A IA já aumentou sua produtividade. Mas, cadê o lucro?

Faça um teste na próxima reunião de diretoria. Pergunte quanto a inteligência artificial rendeu à empresa no último trimestre. Não vale responder com horas economizadas, número de licenças ou taxa de adoção. Tem que ser em dinheiro.

Na maioria das salas, o silêncio vai ser constrangedor.

O EY-Parthenon CEO Outlook Survey, publicado em 1º de outubro, ouviu 1.200 CEOs em 21 países entre agosto e setembro de 2026 e põe números nesse silêncio. Metade dos executivos diz que a IA foi o maior responsável pelos ganhos de produtividade da empresa no último ano. Só 16% têm visibilidade clara, em tempo real, do retorno desse investimento. E 23% admitem que o ganho de produtividade é absorvido no caminho, antes de chegar ao resultado.

A produtividade com IA existe. O lucro com IA, por enquanto, é uma promessa que pouca gente consegue auditar.

A IA virou o maior motor de produtividade das empresas?

Para metade dos CEOs ouvidos pela EY, sim. E isso já é uma virada. Há dois anos, a discussão era se a IA generativa servia para alguma coisa além de resumir e-mails. Hoje ela lidera, na percepção de quem comanda as empresas, a lista do que fez as equipes produzirem mais.

O detalhe que importa está na palavra "percepção". Produtividade, nesse tipo de pesquisa, costuma ser medida por tarefa: o relatório que saía em três dias e agora sai em três horas, o atendimento que fechava em dez minutos e agora fecha em quatro. É real. Mas tarefa mais rápida não é, automaticamente, empresa mais rentável.

Por que o ganho de produtividade não chega ao resultado?

Porque quase nenhuma empresa decidiu antes o que fazer com o tempo que a IA devolve.

O dado de 23% da EY dá nome ao fenômeno: o ganho é absorvido. Na prática, isso costuma ter três rostos conhecidos de qualquer líder. O analista que terminou o relatório mais cedo e foi puxado para mais duas reuniões. O time que produziu o dobro de material, que agora precisa do dobro de revisão. O processo que ficou mais rápido numa ponta e travou na aprovação seguinte, que continua manual.

Nenhum desses cenários aparece no P&L. Todos aparecem na sensação de que "a IA está ajudando".

O tempo liberado vai parar onde?

Essa é a pergunta que separa piloto de estratégia, e quase ninguém a faz antes de comprar a ferramenta.

O relatório The GenAI Divide: State of AI in Business 2025, do Project NANDA, do MIT Media Lab, analisou mais de 300 iniciativas de IA divulgadas publicamente, fez 52 entrevistas e ouviu 153 líderes seniores. A conclusão ficou famosa: apesar de US$ 30 a 40 bilhões investidos em IA generativa corporativa, 95% das organizações não tinham retorno mensurável. Só 5% dos pilotos chegavam à produção.

O diagnóstico do MIT não culpa a infraestrutura nem a falta de talento. Culpa a forma como a IA é encaixada no trabalho: sistemas que não aprendem com o uso, não se adaptam ao contexto e ficam do lado de fora dos processos que geram receita.

Um ano depois, o cenário melhorou na adoção e continua parecido no retorno.

Medir adoção não é medir retorno

A pesquisa da WRITER com a Workplace Intelligence, com 1.200 executivos C-level e 1.200 funcionários, mostra que 59% das empresas investem mais de US$ 1 milhão por ano em IA. Só 29% relatam retorno significativo com IA generativa. E 75% dos executivos admitem que a estratégia de IA da própria empresa é "mais para mostrar" do que um guia real para dentro da organização.

Esse é o ponto cego. Muitas empresas trocaram o indicador de negócio pelo indicador de uso: quantas pessoas abriram a ferramenta, quantos prompts foram feitos, quantas áreas "já usam IA". São métricas fáceis de colher e de colocar no slide. Dizem quase nada sobre margem, receita ou custo por unidade entregue.

Uso é condição necessária. Não é prova de valor.

O gargalo é o modelo operacional, não o modelo de linguagem

O Deloitte 2026 Global Technology Leadership Study, feito com mais de 660 executivos de tecnologia, traz um contraste que resume o momento. 81% se dizem confiantes em escalar IA. Ao mesmo tempo, 75% reconhecem que o modelo operacional da empresa precisa mudar de forma profunda, e 42% relatam retorno baixo ou nulo com os investimentos em IA.

Ou seja: a confiança está na tecnologia. A dúvida está na organização.

Escalar IA, na prática, significa redesenhar quem aprova o quê, que etapas deixam de existir, que metas mudam quando uma equipe passa a produzir o dobro. Isso é decisão de liderança, não de TI. E é exatamente a parte que costuma ficar para depois, enquanto a empresa compra mais licenças.

O que muda quando a IA entra no P&L, e não no laboratório

As empresas que já transformam produtividade em resultado tendem a fazer uma coisa simples e desconfortável: antes de implantar, definem qual linha do demonstrativo vai mexer.

Se a IA vai reduzir o tempo de análise de crédito, a meta não é "analisar mais rápido". É aprovar mais clientes com a mesma equipe, ou manter o volume com menos custo, ou reduzir a inadimplência com uma análise melhor. Cada uma dessas escolhas exige uma mudança diferente no processo, nas metas e, às vezes, na estrutura.

Sem essa escolha, o tempo liberado vira o que o dado da EY já mostrou: ganho absorvido. Com ela, vira indicador que o CFO consegue auditar e que o conselho consegue cobrar.

Os 16% de CEOs que enxergam o retorno em tempo real não têm, necessariamente, uma IA melhor do que os outros. O que eles têm é um painel que liga cada iniciativa a um número de negócio, e a disciplina de matar o que não mexe esse número.

Sua empresa sabe para onde vai cada hora que a IA devolve?

Se a resposta for "para mais trabalho", o problema não está na ferramenta. A produtividade está acontecendo, só que ninguém decidiu o que ela deveria comprar.

A boa notícia é que esse é um problema de gestão, e gestão se resolve com critério, governança e coragem de redesenhar processos que funcionam "mais ou menos" há anos. A pergunta que fica para quem lidera é se a sua empresa vai continuar comemorando horas economizadas ou vai começar a cobrar resultado delas. É essa virada, de usar IA para ser uma empresa construída a partir dela, que o AI FIRST trabalha com lideranças que cansaram de pilotos que não dão resultado.