O retorno do investimento em IA é agora uma preocupação para os líderes empresariais.

Across sectors and continentes, as empresas que se apressaram a investir milhões em ferramentas de IA estão a descobrir que os lucros esperados chegaram tarde, são reduzidos ou, simplesmente, não apareceram. A tecnologia avança rapidamente, mas o argumento financeiro está longe de ser tão claro como muitas apresentações brilhantes sugeriam.

O brilho da IA encontra a folha de cálculo

Durante vários anos, a IA foi vendida como o próximo grande motor de produtividade, capaz de cortar custos, acelerar o trabalho e abrir novas fontes de receita. Os conselhos de administração temiam ficar para trás se não agissem depressa. Consultores, fornecedores tecnológicos e investidores reforçaram a mensagem: automatizar agora, lucrar mais tarde.

Dados recentes contam uma história mais fria. Um inquérito global da PwC, com 4.454 líderes empresariais em 95 países, mostra que mais de metade das empresas que investiram fortemente em IA não viu os ganhos financeiros que lhes foram prometidos.

Segundo a PwC, 56% dos executivos afirmam que a IA não aumentou as suas receitas nem reduziu os seus custos no mais recente ano fiscal.

Este valor contradiz grande parte da narrativa pública. Relatórios empresariais e intervenções em conferências continuam a falar de “potencial transformador” e “eficiências massivas”. Dentro do departamento financeiro, o entusiasmo é menor.

Há casos de sucesso, mas são mais modestos do que as manchetes podem sugerir. Cerca de 30% dos líderes inquiridos reportam maior receita associada a projetos de IA. Apenas 12% dizem ter alcançado o santo graal: aumento de receitas e redução de custos operacionais graças à IA.

A miragem de lucros instantâneos com IA

A distância entre expectativa e realidade resulta, em parte, da forma como os investimentos em IA foram enquadrados. Muitos conselhos viram a IA como uma via quase garantida para poupanças rápidas, sobretudo através de reduções de pessoal. Algumas empresas chegaram a vangloriar-se de cortar grandes fatias da sua força de trabalho e substituir funções por sistemas de IA.

Essas experiências muitas vezes correram mal. As empresas descobriram que chatbots e ferramentas de automação têm dificuldades com nuance, bom senso e casos confusos do mundo real. A experiência do cliente degradou-se, processos internos bloquearam, e custos escondidos acumularam-se sob a forma de correções manuais e danos reputacionais.

A IA está a revelar-se melhor a apoiar trabalhadores humanos do que a substituí-los por completo, pelo menos com as ferramentas e a qualidade de dados atuais.

Ao mesmo tempo, o custo de uma adoção de IA em grande escala é muito superior a uma linha de subscrição de software. As empresas têm de pagar capacidade de cloud, hardware especializado, trabalho de integração, novas pipelines de dados, cibersegurança e afinação contínua dos modelos. Estas despesas pesam na demonstração de resultados muito antes de surgirem poupanças fiáveis.

Porque é que a IA não é “plug and play”

Muitos executivos apercebem-se agora de que trataram a IA como se fosse um simples extra. Compra-se uma licença, liga-se aos sistemas, e a produtividade dispara. A realidade assemelha-se mais a uma renovação longa e confusa do que a um novo gadget ligado a uma tomada.

Na maioria das organizações, a IA continua presa a projetos-piloto dispersos: um protótipo aqui para apoio ao cliente, um teste ali para previsões, um assistente interno para e-mails. Estes esforços impressionam em demonstrações, mas raramente chegam a uma implementação completa e rentável.

• Os projetos ficam em laboratórios de inovação, não nas unidades centrais do negócio.
• A responsabilidade é difusa: TI, equipas de dados e linhas de negócio puxam em direções diferentes.
• Os processos não são redesenhados, pelo que a IA é colocada por cima de ineficiências existentes.
• Os colaboradores não são devidamente formados, o que gera desconfiança e subutilização.

Um relatório amplamente citado do MIT no ano passado apontou no mesmo sentido, especificamente para a IA generativa. Estimou que 95% das tentativas de introduzir IA generativa em contextos empresariais ainda não produziram uma aceleração rápida das receitas. Isso não significa falha definitiva, mas revela quão cedo e experimental continua a ser a maioria das implementações.

As dores de cabeça técnicas que os executivos não orçamentaram

Para além dos obstáculos organizacionais, as próprias tecnologias de IA trazem falhas que enfraquecem o seu caso de negócio. Os sistemas generativos modernos são famosos pelas “alucinações”: produzem respostas seguras, mas incorretas. Num contexto virado para o cliente, isso cria confusão e potencial exposição legal ou de conformidade.

Mesmo em tarefas mais simples, como resumir documentos ou sugerir respostas, os modelos podem falhar contexto ou lidar mal com casos-limite. Os colaboradores têm então de validar resultados, o que corrói os ganhos de eficiência prometidos.

Em vez de automação total, muitas empresas acabam com um fluxo de trabalho “humano + IA” que continua a custar dinheiro e leva tempo a estabilizar.

A segurança de dados é outro ponto sensível. Para funcionar bem, as ferramentas de IA precisam de acesso a volumes significativos de informação corporativa, incluindo documentos confidenciais e dados pessoais. Os líderes continuam preocupados com para onde vai essa informação, quem lhe pode aceder e se um modelo pode reproduzir conteúdo sensível para outra pessoa.

Mesmo quando os fornecedores oferecem instâncias privadas e controlos rigorosos, as equipas jurídicas e de compliance avançam lentamente. Projetos de IA ficam em suspenso enquanto se negoceiam partilhas de risco, auditorias e garantias contratuais que há poucos anos não existiam.

Apesar das dúvidas, o investimento deverá crescer

Um aspeto marcante do momento atual é que a desilusão não se está a traduzir em recuo. A PwC apresentou as suas conclusões na cimeira de Davos e, ainda assim, descreveu 2026 como um ano crítico para a IA nos negócios. A maioria dos líderes inquiridos planeia aumentar, e não cortar, os orçamentos de IA.

Parte disto é medo de ficar de fora. Nenhuma empresa quer admitir que apostou no ciclo tecnológico errado ou explicar aos investidores porque é que os concorrentes parecem mais avançados. A IA tornou-se também um sinal de marca: dizer que se é uma empresa “orientada por IA” ajuda a atrair talento e capital.

Ao mesmo tempo, muitos executivos dizem ter aprendido com os erros iniciais. Espera-se que a próxima vaga de despesa se desloque de experiências isoladas para uma integração mais profunda em alguns processos-chave onde o valor é mais claro, como otimização da cadeia de abastecimento, deteção de fraude ou marketing direcionado.

Repensar como medir o ROI da IA

Os cálculos tradicionais de retorno do investimento têm dificuldade com a IA. Os benefícios são frequentemente indiretos, tardios ou difíceis de medir. Tempo poupado por colaboradores, melhor qualidade de decisão, menos erros e maior resiliência nem sempre surgem como uma linha clara num relatório trimestral.

Algumas empresas estão a adotar uma abordagem mais matizada. Em vez de perguntarem “A IA reduziu o número de pessoas este ano?”, olham para um conjunto mais amplo de indicadores.

Aspeto	Exemplo de impacto da IA
Produtividade	Redação mais rápida de relatórios, menos tempo gasto em e-mails de rotina
Qualidade	Menos erros manuais na introdução de dados, respostas ao cliente mais consistentes
Velocidade	Decisões mais rápidas sobre preços, logística e alocação de recursos
Inovação	Novas ideias de produto e protótipos gerados com menor custo
Risco	Deteção mais cedo de anomalias, fraude ou falhas de sistemas

Estas métricas continuam a ligar-se ao lucro, mas num horizonte mais longo e com uma relação causa-efeito menos linear. Os investidores observam para ver quais as empresas que conseguem fazer esta transição com disciplina e quais apenas estão a rebatizar projetos antigos de TI como “transformações de IA”.

