Em todos os fóruns de tecnologia se compartilha a estatística de que 95% dos projetos de inteligência artificial falham ou não entregam resultado ao negócio. Mas se esse dado é concreto e já sabemos, inclusive, as causas de parte dessas falhas, o que acontece no mundo dos 5% onde as iniciativas geram valor? Foi com essa pergunta em mente que pesquisadores do Stanford Institute for Human Centered AI elaboraram um estudo para entender melhor esse universo de empresas. E os resultados surpreendem em alguns aspectos, deixando claro que o modelo de LLM importa muito menos do que a maneira como a empresa está organizada. 

Elisa Pereira, uma das pesquisadoras do estudo, apresentou os dados durante a Futurecom 2026, em São Paulo. Antes de entrar nos detalhes da pesquisa, ela narrou rapidamente dois exemplos de tentativa de uso de IA. Uma de um banco que levou 3 anos para implantar uma solução de suporte ao cliente, solução que deveria ser relativamente simples. Do outro lado, um banco digital brasileiro rodou um projeto que, em seis semanas, renovou o código legado e liberou mais de 10 mil horas do time de engenharia. Saíram da linguagem de programação antiga para uma nova. 

“De um lado temos um banco que levou 3 anos com uma aplicação óbvia e do outro uma instituição que sem 6 semanas implantou um projeto complexo. A diferença não está na tecnologia, está na organização”, analisou Elisa. 

A pesquisa (baixe o relatório completo aqui), avaliou 51 casos em 9 indústrias, espalhados por 7 países, inclusive o Brasil. As dimensões para considerar os casos válidos envolveram estabilidade operacional, adoção sustentada, criação de valor quantificável e escala e replicabilidade. 

De forma bastante resumida, Elisa trouxe 6 principais pontos do estudo, que colocam lado a lado o que seriam até mitos sobre o insucesso de projetos de IA e o que se encontrou na realidade nessas empresas avaliadas. 

1 – Se o projeto falou, IA não serve

O que se viu na realidade é que em 61% dos casos houve falhas antes de uma iniciativa que gerasse resultado. Isso nos leva a discutir, novamente, a tolerância ao erro nas empresas. Por mais que propaguem que são tolerantes, na prática, o que vemos é punição. 

“Não pode temer a falha. Cultura de experimentação não pode punir. Nos casos que vimos, quem liderou a falha, liderou o sucesso. A falha era parte do caminho”, reforçou Elisa.

2 – Quem trava é o funcionário com medo

Outro discurso que tem sido amplamente propagado mundo agora – e no Brasil também – é de que existe um boicote aos projetos de IA nas empresas liderado por funcionários que temem perder suas posições para a tecnologia. O que se viu na realidade foi algo que surpreende. 

Quem mais trava as iniciativas de inteligência artificial são RH, jurídico e compliance. “Ninguém acorda e fala que vai boicotar, ninguém tem esse desejo. Mas são áreas que têm função de proteger a empresa de risco, se eles enxergam risco, serão contra”, pontuou Elisa. Para a pesquisadora a lição aqui é envolver essas pessoas no processo e não apenas na hora de aprovar. 

Nas empresas avaliadas, eles resolveram isso envolvendo essas lideranças desde a concepção das inciativas, mas também com ações como Demo Days, prêmios para boas ideias, embaixadores de IA espalhados pelas diversas áreas e metas em comum, colocando todos no mesmo objetivo.

3 – IA é sinônimo de demissão

Esse é outro tópico muito forte. Todos buscam redução de custo e cortar pessoas virou objeto central nos projetos de IA. A Harvard Business Review tem artigos mostrando o quanto isso pode ser danoso à corporação. E aqui não estamos nos colocando contra redução de custo ou pessoas, que invariavelmente vai acontecer. Mas o foco demasiado nesse ponto desde o dia zero pode comprometer o sucesso. 

“Em 45% dos casos a resposta é demissão e acreditamos que deva chegar perto de 60%, mas tem outras coisas que você consegue fazer quando tem ganho de produtividade além da demissão. A empresa pode evitar novas contratações ou agregar atividades de maior valor agregado às funções dessas pessoas”, comentou.

Recentemente, publicamos aqui no Coletivo Tech o caso da IKEA que automatizou o atendimento ao cliente e aproveitou as pessoas do call center que já conheciam produto e tinha cultura da empresa para criar uma força de vendas. E isso tem gerado muito resultado para eles. 

4 – O ganho está na produtividade

Acredito que essa é a resposta ou objetivo de todos os executivos com quem conversamos via Coletivo Tech. É uma busca imensa por mais produtividade. Mas o foco em apenas fazer mais rápido, não exatamente vai agregar valor futuro à empresa. Claro que é importante ter pessoas mais produtivas e a IA está aí para ajudar nesse sentido.

“Mas fazer mais rápido não exige folha em branco e nem explorar novos caminhos para empresas. O longo prazo está aí, o mais rápido é mais fácil e óbvio. 74% querem gerar receita, mas só 10% conseguem de acordo com nossa”, comentou Elisa. O ideal aqui é ter produtividade, mas também a busca por repensar processos, produtos e até em modelos de negócio, e a tecnologia tem potencial para dar suporte nesse sentido.

5 – Humano aprovando tudo é mais seguro

O Human in the Loop é outro mantra pregado pela indústria de tecnologia e absorvido pelas empresas. Mas os pesquisadores entenderam que colocar humano para validação de todos as atividades desempenhadas por IA não gera valor, na verdade, pode burocratizar algo que seria mais fluído.

Para Elisa, esse processo mostra um claro medo de delegar para IA. “Mas quando comparamos com os cases a IA fazia 90% das atividades sozinha e delegava para validação só as exceções. O ganho de produtividade é mais que o dobro quando comparado com empresas que colocam validação em tudo. Pessoa no fluxo atrasa o que poderia ser feito pela máquina. Quando tem alto volume de tarefas simples e erro é recuperável dá para seguir essa linha”, detalhou.

6 – Vence quem escolhe o melhor modelo

Recentemente o Coletivo Tech esteve no HumanX Amsterdam e havia um discurso tentando quebrar essa máxima. E não apenas do melhor modelo, mas da quantidade de dinheiro aplicado. Claro que o dinheiro ajuda, mas tem empresas que entendem o jogo da IA e, mesmo com modelos open source, conseguem resultados impressionantes. 

No caso das empresas ouvidas pelo estudo de Stanford, 45% disseram ter modelo intercambiável. Isso leva Elisa a afirmar que vence quem consegue trocar de modelo, reduzindo dependência de fabricante A ou B. Ela defende também ter uma arquitetura que permita navegar por vários modelos e que permita escolher o melhor modelo para sua pergunta, sem dar um tiro de canhão para matar formiga. No caso do Brasil ela afirma: “não temos amarra com nenhum país, podemos testar modelos chineses, europeus, americanos, brasileiro e recomendo testar todos para entender o que é melhor pra você”.