Pular para o conteúdo

7 passos para medir o retorno da IA

por Vera Bermudo

retrato de mulher adulta sorrindo, cabelo castanho longo, vestindo blusa preta, braços apoiados no encosto de uma cadeira, fundo cinza

O mercado corporativo viveu, nos últimos anos, um encantamento febril com a inteligência artificial, e bilhões de dólares foram alocados em projetos sob a justificativa da inovação. Só em IA generativa, o relatório State of AI in Business 2025, do MIT NANDA, estima entre US$ 30 bilhões e US$ 40 bilhões.

A pesquisa Global AI Pulse, da KPMG (terceiro trimestre de 2026), revelou que 89% dos entrevistados percebem valor mensurável na IA, mas essa é uma resposta autodeclarada, e não um fato concreto, enquanto apenas 12% afirmam avaliar de forma consistente o valor gerado pela IA contra o custo.

Outras pesquisas apontam na mesma direção, como o The State of AI in 2026, da McKinsey, em que só 37% atribuem algum impacto da IA ao EBIT, e a 29ª CEO Survey, da PwC, em que 56% dos CEOs não viram ganho de receita nem de custo. Ou seja, o entusiasmo avançou mais rápido que a prova de retorno e o deslumbramento começa a dar lugar à cobrança financeira.

Um ganho pontual, muitas vezes percebido individualmente pelo colaborador, não se converte necessariamente em impacto positivo para o negócio, e às vezes nem chega ao radar da empresa. É a chamada shadow AI, ou IA invisível: o uso de ferramentas de IA sem aprovação da área de TI, como quando alguém cola um contrato ou uma planilha de clientes em um chatbot gratuito para ganhar tempo.

O colaborador enxerga produtividade, enquanto a companhia herda o risco de vazamento de dados e de descumprimento da LGPD. Ganho que não chega ao resultado e uso que escapa à governança revelam a ausência de uma gestão estratégica e econômica dos projetos de IA.

Estratégica, porque as companhias precisam ter intencionalidade, e não tentar apenas mostrar ao mercado ou ao conselho o quanto são inovadoras. Econômica, porque uma parte das empresas pode até saber quanto a IA custa, mas a vasta maioria não avalia, com disciplina, o retorno obtido versus o gasto incorrido.

Com essa questão em mente, os sete passos a seguir são uma proposta para fechar essa lacuna.

Comece pelo problema e seu baseline

Tecnologia pela tecnologia não é estratégia. Antes de escolher a ferramenta, responda qual problema de negócio a empresa quer resolver. Em seguida, registre onde a empresa está sem a IA: número de clientes, tíquete-médio, horas gastas, custo, prazo, taxa de erro ou exposição ao risco. Sem essa foto não existe um “antes” para comparar e o ganho vira uma opinião que ninguém consegue auditar.

Defina o benefício esperado antes de aprovar

Receita maior, custo menor, risco mitigado ou menor tempo de chegada ao mercado (time to market)? Entenda o benefício que a iniciativa promete, estime-o e diga que indicador o confirmará. Quem tem dificuldade para responder está confirmando que o projeto ainda não está maduro, ou talvez nem seja prioritário.

Essa resposta precisa vir antes do “cheque”. Uma alternativa é fazer uma prova de conceito, em tamanho reduzido, para testar a tese, desenvolver a capacidade de estimar o benefício e definir os KPIs.

Construa a ponte entre o investimento e o resultado

O ganho que o colaborador sente nem sempre é o que o negócio enxerga. Tempo economizado, por exemplo, é matéria-prima, e só vira valor quando se transforma em mais receita, pela capacidade realocada, ou menos gasto.

Os indicadores precisam ligar o dinheiro investido ao impacto no negócio por uma relação de causa e efeito. Se a equipe financeira ganhou horas no fechamento com um assistente, a pergunta é o que foi feito com elas e que linha do resultado melhorou por isso. Sem esse nexo causal, a conclusão pode ser equivocada.

Dê um dono de negócio para cada iniciativa

O dono é da área que vai mudar a forma de trabalhar e colher o benefício, e não da tecnologia, e os papéis precisam ser claros: o conselho decide se a iniciativa está alinhada à estratégia da empresa, define a alocação de capital e acompanha o andamento; a diretoria operacionaliza, com um executivo prestando contas ao conselho; e o comitê, em geral o de auditoria ou o de risco, verifica se o benefício aferido é confiável.

