©2026 MIT Sloan Management Review Brasil. Todos os direitos reservados. A reprodução, total ou parcial, é proibida sem a autorização prévia e expressa do CNEX.

Mensuração

IA e ROI: os desafios de medir essa tecnologia nos negócios

MIT SMR Brasil + e-Core

9 de setembro de 2026 e atualizado em 29 de setembro de 2026

7 min de leitura

Boa parte das empresas brasileiras investe em inteligência artificial, mas poucas conseguem demonstrar se esse investimento está se pagando. A dificuldade em converter aportes tecnológicos em valor real para o negócio é global. Segundo estudo do BCG, 74% das organizações no mundo não conseguem comprovar impacto financeiro tangível com IA. 

No Brasil, o cenário é ainda mais desafiador. O estudo Panorama IA nas Empresas Brasileiras, da TOTVS em parceria com a H2R Insights & Trends, mostra que apenas 7% das companhias conseguem apurar o ROI da tecnologia, enquanto 93% seguem sem métricas claras. Além disso, entre os CEOs brasileiros, somente 12% relatam ganhos simultâneos de receita e redução de custos.

Mas o que impede as organizações de mensurarem o ROI relacionado à inteligência artificial? A escolha dos projetos, a definição de indicadores ou a falta de uma linha de base para escalar? Na visão de Vinícius Pinheiro, CEO Latam na e-Core, o gargalo para esse cenário não se resume a um fator isolado, e sim multifatorial. “Até o ano passado, vivíamos um momento de muita experimentação, casos em que faltava clareza na formulação do que se queria com o projeto de IA, com objetivos conectados ao negócio”, comenta.

De acordo com Pinheiro, em alguns casos, essa experimentação livre foi proposital e, principalmente entre 2024 e 2025, muitas empresas estimularam o uso da IA para que as equipes tivessem um aprendizado prático, abrindo mão do ROI imediato para não inibir a inovação. 

No entanto, alerta ele, o ambiente vem mudando, e hoje o problema já é um pouco diferente. “Em alguns casos, ainda existe indefinição desde a concepção da iniciativa, mas também vejo mais complexidade real no que as empresas estão fazendo, o que torna o cálculo de ROI mais difícil”, pondera. Ele cita o exemplo da cibersegurança: como os ataques cibernéticos também se sofisticaram com o uso de IA, fica difícil comparar o investimento de hoje com aquele feito anteriormente porque a natureza dos ataques também mudou.

Por que os projetos travam?

Para Pinheiro, o problema raramente é técnico. As maiores barreiras estão na falta de preparo estratégico e na concepção das iniciativas. Para estabelecer uma linha de base sólida e definir os KPIs que realmente refletem o impacto no negócio, ele aponta que o primeiro passo é ter alinhamento prévio, desde o início, entre todos os stakeholders envolvidos na seleção do projeto, sobre o que se espera em termos de negócio. 

“É preciso evitar a armadilha de olhar apenas para métricas técnicas. Isso é comum entre os times de tecnologia, que conseguem identificar ganhos de eficiência e desempenho, mas nem sempre conseguem traduzi-los em impacto para o negócio. Quando, ao final da iniciativa, são questionados sobre quais custos foram reduzidos ou qual nova receita foi gerada pelo projeto, muitas vezes não há uma resposta clara”, exemplifica.

Outro ponto de atenção é a atuação em silos. “Boa parte das iniciativas hoje ainda está no âmbito individual ou de times isolados, ou seja, há um ou outro departamento usando alguma tecnologia nova ou um agente para uso próprio. Isso limita o potencial de impacto da tecnologia”.

O executivo ressalta que as companhias que colhem melhores resultados, embora seja mais complexo e demore mais para aparecer, são as que adotam uma visão de ponta a ponta. Por exemplo, pegam um processo de negócio inteiro, da origem até o cliente, e repensam como ele poderia funcionar com a IA. “Isso exige um time multidisciplinar pensando o processo de forma mais disruptiva, e normalmente demanda mais tempo, mas esse tipo de revisão chega a resultados mais concretos e, por consequência, a um cálculo de ROI mais interessante”, revela.

A infraestrutura legada é outro fator determinante no momento de escalar a IA. Um estudo do Gartner aponta que cerca de 75% das iniciativas de modernização de sistemas falham ou não atingem seus objetivos plenamente por falta de alinhamento entre a liderança de tecnologia e os resultados de negócio. Em grandes empresas, esse cenário exige cautela, especialmente pelo déficit na governança de dados. “Nesses casos, é preciso dar alguns passos atrás, organizar o ambiente e estruturar a base antes de avançar para a próxima etapa da jornada. O buy-in executivo e uma articulação estratégica bem feita são fundamentais”, reforça.

Na prática

Quando a IA nasce conectada a um processo crítico de negócio, o retorno mensurável surge de forma clara. Pinheiro ilustra a dinâmica com a operação de uma das maiores plataformas de entrega do Brasil, que recebe milhares de pedidos por minuto. 

Nesse cenário, o impacto financeiro de qualquer indisponibilidade é imediato: cruzando o valor médio do pedido com o volume no momento de pico, obtém-se exatamente o prejuízo gerado por cada minuto fora do ar. Diante disso, a resiliência do sistema tornou-se prioridade. Ao integrar agentes de inteligência artificial ao processo, a capacidade de detecção de incidentes teve um incremento de 50%, enquanto o tempo médio de resolução teve redução de cerca de 70%, passando de 180 para 55 minutos.

Além disso, há outros ganhos proporcionados pela IA, como o tempo gasto para coletar evidências e documentar um incidente que caiu de quatro minutos para dez segundos, viabilizando o registro massivo e detalhado de histórico operacional. “Isso significa que passamos a registrar muito mais informação do que antes. E isso importa porque, no próximo incidente, esse histórico acelera a identificação do que está acontecendo e agiliza ainda mais a resolução”, aponta.

Os três pilares para o ROI

Para fechar o hiato entre investir e medir, alcançar retorno comprovado e escalar com segurança, o CEO Latam na e-Core aponta três pilares fundamentais: