“ROI da Inteligência Artificial: por que 95% dos projetos falham e como os 5% de sucesso mudam tudo”.

Em agosto de 2025, o MIT Media Lab divulgou o relatório “The GenAI Divide: State of AI in Business”. A manchete foi dura: 95% dos pilotos de IA generativa não tiveram impacto mensurável no P&L — apenas 5% chegaram a resultados materiais e produção em escala (TechRadar, 2025).

Para muitos gestores, a mensagem foi clara: o hype é maior que o retorno. Mas será mesmo? Quando olhamos outras pesquisas e casos reais, o cenário se revela mais complexo e cheio de nuances.

O que o MIT encontrou

O relatório analisou mais de 300 iniciativas de GenAI e concluiu que:

• ROI ausente: 95% sem impacto no P&L; ~5% com resultados tangíveis.
• Baixa taxa de produção: poucos pilotos chegam à escala.
• Setores mais avançados: ganhos mais visíveis em Tecnologia e Mídia & Telecom.
• Causa raiz: não é falta de modelo, mas o “learning gap” organizacional — processos, governança, dados e métricas que não acompanham a tecnologia (The Register, 2025).

Força da tese: mostra que tecnologia sozinha não resolve.

Limite: medir apenas o P&L consolidado pode esconder ganhos reais em unidades de negócio e funções específicas.

O contraponto: ROI existe, mas aparece primeiro no micro

Deloitte (2024):

• Quase todas as organizações relatam ROI mensurável em casos avançados.
• 20% reportaram ROI acima de 30%.
• 74% disseram que atingiram ou superaram expectativas de ROI.

McKinsey (2025):

• A maioria já percebeu redução de custos em unidades de negócio.
• 17% atribuem ≥5% do EBIT ao GenAI em nível de BU.
• Contudo, mais de 80% ainda não enxergam esse impacto no EBIT consolidado.

Tradução prática: o ROI está acontecendo — mas primeiro no micro (departamento, processo, unidade), e só depois aparece no macro (empresa inteira).

Evidência de produtividade (ciência aplicada)

• Suporte ao cliente (QJE/NBER, 2023): +14–15% de produtividade em call centers com GenAI.
• Desenvolvimento de software (experimentos de campo, 2025): +13–22% em PRs/semana com Copilot.
• Ensaios controlados (GitHub Copilot, 2023): até 56% mais rápido em tarefas de codificação padrão.
• Consultoria (HBS/BCG, 2024): aumento de qualidade e velocidade em tarefas “dentro da fronteira” do modelo.

Casos corporativos

• Klarna (Reuters, 2024): reportou US$ 10 milhões/ano em economia de marketing com GenAI, além de ganhos em atendimento ao cliente.
• Outros setores (finanças, saúde, consumo) relatam ganhos localizados em eficiência, mesmo sem impacto imediato no P&L global.

Por que os números divergem?

1. Onde medimos: BU vs corporação.
2. O que medimos: eficiência (rápida) vs EBIT consolidado (lento).
3. Como operamos: pilotos sem redesenho de workflow raramente se traduzem em ROI.

Mini-playbook (90 dias para sair do piloto)

• Diagnóstico: escolha 2–3 fluxos críticos com métrica clara (ex.: TMA no suporte).
• Projeto: redesenhe workflow com GenAI + humano-no-loop.
• MVP: pilote com deltas de processo ligados a métricas financeiras.
• Escala: integre em sistemas-fonte e feche ciclo de governança.

Conclusão

Embora o MIT aponte que “95% falham”, outras evidências mostram que ROI existe e já é significativo em casos avançados. O desafio não é provar a tecnologia, mas transformar pilotos em produção real, com métricas, governança e integração.

👉 A provocação final: GenAI não fracassa. Fracassa quem mede cedo demais, no lugar errado.

Quer aprofundar na gestão? Leia também: “IA nas Empresas: o que separa os líderes do resto não é a tecnologia, é a visão”

By AE360 – Rinaldo Lopes