IA nas empresas: por que projetos falham e o que os 5% fazem

Quando projetos de IA nas empresas falham, na maioria das vezes a causa é o jeito de começar, não a tecnologia. Um estudo do MIT de 2025 concluiu que 95% das empresas pesquisadas não tiveram retorno mensurável com IA generativa. Os 5% que tiveram escolheram um processo estreito, mediram antes e exigiram uma ferramenta encaixada no trabalho do dia a dia.

O número dos 95% circula muito, quase sempre sem contexto. Vale ler o que o estudo diz de fato, porque a parte útil para o dono de uma pequena ou média empresa está justamente no contexto.

De onde vem o número dos 95%?

O dado é do relatório The GenAI Divide: State of AI in Business 2025, do MIT NANDA, um projeto de pesquisa do MIT, publicado em julho de 2025. A revista Fortune noticiou o estudo em agosto e foi daí que a frase se espalhou.

A pesquisa juntou três fontes, de janeiro a junho de 2025:

• entrevistas com representantes de 52 organizações;
• questionários respondidos por 153 líderes de empresas;
• a análise de mais de 300 iniciativas de IA divulgadas publicamente.

O próprio relatório se chama de "achados preliminares".

O que conta como "falhar", nesse estudo?

Aqui está o detalhe que quase ninguém conta. Para o estudo, um projeto teve sucesso quando passou da fase de piloto e mostrou resultado em indicadores medidos, com o retorno avaliado seis meses depois do piloto. Os 95% são as empresas que não chegaram lá: não viram efeito mensurável no resultado financeiro.

Ou seja, "falhar" aqui não quer dizer que a ferramenta não funcionou nem que ninguém usou. Quer dizer que o efeito no caixa não apareceu, ou não foi medido, dentro de uns poucos meses.

Os autores listam as limitações do estudo, e elas importam:

• os números vêm do que os entrevistados relataram, não de balanço das empresas;
• cada empresa define sucesso do seu jeito;
• quem aceita falar de IA pode ser diferente de quem recusa;
• seis meses podem ser pouco para projetos grandes, o que tende a subestimar os acertos.

Então o número certo para guardar não é "95% da IA não funciona". É algo mais próximo de "a maioria das empresas ainda não consegue mostrar que a IA mexeu no resultado". Para quem vai investir, essa segunda frase é mais útil, porque aponta o que corrigir.

Por que a IA nas empresas costuma ficar sem retorno?

O estudo encontra o mesmo padrão em quase todo setor. Ferramentas de uso geral, como o ChatGPT e o Copilot, são muito adotadas: mais de 80% das organizações já testaram e perto de 40% dizem usar no dia a dia. Só que elas melhoram a produtividade de cada pessoa, e isso raramente aparece como resultado da empresa.

Já as ferramentas feitas para uma tarefa específica quase não chegam ao uso real. Segundo o relatório, 60% das organizações avaliaram esse tipo de ferramenta, 20% chegaram a um piloto e só 5% colocaram em produção.

Os motivos apontados são três, e nenhum é "o modelo de IA é fraco":

1. O processo não se encaixa. A ferramenta exige que a equipe mude o jeito de trabalhar, em vez de entrar no fluxo que já existe.
2. A ferramenta não aprende. Ela não guarda o contexto da empresa, não melhora com o uso e repete os mesmos erros. O relatório chama isso de "lacuna de aprendizado".
3. O alvo é o errado. A maior parte do orçamento vai para vendas e marketing, onde o efeito é mais visível, mas os retornos mais claros aparecem no administrativo e no operacional, longe da vitrine.

Tem um quarto sinal que interessa a toda empresa. Só 40% das organizações compraram uma assinatura oficial de IA, mas em mais de 90% delas os funcionários usam ferramentas pessoais no trabalho. A equipe já descobriu onde a IA ajuda. A empresa é que ainda não organizou isso.

O que os 5% fazem diferente?

O relatório descreve os que deram certo, e o retrato é bem prático:

Dois achados chamam atenção para quem é pequeno ou médio. Primeiro, as empresas médias com melhor resultado levaram cerca de 90 dias do piloto à implantação completa, contra nove meses ou mais nas grandes. Ser menor ajuda: há menos aprovação, menos sistema legado e o dono vê o processo de perto.