Invista em etapas, com critério de parada

A assimetria é natural: o gasto ocorre no curto prazo, enquanto os retornos esperados, se concretizados, aparecerão apenas no médio ou longo prazo. Dois alertas: isso não pode virar desculpa para não medir, e o investimento não precisa acontecer em uma única tacada.

A resposta é aportar recursos em projetos específicos, alinhados à estratégia corporativa e em etapas, com marcos claros de medição e um critério de parada definido de antemão, para que a espera pelo retorno seja uma decisão consciente e não uma aposta sem prazo. Se os marcos não forem atingidos e o modelo se mostrar inviável após as correções, tenha a coragem de executar o plano de abandono.

O conceito de “fail fast” poupa recursos preciosos, evita o viés do “já investimos muito e não podemos parar agora” e aumenta a credibilidade de quem lidera.

Comece simples, com governança e indicadores desde o primeiro dia

Os recursos, de dinheiro a tempo, são limitados, e projetos muito vultosos ou complexos desde a partida tendem a terminar em dissabores. Por isso, é importante selecionar apostas que ataquem problemas reais e permitam provar a tese com velocidade e confiança.

Adote o mantra do desenvolvimento ágil: comece pequeno, teste, erre, conserte e, só depois de provar o valor, escale. Projetos bem governados e com resultados registrados desde o primeiro dia se convertem em repertório para iniciativas mais robustas em investimento, com maior segurança quanto aos retornos.

Leia os sinais intermediários e construa uma cultura de dados

Antes da adoção de qualquer tecnologia, certifique-se de que quem executa o trabalho está envolvido no projeto e contemplado nos treinamentos, cujo avanço em competências centrais também deve ser medido. Isso vale inclusive para quem já usa IA por conta própria: em vez de proibir a shadow AI, o que tende a empurrar esse uso para a clandestinidade, cabe à empresa direcioná-lo com ferramentas aprovadas, regras claras sobre os dados que podem ser inseridos e capacitação para um uso responsável.

Segundo a BCG, no artigo “A transformação da IA é uma transformação da força de trabalho”, e com base em sua análise com centenas de empresas, cerca de 10% do valor da IA vem dos algoritmos, 20% da tecnologia necessária para implementá-los e 70% do componente humano.

E o processo? Está respaldado por dados confiáveis? Foi redesenhado, em vez de receber uma ferramenta por cima? Tecnologia sobre processo ruim cria dois problemas em vez de resolver um.

Esses são os sinais intermediários: se as pessoas estão usando, se o processo melhorou e se o benefício começa a aparecer antes do resultado final. É uma lição que o ecossistema de inovação, os conselheiros e os C-levels precisam absorver. A transformação digital exige mais do que comprar a licença do momento, porque pessoas, processos e tecnologias precisam evoluir juntos, na direção de um objetivo comum.

As companhias que dominarem a ciência de rastrear o retorno das iniciativas versus o investimento aportado, respeitando essa tríade, tendem a ficar à frente. E o mercado cobrará, com a própria sobrevivência, de quem não fizer essa conta fechar.

QUEM É VERA BERMUDO?

Vera Bermudo é CFO, Conselheira, docente nos MBAs da FGV, Escritora, Cofundadora e Host da plataforma educativa Wakaro. Possui 30 anos de trajetória executiva e mais de 15 anos em Conselhos, com passagens pela AT&T, Embratel (Claro), General Electric, Makro, Pernambucanas e Plurix, do Grupo Pátria Investments.

Conselheira certificada pelo IBGC, com PhD, Mestrado, MBA, dois bacharelados e formação executiva pela Harvard Business School, Columbia University e GE Crotonville. Vera é coautora do livro Tomada de Decisão Baseada em Dados: Transformando Evidências em Vantagem Competitiva e colabora com o LinkedIn Notícias na temática de Gestão, Governança e Inovação.

É CFO, Conselheira de Administração, docente dos MBAs da FGV, cofundadora e cohost do Wakaro e coautora, com Betovem Coura e Bruno Pimenta, do livro Tomada de Decisão Baseada em Dados: Transformando Evidências em Vantagem Competitiva.

Feed principal

Últimas notícias

Carregando mais notícias…