ROI da IA: por que o investimento não chega ao resultado

O ROI da IA ainda não aparece na maior parte das empresas que investem nela. Na pesquisa global da PwC com 4.454 presidentes executivos de 95 países e territórios, feita entre 30 de setembro e 10 de novembro de 2025, 56% disseram que a IA não trouxe nem receita maior nem custo menor nos 12 meses anteriores, e só 12% relataram os dois ganhos. A causa mais frequente está na escolha dos problemas que a IA vai resolver.

Em um artigo publicado na Harvard Business Review em setembro de 2026, David Rogers, da Columbia Business School, e Krishnan Sankaranarayanan, que lidera a transformação por IA na química Eastman, atribuem a distância entre investimento e retorno a uma falha de estratégia. As empresas apontam a IA para problemas de pouco valor, e ninguém liga o projeto a uma linha do resultado antes de começar. A proposta dos autores cabe em quatro passos, que as seções abaixo detalham.

Onde o investimento em IA se perde?

Ele se perde em projetos que resolvem problemas visíveis e baratos. Rogers e Sankaranarayanan listam os mais comuns: o atrito interno que incomoda a liderança e custa pouco à empresa, a funcionalidade nova que o cliente não valoriza, o caso de uso copiado porque outra empresa já o fez, o painel que mostra os dados de outro jeito sem mudar decisão alguma e a ferramenta que poupa minutos do funcionário sem que a economia apareça no orçamento. Em cada um, o ganho imediato é pequeno, e a vantagem competitiva é nula, porque os concorrentes têm acesso aos mesmos modelos e aos mesmos casos de uso.

A PwC chega a um diagnóstico parecido por outro caminho. Segundo a pesquisa, 26% dos presidentes executivos viram o custo cair com a IA, e 22% o viram subir. A consultoria conclui que projetos isolados e táticos raramente entregam valor mensurável, e que o retorno vem da implantação em escala, coerente com a estratégia do negócio, sobre uma base de tecnologia, roteiro, gestão de risco e cultura. O grupo de 12% que obteve receita e economia ao mesmo tempo é o que mais avançou nessa base.

Tecnologia, adoção e alinhamento: um fator zerado zera o todo

O valor da IA cabe em uma equação: valor é igual a tecnologia vezes adoção vezes alinhamento estratégico. A tecnologia reúne o modelo, a infraestrutura, a capacidade de processamento e os dados. A adoção é o uso real pelas equipes, que a gestão da mudança persegue. O alinhamento mede o quanto o problema resolvido pesa nas prioridades, no balanço e na demonstração de resultado da empresa. Como os três se multiplicam, um deles perto de zero leva o valor a zero: um modelo excelente sem os dados certos, uma solução bem desenhada que ninguém usa, uma ferramenta potente apontada para um problema irrelevante.

As empresas já aprenderam a cuidar dos dois primeiros fatores e descuidam do terceiro. Isso acontece quando a IA fica com a TI ou com uma área de inovação sem responsabilidade pelo resultado, quando a liderança espera que um modelo ligado a todos os dados dispense a escolha dos problemas, ou quando o programa começa pela tecnologia e pelo medo de ficar atrás dos concorrentes. O conflito entre as equipes de TI e de IA explica parte desse desencontro.

Um exemplo isola o terceiro fator. Uma solução que poupa um minuto de um funcionário em uma tarefa rotineira vale pouco em uma empresa em que esse minuto se perde na folga do dia e a tarefa está fora do caminho crítico. Em outra, o mesmo minuto vale muito: a tarefa é o gargalo que limita a produção, como pôr mais um volume no caminhão, ou se repete dezenas de milhares de vezes por dia, ou reduz o tempo de exposição do funcionário a um ambiente perigoso. A tecnologia e a adoção são as mesmas nos dois casos, e o valor muda com o lugar da tarefa na economia do negócio.

Os direcionadores de valor do setor e da posição na cadeia

Um direcionador de valor é uma alavanca que, movida, muda a rentabilidade do negócio de forma relevante, e ele varia por setor. Na indústria pesada, os direcionadores são compras, que respondem por uma parcela grande da receita, e a disponibilidade dos ativos, porque a planta parada encarece cada unidade produzida. Em serviços entre empresas, o direcionador é a produtividade comercial; em uma empresa de assinatura, a retenção e o custo de aquisição de clientes; no varejo, o preço e o estoque; em bens de consumo, a criação de produtos e o mix de marketing.

Dentro de um mesmo setor, o direcionador muda com a posição da empresa na cadeia de valor. Duas químicas mostram a diferença. A Westlake produz cloro e polietileno, negociados no mercado mundial, em instalações que custam bilhões de dólares, e ganha pela eficiência operacional, o que pede IA na operação da planta. A Givaudan produz fragrâncias, aromas e ingredientes cosméticos de margem alta, gasta proporcionalmente muito mais em pesquisa e desenvolvimento e ganha pela velocidade e pelo custo de lançar produtos, o que pede IA no laboratório e no desenvolvimento.

