Profissionais ganham com IA, empresas ainda não colhem resultados

Estudo The State of AI 2026 aponta que 80% dos profissionais ganharam produtividade com IA. Apenas 37% veem impacto positivo nos resultados empresariais, mostrando que ganhos pessoais não viram valor corporativo.

Pesquisas recentes revelam um dilema na adoção de inteligência artificial: ganhos individuais de produtividade nem sempre se traduzem em melhores resultados operacionais para as empresas. No estudo The State of AI 2026, publicado em agosto, 80% dos 1.719 participantes de 97 países afirmam que a tecnologia melhorou sua produtividade individual, enquanto apenas 37% relatam impacto positivo no resultado operacional das suas empresas. Essa diferença evidencia o desafio de transformar melhorias pessoais em valor para o negócio.

Um projeto pessoal ilustra o problema na prática. Todos os dias, um sistema desenvolvido pelo autor reúne dados de saúde de aparelhos pessoais e envia um resumo pelo WhatsApp. Em junho, o custo foi de US$ 19, com boa parte concentrada na construção e nos testes; a rotina em operação custava centavos. A razão foi simples: uma tarefa pequena rodou durante semanas usando o modelo mais caro disponível.

Na IA, cada tarefa tem um custo que varia conforme sua complexidade e o modelo utilizado. Nem toda atividade exige a capacidade dos modelos mais potentes. Manter a configuração mais cara para todas as rotinas pode multiplicar gastos à medida que o uso escala. Por isso, controlar o consumo é necessário, mas não suficiente: é preciso saber o que cada aplicação entrega em troca.

Uma instituição de ensino citada no levantamento reportou ter consumido 10 bilhões de tokens em 2025, dez vezes o volume de 2024. Para 2026, a projeção é ultrapassar em mais de 20 vezes o consumo do ano anterior. O crescimento mostra a velocidade da adoção, mas não comprova retorno: volume de uso, produtividade individual e impacto financeiro são indicadores distintos.

Essa distinção exige nova abordagem orçamentária para tecnologia. Se licenças e contratos trazem custos previsíveis, o consumo de IA varia conforme a utilização e pode crescer rapidamente. A gestão precisa incluir limites, alertas e visibilidade dos gastos. Em situações específicas, uma solução interna pode substituir um software contratado por seis dígitos por ano, mas a decisão deve considerar custo total, qualidade e resultado. A premissa é direta: token sem resultado é custo.

Transformar investimento em IA em resultado depende também de redesenho de processos. Automatizar uma etapa pode acelerar uma tarefa sem resolver o problema de origem. Em uma prática citada, cada iniciativa parte de uma linha de base e de indicadores alinhados ao objetivo: no atendimento ao estudante, empresa acompanha tempo de resposta e resolução de demandas; no apoio aos docentes, avalia o tempo liberado para atividades que exigem julgamento; em aplicações pedagógicas, busca evidências de aprendizagem.

Os resultados operacionais apresentados mostram potencial quando a estratégia é clara. Na cobrança, modelos preditivos de inadimplência e comunicação direta com estudantes permitiram recuperar internamente o mesmo volume que antes era entregue por escritórios terceirizados, remunerados com 2% do valor recuperado. Os contratos foram encerrados, eliminando uma despesa anual de alguns milhões de reais. No atendimento, a substituição de menus por interface conversacional elevou de 30% para 45% a parcela de demandas resolvidas sem atendente humano em uma das marcas do grupo; a meta é chegar perto de 90% com expansão da solução. A família de funcionalidades apoiadas em bases institucionais de conhecimento é utilizada por mais de 80% dos professores, e mais de 25 mil objetos de aprendizagem foram produzidos com seu apoio, embora o impacto sobre a aprendizagem exija avaliação específica.

O programa está organizado em frentes que cobrem a jornada do estudante, da matrícula à formação, cada uma com patrocinador no comitê executivo e metas de impacto financeiro para os próximos três anos. Para executivos, a recomendação é aproveitar os próximos 30 dias para escolher um processo relevante, medir seu desempenho atual e testar como a IA pode melhorá-lo. Em paralelo, patrocinar uma hipótese de novo negócio com responsável e indicadores claros ajuda a transformar uso em valor. Empresas que medem resultados, redesenham processos e realocam recursos conforme o impacto conseguem converter investimento em IA em resultado concreto; as demais correm o risco de confundir aumento de uso com progresso.

Gostou? Compartilhe com quem precisa saber: