Uma empresa pode ter ROI comprovado em um piloto de IA e, mesmo assim, o projeto não sair do lugar. Não é hipótese: vi isso de perto, num diagnóstico em que dois projetos de IA preditiva já tinham retorno validado — 290% e 318%, com payback em 7 e 11 meses — e ainda assim o Go-Live dos dois ficou suspenso. Não por falha técnica, não por resistência da equipe, não porque o resultado decepcionou. Ficou suspenso porque uma decisão orçamentária, tomada em outro fórum, chegou antes da decisão de continuar.
Isso me ensinou algo que hoje uso como régua em qualquer diagnóstico: prova de resultado não é a mesma coisa que garantia de continuidade. O Brasil virou, nos últimos meses, um dos polos de infraestrutura de IA da América Latina — concentra quase metade dos data centers da região e mais de dois terços da capacidade em construção. O capital está entrando. Só que pesquisas mais rigorosas de adoção (como o Cetic.br, que mede uso real, não autodeclaração) mostram algo bem mais modesto: a adoção de IA nas empresas brasileiras foi de 13% para 17% em um ano, e mesmo entre as grandes empresas fica em torno de metade. O gap não é de tecnologia disponível. É de execução.
Principais aprendizados
- ROI comprovado não garante que um projeto de IA continue — a decisão de dar sequência costuma ser orçamentária e discricionária, tomada num fórum e num momento que nem sempre coincide com o pico de maturidade técnica do projeto.
- Adoção individual de IA e sistemas centrais travados podem coexistir na mesma empresa, ao mesmo tempo — não é uma progressão de “baixa” para “alta” maturidade, é uma assimetria entre camadas diferentes da organização.
- O gargalo mais comum em empresa média não é falta de acesso à tecnologia. É ausência de dono do processo, de linha de base de medição e de um ritmo de decisão compatível com a velocidade do piloto.
- Quantificar o custo de adiar — não só o benefício de continuar — costuma ser o argumento que destrava uma decisão executiva parada. “Vamos perder X% de retorno se não decidirmos até Y” pesa mais do que uma lista de vantagens.
- Investimento em infraestrutura de TI/IA e adoção madura são métricas diferentes, e crescem em ritmos diferentes — tratar as duas como sinônimo é o erro de diagnóstico mais comum que vejo em conversas iniciais com lideranças.
ROI comprovado não é suficiente para um projeto de IA continuar. O que falta então?
Falta reconhecer que “continuar” é uma decisão nova, tomada por gente diferente, num momento diferente do momento em que o piloto provou valor. No caso que mencionei, o relatório final da consultoria precisou virar um memorando formal — não um relatório de resultado, um pedido de decisão executiva. A frase que fechava esse documento resume bem o ponto: o investimento humano estava feito, a cultura já estava madura, e o próximo passo não era inovação — era execução disciplinada. Não se estava pedindo aprovação para uma aposta nova. Estava se pedindo para não desperdiçar um investimento que já tinha dado certo.
Isso muda a forma como eu recomendo apresentar continuidade de projeto de IA para comitê executivo: nunca só como lista de benefícios de seguir em frente. Sempre com o custo de não decidir, quantificado. Nesse caso específico, a janela era uma janela fiscal com prazo definido — não retomar a execução a tempo reduziria em até 15% o retorno líquido projetado do programa inteiro. Um número desse tamanho, num memorando de uma página, resolve em uma reunião o que um relatório de 40 slides não resolveria.
Como a mesma empresa pode ter adoção individual alta de IA e sistemas centrais travados ao mesmo tempo?
Porque maturidade de IA não é uma nota única — é desigual por camada. Nesse mesmo diagnóstico, 70% dos colaboradores já usavam IA generativa por conta própria, no dia a dia, com ganhos relatados de até 75% de eficiência em tarefas individuais. Ao mesmo tempo, processos críticos da mesma empresa continuavam presos a sistemas legados antigos — um deles apelidado internamente de “Frankenstein” pelo próprio time de TI, de tão remendado ao longo dos anos — e a uma planilha de controle manual com centenas de colunas. Um workshop de rollout de uma ferramenta corporativa de IA teve adesão baixa simplesmente porque os usuários confundiram a versão corporativa com a versão gratuita que já usavam informalmente. Não era resistência à IA. Era desorganização entre o que já existia informalmente e o que estava sendo formalizado.
O erro de diagnóstico mais comum que vejo é medir só uma dessas camadas. Medir só a tecnologia legada subestima a empresa — ignora que o time já sabe usar IA. Medir só o comportamento individual dos usuários superestima — ignora que a arquitetura central não aguenta escala. As duas camadas precisam de leitura separada, e normalmente pedem soluções diferentes: a adoção orgânica vira alavanca de mudança cultural; o gargalo técnico dos sistemas legados vira projeto de arquitetura, com prazo e dono próprios. Foi esse mesmo raciocínio — separar sintoma de causa antes de propor solução — que usei quando escrevi sobre um roteiro de piloto de 30 dias que evita o projeto que nunca termina: o problema raramente é a ferramenta escolhida.
O que fazer quando um projeto de IA que já funciona fica parado por decisão orçamentária?
Tratar a janela de captura de ROI como um ativo com prazo de validade — não como um resultado permanente, garantido, só porque já foi demonstrado uma vez. Na prática, isso significa três coisas. Primeiro, comunicar isso proativamente para quem decide orçamento, antes que um corte de capital ou uma mudança de prioridade externa ao projeto ameace a continuidade — não depois. Segundo, formalizar o pedido de continuidade como decisão executiva explícita, não como relatório de status: um documento curto, com contexto, resultado, risco de não agir e um pedido claro. Terceiro, quantificar sempre o custo de esperar, em número, não em adjetivo — “postergar reduz o retorno em X%” é mais persuasivo do que qualquer argumento qualitativo sobre a importância de continuar.
Nenhuma dessas três coisas depende de mais tecnologia. Dependem de disciplina de execução e de comunicação executiva — o tipo de trabalho que raramente aparece em pitch de fornecedor de IA, mas costuma ser o que decide se um piloto vira produção ou vira mais um projeto esquecido na gaveta.
Perguntas frequentes
Se meu piloto de IA já tem ROI comprovado, ainda corro risco de ele não continuar?
Sim, e esse risco é mais comum do que parece. A decisão de dar sequência a um projeto costuma ser orçamentária, tomada por um comitê num momento que não necessariamente coincide com o pico de maturidade técnica do piloto. ROI comprovado reduz o risco de a decisão ser negativa, mas não elimina o risco de a decisão simplesmente não ser tomada a tempo.
Minha equipe já usa IA no dia a dia por conta própria. Isso significa que a empresa está madura?
Não necessariamente. Adoção individual e maturidade dos sistemas centrais são duas camadas independentes, e uma pode estar avançada enquanto a outra está travada. Avaliar as duas separadamente evita tanto subestimar quanto superestimar a real capacidade de escala da empresa.
Por que o Brasil investir em infraestrutura de IA não significa que minha empresa vai ver resultado automaticamente?
Porque infraestrutura disponível e uso maduro são métricas diferentes, que avançam em velocidades diferentes. O Brasil cresce em capacidade de data center e capital investido, mas pesquisas de adoção real mostram que a maioria das empresas segue em estágio inicial — o gargalo raramente é acesso à tecnologia, é execução organizada dentro de cada empresa.
Como evitar que um projeto de IA que funciona fique parado por decisão orçamentária?
Tratando a continuidade como uma decisão executiva explícita, não como um relatório de status. Formalize um pedido curto, com o resultado obtido e o custo quantificado de adiar — em número, não em adjetivo. Comunicar isso antes de um corte de orçamento acontecer, e não depois, é o que costuma preservar a janela de retorno.
Sou Gillian Pellegrino, fundadora da HAIA, com mais de 30 anos de carreira em tecnologia. Depois de ver de perto projetos com resultado comprovado travarem por decisão orçamentária, parei de medir maturidade de IA só pela tecnologia disponível — hoje meço também pela disciplina de execução ao redor dela. Se isso soa familiar na sua empresa, me conta: é provavelmente o próximo ponto a destravar.
