IA gera resultado financeiro real em apenas 6% das empresas, diz levantamento

Estudos do MIT e da McKinsey mostram que apenas 6% das empresas convertem Inteligência Artificial em resultado financeiro real

A Inteligência Artificial já está presente em quase todas as empresas. O retorno financeiro, porém, aparece em pouquíssimas. Dois dos estudos mais citados do setor chegam, por caminhos independentes, à mesma conclusão: o MIT, na iniciativa NANDA, constatou que apenas 5% dos pilotos de IA generativa produzem efeito mensurável nos resultados. A McKinsey, em recorte distinto, identificou que somente cerca de 6% das empresas — os chamados "AI high performers" — atribuem à tecnologia mais de 5% do EBIT e relatam valor significativo.

São amostras e métricas diferentes apontando para o mesmo ponto: quem de fato extrai resultado. Em volume, a adoção é quase universal. Segundo a McKinsey, 88% das organizações já utilizam Inteligência Artificial em pelo menos uma função, número reforçado pelo AI Index 2026 da Universidade Stanford. Ainda assim, apenas 39% relatam algum impacto no EBIT, quase sempre inferior a 5%, e o BCG estima que 60% das empresas não geram valor material apesar do investimento. No Brasil, o descompasso se repete.

O relatório "State of AI in the Enterprise 2026", da Deloitte, coloca o país entre os que mais usam Inteligência Artificial para promover mudança estrutural — 42% dos entrevistados brasileiros contra 34% na média global —, mas registra maturidade ainda baixa: 47% das empresas relatam adoção mínima e apenas 1% adoção avançada. A pesquisa da Abiacom de janeiro de 2026 reforça o quadro, com 72% das companhias ainda nos estágios iniciante ou experimental e 59,1% sem diretrizes formais para o uso da tecnologia. A adoção avança em ritmo superior ao da maturidade estratégica.

Para Bertini, fundador e ex-CEO da MC1 Technologies — multinacional brasileira que liderou até a venda e que atualmente atua como conselheiro de empresas como Iugu, Eduzz e Objective —, o gargalo não está na disponibilidade da tecnologia. A leitura que faz do mercado brasileiro identifica quatro padrões recorrentes nas tentativas frustradas de adoção, discutidos no episódio do podcast "Start Ups N" Downs" com o co-host Ricardo Corrêa, fundador da Ramper. "A Inteligência Artificial está em todo lugar. A pergunta que importa é quantas iniciativas realmente estão mudando os resultados das empresas", afirmou no episódio dedicado aos principais erros de empresas com IA.

O primeiro padrão é a ausência de indicadores claros antes de iniciar o projeto. A maioria das empresas começa pela ferramenta, não pelo resultado pretendido. Sem proposta de valor definida, fica impossível separar uso legítimo de teatro de inovação. A McKinsey identificou que os 6% considerados "AI high performers" são três vezes mais propensos do que a média a usar Inteligência Artificial para transformação, e não para eficiência marginal. A intenção — e como ela é medida — antecipa o resultado. O segundo padrão é o foco excessivo em produtividade individual.

Segundo a McKinsey, 80% das empresas tratam a Inteligência Artificial como ferramenta de eficiência, mas o ganho de produtividade do operador raramente se converte em margem operacional. O gap de conversão fica claro na pesquisa da Bain, que encontra aumento de 14% em produtividade entre empresas que implementam IA generativa no Brasil, com apenas 9% de crescimento nos resultados financeiros. Quando o ROI é cobrado pelo board, a planilha não fecha. O terceiro padrão é a dificuldade de transformar protótipos em produtos.

Dois terços das empresas globais ainda não escalaram Inteligência Artificial além de pilotos isolados, mostra a McKinsey. A distância entre uma prova de conceito que impressiona em demonstração e um sistema que opera com governança, dados estruturados, integração com fluxos existentes e protocolo de erro costuma ser subestimada por quem aprovou o orçamento. "A maturidade da empresa para absorver a IA importa mais do que a sofisticação do modelo escolhido", resume Bertini. O quarto padrão é o risco de perder foco estratégico diante da quantidade de possibilidades. Com pressão para mostrar resultado em Inteligência Artificial, as áreas se multiplicam em frentes paralelas. Cada gerência testa sua ferramenta, cada diretoria contrata seu fornecedor. O resultado é um catálogo de pequenas iniciativas que nunca consolida valor relevante e que, somadas, drenam a atenção da liderança.

A Bain dá nome ao fenômeno — a "armadilha da microprodutividade" —, em que a proliferação de pilotos gera ganhos pontuais que nunca escalam. O valor, mostra a McKinsey, está em quem persegue transformação em arquitetura coerente, não em quem soma frentes dispersas. Há ainda um quinto ponto que atravessa os quatro anteriores, segundo Bertini: a solidão do executivo brasileiro diante desse tipo de decisão. Quem lidera uma transformação estrutural raramente tem com quem trocar honestamente, e acaba decidindo sozinho, com informação ruim e em prazo curto.

A observação ancora a tese da Orb.tz, plataforma de relacionamento entre líderes de negócio da qual Bertini é investidor, que combina duas frentes para endereçar esse vácuo de troca qualificada entre pares. A primeira é o League, comunidade de empresários e executivos focada em manter o grupo atualizado sobre transformações relevantes de mercado e estimular trocas estruturadas de experiência. A segunda é o Comitê, formado por C-levels e executivos que já passaram por grandes momentos de transformação envolvendo cultura, tecnologia, operação e modelo de serviço, colocando a liderança de uma empresa em contato contínuo com quem já viveu uma mudança comparável. "Adoção de IA é, antes de tecnologia, uma decisão de modelo de negócio. Liderar essa transição exige mais do que a próxima ferramenta, exige proximidade com quem já fez a travessia", afirma Bertini. A pergunta que separa os 6% do restante do mercado é, no fim das contas, menos sobre qual modelo de linguagem usar e mais sobre quem o líder tem ao lado quando precisa decidir.