Em muitas salas de administração por todo o mundo, instala-se a desilusão: a IA foi apresentada como um acelerador quase garantido de rentabilidade, capaz de gerar poupanças rápidas e abrir novas fontes de receita. Agora, dados de um inquérito internacional sugerem que uma parte substancial dessas expectativas ainda não se concretizou. Apesar disso, a maioria das empresas não está a travar - pelo contrário, está a reforçar a aposta na tecnologia, mesmo confrontada com um incómodo teste de realidade.
Expectativas elevadas, resultados modestos
Durante muito tempo, a mensagem foi simples: quem ficar para trás na IA perde o futuro. Consultoras, gigantes tecnológicos e investidores repetiram que os sistemas inteligentes reduziriam custos, automatizariam processos e criariam novos modelos de negócio. Em resposta, conselhos de administração aumentaram orçamentos, avançaram com projectos-piloto e contrataram especialistas.
Um inquérito internacional da PwC a 4.454 executivos de 95 países desenha, porém, um cenário bastante mais contido. Entre os líderes que já investiram de forma significativa em IA, mais de metade afirma não ver, até agora, um benefício financeiro.
"56 por cento das empresas reportam: a IA não aumentou as suas receitas nem reduziu os seus custos."
Cerca de 30 por cento dizem, pelo menos, estar a conseguir receitas a crescer com ligação à IA. Já a combinação mais desejada - mais entradas e, ao mesmo tempo, menos despesas graças à tecnologia - é hoje atingida apenas por uma minoria: aproximadamente 12 por cento das empresas.
O fosso entre promessas de marketing, documentos de estratégia e resultados concretos dificilmente poderia ser maior. Enquanto as apresentações falam de “transformação disruptiva com IA”, muitos projectos esbarram no quotidiano em problemas de arranque, fricções operacionais e custos secundários inesperados.
O mito da substituição rápida da força de trabalho
Algumas organizações sentiram o choque de forma particularmente intensa. Para estas, a IA era sobretudo uma ferramenta para reduzir ao máximo o número de trabalhadores. Circularam pelo mundo relatos de empresas que se vangloriavam publicamente de terem eliminado milhares de postos e de os terem trocado por “sistemas inteligentes”. Em muitos casos, o entusiasmo durou pouco.
Quando a experiência humana foi substituída por algoritmos ainda imaturos, os problemas apareceram depressa: decisões erradas, clientes frustrados e perda de conhecimento crítico. Algumas destas empresas tiveram de desfazer mudanças com esforço, corrigir sistemas ou voltar a contratar pessoas - frequentemente a um custo superior ao anterior.
Investigadores e figuras de destaque da IA têm alertado há bastante tempo para esta lógica. Quem encara a IA sobretudo como uma máquina de poupança tende a subestimar a imprevisibilidade dos modelos em situações complexas e a dependência que estes têm de dados de elevada qualidade, processos bem definidos e supervisão humana.
IA não é um equipamento que se liga e fica a funcionar
Um dos pontos centrais da análise da PwC é que muitas empresas tratam a IA como se fosse um produto “plug-and-play”. Compra-se uma solução, liga-se, e as poupanças começam a aparecer - essa é a esperança. Na prática, raramente funciona assim.
"A IA não funciona como um rato de computador novo, que se liga e se usa de imediato - precisa de estruturas, dados e treino."
Em muitas organizações, tudo fica por iniciativas vistosas de piloto: chatbots, pequenas automatizações em departamentos específicos ou testes com modelos generativos. Como estas experiências tendem a ficar isoladas e fora dos processos essenciais do negócio, o valor real criado também é reduzido.
Os obstáculos mais comuns dentro das empresas
- Projectos dispersos: muitos testes pequenos em vez de uma estratégia de IA clara e transversal.
- Fraca qualidade dos dados: dados incompletos, contraditórios ou desactualizados travam os modelos.
- Sem redesenho de processos: mantêm-se rotinas antigas e coloca-se a IA “por cima”, sem mudar o fluxo de trabalho.
- Falta de know-how: equipas de TI sobrecarregadas e áreas de negócio com pouco entendimento sobre possibilidades e limites da tecnologia.
- Promessas irrealistas: a gestão exige um retorno rápido do investimento, apesar de muitos projectos precisarem de anos.
É precisamente aqui que nasce a frustração actual: a IA é assumida como uma obrigação para parecer moderna e para atrair talento ou investidores, enquanto o trabalho mais difícil - integrar a tecnologia nos processos centrais - fica para trás.
