A inteligência artificial generativa tem atraído forte atenção de empresas em todo o mundo, mas os resultados concretos ainda são raros. Um estudo da iniciativa NANDA, do Massachusetts Institute of Technology (MIT), revela que 95% dos projetos corporativos não alcançam ganhos relevantes em receita ou eficiência.
O levantamento é baseado em entrevistas com 150 executivos, pesquisa com 350 funcionários e análises de 300 implantações públicas. Ele mostra que somente 5% das iniciativas conseguem acelerar a geração de receita de forma expressiva. Na maioria dos casos, os projetos ficam estagnados ou apresentam efeitos marginais sobre os resultados financeiros.
Segundo Aditya Challapally, pesquisador do MIT e autor do relatório, o principal entrave não está na capacidade dos modelos de IA, mas na forma como são aplicados. Muitas empresas atribuem as dificuldades a questões regulatórias ou limitações técnicas, mas o estudo aponta como fator decisivo as falhas de integração com processos internos.
Enquanto ferramentas como ChatGPT se mostram úteis para uso individual, sua aplicação em grandes organizações esbarra em obstáculos: elas não se adaptam automaticamente a fluxos de trabalho específicos nem aprendem com os sistemas corporativos. Isso leva a um “vazio de aprendizado” que impede avanços consistentes.
Outro problema está na destinação dos investimentos. Mais da metade dos orçamentos voltados para IA generativa está concentrada em vendas e marketing, mas o MIT identificou que o maior retorno ocorre em áreas administrativas e de suporte — como automação de processos internos, redução de custos com terceirização e otimização de operações.
Então o que diferencia os projetos bem-sucedidos?
De acordo com a pesquisa, empresas que recorrem a fornecedores especializados e estabelecem parcerias têm taxa de sucesso de cerca de 67%. Já aquelas que optam por desenvolver internamente suas próprias soluções alcançam resultados positivos em apenas um terço dos casos.
Esse contraste é relevante, especialmente em setores como o financeiro, onde muitas organizações têm tentado criar sistemas proprietários em 2025. Os dados do MIT sugerem, no entanto, que a adoção de soluções externas costuma ser mais eficaz e menos sujeita a falhas.
Além disso, o estudo destaca a importância de envolver gestores de linha na implementação, e não restringir a estratégia apenas a laboratórios centrais de IA. Outro fator determinante é escolher ferramentas capazes de se integrar profundamente às operações e se adaptar ao longo do tempo.
O impacto da tecnologia já começa a aparecer no mercado de trabalho. Em vez de cortes em massa, o que se observa é a não reposição de cargos em funções administrativas e de atendimento ao cliente, áreas que tradicionalmente eram terceirizadas. Paralelamente a isso, cresce o uso de Shadow IA — quando empregados utilizam ferramentas como ChatGPT sem autorização oficial.
Com informações da Fortune
Fonte: Tecnoblog
