O grande fracasso da IA empresarial não é a tecnologia: é o comportamento humano e a contabilidade que não sabe cobrar
Durante o último ano, a conversa pública sobre inteligência artificial foi dominada por demonstrações, promessas e aquisições corporativas. Foi investido em larga escala em modelos, licenças, infraestrutura e pilotos. No entanto, o sintoma que realmente importa em uma reunião de diretoria não é quantos testes foram realizados, mas quantos pontos de margem apareceram ao final do trimestre.
Um estudo citado pelo MIT, conforme registrado pelo TheStreet, documenta uma cifra que não se encaixa no relato de euforia: 95% das organizações não viu retorno mensurável de seus investimentos em IA, apesar do gasto agregado estar entre 30.000 e 40.000 milhões de dólares em iniciativas empresariais de IA. Não é um problema de potência de processamento nem de “maturidade do modelo”. É, em grande parte, um problema de adoção humana e de sistemas internos que não estão projetados para a economia real do consumo de IA.
A partir do meu trabalho analisando o comportamento do consumidor e as fricções de adoção, vejo essa história como uma autópsia de duas falhas clássicas: a primeira ocorre na mesa de trabalho do funcionário, onde a IA termina rebaixada a “mecanismo de busca aprimorado”; a segunda ocorre no back office, onde, mesmo quando o uso existe, a empresa não consegue medir ou cobrar corretamente. Em ambos os casos, o erro é o mesmo: projetar para um humano e uma contabilidade que não existem.
Quando a IA chega ao trabalho real, choca com incentivos, hábitos e medo do erro
Oseas Ramirez, CEO da Axialent, expressou isso com uma frase que deveria estar impressa em cada plano de transformação: “A IA é adotada por pessoas, não por servidores. Se as pessoas não mudarem a forma como trabalham, a tecnologia simplesmente fica lá.” Essa afirmação não é filosofia; é economia aplicada. Se o comportamento não muda, o ativo tecnológico se torna um custo afundado.
O padrão que descreve a pesquisa citada pelo TheStreet é consistente com o que observo na adoção: a maioria dos funcionários usa a IA como um motor de busca ligeiramente mais inteligente, não como um redesenho do fluxo de trabalho. Essa nuance destrói o retorno. Um “mecanismo de busca aprimorado” economiza minutos; um fluxo redesenhado altera os tempos de ciclo, reduz o retrabalho, padroniza decisões e torna escaláveis atividades que antes dependiam de heróis internos.
O choque ocorre porque as organizações tentam implantar IA com o roteiro de sempre: comprar ferramenta, instalar, treinar, declarar vitória. Mas a adoção não falha por falta de treinamento; falha por fricção cognitiva e por riscos percebidos. O funcionário não “rejeita a IA” por ideologia: ele a evita quando o custo mental de usá-la supera o benefício imediato ou quando o sistema de incentivos penaliza a experimentação.
Em termos comportamentais, o empurrão existe — a frustração com tarefas repetitivas e a pressão por produtividade —, e o magnetismo também — a promessa de velocidade e melhores respostas —. O problema é que a ansiedade e o hábito costumam vencer. Ansiedade, porque delegar o critério a um sistema probabilístico expõe o usuário a erros visíveis. Hábito, porque o status quo já tem rotas conhecidas para sobreviver na política interna: “fazer como sempre” raramente custa a carreira, mas tentar algo novo e falhar pode custá-la.
A peça crítica aqui é que muitas hierarquias e incentivos foram projetados antes da existência da IA. Se uma equipe comercial recebe previsões geradas por IA que colidem com cotas ou narrativas internas, o dado não é “discutido”; é ignorado. Não por maldade, mas por preservação: o humano otimiza sua segurança dentro do sistema. Se o modelo ameaça o acordo tácito de como o mérito e a culpa são atribuídos, o modelo perde.
Por isso, as empresas que obtêm resultados não costumam ser as que têm o modelo mais sofisticado, mas sim as que reestruturam o trabalho em torno do modelo. A IA não é um “acréscimo”; é um redesenho do contrato psicológico do trabalho: quem decide, quem valida, quem assina, quem assume o risco. Sem esse redesenho, a ferramenta é usada para pequenas tarefas, o ROI se evapora e a organização aprende a lição errada: que a IA “não serve”, quando na verdade o que não serve é o sistema de adoção.
O ROI se quebra por uma razão banal: compra-se brilho, subestima-se a fricção
As cifras do estudo citado são um golpe na narrativa triunfalista: 95% sem retorno mensurável após 30.000–40.000 milhões de dólares investidos. Quando uma lacuna assim aparece, a explicação geralmente é menos glamourosa que a tecnologia. A resposta está em como as empresas alocam orçamento e atenção.
Na prática, muitas organizações financiam com entusiasmo o que é visível: licenças, infraestrutura, pilotos com demonstrações espetaculares. Isso “brilha” em uma apresentação. O que não recebe o mesmo carinho orçamentário é o que realmente move o comportamento: redesenho de processos, mudanças de incentivos, governança de uso, proteção contra erros razoáveis e tempo real para iterar.
Aqui se observa um viés corporativo frequente: trata-se a transformação como um projeto de TI, não como uma reescrita operacional. A consequência é previsível: o uso permanece na superfície. O funcionário abre a ferramenta para redigir um e-mail, resumir um documento ou buscar informações. São ações que não colocam em risco a identidade profissional nem desafiam hierarquias. A IA se torna cosmética de produtividade.