Segundo, projetos feitos com um parceiro externo chegaram ao uso real cerca de 67% das vezes, contra cerca de 33% dos construídos só dentro de casa. Somos parte interessada nesse ponto, então registramos a ressalva do próprio estudo: pode ser que as empresas que contratam fora sejam diferentes das que não contratam, e a diferença não prova que contratar fora é a causa do sucesso.

Como isso aparece na prática?

Uma imobiliária de Florianópolis nos procurou com um problema bem delimitado. Cada anúncio de imóvel levava cerca de 5 minutos do corretor: abrir o imóvel no CRM, baixar fotos, copiar preço, metragem e descrição para a plataforma de anúncios.

O caminho seguiu o roteiro dos 5% quase sem querer:

• Processo estreito: só a publicação de anúncios, nada de "IA na imobiliária".
• Medida antes: os 5 minutos por anúncio viraram horas de corretor por mês.
• Encaixe no fluxo: construímos uma extensão de navegador. O corretor continua no mesmo CRM, seleciona os imóveis e clica uma vez.

A economia estimada foi de cerca de R$ 19 mil por mês em horas de corretor. Como contamos no post sobre tarefas que não precisam de IA, a IA entrou na construção da extensão e ficou de fora do funcionamento dela. Ninguém mediu o projeto por "usar IA". Mediu por horas devolvidas.

Como fazer a sua conta antes de começar

O jeito mais simples de não cair nos 95% é ter o número antes do primeiro teste. Sem a medida de antes, seis meses depois ninguém consegue provar o retorno, mesmo que ele exista.

minutos por vez × vezes por dia × pessoas × dias úteis × valor da hora

Um exemplo inventado, só para mostrar o cálculo: 2 pessoas gastam 6 minutos para responder cada pedido de orçamento e recebem 25 pedidos por dia cada uma. São 300 minutos, ou 5 horas por dia. Em 22 dias úteis, 110 horas. Se a hora dessa equipe custa R$ 35, a tarefa consome R$ 3.850 por mês.

Com esse número escrito, o piloto tem uma meta clara: quanto dessas 110 horas ele devolve. Se devolver, você está nos 5%. Se não devolver, você sabe cedo e para antes de gastar mais.

Um roteiro curto para o primeiro projeto:

1. Escolha um processo só, repetitivo e com volume, de preferência no administrativo ou no operacional.
2. Meça antes: tempo por vez, volume e quem faz.
3. Pergunte à equipe quem já usa ChatGPT, Claude ou Gemini por conta própria, e para quê. Ali costuma estar o melhor candidato.
4. Exija encaixe: a solução entra no sistema que a equipe já usa, sem tela nova para aprender.
5. Marque a data da conta: em 90 dias, compare com a medida de antes.

O passo a passo que usamos com os clientes para esse levantamento está na nossa página inicial.

Perguntas frequentes

É verdade que 95% dos projetos de IA dão errado? Não exatamente. O estudo do MIT diz que 95% das empresas pesquisadas não mostraram retorno mensurável no resultado financeiro em cerca de seis meses. É uma régua estreita, baseada em entrevistas, e os próprios autores chamam os achados de preliminares.

Empresa pequena tem mais chance de dar certo com IA? O estudo sugere que sim, em velocidade: as empresas médias com melhor resultado foram do piloto à implantação em cerca de 90 dias, contra nove meses ou mais nas grandes. A chance depende mais do processo escolhido do que do tamanho.

Como aplicar IA nas empresas sem cair nos 95%? Comece por um processo só, repetitivo e com volume, e meça o tempo que ele consome antes de testar qualquer ferramenta. Exija que a solução entre no sistema que a equipe já usa e marque a conta para 90 dias depois. É o roteiro da seção acima.

Assinar o ChatGPT para a equipe já resolve? Ajuda cada pessoa a trabalhar mais rápido, e isso tem valor. Mas o estudo mostra que esse ganho individual raramente aparece no resultado da empresa. Para aparecer, a IA precisa entrar num processo medido.

Se preferir que façamos esse levantamento com você, conte qual processo mais consome tempo da sua equipe.