A produtividade que a IA dá a cada pessoa não chega ao lucro da empresa

A pesquisa “State of AI”, divulgada pela McKinsey em agosto, perguntou a executivos de todo o mundo se a IA havia melhorado a produtividade das suas empresas. Oitenta por cento disseram que sim. À pergunta seguinte, se esse ganho tinha aparecido no lucro, a resposta caiu para 37%, igual ao ano anterior. E quando a régua subiu para “valor significativo” — pelo menos 5% do lucro operacional —, restaram 6%.

Michael Chui, senior fellow da McKinsey, resume o motivo da pesquisa: há um intervalo entre o desenvolvimento da tecnologia, e até o investimento nela, e o valor que uma organização consegue capturar. Ele descreve a cobrança que chega às mesas de CIO e CEO: “os CFOs estão perguntando aos CIOs, os investidores estão perguntando aos CEOs: cadê o retorno dessa coisa?” O Gartner tem um número para essa cobrança: em 2025, apenas uma em cada cinco iniciativas de IA chegou a um ROI mensurável.

A leitura mais comum para esse funil é de instrumentação: falta uma régua melhor. O Gartner propõe uma, batizada de “retorno sobre inteligência”, que amarra projetos de IA a resultado financeiro e também a não financeiro. Robert Thanaraj, analista da casa, recomenda deslocar o foco do custo para o valor. É o tipo de conselho que qualquer consultoria daria sobre qualquer tecnologia nova, e por isso mesmo não toca no que este caso tem de específico.

Onde a produtividade para de virar lucro

Lido com cuidado, o funil descreve o ponto exato em que a produtividade individual para de alcançar a decisão organizacional.

O funil não mede mal uma régua. Mede bem um valor que, na maioria das empresas, nunca chegou a existir.

Os 80% que sentem produtividade relatam a camada mais fácil de perceber: a mesma tarefa, mais rápida. Redigir, resumir, programar, responder sem o atrito de antes. Isso é real, e é também o mais barato de registrar: qualquer pessoa que usa um assistente de IA no dia a dia nota a diferença em uma semana, sem nenhum sistema de medição.

A régua seguinte já cobra outra coisa. A pergunta “isso apareceu no lucro” não mede quem trabalhou mais rápido: mede se alguma decisão de negócio saiu diferente por causa disso, o que produzir, para quem vender, onde cortar. A maior parte dos usos de IA, mesmo os bem-sucedidos, nunca chega lá. Aceleram a execução de decisões que continuam sendo tomadas do mesmo jeito, pelas mesmas pessoas, com o mesmo critério de antes.

A leitura óbvia	O que o funil mostra
Falta uma métrica melhor para capturar o ROI	O ROI falta porque a decisão não mudou, só a tarefa
“Retorno sobre inteligência” resolve o problema	A métrica nova descreve, com outro nome, a mesma ausência
6% é pouco porque a adoção ainda é recente	6% é o tamanho real de quem mudou alguma decisão

O que o 1 em 5 do Gartner revela

A estatística do Gartner costuma ser lida como taxa de maturidade: 20% das iniciativas “deram certo”, o resto ainda está a caminho. A divisão provável separa dois tipos de projeto por outro critério: um mudou o que a empresa decide; o outro mudou apenas a velocidade de executar o que ela já tinha decidido fazer antes.

Os custos de token que surpreendem, a qualidade de dado que falha, a adoção que não pega entre os usuários aparecem nas mesmas pesquisas como obstáculo, e são obstáculos reais. Nenhum deles, porém, explica por que uma empresa com dado limpo, custo sob controle e adoção alta ainda assim não vê o lucro mover. Essa empresa pode ter resolvido todos os problemas técnicos e continuar decidindo exatamente como decidia antes, só que mais rápido.

Velocidade não é decisão.

O relatório que falta antes do ROI

Uma empresa que passa a decidir orçamento, prioridade ou corte de outro jeito por causa de um uso de IA tem o que mostrar ao CFO: existe um antes e um depois concreto na decisão, não só no relógio. Uma empresa que apenas fez o trabalho de sempre mais rápido não tem nada para contrastar: a velocidade só vira margem se alguém usar o tempo que sobrou para mudar o que é feito com ele, e a maioria das empresas pesquisadas pelo McKinsey nunca chegou a mudar essa decisão.

A saída prática começa antes da escolha de métrica: é dar a alguém que já decide orçamento e prioridade na empresa, e não ao CIO, a responsabilidade mensal de listar quais decisões de negócio mudaram de lado por causa de um uso específico de IA, e tratar essa lista como pré-requisito de qualquer cálculo de retorno. Não é um relatório de adoção, de usuários ativos ou tokens consumidos: é um relatório de decisão, sobre o que a empresa faria diferente se a ferramenta deixasse de existir hoje.

Enquanto essa lista estiver vazia, qualquer ROI calculado é precisão aplicada a um número que ainda não existe. A pergunta do CFO está certa; só chega cedo demais em três de cada quatro empresas que ainda não mudaram nenhuma decisão de negócio por causa de IA.

Quantas decisões de orçamento, prioridade ou corte a empresa tomou de forma diferente por causa de IA nos últimos seis meses, e quem seria capaz de listar essas decisões agora, sem abrir nenhum painel de uso?