O estudo do MIT, The GenAI Divide: State of AI in Business 2025, revela um dado provocador: 95% das empresas falham em acelerar receita com projetos de inteligência artificial, e apenas 5% dos pilotos geram impacto financeiro real. Esses números mostram que a corrida pela adoção da IA generativa ainda esbarra em barreiras organizacionais, e não tecnológicas.
O relatório, baseado em 150 entrevistas com líderes, 350 questionários com funcionários e 300 implantações públicas de IA, aponta que a principal dificuldade é a chamada “lacuna de aprendizado”, tanto das ferramentas quanto das próprias empresas. Ferramentas como ChatGPT funcionam bem para uso individual, mas ainda não se adaptam de forma eficaz aos fluxos de trabalho corporativos. A amostra inclui empresas de diversos portes e setores, abrangendo desde grandes corporações até startups e consultorias, com uma representação significativa de empresas de médio porte de alto desempenho.
O MIT mostra que mais de 80% das organizações testaram IA generativa, mas apenas 40% implementaram algum projeto, e destes, somente 5% chegaram à produção em escala corporativa, com impacto real na receita. Grandes corporações, que lideram em número de pilotos, demoram em média nove meses ou mais para implementar, enquanto empresas de médio porte de alto desempenho conseguem resultados em até 90 dias. Essa diferença evidencia que agilidade, integração e decisão próxima à operação são mais importantes do que tamanho e orçamento.
Outro ponto crítico é o design organizacional. Empresas que tentam desenvolver internamente suas soluções de IA têm taxas de sucesso significativamente menores do que aquelas que estabelecem parcerias estratégicas. Estruturas hierárquicas rígidas e decisões centralizadas travam a inovação. A recomendação é clara: equipes multifuncionais, ciclos rápidos de decisão e proximidade com a operação são essenciais para gerar valor real com IA.
Em um exemplo de projeto avançado que acompanhei, a empresa passou os últimos 18 meses desenvolvendo projetos de IA voltados à redução de custos. Dentro de um modelo de Laboratório de Inovação, essa empresa começou com projetos de back-office de RH, comprovou valor para o negócio enquanto capacitava o time para trabalhar em um novo formato. Com a nova prática, economizou R$ 20 milhões e o foco em 2026 será a geração de receita.
O relatório também evidencia o viés de investimento: 70% do orçamento de IA vai para vendas e marketing, áreas visíveis, mas nem sempre de maior retorno. Na prática, os maiores ganhos estão no back-office, com automação de processos administrativos, eliminação de BPOs e redução de custos indiretos. Para gerar impacto concreto, é preciso priorizar investimentos de acordo com o retorno tangível, e não apenas a visibilidade executiva.
O estudo mostra ainda que a disrupção setorial ainda é limitada. Apenas Tecnologia e Mídia & Telecom apresentam mudanças estruturais significativas. Em outros setores, a IA tem impacto incremental, sem alterar profundamente modelos de negócio ou comportamento do cliente. Isso reforça a necessidade de integrar IA a processos estratégicos, em vez de tratá-la como experimentação isolada.
Para organizações brasileiras, o recado é claro: adotar IA não é suficiente. Médias e grandes empresas precisam aprender com ela, transformar fluxos de trabalho, capacitar equipes e, sobretudo, estabelecer parcerias estratégicas com empresas especializadas em transformação digital e implantação de IA. Só assim projetos de IA deixam de ser pilotos e se tornam soluções escaláveis, integradas aos processos críticos e alinhadas a resultados financeiros concretos.
*Por Paulo Eduardo Magalhães, COO para Dados & IA na Objective.