A Nestlé mostra um direcionador do segundo tipo. Segundo a empresa, uma ferramenta própria de IA generativa encurtou a ideação de produtos de seis meses para seis semanas nos primeiros testes, relatados em junho de 2024. Em um mercado em que o primeiro a chegar à prateleira fica com a venda, o tempo de desenvolvimento é a linha que pesa.

O que fazer: liste de três a cinco direcionadores de valor do negócio com o diretor financeiro e os responsáveis por cada unidade, e tire da carteira de IA o projeto que não mova nenhum deles.

A demonstração de resultado, linha a linha

Com os direcionadores definidos, o passo seguinte é ler a demonstração de resultado da empresa ou da unidade, linha a linha, e perguntar o que a IA pode mover e em quanto. A receita, o custo dos produtos vendidos e as despesas operacionais geram, cada uma, uma hipótese de valor. Em uma petroleira com ativos concentrados na produção, a vida das reservas e o custo de extração são as linhas críticas, e delas saem a IA que reduz a parada de produção, para proteger a receita, e a que otimiza a extração, para prolongar as reservas.

A mesma leitura aponta receita nova sobre o capital já investido. Na petroleira do exemplo, ela indica o aluguel de ativos e a comercialização da produção própria no mercado à vista e em contratos futuros, cada uma apoiada por IA.

Em um órgão público, o orçamento cumpre o papel da demonstração de resultado. As despesas de maior peso, como os contratos de serviços contínuos e de obras, são onde um ganho de eficiência aparece na execução orçamentária. O artigo sobre a IA agêntica em compras segue a mesma lógica: compras atrai o investimento em agentes porque o resultado dela é medido em dinheiro, contrato a contrato.

O que fazer: leve a demonstração de resultado do último exercício à reunião que prioriza a IA, escreva ao lado de cada linha relevante uma hipótese com o valor estimado e um responsável, e ordene a carteira de projetos por esse valor.

A métrica definida antes do projeto

O último passo é decidir como medir o efeito da IA no direcionador escolhido, antes de construir a solução. A regra é direta: se a empresa não sabe dizer de antemão como vai medir o projeto e quem vai atestar o valor, ela não está pronta para começar. A métrica é a do problema: a taxa de rejeição indevida em uma linha de produção, a retenção e o tempo de uso em um serviço de assinatura, o erro da previsão de demanda e o custo do estoque parado em um varejista, o tempo de cada etapa do desenvolvimento em uma empresa de bens de consumo.

A Aramco publica uma métrica própria. Junto com os resultados anuais, a empresa divulga o Technology Realized Value, o valor que ela atribui às soluções de IA, digitais e de outras tecnologias. Segundo o comunicado de resultados de março de 2026, ele somou US$ 5,3 bilhões em 2025 e US$ 11,3 bilhões desde 2023. O número é uma estimativa da própria empresa, sem auditoria separada, e aparece no mesmo documento em que ela presta contas do lucro.

Medir com antecedência muda também a posição da IA na organização. Quando cada iniciativa está ligada a um direcionador e a uma linha do resultado, quem responde pelo resultado e pelo investimento ganha confiança no programa, e essa confiança se espalha pelo resto da empresa.

O que fazer: para cada projeto aprovado, registre antes do início a métrica, o valor de partida, a meta, a data da medição e o nome de quem atesta o resultado, e reavalie o projeto que chegar à data sem o número.

Conclusão

O ROI da IA aparece quando o programa começa pela economia do negócio. Os quatro passos fazem isso: escolher os direcionadores de valor, ajustá-los à posição da empresa na cadeia, ler a demonstração de resultado em busca de hipóteses com valor estimado e definir a métrica e o responsável antes do primeiro modelo. A tecnologia e a adoção continuam necessárias, e o alinhamento estratégico decide para onde elas apontam. Como os concorrentes têm acesso aos mesmos modelos, a vantagem que dura vem do conhecimento que a empresa tem da própria economia.

A ligação entre a governança e os indicadores do negócio é o que a Jornada de Maturidade ITIL® examina. Com o modelo de maturidade ITIL, a Takter avalia os cinco componentes do sistema de valor de serviço, da governança à melhoria contínua, e liga a governança a indicadores como o retorno sobre os ativos (ROA) e sobre o patrimônio (ROE). O diagnóstico mostra em que estágio a organização está e quais áreas melhorar para entregar resultados previsíveis.

Fontes

• PwC, 29th Global CEO Survey, janeiro de 2026.
• David L. Rogers e Krishnan Sankaranarayanan, Closing the Gap Between AI Investment and Financial Return, Harvard Business Review, setembro de 2026.
• Nestlé USA, Unlocking New Opportunities with Gen AI, junho de 2024.
• Aramco, Fourth quarter and full-year 2025 results, março de 2026.