorre da qualidade dos modelos nem da regulação, mas da abordagem adotada pelas companhias. Embora mais de 80% das empresas analisadas tenham experimentado ferramentas de IA generativa, apenas 20% avançaram para testes estruturados e somente 5% chegaram à implantação em produção. Esse padrão de pilotos que não escalam é descrito no mercado pela expressão "teatro da inovação", quando projetos são conduzidos mais pela visibilidade do que pela geração de resultado operacional.
O relatório do MIT identifica ainda um viés na alocação de recursos. Cerca de 70% dos orçamentos de IA generativa se concentram em funções visíveis, como vendas e marketing, enquanto áreas internas, como compras, jurídico e análise de risco, apresentam maior potencial de retorno. Entre as empresas que obtiveram ganhos, as economias com terceirização variaram de US$ 2 milhões a US$ 10 milhões. O estudo também verifica que parcerias com fornecedores especializados registram o dobro da taxa de sucesso das construções internas.
No Brasil, o recorte nacional do Enterprise Cloud Index 2026, pesquisa conduzida pela Wakefield Research para a Nutanix, indica que 82% das organizações consideram que a infraestrutura atual não está totalmente preparada para as cargas de trabalho de IA, enquanto 72% dos executivos tratam a soberania de dados como prioridade alta ou obrigatória nas decisões de infraestrutura. Os números sugerem que a distância entre adoção e retorno passa pela base tecnológica sobre a qual os projetos são executados.
Sobre esse cenário, Emran Said, sócio-fundador da [N]numbers, empresa brasileira de tecnologia especializada em plataformas de dados, inteligência artificial e infraestrutura corporativa, afirma que a diferença entre experimentação e resultado está na estrutura que sustenta os projetos. "O que separa as empresas que capturam valor daquelas que permanecem no piloto é a fundação: dados governados, infraestrutura dimensionada e integração da IA aos processos reais da operação. Sem essa base, o projeto tende a permanecer como demonstração", diz o executivo.
O levantamento do MIT aponta que o retorno tende a surgir quando a tecnologia redefine a forma de trabalho, em vez de apenas acelerar tarefas individuais. Segundo a pesquisa, sistemas incapazes de reter feedback, adaptar-se ao contexto e melhorar continuamente configuram um "vazio de aprendizado", identificado como a principal barreira à geração de valor. Apenas dois dos oito setores analisados, tecnologia e telecomunicações, apresentaram mudanças estruturais significativas até o momento.
Para Said, a mensuração disciplinada é o caminho para transformar pilotos em operação. "Em geral, o retorno aparece quando a organização define métricas operacionais e financeiras antes do piloto e acompanha custo, produtividade e qualidade ao longo de todo o ciclo. A evidência substitui a narrativa", afirma.
Os pesquisadores do MIT indicam que a janela de decisão estratégica deve se estreitar nos próximos 18 meses, período em que empresas com sistemas capazes de aprender com dados e feedback internos tendem a ampliar a distância sobre as demais. Nesse contexto, a passagem do investimento em visibilidade para o investimento em resultado mensurável permanece como o principal desafio apontado para que a inteligência artificial generativa saia dos 95% sem retorno e entre no grupo que gera impacto financeiro.
Mais informações disponíveis em https://nnumbers.com.br/
