Um levantamento conduzido pelo Project NANDA, do MIT, revela um contraste expressivo entre adoção e impacto da inteligência artificial generativa (GenAI) nos negócios. O estudo, realizado entre janeiro e junho de 2025, analisou mais de 300 iniciativas públicas, entrevistou 52 organizações e coletou respostas de 153 executivos em conferências do setor. O resultado indica que, apesar de aportes de US$ 30 a 40 bilhões em projetos empresariais, apenas 5% apresentam retorno mensurável em resultados financeiros.
A pesquisa denomina esse fenômeno de “GenAI Divide”. De um lado, grande parte das companhias adota ferramentas amplamente conhecidas, como ChatGPT e Copilot, mas obtém ganhos limitados em produtividade individual. Do outro, poucas alcançam integração real, com impacto em processos críticos e geração de valor direto no balanço.
Pilotos sem escala
Segundo o relatório, 80% das empresas exploraram sistemas baseados em modelos de linguagem, e quase 40% afirmam ter feito alguma implementação. Contudo, apenas 20% levaram projetos de IA empresarial até a fase de piloto, e somente 5% chegaram à produção. A principal barreira não está em infraestrutura, regulação ou qualidade dos modelos, mas na incapacidade dos sistemas de aprender com o uso, adaptar-se ao contexto e evoluir com feedback.
Os pesquisadores identificaram quatro padrões centrais que explicam a dificuldade de avanço:
- Baixa disrupção estrutural: só tecnologia e mídia mostram transformações perceptíveis.
- Paradoxo corporativo: grandes grupos testam mais, mas escalam menos.
- Viés de investimento: orçamentos privilegiam marketing e vendas, áreas de retorno rápido, em vez de funções administrativas com maior ROI.
- Vantagem de parcerias externas: projetos com fornecedores especializados têm o dobro da taxa de sucesso em relação a iniciativas internas.
Outro achado é o crescimento do que o relatório chama de “shadow AI economy”. Funcionários utilizam contas pessoais de ChatGPT, Claude e similares para tarefas diárias sem aval formal das empresas. Essa prática, relatada em 90% das organizações pesquisadas, supera o índice de 40% que adquiriram assinaturas oficiais. O comportamento mostra que usuários encontram valor prático em ferramentas de consumo, mesmo quando projetos corporativos não avançam.
Por que pilotos fracassam
O levantamento aponta que a falta de memória e adaptação dos sistemas é o principal motivo da estagnação. Usuários afirmam que soluções empresariais são pouco flexíveis, exigem repetição constante de informações e não se ajustam às rotinas. Assim, muitos preferem recorrer a interfaces abertas, mesmo pagando do próprio bolso.
Entrevistas revelam ainda que ferramentas genéricas são úteis para rascunhos, e-mails ou resumos, mas não servem para tarefas complexas, que demandam consistência e aprendizado contínuo. Executivos relatam que, para atividades críticas, a preferência segue sendo humana, numa proporção de nove para um.
Estratégias que funcionam segundo o estudo do MIT
As startups que conseguem superar o GenAI Divide adotam outra abordagem. Em vez de construir plataformas amplas, concentram-se em casos de uso específicos, altamente personalizados e integrados a fluxos existentes. Essa estratégia, segundo o relatório, garante contratos milionários em poucos meses e amplia a confiança do cliente.
Do lado dos compradores, organizações que alcançam sucesso tratam fornecedores de IA como parceiros de negócios, e não como simples vendedores de software. Elas exigem customização, cobram resultados operacionais, descentralizam a adoção para gestores de área e mantêm responsabilidade executiva pelos projetos.
A pesquisa mostra que parcerias externas têm taxa de implantação de 67%, contra 33% em desenvolvimentos internos. Empresas de médio porte se destacam pela velocidade, com média de 90 dias entre piloto e implementação. Já grandes grupos levam nove meses ou mais, reduzindo as chances de sucesso.
Retorno além da linha de frente
Embora metade dos orçamentos vá para vendas e marketing, os ganhos mais expressivos aparecem em áreas administrativas. Empresas que cruzaram o GenAI Divide relatam economia de milhões de dólares com redução de contratos de BPO, corte de gastos com agências e automatização de processos financeiros e de atendimento. Em muitos casos, isso ocorre sem demissões em larga escala, mas com diminuição de serviços terceirizados e revisão de padrões de contratação.
No campo do trabalho, os impactos se concentram em funções de suporte, desenvolvimento padronizado e tarefas administrativas. Setores como tecnologia e mídia já relatam diminuição prevista de contratações. Em saúde, energia e indústrias avançadas, por outro lado, executivos não preveem cortes significativos de vagas essenciais.
O próximo passo: a “Agentic Web”
O estudo destaca ainda uma tendência emergente: sistemas “agentic”, capazes de memória persistente e aprendizado iterativo. Esses agentes podem coordenar fluxos complexos de ponta a ponta, reduzindo a necessidade de prompts constantes e atuando de forma autônoma. Protocolos como MCP, A2A e NANDA pavimentam a base para uma “Agentic Web”, em que softwares negociam, integram e transacionam entre si, sem intervenção humana direta.
O relatório do Project NANDA conclui que o caminho para superar o GenAI Divide passa por três escolhas: parar de investir em ferramentas estáticas, priorizar fornecedores que oferecem aprendizado contínuo e focar em integração de processos, não em demonstrações chamativas. Organizações que fizerem essa transição terão vantagem em um mercado onde o tempo para se posicionar está se esgotando.
Acesse o estudo completo aqui!
Aproveite e junte-se ao nosso canal no WhatsApp para receber conteúdos exclusivos em primeira mão. Clique aqui para participar. Startupi | Jornalismo para quem lidera inovação!
0 comentário