Levantamento com 51 casos reais de implantação de inteligência artificial em empresas conclui que o gargalo do sucesso está na organização, não no modelo de IA escolhido.
Numa empresa americana de logística, sete funcionários trabalhavam em tempo integral só para processar faturas. Mais de 100 mil documentos por ano chegavam por e-mail, fax e até telefonema, cada um num formato diferente. Depois de instalar um sistema de inteligência artificial, a equipe encolheu para dois funcionários, o processamento passou a ser feito em menos de 24 horas e a operação começou a economizar mais de US$1 milhão por ano. “A tecnologia foi a parte mais fácil”, resumiu o presidente da empresa.
O caso está entre os 51 analisados pelo Enterprise AI Playbook, estudo publicado em abril pelo Stanford Digital Economy Lab após cinco meses de entrevistas com executivos de 41 organizações em sete países, somando mais de um milhão de funcionários. A conclusão central contraria boa parte do discurso das grandes empresas de tecnologia: entre as companhias que tiveram sucesso com IA, a tecnologia não foi o gargalo. A organização foi.
Enterprise AI Playbook: é o nome do relatório do Stanford Digital Economy Lab, centro de pesquisa da Universidade Stanford, que mapeou 51 implantações reais de inteligência artificial em empresas de sete países para identificar os fatores que separam projetos bem-sucedidos de fracassos.
Por que o custo de um projeto de IA quase nunca cabe no orçamento previsto?
Quando perguntados sobre a parte mais difícil da implantação, 77% dos executivos citaram problemas que raramente entram no orçamento aprovado: gestão de mudança, qualidade dos dados e redesenho de processos. Apenas uma minoria apontou desafios técnicos. Para cada real investido em tecnologia, estimam os pesquisadores, empresas bem-sucedidas gastam até dez vezes mais em requalificação de equipes, reestruturação de fluxos de trabalho e governança de dados.
O levantamento foi coordenado por Elisa Pereira, pesquisadora do Stanford Digital Economy Lab; por Alvin Wang Graylin, autor do livro “Our Next Reality”; e por Erik Brynjolfsson, um dos criadores do conceito da Curva J da Produtividade. Entre as empresas que hoje têm sucesso com IA, 61% já haviam enfrentado um projeto anterior fracassado, cujo custo raramente entra na conta do retorno das iniciativas atuais.
Por que projetos de IA idênticos levam semanas numa empresa e anos em outra?
Casos de uso praticamente idênticos levaram semanas em algumas empresas e anos em outras, segundo o estudo. Uma fintech latino-americana migrou milhões de linhas de código legado em poucas semanas com um agente de IA, enquanto um banco relatou levar “múltiplos anos” num projeto semelhante de atendimento ao cliente, mesmo usando tecnologia equivalente. A diferença esteve na maturidade organizacional: comprometimento da liderança, fundações técnicas prévias e disposição dos usuários finais.
Segundo o levantamento, três fatores aceleram esse tipo de projeto: patrocínio executivo ativo, presente em 43% dos casos, seguido do aproveitamento de infraestrutura já existente (32%) e da disposição genuína dos usuários (25%). Do lado dos atrasos, o padrão muda de figura: curva de aprendizado, qualidade dos dados, restrições regulatórias e lacunas na documentação de processos dividem a culpa quase igualmente, 21% cada um. Nenhum dos projetos bem-sucedidos seguiu o planejamento tradicional em cascata. Todos avançaram aos poucos, testando e ajustando no caminho.
Quem trava mais a adoção de IA dentro das empresas: o jurídico ou os funcionários?
Os sete casos que alcançaram transformação em escala corporativa tinham a IA integrada aos OKRs (objetivos e resultados-chave) da empresa e às métricas de bônus dos líderes. Projetos mais bem-sucedidos costumavam ser copatrocinados por um líder de negócio e um líder técnico. “A organização precisava saber que era uma iniciativa do CEO, não apenas do CTO”, resumiu um executivo de uma empresa de serviços profissionais ouvida pela pesquisa.
A maior resistência, porém, não veio de funcionários com medo de perder o emprego. Veio de áreas como jurídico, RH, riscos e compliance, responsáveis por 35% dos bloqueios registrados; os usuários finais responderam por 23%; e o medo de substituição apareceu em apenas dois dos 51 casos estudados.
A adoção de IA sempre reduz o número de funcionários?
Em 45% dos casos analisados, a implantação de IA resultou em redução de headcount. Mas 55% seguiram outros caminhos: evitar novas contratações, realocar pessoas para funções de maior valor ou manter o quadro inalterado. O relatório descreve três estratégias distintas: “aceleração”, quando os ganhos de produtividade são usados para crescer mais rápido em vez de cortar custos; “realocamento”, movendo pessoas para um trabalho que exige julgamento humano; e a redução direta de headcount, mais comum em empresas sob pressão de private equity por retorno de curto prazo.
O estudo alerta, porém, que esse cenário pode não persistir. Dados de folha de pagamento de milhões de trabalhadores americanos, analisados por Brynjolfsson e colaboradores, mostram queda de 16% no emprego de trabalhadores de início de carreira em ocupações expostas à IA desde o fim de 2022, chegando a quase 20% entre desenvolvedores de software de 22 a 25 anos. “As canárias estão cantando”, diz o relatório, em referência aos pássaros usados em minas de carvão para detectar gases tóxicos.
Por que a escolha do modelo de IA importa menos do que a orquestração?
Para 42% das implantações analisadas, a escolha do modelo de linguagem era completamente intercambiável. O que diferenciava os resultados era a camada de orquestração, a arquitetura que integra o modelo aos processos e dados da organização. O relatório recomenda arquiteturas multimodelo, capazes de direcionar cada tarefa ao modelo mais adequado em custo, precisão, privacidade e latência.
Sistemas agênticos, em que a IA executa tarefas de forma autônoma sem aprovação humana a cada passo, tiveram ganho mediano de produtividade de 71%, contra 40% das implantações convencionais de alta automação. Hoje representam 20% dos casos estudados, mas os pesquisadores estimam que serão maioria dentro de três anos.
Como a América Latina aparece no estudo de Stanford sobre IA nas empresas?
A pesquisa incluiu casos da América Latina, entre eles uma fintech, uma bolsa de valores e uma plataforma de entrega de alimentos. Elisa Pereira, brasileira e pesquisadora principal do estudo, defende que a soberania tecnológica da região não começa pelo modelo de IA escolhido, mas pela disposição das organizações de mudarem a si mesmas. “A estabilidade da economia e do tecido social pode depender de como os líderes de hoje respondem a essa questão”, concluem Pereira, Graylin e Brynjolfsson no relatório.