Há outro detalhe que agrava o problema: a resiliência organizacional diante do fracasso. A nota menciona que quando os experimentos falham — e falham com frequência — muitas empresas não têm capacidade institucional para insistir e iterar. Do ponto de vista comportamental, isso é chave: se a primeira experiência do usuário ocorre em um ambiente punitivo, a adoção morre. Uma má interação inicial cria uma heurística interna: “isso causa problemas”. A partir daí, cada microfricção confirma a decisão de retornar ao hábito.
O resultado final é perverso para a alta gestão: relata-se “IA implantada”, mas não há retorno. Celebra-se a implementação, penaliza-se a mudança. E, então, repete-se o ciclo: mais gastos com ferramentas, mais frustração, mais cinismo. O custo não é apenas financeiro; é reputacional interno. Cada iniciativa fracassada reduz o capital político para a próxima.
Mesmo com adoção, muitas empresas perdem dinheiro por não conseguirem cobrar o consumo
A segunda parte da história é mais silenciosa e, para um CFO, mais perigosa: mesmo quando a IA é utilizada, muitas empresas não estão equipadas para cobrar. Erez Agmon, CEO da Vayu, resumiu assim: “A maioria dos sistemas de faturamento SaaS foi projetada para assinaturas previsíveis. A IA leva a um consumo errático.”
O coração do problema é estrutural. O software tradicional era vendido por assentos, licenças ou assinatura plana. A IA, por sua vez, é consumida em unidades variáveis: tokens processados, chamadas de API, execuções de modelos. Esse consumo não é apenas variável; também é intermitente, com picos e vales difíceis de prever. Pretender que um sistema antigo de faturamento capture isso sem perdas é como usar uma caixa registradora para medir eletricidade.
TheStreet descreve um caso concreto que ilustra a fuga de receitas: um CFO descobriu que seu sistema apenas registrava o uso no dia do ciclo de faturamento. Se um cliente mudasse de plano no meio do mês e retornasse antes do dia de cobrança, o pico desaparecia. O próprio CFO disse cruamente: “Eu só cobro o que estava na data do ciclo de faturamento. Perdi o pico. Perdi esse dinheiro.”
Esse exemplo expõe um padrão maior: a economia da IA penaliza a empresa que não mede com precisão. Surgem lacunas de rastreamento, conciliações manuais com planilhas e faturas montadas manualmente. Tudo isso funciona quando há poucos clientes e o volume é baixo; colapsa quando o produto escala.
A fuga de receita não é um evento; é um gotejamento. E um gotejamento, em um modelo de consumo, se multiplica. A empresa não apenas deixa dinheiro sobre a mesa; também fica cega para decidir preços. Se não se captura o consumo real, a alta direção acaba gerenciando uma ilusão: acredita que o produto vale X, quando o comportamento do cliente está dizendo Y.
Além disso, do ponto de vista da psicologia do cliente, isso é uma bomba de confiança. Um sistema de faturamento que não entende o consumo gera dois riscos simétricos: cobrar abaixo do que deveria e dar valor, ou cobrar em excesso e gerar conflito. Em ambos os casos, a relação comercial é corroída. A IA promete precisão; uma fatura errática comunica desordem.
A transformação que realmente traz retorno: redesenhar as decisões humanas e o músculo financeiro que as monetiza
A notícia traz uma lição dura: a IA empresarial está presa entre dois mundos. Por cima, um discurso de inovação. Por baixo, hábitos humanos e sistemas financeiros herdados.
Para sair dessa armadilha, a estratégia não começa com o modelo, mas sim com o comportamento que se deseja ver em produção. As empresas que vão capturar valor não serão aquelas com mais pilotos, mas as que fazem três movimentos disciplinados.
Primeiro, traduzir a IA em decisões concretas, com responsabilidades explícitas. Se o resultado da IA não altera quem decide, quando decide e com que padrão de validação, o uso permanecerá em pequenas tarefas. A adoção real ocorre quando o fluxo operacional incorpora a ferramenta como parte do “caminho padrão”, e quando o custo de ignorá-la se torna maior que o custo de usá-la.
Segundo, reconstruir incentivos para que o funcionário não tenha que escolher entre desempenho pessoal e adoção. Quando o sistema recompensa manter o status quo, o hábito se torna racional. A empresa deve criar condições nas quais experimentar seja seguro e onde o erro razoável não seja um passivo individual, mas sim um custo controlado de aprendizado.
Terceiro, modernizar o faturamento para o mundo do consumo variável. Se o produto é cobrado por uso, a contabilidade deve ver o uso com granularidade e em tempo real o suficiente para não perder picos. Sem essa base, mesmo uma adoção bem-sucedida se transforma em crescimento que não é cobrado.
A síntese para a alta gestão é desconfortável, mas operável: o retorno da IA não é desbloqueado aumentando a potência de computação, mas reduzindo a fricção humana e financeira. A tecnologia pode brilhar, mas o negócio só ganha quando a organização deixa de apostar todo seu capital nesse brilho e o investe, com disciplina, em eliminar os medos e fricções que impedem a adoção pelo usuário e a captura de valor na fatura.
