A inteligência Artificial já dá retorno? Murilo Alencar aponta o que separa pilotos de resultados

Investimentos em IA crescem nas empresas, mas o ganho financeiro depende de horizonte de avaliação adequado, escolha criteriosa dos problemas e tratamento da tecnologia como decisão de capital.

Em um contexto marcado por orçamentos crescentes destinados à Inteligência Artificial, Murilo Alencar, C-Level e Board Member, compara a expectativa criada nos conselhos com o ritmo real em que os ganhos aparecem nos resultados. Empresas de praticamente todos os setores anunciaram projetos, contrataram fornecedores e reservaram verbas para a tecnologia nos últimos anos. A cobrança natural de investidores e acionistas, agora, é por números concretos. Entre a promessa e o balanço existe, todavia, um intervalo que costuma ser subestimado e que ajuda a explicar a frustração de parte do mercado com os primeiros resultados.

O paradoxo da produtividade volta ao debate

A defasagem entre investimento em tecnologia e ganho mensurável não é novidade. No fim dos anos 1980, o economista Robert Solow, vencedor do Nobel, observou que a era dos computadores aparecia em toda parte, menos nas estatísticas de produtividade. O fenômeno, que ficou conhecido como paradoxo de Solow, só começou a se desfazer na década seguinte, quando as empresas reorganizaram processos em torno das novas ferramentas. Pesquisas mais recentes, como as conduzidas pelo economista Erik Brynjolfsson e colegas, descrevem o padrão como uma curva em J, em que os ganhos iniciais são pequenos ou até negativos antes da aceleração.

Sendo assim, o comportamento atual da Inteligência Artificial nos balanços segue um roteiro conhecido. Treinar equipes, adaptar sistemas, rever fluxos de trabalho e construir bases de dados confiáveis consome recursos que não aparecem imediatamente como receita. Frente a essa defasagem, vale retomar o que Murilo Alencar pontua sobre o horizonte de avaliação, que precisa ser compatível com a profundidade da mudança pretendida. Medir um projeto transformador com a régua de uma simples compra de software pode levar a cortes prematuros justamente no momento em que o retorno começaria a surgir.

Por que tantos projetos param no piloto?

Um relatório do MIT publicado em 2025 indicou que cerca de 95% das iniciativas de IA generativa analisadas em empresas não produziram impacto mensurável nos resultados financeiros. Não por acaso, Murilo Alencar assinala que o gargalo raramente está na qualidade dos modelos disponíveis, e sim na distância entre o experimento e a operação. Pilotos são desenhados em ambientes controlados, com dados selecionados e equipes entusiasmadas, condições que dificilmente se repetem na rotina. Quando chega a hora de escalar, surgem questões de integração, segurança, custo e governança que ninguém havia orçado.

Se há um erro recorrente nesse percurso, Murilo Alencar o localiza na escolha dos problemas a resolver. Projetos iniciados pela curiosidade tecnológica, e não por uma dor concreta do negócio, tendem a gerar demonstrações impressionantes e pouco valor prático. Em sentido oposto, iniciativas que partem de um processo específico, com indicadores definidos antes da implantação, facilitam a comparação entre o antes e o depois. Logo, a pergunta que deveria abrir qualquer projeto não é o que a tecnologia consegue fazer, mas qual resultado a empresa precisa mudar.

Inteligência Artificial como decisão de capital, e não de tecnologia

Tratar a adoção de IA como decisão de alocação de capital muda a forma como ela é conduzida. Um olhar mais atento revela a vantagem de organizar os projetos como um portfólio, combinando apostas de retorno rápido, voltadas à eficiência operacional, com iniciativas de prazo mais longo, capazes de criar novos produtos ou modelos de receita. Nessa perspectiva, cada frente recebe metas e prazos proporcionais ao seu risco. A lógica é familiar para qualquer conselho acostumado a avaliar investimentos em expansão, aquisições ou pesquisa.

Uma distinção importante, que Murilo Alencar explicita, separa o custo de experimentar do custo de não aprender. Empresas que interrompem todos os projetos diante dos primeiros resultados modestos economizam no curto prazo, mas perdem o conhecimento acumulado sobre dados, processos e pessoas, justamente o ativo que permite capturar valor nas etapas seguintes. Da mesma forma, investir sem critério apenas para acompanhar concorrentes tende a repetir o ciclo de pilotos sem continuidade. O equilíbrio entre paciência e disciplina financeira talvez seja a competência mais valiosa para quem decide sobre Inteligência Artificial nos próximos anos.

A OESP não é(são) responsável(is) por erros, incorreções, atrasos ou quaisquer decisões tomadas por seus clientes com base nos Conteúdos ora disponibilizados, bem como tais Conteúdos não representam a opinião da OESP e são de inteira responsabilidade da Agência Saftec