IA generativa virou linha de custo. E a culpa é de quem vendeu e de quem comprou sem pensar.

Existe uma cena que se repete nas empresas brasileiras desde 2023. O conselho ou o C-level aprova um budget para "projetos de IA". O time de TI contrata um vendor que promete transformação digital, eficiência operacional e redução de custos em 40%. Seis meses depois, há uma licença de Copilot ativa para duzentas pessoas, um chatbot de atendimento que confunde mais do que responde, e uma planilha de acompanhamento de "casos de uso" que ninguém sabe muito bem como traduzir em resultado financeiro.

O projeto não falhou. O projeto nunca foi um projeto. Era só uma compra.

E esse é o problema central que ninguém quer nomear com clareza: boa parte do que está sendo chamado de "adoção de IA generativa" nas empresas é, na prática, aquisição de ferramenta sem estratégia. E aquisição de ferramenta sem estratégia é, por definição, custo, não investimento.

Os números que incomodam

O MIT Project NANDA analisou mais de 300 iniciativas de IA generativa em 116 países e entrevistou executivos de 52 organizações. O dado mais impactante: 95% das empresas que investiram entre US$ 30 e US$ 40 bilhões em IA generativa não obtiveram retorno financeiro mensurável. Não é uma minoria. Não é um problema de empresas pequenas ou mal geridas, mas sim a regra.

O Gartner foi mais específico sobre o que vem pela frente: prevê que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por escalada de custos, ausência de valor claro de negócio ou controles de risco insuficientes. E ainda assim, os mesmos vendors continuam vendendo e as mesmas empresas continuam comprando.

A RAND Corporation documentou, no final de 2025, que 80,3% de todos os projetos de IA corporativa falham em entregar o valor prometido. Oitenta por cento. Em qualquer outra categoria de investimento, esse índice seria suficiente para paralisar o mercado. Na IA generativa, ele coexiste com crescimento de budget e entusiasmo de conselho.

Isso não acontece por acidente.

O modelo de venda que deforma a decisão

Existe um padrão de comportamento nos vendors de IA que precisa ser chamado pelo nome: overselling sistemático.

A promessa de "reduzir custos em 40%" aparece em apresentações sem especificar como, em quanto tempo, sob quais condições e a partir de qual baseline. O Gartner cunhou o termo "agent washing", a prática de rebrandear produtos existentes (assistentes, RPAs, chatbots) como "agentes de IA" sem que haja capacidade agêntica real por baixo. A estimativa é que, dos milhares de vendors que se apresentam como fornecedores de IA agêntica, apenas cerca de 130 são legítimos.

A Apple pagou US$ 250 milhões em acordo coletivo nos EUA por ter anunciado uma nova Siri com capacidades de IA que simplesmente não existiam no momento da venda. Prometida como feature do iPhone 16, nunca foi entregue como descrito. Se até a empresa com mais recursos de hardware do mundo não conseguiu entregar o que vendeu, o que dizer de vendors de médio porte que prometem automação total de processos em 90 dias?

O modelo de venda funciona assim: os vendors identificam um executivo com pressão do board para "estar posicionado em IA", apresentam uma demo polida, fazem uma proposta com ROI projetado mas não comprometido contratualmente, e fecham o contrato antes que alguém no jurídico ou na área financeira pense em incluir cláusulas de performance. O budget vai. Os resultados, não necessariamente.

O problema não é que a IA generativa não funciona. O problema é que ela foi vendida como solução antes de ser entendida como ferramenta.

A empresa que compra sem estratégia também tem responsabilidade

Seria fácil colocar toda a culpa no vendor. Mas as empresas compradoras também falham. E de forma previsível.

O relatório do MIT identificou que cerca de metade dos budgets de IA generativa se concentra em vendas e marketing, áreas com KPIs mais visíveis para o conselho, não necessariamente as de maior impacto estrutural. A decisão de onde alocar o recurso é guiada por visibilidade interna, não por análise de onde a tecnologia pode gerar mais valor.

O Gartner é direto: a maioria dos projetos de IA hoje são experimentos em estágio inicial ou provas de conceito movidos por hype e frequentemente mal aplicados. Isso significa que as empresas estão pagando pelo aprendizado do vendor, não pelo resultado do negócio.