Como poderá ser uma “boa” integração de IA

Por trás das médias, algumas empresas estão genuinamente a extrair valor da IA. As suas histórias partilham certos traços que outros líderes procuram copiar.

• Selecionam um pequeno número de casos de uso de grande impacto em vez de espalhar pilotos por todo o lado.
• Redesenham fluxos de trabalho em torno das saídas da IA, em vez de apenas acrescentarem ferramentas aos passos existentes.
• Investem em qualidade de dados, governance e segurança antes de escalar modelos.
• Formam equipas para trabalhar com sistemas de IA e incentivam feedback de quem está na linha da frente.
• Aceitam um período inicial de menor produtividade durante a transição.

Imagine uma empresa de logística a usar IA para planear rotas de entrega. Se simplesmente implementar um modelo e mantiver todas as verificações manuais antigas, motoristas, planeadores e gestores podem ignorar as recomendações. Se, em vez disso, reconstruir processos de agendamento, alinhar incentivos e integrar a IA com o rastreamento de veículos e a gestão de combustível, o sistema pode reduzir atrasos e custos de forma mensurável.

O mesmo princípio aplica-se na banca, saúde, retalho ou indústria transformadora. A tecnologia é apenas uma parte do investimento. Mudança organizacional, formação e governance custam muitas vezes tanto quanto - e são essas peças que desbloqueiam o verdadeiro ROI.

Termos-chave com que os líderes se debatem

À porta fechada, muitos executivos ainda estão a atualizar-se em vocabulário básico de IA, o que molda a forma como pensam sobre estratégia.

IA generativa refere-se a sistemas que criam conteúdo: texto, imagens, código, áudio e mais. Estas ferramentas são poderosas para redigir, gerar ideias e resumir, mas continuam imprevisíveis sem guardrails.

Alucinação descreve a tendência de alguns modelos de IA para produzir informação que parece plausível, mas é factualmente errada ou inventada. Para atividades críticas para o cliente ou reguladas, este comportamento exige supervisão apertada.

Governance de dados abrange as regras, processos e tecnologias que controlam como os dados são recolhidos, armazenados, partilhados e usados. Uma governance fraca aumenta o risco de violações de privacidade, resultados enviesados e penalizações regulatórias.

Cenários para os próximos anos

Se a PwC tiver razão ao afirmar que 2026 pode ser um ponto de viragem, vários caminhos são possíveis. Num cenário, as organizações alinham lentamente estruturas, dados e incentivos com ferramentas de IA. As margens melhoram gradualmente, não de forma dramática, mas as empresas que persistem ganham uma vantagem discreta sobre as mais atrasadas.

Noutro cenário, a frustração com retornos fracos e o aumento do escrutínio regulatório levam alguns conselhos a congelar projetos ambiciosos de IA e a focar-se apenas em automações rigorosamente controladas e de baixo risco. O capital desloca-se de grandes promessas de transformação para ferramentas mais concretas e estreitas.

Um caminho mais otimista combina cautela e ambição. As empresas aceitam que a IA não é uma máquina mágica de corte de custos e usam-na, em vez disso, como um multiplicador de força para colaboradores qualificados. Neste modelo, a IA trata de tarefas rotineiras enquanto as pessoas passam mais tempo em julgamento, criatividade e construção de relações. A produtividade cresce, mas não à velocidade que a euforia inicial sugeria.

Por agora, os números revelam uma verdade simples: a IA, como investimento empresarial, continua a ser uma experiência de alto risco. Os líderes que tiverem sucesso serão os que a tratam menos como um gadget brilhante e mais como uma reestruturação de longo prazo de como as suas organizações pensam, trabalham e medem valor.