Só 33% das empresas confiam no ROI que calculam da IA

O número que expõe o problema

Uma pesquisa da Strand Partners, encomendada pela AWS e apresentada neste mês no AWS Summit São Paulo, traz um retrato desconfortável para quem decide investimento em tecnologia. Metade das empresas brasileiras já usa inteligência artificial. Mas apenas 33% dizem confiar na própria capacidade de medir o retorno desse investimento, e só 28% têm uma metodologia formal para isso.

O dado mais revelador não é a desconfiança em si. É que a maioria das empresas já mede alguma coisa: 64% acompanham economia de tempo ou custo, 38% olham para receita atribuível à IA e 30% para o resultado entregue ao cliente. A informação existe. O problema é que ninguém confia nela.

Quem assina essa leitura dos dados é Felippe Galeb, Chief Product Officer e Head of Businesses da Olist, em artigo publicado no Startups.com.br. Para ele, existem dois problemas distintos por trás desse desconforto, e os dois interessam direto a quem aprova orçamento de IA.

Por que economizar uma hora não é lucro

O primeiro problema, segundo Galeb, é que o mercado reduziu o retorno da IA a horas economizadas, como se essa fosse a única métrica que importa. O segundo é mais sutil: hora economizada, por si só, ainda não é retorno.

Se um processo que levava uma hora passa a levar um minuto, a empresa ganhou capacidade. Mas capacidade só vira resultado quando alguém decide o que fazer com ela. Ou o tempo liberado vai para vender mais, atender melhor ou lançar um produto novo, ou ele sai da estrutura de custos. Se nenhuma das duas coisas acontece, a hora se dissolve na próxima urgência e a empresa comprou eficiência sem colher retorno.

É um ponto que todo gestor que aprovou uma ferramenta de IA no último ano deveria revisitar: a planilha de produtividade subiu, mas alguém realocou a hora liberada? Se a resposta for não, o investimento ainda está em aberto no balanço.

O erro de começar a medir sem linha de base

Há uma armadilha anterior a essa, e ela é especialmente comum em empresas pequenas e médias: não dá para medir o ganho de um processo que nunca foi medido antes. Quem não sabia quanto tempo a conciliação financeira levava antes da IA não consegue provar quanto ganhou depois.

Antes de olhar para o ganho, é preciso saber quanto aquele processo custava, quanto está sendo gasto para automatizá-lo e, principalmente, o que será feito com o tempo que ficou disponível.

Felippe Galeb, CPO e Head of Businesses da Olist

O diagnóstico pode ser simples: listar quais atividades consomem mais tempo, quanto custam e que resultado entregam hoje, antes de qualquer ferramenta de IA entrar. Não é preciso montar um painel de indicadores sofisticado logo de cara. O ponto de partida é o ponto de comparação: sem ele, qualquer número de retorno depois é uma opinião, não um cálculo.

As três frentes onde o retorno aparece, e cada uma pede régua própria

Galeb descreve três frentes distintas em que a IA gera resultado, com base na observação em empresas que vendem software B2B. Elas não se medem da mesma forma, e misturar as réguas é parte do motivo pelo qual tanto gestor desconfia do próprio número.

Retenção, conversão, custo evitado e velocidade de entrega são retornos de natureza diferente. O ponto comum é que todos precisam ser colocados contra o mesmo lado da conta: o custo da IA, em tokens, plataformas e integrações.

Tratar tokens como alocação de capital, não como assinatura

Essa é, para Galeb, a mudança de mentalidade mais importante para quem decide. Ninguém aprova investimento em estoque, mídia ou contratação sem perguntar o que espera receber de volta. Com IA, muitas empresas ainda consomem como se fosse uma assinatura de software, um custo que se justifica pela presença da ferramenta, não pelo resultado que ela entrega.

O problema é que o custo de IA é variável e cresce com o uso. Cada frente em que a IA é aplicada (atendimento, produto, desenvolvimento) precisa de uma tese de retorno própria, revisada quando o volume de uso sobe. Isso é governança de gasto, não burocracia: é a diferença entre descobrir o estouro de custo no fechamento do mês e prever onde ele vai acontecer.

Para empresas pequenas e médias, essa disciplina pesa ainda mais, porque a margem de erro é menor. Uma hora por dia economizada por um analista soma mais de 20 horas por mês em times que muitas vezes têm poucas pessoas. É um ganho real, desde que o gestor saiba quanto custava antes e decida, de forma explícita, para onde esse tempo vai.

O que muda na prática para quem aprova o orçamento

O recorte de Galeb sugere um roteiro simples para qualquer gestor que esteja revisando o investimento em IA no próximo ciclo orçamentário:

1. Medir a linha de base antes de automatizar: tempo, custo e resultado do processo como ele é hoje, sem IA.
2. Separar o ganho por frente (produto, processo interno, desenvolvimento) em vez de somar tudo em uma única métrica de produtividade.
3. Tratar o gasto com tokens e plataformas de IA como uma linha de investimento com tese de retorno, revisada por frente de uso, não como assinatura fixa.
4. Perguntar, a cada hora liberada, para onde ela foi: vendeu mais, atendeu melhor, ou simplesmente desapareceu na rotina.

O dado da pesquisa Strand Partners/AWS mostra que a maioria das empresas brasileiras já cruzou a primeira barreira, a de adotar IA. A próxima, que só um terço resolveu até agora, é a de confiar no número que prova se isso valeu o investimento. Para quem assina o orçamento, essa é a lacuna que separa comprar eficiência de colher retorno.

Fonte: Startups.com.br