Há três falhas recorrentes no lado comprador:

Primeira: aprovação de budget sem definição prévia de sucesso. Projetos que chegam ao conselho sem responder "o que é sucesso daqui a 12 meses e como vamos medir" são, por construção, impossíveis de avaliar. E o que não pode ser avaliado não pode ser cobrado. O vendor sabe disso.

Segunda: adoção descentralizada e fragmentada. Cada área com seu projeto, seu vendor e sua régua de sucesso. O resultado é uma camada tecnológica ampla, cara e sem visão unificada de negócio. O custo de manutenção se acumula. A sinergia não existe.

Terceira: confusão entre adoção e resultado. "78% das organizações relataram uso de IA em 2024" não significa que 78% das organizações estão gerando valor com IA. Significa que 78% das organizações têm alguma ferramenta de IA ativa. São coisas completamente diferentes e a narrativa de mercado as trata como equivalentes.

O que diferencia quem está gerando valor de quem está acumulando custo

O relatório do MIT NANDA identificou uma divisão crescente, o que chamou de "GenAI Divide", entre organizações que usam IA generativa para ganhos táticos de produtividade e aquelas que a integram de forma estratégica aos processos. Apenas os dois últimos grupos (tecnologia e telecomunicações) mostraram mudanças estruturais significativas nos nove setores analisados.

O que esses grupos têm em comum não é o modelo de IA que escolheram, nem o vendor, nem o budget. É a sequência de decisão.

Eles começaram pela pergunta: "onde, especificamente, a IA resolve um problema que hoje custa tempo, dinheiro ou qualidade?" Só depois foram para a escolha de ferramenta. A estratégia de negócio guia a IA, não o contrário.

Isso parece óbvio. Não é, aparentemente, a prática dominante.

O que o CTO e o CIO precisam fazer diferente agora

A pressão do board para "estar em IA" não vai diminuir. Mas a pressão do CFO e do conselho por retorno mensurável está crescendo. E vai crescer mais. O ciclo de paciência com projetos sem ROI demonstrável está se encerrando.

Para CTOs e CIOs que não querem estar do lado errado dessa equação quando a conta chegar, algumas posições deveriam ser inegociáveis:

Recusar proposta de vendor que não inclui métricas de sucesso comprometidas contratualmente. Se o vendor não está disposto a colocar no contrato o que vai entregar e em quanto tempo, a proposta dele é de consultoria de hype, não de solução de negócio.

Exigir que cada iniciativa de IA responda três perguntas antes de ser aprovada: Qual processo específico está sendo alterado? Qual o baseline atual (tempo, custo, erro)? Qual o resultado esperado em 6 e 12 meses, em números?

Separar o orçamento de exploração do orçamento de produção. Pilotos e provas de conceito têm valor, desde que sejam tratados como experimentos controlados com custo definido e critério claro de evolução ou descontinuação. Piloto que não tem critério de encerramento vira projeto crônico.

Consolidar vendors. A fragmentação de iniciativas por área cria custo de integração que ninguém mapeou no momento da contratação. Uma estratégia de plataforma, mesmo que menos "cool", costuma gerar mais valor do que um ecossistema de pontos de IA desconectados.

Por que isso importa além do orçamento de TI

Existe uma consequência menos discutida do modelo atual: a erosão de credibilidade do CTO e do CIO junto ao board.

Quando o conselho aprova R$ 2 milhões em iniciativas de IA e, dois anos depois, não consegue enumerar qual problema de negócio foi resolvido, a conclusão não é que a IA não funciona. A conclusão é que a liderança de tecnologia não consegue transformar investimento em resultado.

Esse é o risco real. Não o desperdício de budget em si, mas o que o desperdício de budget diz sobre a capacidade de gestão.

A IA generativa é uma tecnologia genuinamente transformadora. As aplicações reais existem, estão em produção, e os resultados são documentáveis. Mas ela não se transforma em vantagem competitiva por adoção: ela se transforma em vantagem por aplicação disciplinada a problemas reais, com governança e critérios de resultado.

Enquanto o mercado não separar essas duas coisas com clareza, a IA generativa vai continuar sendo, para a maioria das empresas, exatamente o que ela é hoje: uma linha de custo com uma boa história para contar no relatório anual.