A IA Já Chegou às Empresas. O Desafio Agora é Transformá-la em Valor

O AI Index 2026, da Universidade Stanford, aponta que 88% das organizações pesquisadas já utilizavam inteligência artificial em pelo menos uma função empresarial em 2025. A inteligência artificial generativa, especificamente, já estava presente em pelo menos uma área de 70% das organizações. Ao mesmo tempo, pesquisas sobre adoção corporativa revelam outro dado menos confortável. A maioria das empresas ainda encontra dificuldade para transformar essa utilização em impacto econômico amplo.

Na pesquisa global da McKinsey publicada em 2025, quase dois terços das organizações ainda não haviam começado a escalar inteligência artificial de maneira abrangente. Apenas 39% dos participantes relatavam algum impacto sobre EBIT em nível empresarial. Temos, portanto, um paradoxo. A tecnologia está por toda parte. O valor, ainda não. Esse contraste provavelmente será uma das questões empresariais mais relevantes desta década.

Porque a próxima etapa da inteligência artificial não será determinada apenas por quem consegue acessá-la. Será determinada por quem descobre onde ela realmente melhora um negócio.

Mapeia quanto tempo cada etapa consome. Identifica quais tarefas podem ser automatizadas. Integra a inteligência artificial aos sistemas existentes. Redesenha responsabilidades. Define quando uma decisão precisa ser humana. Cria métricas. Treina pessoas. Acompanha erros. Melhora o processo continuamente. As duas empresas “adotaram IA”. Mas fizeram coisas profundamente diferentes. A primeira adicionou uma ferramenta. A segunda redesenhou uma operação.

Essa distinção ajuda a compreender por que os números de adoção podem crescer muito mais rapidamente do que os indicadores de produtividade ou lucro. Tecnologia disponível não significa tecnologia integrada.

Quando smartphones se popularizaram, lançar um aplicativo não significava possuir uma estratégia mobile. Existe um intervalo entre adotar uma tecnologia e reorganizar uma empresa ao redor das possibilidades criadas por ela. Esse intervalo pode durar anos. E é justamente nele que muitas empresas se encontram agora com a inteligência artificial. Estamos informatizando tarefas existentes ou redesenhando a maneira como o trabalho acontece? A diferença parece pequena. Na prática, pode representar bilhões de dólares.

Registra os principais pontos depois da conversa. Atualiza automaticamente determinadas informações no CRM. Recomenda o próximo passo. Agora, não estamos apenas acelerando a escrita de um e-mail. Estamos modificando o sistema comercial. É nesse ponto que a inteligência artificial deixa de ser apenas ferramenta individual e começa a se transformar em infraestrutura operacional. O mesmo raciocínio pode ser aplicado a praticamente qualquer área. Marketing. Finanças. Jurídico. Atendimento. Recursos humanos. Operações.

Desenvolvimento de software. Pesquisa. Compras. Logística. Não basta perguntar: “Que tarefa a IA pode fazer?” Uma pergunta mais estratégica seria: “Se essa capacidade tecnológica existisse desde o momento em que construímos este processo, ainda organizaríamos o trabalho desta forma?” Essa pergunta abre possibilidades muito maiores.

Qual atividade consome muitas horas e produz pouco valor? Onde clientes enfrentam atritos? Que decisão poderia ser melhor se tivéssemos mais capacidade analítica? Qual oportunidade atualmente não conseguimos explorar porque seria cara demais? Só então surge a próxima pergunta: a inteligência artificial ajuda a resolver isso? Talvez ajude. Talvez não. A maturidade empresarial está justamente em aceitar as duas respostas. Inovação não consiste em utilizar toda tecnologia disponível.

Consiste em utilizar a tecnologia adequada para resolver problemas relevantes.

Mas existe uma diferença interessante entre organizações que apenas utilizam IA e aquelas que relatam maior geração de valor. Empresas de melhor desempenho tendem a utilizar a tecnologia também com objetivos ligados a crescimento e inovação. Isso amplia radicalmente o campo da discussão. Em vez de perguntar apenas: “Como fazemos o que já fazemos usando menos recursos?” A empresa começa a perguntar: “Que coisa agora podemos fazer que antes não era economicamente viável?”

Esse segundo território pode ser muito mais importante.

Uma equipe de marketing pode produzir o mesmo volume com menos horas. Ou pode utilizar as horas liberadas para experimentar dez vezes mais variações. Uma equipe de software pode reduzir o tempo necessário para determinada tarefa. Ou pode aumentar a quantidade de funcionalidades desenvolvidas. Um analista financeiro pode acelerar a produção de relatórios. Ou utilizar o tempo economizado para investigar cenários que antes não conseguia analisar. Produtividade não precisa significar simplesmente redução.

Pode significar expansão. Essa diferença terá enorme impacto sobre como empresas redesenharão suas organizações nos próximos anos.

A Klarna passou a reforçar novamente a presença humana no atendimento e a defender uma combinação entre automação e profissionais para situações em que empatia e julgamento são decisivos. Isso não significa que a inteligência artificial tenha “fracassado”. A conclusão estratégica é mais sofisticada. Uma métrica pode melhorar enquanto a experiência como um todo piora. É possível reduzir o custo por atendimento. Diminuir tempo médio. Automatizar milhares de interações.

E, ainda assim, descobrir que determinados clientes precisam de algo que uma automação não entrega adequadamente. O problema não está na tecnologia. Está em transformar eficiência em objetivo absoluto. Empresas existem para gerar valor, não apenas para minimizar custos.

Ou decidir sobre um diagnóstico complexo. Ou conduzir uma negociação delicada com um fornecedor estratégico. A inteligência artificial pode fornecer informações. Organizar cenários. Analisar documentos. Simular possibilidades. Mas existe uma diferença entre apoiar uma decisão e assumir a responsabilidade por ela. Nas próximas décadas, um dos trabalhos mais importantes de gestores será determinar essa fronteira. Não apenas: “O que a máquina consegue fazer?” Mas: “O que faz sentido delegarmos à máquina?”

Os dados utilizados são adequados? A hipótese faz sentido? Existe uma variável importante sendo ignorada? A conclusão é plausível? O modelo confundiu correlação com causalidade? Existe um risco que não aparece nos números? A recomendação é adequada ao contexto? Se o profissional não possui repertório suficiente para avaliar a resposta, pode aceitar rapidamente uma análise sofisticada e errada. Isso cria um paradoxo. A inteligência artificial reduz a barreira para produzir.

Mas pode aumentar a importância de saber julgar.

Na velocidade de integração. No relacionamento com clientes. Na capacidade de identificar melhores problemas. No conhecimento acumulado sobre determinada indústria. Na execução. Isso significa que uma empresa não constrói vantagem simplesmente porque “usa inteligência artificial”. Em pouco tempo, dizer isso poderá ser tão pouco informativo quanto uma empresa afirmar que “usa internet”. A questão será: o que ela consegue fazer melhor porque aprendeu a trabalhar com inteligência artificial?

Quando esse patrimônio informacional é bem organizado e utilizado com governança adequada, a IA passa a operar sobre algo muito mais relevante para aquele negócio. É nesse momento que surgem aplicações difíceis de copiar apenas contratando a mesma ferramenta. Mas existe um problema. Durante anos, muitas organizações trataram dados como subproduto da operação. Bases diferentes. Sistemas que não conversam. Informações duplicadas. Documentos desorganizados. Campos incompletos. Ausência de padrões.

A chegada da inteligência artificial expõe essa fragilidade. Uma empresa pode comprar o melhor modelo do mundo e ainda obter resultados ruins se a informação disponível estiver desorganizada. A qualidade da inteligência artificial empresarial depende, em parte, da qualidade daquilo que a empresa já sabe sobre si mesma.

Essas são perguntas de gestão. Tecnologia responde ao “como”. Estratégia precisa definir o “por quê” e o “para quê”. Isso explica por que a participação da alta liderança aparece associada a melhores resultados nas pesquisas sobre adoção. Quando inteligência artificial é tratada apenas como projeto de TI, existe o risco de otimizar sistemas sem transformar decisões empresariais.

O desafio da escala começa justamente onde termina a demonstração tecnológica. É preciso integrar sistemas. Garantir segurança. Definir governança. Treinar funcionários. Redesenhar responsabilidades. Criar indicadores. Mudar processos antigos. Convencer pessoas. Lidar com resistência. Calcular retorno. É muito mais difícil do que criar uma demonstração impressionante.

E talvez seja por isso que tantas organizações conseguem provar que uma tecnologia funciona, mas poucas conseguem provar que ela transformou seus resultados.

Mas o AI Index 2026 mostra que sua implantação efetiva nas diferentes funções empresariais ainda permanecia em níveis baixos. Isso faz sentido. Existe uma diferença enorme entre permitir que uma máquina sugira uma ação e permitir que ela execute essa ação. Quanto maior a autonomia, maior precisa ser a clareza sobre permissões, responsabilidade, segurança e supervisão. Um assistente que escreve um e-mail errado cria um problema. Um agente autorizado a realizar uma operação errada pode criar um problema muito maior.

A inteligência artificial está evoluindo de ferramenta para participante de processos. E isso exigirá novos modelos de gestão.

Um profissional de marketing pesquisa, escreve, analisa métricas, constrói campanhas, conversa com equipes e interpreta comportamento. Um gestor coleta informações, conduz reuniões, negocia, define prioridades, distribui recursos e toma decisões. A inteligência artificial não precisa substituir todas essas atividades para transformar profundamente a função. Ela pode assumir algumas. Acelerar outras. Modificar várias. E aumentar a importância das restantes.

Talvez o futuro do trabalho não seja simplesmente uma disputa entre humano e máquina. Será uma reorganização contínua sobre quem faz cada parte do trabalho melhor.

Assumir responsabilidade. Essas competências não são novas. O que muda é sua importância relativa. À medida que o custo da execução básica diminui, aumenta o valor de quem consegue determinar o que merece ser executado.

Existe uma camada mais durável. Compreender problemas. Estruturar raciocínio. Avaliar evidências. Distinguir uma boa resposta de uma resposta apenas convincente. Reconhecer limitações. Fazer conexões. Criar critérios. Ferramentas aumentam a capacidade de quem sabe pensar. Também aumentam a velocidade de quem pensa mal.

O cliente percebeu alguma diferença? A receita aumentou? O custo caiu? A qualidade melhorou? Tecnologia pode otimizar uma parte e deixar o sistema praticamente igual. Empresas são redes de atividades interdependentes. Melhorar um componente não significa necessariamente melhorar o todo. Por isso, medir inteligência artificial pelo número de usuários ou de prompts é insuficiente. Adesão mede utilização. Não mede valor.

Outras tomarão decisões melhores. Algumas criarão mercados. Outras desaparecerão. A tecnologia estará disponível para todas. A diferença estará na forma como cada organização decidiu utilizá-la. Por isso, talvez a grande pergunta empresarial desta década não seja: “Sua empresa utiliza inteligência artificial?” Será: “O que sua empresa passou a fazer melhor porque a inteligência artificial existe?”