Adoção de IA: por que 95% dos projetos fracassam — e a culpa não é da tecnologia

Tem um número rodando nas mesas de diretoria que deveria assustar mais gente do que assusta. O MIT publicou em agosto de 2025 um estudo, o "State of AI in Business", mostrando que 95% dos pilotos de IA generativa nas empresas não geraram nenhum impacto mensurável no resultado. Noventa e cinco por cento. Só 5% saíram do laboratório e viraram dinheiro de verdade.

Gartner projeta que pelo menos metade dos projetos de IA generativa vão ser abandonados depois da prova de conceito. A RAND, numa pesquisa com dezenas de cientistas de dados experientes, encontrou taxa de fracasso acima de 80%, mais ou menos o dobro de um projeto de TI comum. E a Zylo mostrou que 78% dos líderes de tecnologia foram pegos por cobranças de IA que nunca entraram no orçamento, com o gasto médio mais que dobrando em um ano.

Quatro instituições diferentes, metodologias diferentes, e todas apontando pro mesmo lugar.

O reflexo do mercado é ler isso como problema de tecnologia. Modelo que alucina, dado que não estava pronto, ferramenta cara demais. Só que, quando você lê o que essas pesquisas de fato dizem sobre a causa, a história é outra.

O MIT chama de "learning gap": as empresas não conseguem encaixar a IA nos próprios processos, na própria estrutura e na própria cultura. A RAND é ainda mais direta. A causa número um de fracasso não é técnica, é de liderança: problema mal definido, decisão tomada na empolgação, escopo sem disciplina, ninguém dono do resultado.

Ou seja: não é a IA que está falhando nas empresas. É a gestão que está falhando em adotar a IA.

Ferrari na mão de menino

A máquina é espetacular, talvez a tecnologia mais poderosa que a nossa geração vai ver. Mas máquina espetacular na mão de quem não sabe dirigir não anda mais rápido, só bate mais forte. E foi mais ou menos isso que aconteceu: muita empresa comprou a capacidade de ponta com a cabeça de quem assina uma licença de software antigo, sem fazer as perguntas que faria em qualquer outro investimento sério.

Que perguntas? Essas:

• A gente está resolvendo qual problema, exatamente?
• Como vamos medir se funcionou antes de escalar?
• Quem é o dono disso aqui dentro?
• O que acontece com o custo quando o uso crescer dez vezes?
• Quem desenhou o processo novo, ou a gente só colou a IA por cima do processo velho que já não funcionava?

Governança de verdade é trabalho de gestão, não comitê

Governar a adoção de IA não é montar um comitê e um documento de compliance pra dizer que existe governança. É uma coisa bem mais prática, e bem mais incômoda, porque exige trabalho de gestão antes de qualquer contrato.

Começa por inverter a ordem. A RAND mostrou que os projetos que dão certo redesenham o fluxo de trabalho antes de escolher a ferramenta. E tem uma proporção que o BCG e a McKinsey repetem há anos: nos projetos que funcionam, só 10% da energia vai pro algoritmo, 20% pra tecnologia e 70% pra gente e processo. A maioria faz o contrário: compra a ferramenta e reza pra ela consertar um processo que ninguém entendeu direito.

Passa por provar valor pequeno antes de apostar grande. Um piloto existe pra responder uma pergunta de negócio, não pra impressionar a diretoria. Se ele não mostra ganho real e mensurável num escopo pequeno, escalar só multiplica o prejuízo. E provar valor no piloto não significa, por si só, sucesso na adoção em escala: continua sendo mandatório gerir a adoção, os resultados e os ajustes ao longo de todo o ciclo de vida dessa nova solução. O MIT achou um detalhe revelador nesse ponto: mais da metade do orçamento de IA das empresas vai pra marketing e vendas, enquanto o retorno de verdade estava no operacional, no back-office. Dinheiro grande no lugar errado, porque ninguém parou pra medir onde o ganho realmente estava.

E passa por tratar custo como parte do desenho, não como surpresa. Quem governa negocia o modelo de cobrança antes de discutir funcionalidade, coloca teto, coloca alerta e olha a fatura toda semana. Exatamente o que a gente aprendeu a fazer com a nuvem, depois de tomar susto com ela também.

No fundo, tem uma frase que eu não tiro da cabeça com tanta notícia sobre excesso de gastos orçamentários com IA: adotar IA é uma decisão de gestão disfarçada de decisão de tecnologia. A escolha é de estratégia, de processo e de gente. Quando o líder a trata como assunto técnico, ele empurra essa escolha pro time de TI — que não tem como tomá-la sozinho. E é assim que a empresa entra no grupo dos 95%.

O terço que está ganhando

A McKinsey, no levantamento mais recente, mostrou que só cerca de um terço das empresas tem maturidade real de governança e estratégia de IA. E é justamente esse terço que está conseguindo escalar e ver impacto no resultado. A diferença entre os 5% que ganham e os 95% que travam não está no modelo de IA que usam, porque todo mundo tem acesso aos mesmos modelos. Está na maturidade de gestão de quem adotou.

E se isso ainda soa como teoria de quem fala de fora, repare no que a própria Anthropic, dona de um dos modelos mais avançados do mundo, fez essa semana. Em vez de anunciar um modelo novo, ela formalizou uma trilha de serviços e uma rede de parceiros de implementação: mais de 40 mil empresas já se inscreveram, e gigantes de consultoria estão treinando seus times às dezenas de milhares pra entrar nos clientes e fazer a IA funcionar lá dentro. A OpenAI caminha na mesma direção, montando estrutura de implementação e comprando capacidade de serviço.

Repare no que isso quer dizer. As donas da tecnologia acabaram de admitir, com dinheiro, que vender o modelo não basta: alguém precisa entrar na empresa e arrumar a gestão e o processo em volta dele. É a tese desse texto inteiro, agora assinada por quem teria mais a perder se ela estivesse errada.

Adoção de IA não é brincadeira, e não é projeto de inovação pra postar no LinkedIn. É decisão de capital, de processo e de responsabilidade, com a mesma seriedade de abrir uma operação nova ou montar uma diretoria. Quem encara assim tem chance de entrar nos 5%. Quem trata como hype descobre o tamanho da conta na fatura, e às vezes descobre tarde demais.

Então fica a pergunta pra quem senta nessa mesa: quando um projeto de IA fracassa na sua empresa, a conversa interna é sobre a tecnologia que não entregou, ou sobre a gestão que não preparou o terreno? A resposta talvez já diga em qual dos dois grupos a sua empresa está.

Fontes

• MIT NANDA — "The GenAI Divide: State of AI in Business 2025" (95% sem impacto no P&L; orçamento concentrado em marketing/vendas)
• RAND — "The Root Causes of Failure for AI Projects" (Ryseff, De Bruhl, Newberry; +80% de fracasso, liderança como causa nº1)
• Gartner — projetos de GenAI abandonados após a prova de conceito
• Zylo — 2026 SaaS Management Index (78% pegos por cobranças de IA fora do orçamento)
• McKinsey QuantumBlack — "The State of AI 2025" (só ~1/3 com maturidade de governança/estratégia)
• Regra 10/20/70 (10% algoritmo, 20% tecnologia, 70% gente e processo — BCG / McKinsey QuantumBlack)
• Anthropic — "Services Track and Partner Hub of the Claude Partner Network" (jun/2026)