Apesar de investimentos estimados entre US$ 30 e US$ 40 bilhões em inteligência artificial generativa, 95% das organizações ainda não obtêm retorno financeiro mensurável com a tecnologia. O dado faz parte do relatório State of AI in Business 2025: The GenAI Divide, conduzido pelo MIT Project NANDA, iniciativa ligada ao Massachusetts Institute of Technology, que analisou mais de 300 iniciativas públicas de inteligência artificial e entrevistou executivos de 52 organizações em 116 países.

Disponível no Brasil por meio do CNEX, plataforma de desenvolvimento executivo e relacionamento estratégico que conecta empresas aos mais relevantes insights globais, o estudo mostra que, embora mais de 80% das empresas já tenham experimentado ferramentas como o ChatGPT e soluções integradas a plataformas corporativas, apenas 5% das implementações personalizadas chegam efetivamente à fase de operação com impacto sustentado no demonstrativo de resultados das empresas. A maioria dos projetos permanece em fase de teste, sem integração profunda aos fluxos operacionais.

“O mercado vive um paradoxo. A adoção é alta, mas a transformação é baixa. O problema não está na qualidade dos modelos nem na regulação, mas na abordagem. A maior parte das empresas ainda investe em ferramentas estáticas, que não aprendem com o contexto nem se adaptam aos processos”, afirma Douglas Souza, CEO do CNEX e CEO da MIT Sloan Management Review Brasil.

O relatório identifica quatro padrões que ajudam a explicar a chamada divisão da inteligência artificial generativa, expressão utilizada no estudo para descrever o distanciamento entre empresas que conseguem gerar valor com a tecnologia e aquelas que permanecem apenas na fase de experimentação. Apenas dois dos nove grandes setores analisados, Tecnologia e Mídia, apresentam sinais claros de transformação estrutural. Nos demais, há intensa experimentação, mas pouca mudança nos modelos de negócio, nas estruturas competitivas ou no comportamento dos clientes.

A distância entre testes e implementação também aparece como um indicador crítico. Enquanto 60% das empresas avaliam soluções corporativas personalizadas, apenas 20% chegam à fase de testes e somente 5% conseguem implementar a tecnologia em larga escala. Em contraste, ferramentas genéricas apresentam alto uso individual, mas raramente passam a integrar o núcleo das operações das organizações.

O estudo também revela um viés relevante na alocação de investimentos. Cerca de metade dos orçamentos destinados à inteligência artificial generativa concentra-se em vendas e marketing, áreas com indicadores de desempenho mais visíveis para os conselhos de administração. No entanto, os maiores retornos financeiros documentados ocorreram em áreas administrativas e de suporte, com a eliminação de contratos de BPO (Business Process Outsourcing, modelo de terceirização de processos de negócio).

Nesses casos, as economias registradas variam entre US$ 2 milhões e US$ 10 milhões por ano, além de reduções de até 30% nos gastos com agências externas e cortes próximos de US$ 1 milhão em operações específicas.

“Os casos de sucesso mostram que o retorno sobre investimento não vem de iniciativas chamativas, mas de integrações profundas em processos críticos. Empresas que tratam a inteligência artificial como parceiro estratégico, e não como experimento tecnológico, são as que conseguem atravessar essa divisão”, diz Souza.

Outro dado relevante está no modelo de implementação. Projetos conduzidos por meio de parcerias estratégicas externas apresentaram taxa de sucesso duas vezes maior do que iniciativas desenvolvidas totalmente dentro das próprias empresas. Segundo o relatório, organizações que adotam soluções adaptáveis e exigem personalização orientada aos processos conseguem ampliar o uso da tecnologia com mais rapidez do que aquelas que tentam replicar modelos tradicionais de desenvolvimento de software.

Para os próximos 18 meses, executivos entrevistados indicam que a janela de decisão estratégica está se fechando. Empresas que estruturaram sistemas capazes de aprender com dados e feedback interno tendem a criar custos de mudança cada vez maiores para concorrentes e clientes, consolidando vantagem competitiva no novo ciclo de inteligência artificial corporativa.

“Estamos saindo da fase do teste permanente. A próxima etapa será definida por quem conseguir integrar memória, aprendizado contínuo e adaptação dos fluxos de trabalho. A diferença entre investir em inteligência artificial e capturar valor com ela será cada vez mais estratégica”, conclui Souza.