Artigo publicado como integrante do CQC de Inovação e Tecnologia.
A inteligência artificial (IA) continua sendo a tecnologia mais promissora da década — e também uma das mais frustrantes para quem busca retorno financeiro. Relatórios recentes da McKinsey, Gartner e MIT mostram um dado incômodo: entre 70% e 95% das iniciativas empresariais em IA falham, especialmente nos estágios de piloto e integração. Mesmo com o Brasil investindo mais de R$ 13 bilhões em IA até o fim de 2025, poucas empresas colhem ganhos reais de produtividade e rentabilidade. O MIT, em seu estudo The GenAI Divide: State of AI in Business 2025, avaliou mais de 300 projetos e descobriu que apenas 5% geraram impacto mensurável no P&L. Já a S&P Global apontou que 42% das empresas abandonaram suas iniciativas, um sinal claro de frustração corporativa crescente.
Os estudos convergem em um ponto: o problema não está nos algoritmos, mas na governança. Cerca de 43% das empresas sofrem com dados de baixa qualidade; outras 35% não têm maturidade técnica ou talento interno para escalar pilotos. Soma-se a isso o excesso de expectativa — executivos que esperam que a IA “dobre receitas” sem integrar os modelos aos processos de negócio. No Brasil, o desafio é ainda maior. A falta de padronização de dados e o avanço de legislações como o PL da IA exigem cuidado adicional com compliance e ROI. Projetos iniciados sem estrutura, objetivos claros ou patrocínio executivo tendem a desperdiçar tempo e orçamento.
Casos internacionais mostram os riscos dessa imaturidade. Em 2025, a Air Canada foi processada após um chatbot de IA fornecer informações incorretas. Grandes bancos perderam até 70% do orçamento de IA em pilotos sem retorno. No Brasil, fintechs enfrentam falhas em open finance pela fragmentação de dados e falta de interoperabilidade entre sistemas.
As empresas que prosperam com IA seguem outro caminho. Segundo a McKinsey, elas começam por problemas reais e mensuráveis, não pela tecnologia. Focam em casos de uso específicos — como automação de relatórios financeiros ou análise de crédito — que geram eficiência e ROI rápido. Outro diferencial é o investimento em dados limpos e profissionais qualificados. Modelos baseados em informações inconsistentes produzem “alucinações” e decisões erradas. CFOs devem priorizar a governança de dados e buscar parcerias externas — o sucesso é 67% maior quando há suporte especializado, segundo o MIT.
As empresas vencedoras também medem tudo: definem KPIs claros, testam antes da escala e adotam frameworks éticos. Eventos como o FEBRABAN Tech e o Web Summit Rio mostram que eficiência, segurança e governança são os novos pilares da IA corporativa. A corrida pela inteligência artificial ainda está longe de ser vencida. A tecnologia pode multiplicar a produtividade, mas só entrega resultados quando apoiada por estratégia, cultura e liderança. Para executivos e CFOs, a lição é direta: IA não é um projeto de TI — é um projeto de gestão. As empresas que compreenderem essa diferença transformarão a IA em uma alavanca real de crescimento sustentável.