IA generativa: o hype supera o impacto
As expectativas mais altas concentraram-se recentemente na IA generativa, isto é, em sistemas capazes de produzir texto, imagens, código ou apresentações. Um relatório do MIT indica, contudo, que 95 por cento das tentativas feitas até agora para integrar estes modelos nas empresas não originaram um salto rápido nas receitas.
As razões são várias:
- Alucinações: os modelos inventam factos, devolvem números errados ou geram afirmações plausíveis, mas incorrectas.
- Utilidade limitada no terreno: muitas ferramentas brilham em demonstrações, mas falham em tarefas concretas e bem delimitadas do dia-a-dia.
- Riscos de protecção de dados: as empresas receiam que informação sensível acabe em dados de treino ou “escape” em respostas para outros utilizadores.
- Incerteza regulatória: dúvidas sobre responsabilidade, direitos de autor e supervisão travam a adopção.
Por isso, na prática, muitas organizações avançam com regras internas apertadas ou com sistemas isolados. A utilização torna-se mais segura, mas o benefício no curto prazo também tende a diminuir.
Porque é que, apesar de tudo, quase ninguém recua
Mesmo com números decepcionantes, a maioria dos executivos não está a planear uma mudança de rumo. Pelo contrário: muitos querem continuar a aumentar os orçamentos de IA até 2026. A PwC descreve este momento como um ponto de viragem - quando se decide se a tecnologia passa de experiência a base produtiva.
"O medo de ficar para trás motiva mais os conselhos de administração do que a preocupação com rendibilidades fracas no curto prazo."
Quem interromper hoje o investimento receia acordar, dentro de alguns anos, sem processos competitivos, sem produtos comparáveis e sem uma base de dados à altura. Ao mesmo tempo, cresce a percepção de que despejar dinheiro em projectos não chega. O que falta é outra forma de execução.
O que as empresas precisam de mudar agora
Dos falhanços acumulados podem retirar-se algumas lições, relevantes também para o espaço de língua alemã:
- Identificar processos centrais: em vez de dez pilotos “coloridos”, automatizar dois ou três fluxos críticos com benefício claramente mensurável.
- Arrumar a casa dos dados: sem uma base de dados limpa e bem estruturada, qualquer projecto de IA fica a meio caminho.
- Combinar pessoas e máquinas: usar a IA como assistência a especialistas, e não como substituição total - por exemplo, na preparação de propostas, na análise de risco ou no apoio ao cliente.
- Expectativas transparentes: definir prazos e indicadores realistas, em vez de exigir um grande avanço ao fim de um ano.
- Construir competências: formar colaboradores e criar equipas interdisciplinares, em vez de delegar tudo em consultores externos.
Como medir, de facto, o retorno do investimento
Parte do problema está na forma como as empresas definem o sucesso da IA. Muitas olham apenas para poupanças imediatas ou para receitas adicionais directamente atribuíveis. Um enquadramento mais útil passa por observar um conjunto mais amplo de métricas:
| Área | Possível efeito da IA |
|---|---|
| Produtividade | Menos tarefas rotineiras, tempos de resposta mais curtos, menor taxa de erro |
| Fidelização de clientes | Melhor personalização, respostas mais rápidas a pedidos, maior satisfação |
| Inovação | Protótipos mais rápidos, novos serviços, modelos de negócio orientados por dados |
| Risco e conformidade | Detecção precoce de anomalias, auditorias automatizadas, menos coimas |
Muitos destes efeitos só aparecem nas contas com atraso. Quem avalia a IA apenas pelo próximo trimestre tende a declarar projectos como falhados demasiado cedo.
O que isto significa para o Mittelstand no espaço DACH
Para grupos com orçamentos de milhares de milhões, um projecto que corre mal pode ser apenas um arranhão. Já as PME do Mittelstand na Alemanha, Áustria e Suíça têm menos margem para experiências dispendiosas. Precisamente por isso, faz sentido que aprendam com as lições actuais das grandes empresas.
Implementações concretas e graduais compensam muito mais do que iniciativas grandes e simbólicas. Um fabricante de máquinas de média dimensão pode começar com manutenção baseada em IA; um retalhista, com previsão automatizada da procura; um escritório de advogados, com análise inteligente de documentos. Cada etapa deve entregar um valor quantificável antes de avançar para a seguinte.
Ao mesmo tempo, a pressão aumenta: quando a concorrência torna processos claramente mais eficientes, quem chega tarde perde terreno depressa. A IA deixa, assim, de ser apenas um tema de hype e passa a ser uma questão de planeamento económico e operacional - com oportunidades, mas sem qualquer garantia de riqueza rápida.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário