McKinsey liga baixo retorno de IA à falta de redesenho de processos e liderança envolvida

O gap entre usar IA e lucrar com IA

A McKinsey publicou em novembro de 2025 a pesquisa The State of AI in 2025, com 1.993 profissionais ouvidos entre 25 de junho e 29 de julho daquele ano (Exame, 28 de outubro de 2026). O achado central interessa a quem assina orçamento de tecnologia: quase 90% dos entrevistados disseram que a empresa usa IA regularmente, mas apenas 39% relataram algum impacto da tecnologia no EBIT, o lucro antes de juros e impostos.

Quase dois terços das organizações ainda não tinham expandido a IA para além de pilotos isolados. Ou seja: a maioria comprou a ferramenta, mas não mudou a forma de trabalhar em volta dela. Para quem decide onde entra o investimento, esse é o primeiro sinal de alerta antes de aprovar mais uma licença de IA generativa: a pergunta não é se a equipe usa, é se o processo foi redesenhado.

Redesenhar o fluxo de trabalho pesa mais que comprar a ferramenta certa

A prática mais associada a resultado financeiro, segundo a McKinsey, não é qual modelo a empresa assina, e sim se ela mudou o processo ao redor dele. As organizações classificadas como de alto desempenho em IA eram 2,8 vezes mais propensas a dizer que haviam redesenhado fundamentalmente seus fluxos de trabalho.

Na prática, isso significa não tratar a IA como um apêndice de uma rotina que já existia. Numa equipe de marketing, por exemplo, a ferramenta pode assumir pesquisa de referência, análise de dados e rascunho de campanha, liberando a equipe para estratégia e revisão. Quem só adicionou o chatbot ao processo antigo, sem cortar etapa nenhuma, tende a ficar no grupo dos 20%.

Sem patrocínio de quem manda, o projeto trava na área de tecnologia

O segundo fator é o envolvimento direto da liderança, não apenas a aprovação do orçamento. Profissionais de empresas de alto desempenho tinham três vezes mais probabilidade de descrever um compromisso forte da liderança com as iniciativas de IA, segundo a McKinsey.

Esse compromisso tem forma concreta: definir prioridades, atribuir responsabilidade por resultado, liberar recurso e acompanhar indicador, não só assinar o contrato com o fornecedor. Quando a iniciativa fica restrita ao time de TI, ela tende a resolver um problema técnico e não chegar à necessidade real da área de negócio. A McKinsey também aponta que cabe à liderança estabelecer regras de uso e validação quando o sistema lida com dado confidencial, dado de cliente ou decisão que exige julgamento humano, um ponto que qualquer gestor brasileiro deveria ler em conjunto com as obrigações da LGPD sobre tratamento de dado pessoal, ainda que o estudo não trate da lei brasileira diretamente.

Cortar custo não é a meta que mais aparece em quem ganha dinheiro com IA

Reduzir despesa é um objetivo frequente de projeto de IA, mas não é o que mais aparece entre as empresas que extraem mais valor da tecnologia. Segundo a pesquisa, esse grupo tende a mirar crescimento e inovação: novo produto, experiência de cliente diferente, oportunidade comercial identificada mais rápido.

Um gerente comercial pode usar a IA para mapear padrão de comportamento de cliente e orientar campanha, mas o resultado só aparece se a informação virar ação ligada a indicador concreto, como conversão, receita ou retenção. Um projeto de IA justificado só pela economia de headcount tende a estagnar assim que o corte de custo inicial se esgota, porque não há meta de crescimento puxando a próxima fase.

Medir e treinar fecham a conta: sem isso, a adoção se espalha sem controle

A McKinsey aponta um quarto elemento, que funciona como trava de segurança dos três anteriores: indicador de resultado e capacitação da equipe. Entre as métricas citadas estão tempo economizado, redução de erro, custo por operação e impacto sobre receita.

A consultoria também destaca a importância de definir quando a saída do modelo precisa de validação humana, o que estabelece limite claro para a automação. Sem treinamento, as equipes não sabem formular pedido, checar resposta, proteger dado sensível nem reconhecer quando a ferramenta simplesmente não serve para aquela tarefa, e a adoção se espalha sem que ninguém consiga dizer qual aplicação realmente contribui para o negócio.

O que isso muda para quem aprova orçamento de IA no Brasil

Os quatro pontos da McKinsey formam, na prática, um checklist antes de assinar contrato com fornecedor de IA ou liberar mais verba para um projeto em andamento. Vale perguntar, nessa ordem:

• Existe um plano de redesenho do processo, ou a ferramenta só está sendo encaixada numa rotina que não mudou?
• Há um executivo com responsabilidade clara pelo resultado, ou o projeto está isolado na área de tecnologia?
• A meta declarada inclui crescimento ou inovação, ou é só corte de custo de curto prazo?
• Existe indicador definido antes do piloto (tempo, erro, custo, receita) e regra de quando um humano precisa validar a saída, especialmente em dado pessoal sob LGPD?

Nenhuma dessas perguntas aparece em proposta comercial de fornecedor de IA por padrão: é trabalho do gestor trazer essa exigência para a mesa antes da assinatura. A própria McKinsey recomenda, segundo o levantamento, começar por um problema específico, uma métrica de sucesso definida e um teste em fluxo de trabalho delimitado, para só então decidir se compensa ampliar o escopo.

É um caminho mais lento que comprar a licença e distribuir para todo mundo, mas é o que separa, segundo os dados da própria pesquisa, os 39% que viram impacto no EBIT dos demais, num cenário em que quase dois terços das empresas ainda não tinham expandido a IA além de pilotos isolados.

Fonte: Exame