Tópicos desta notícia (8)
O que aconteceu
Em 6 de outubro de 2026, o CIO.com publicou uma análise do executivo Vivek Gupta com um argumento que contraria a resposta padrão do mercado: o problema da inteligência artificial nas empresas não é falta de ferramenta, e sim ausência de diagnóstico. Ele descreve um comitê que passou duas horas decidindo onde alocar capital de manutenção sem consultar um modelo preditivo de falhas que já existia na própria companhia — bom, pronto e disponível, mas sem relação com a decisão que estava na mesa. A conclusão da análise do CIO.com é direta: comprar mais IA costuma resolver o problema errado.
O texto ancora o argumento em dados do levantamento “The State of AI in 2026”, da McKinsey. Quase nove em cada dez organizações já usam IA em alguma função e 44% dizem estar escalando a tecnologia, mas apenas 37% atribuem algum impacto positivo ao EBIT. A mesma pesquisa mostra que oito em cada dez entrevistados relatam ganho de produtividade individual. A adoção deixou de ser o gargalo; a conexão entre o que a empresa sabe e o que ela decide continua sendo.
Por que isso está acontecendo
Gupta organiza o problema em quatro lacunas distintas. A lacuna de capacidade existe quando a empresa de fato não consegue produzir a inteligência necessária, e aí cabe investimento em dados, modelos e gente. A de desenho aparece quando a inteligência existe, mas foi construída para uma pergunta diferente da que será decidida. A de entrega ocorre quando a análise certa chega na hora, no formato ou para a pessoa errada. E a de conexão, a mais invisível, é quando tudo funciona — o dado é bom, o modelo performa, o relatório circula — e ainda assim consultá-lo continua opcional. Nada parece quebrado, então a reação natural é comprar mais ferramenta, o que mantém a lacuna exatamente onde estava e consome mais um ciclo de orçamento.
Os números de mercado confirmam que a dificuldade não está na adoção. O Gartner projetou que ao menos 30% dos projetos de IA generativa seriam abandonados após a prova de conceito até o fim de 2025, por qualidade de dado ruim, controles de risco insuficientes, custo crescente ou valor de negócio pouco claro. A RAND, citando levantamentos do setor, estima que mais de 80% dos projetos de IA falham — cerca do dobro da taxa de projetos de TI sem IA. Traduzido para a rotina de quem compra, o padrão se repete: a ferramenta entra, a produtividade individual sobe e o resultado da empresa quase não se move.
O que isso muda para uma PME brasileira
No Brasil, a adoção aconteceu antes do diagnóstico. Pesquisa do Sebrae com o Meta Instituto de Pesquisa, feita com 7.182 pequenos negócios entre março e maio de 2026, mostrou que 52% usaram IA nas duas semanas anteriores à entrevista e que 60% pretendiam ampliar o uso no semestre seguinte, conforme a Agência Sebrae. É o dobro do ritmo registrado nos Estados Unidos no mesmo recorte. O entusiasmo, porém, convive com uma base ainda imatura: boa parte das micro e pequenas empresas segue em estágio inicial de digitalização, o que significa que o gargalo raramente é a ferramenta — é o processo e o dado por trás dela.
O custo de errar o diagnóstico é concreto e aparece em reais. Referências publicadas para o mercado brasileiro situam um primeiro piloto de automação com IA na faixa de R$ 15 mil a R$ 40 mil, projetos intermediários entre R$ 40 mil e R$ 120 mil, e soluções com agentes e múltiplas integrações acima de R$ 120 mil, segundo o levantamento de custos da Clicksoft. Para uma PME, esse orçamento disputa espaço com folha, estoque e marketing. Comprar a solução certa para o problema errado não é só um gasto perdido: é um projeto que precisa ser desfeito depois, com o time já treinado e os processos já alterados.
Onde faz sentido usar
- Atendimento e vendas: antes de contratar um agente, mede-se quanto tempo a equipe gasta respondendo o que se repete. O diagnóstico aponta se o gargalo é volume (falta de capacidade) ou roteamento (falta de desenho).
- Financeiro e back-office: conciliação, cobrança e relatórios costumam ter dado disponível e ganho mensurável — bom terreno para começar com escopo estreito.
- Marketing e conteúdo: é onde a maioria das PMEs já usa IA de forma informal. Sistematizar esse uso exige métrica própria, não apenas mais uma assinatura.
- Decisão de gestão: se a empresa já tem relatórios ou painéis que ninguém consulta na hora de decidir, o problema é de conexão, não de tecnologia.
Riscos e limites
Vale a ressalva de que o texto do CIO.com é uma análise de opinião, não um estudo com amostra controlada; o valor dele está em organizar o problema, não em servir de prova estatística. O número de que “mais de 80% dos projetos de IA falham” circula há anos e, como o próprio RAND registra, parte de estimativas do setor sem denominador claro — por isso deve ser lido como sinal, não como sentença. Também é honesto reconhecer que nem toda empresa precisa de IA: muitos problemas se resolvem com regra fixa, planilha bem feita ou integração determinística, que são mais baratas e mais fáceis de manter. E o diagnóstico tem custo próprio: exige tempo de gestão para mapear processo, dado e métrica antes de qualquer compra.
O que avaliar antes de implementar
- Que decisão ou processo muda? Se não há resposta em uma frase, ainda não existe caso de uso — existe desejo de usar IA.
- O dado para isso existe e é confiável? Sem dado limpo, a melhor ferramenta entrega resultado que ninguém confia.
- Quem vai usar, quando e em que formato? Uma recomendação que chega depois da reunião é registro, não apoio à decisão.
- A inteligência entra no processo formal? Se consultá-la continua opcional, o resultado segue dependendo de boa vontade, não de sistema.
Fontes
- CIO.com — “Before you buy more AI, diagnose the gap you actually have”, de Vivek Gupta — origem das quatro lacunas. Acesso em 6/10/2026.
- McKinsey — The State of AI in 2026 — 37% relatam impacto no EBIT. Acesso em 6/10/2026.
- Gartner — 30% dos projetos de IA generativa abandonados após a prova de conceito. Acesso em 6/10/2026.
- RAND — mais de 80% dos projetos de IA falham. Acesso em 6/10/2026.
- Agência Sebrae — 52% dos pequenos negócios usaram IA. Acesso em 6/10/2026.
- Clicksoft — faixas de custo em reais, referências de mercado. Acesso em 6/10/2026.
Conclusão
A pergunta que abre um bom investimento em IA não é “que ferramenta vamos comprar?”, e sim “o que a empresa deveria saber ou decidir melhor do que decide hoje — e qual das quatro lacunas está no caminho?”. Responder isso para uma decisão concreta costuma ser mais barato do que um novo piloto, e frequentemente revela que o que falta já está dentro de casa.
Sua empresa já usa IA, mas não consegue mostrar o retorno? A consultoria de IA e automação da Canis ajuda a fazer esse diagnóstico antes da próxima compra: mapear processo, dado e métrica, e só então decidir o que vale implementar. Falar com a Canis →
