Pesquisa da SAP mostra que só 7,9% das empresas brasileiras usam IA de ponta a ponta

O investimento sobe, mas a maioria ainda está testando

Segundo a pesquisa The Value of AI: Brazil 2026, feita pela SAP em parceria com a consultoria Oxford Economics, o investimento médio em inteligência artificial das empresas brasileiras subiu de US$ 14,2 milhões para US$ 20,2 milhões em relação ao ciclo anterior do levantamento. A projeção é de alta superior a 46% nos próximos dois anos. O dinheiro está entrando. O problema é o que acontece depois que ele entra.

Um levantamento feito pela MIT Technology Review Brasil mostra que 99% dos profissionais de tecnologia enxergam os agentes de IA (sistemas que executam tarefas de forma autônoma, sem precisar de um comando para cada passo) como o centro estratégico dos negócios até 2029. Mas a pesquisa da SAP revela a distância entre essa expectativa e a prática: mais de 68% das empresas brasileiras ainda estão em estágio inicial de exploração, e apenas 7,9% integraram a tecnologia de ponta a ponta nos processos centrais do negócio.

Para quem assina orçamento, esse número de 7,9% importa mais do que qualquer projeção de crescimento. Ele diz que, mesmo com o investimento subindo, converter esse investimento em operação real ainda é raro.

A confiança não acompanha o cheque assinado

Rui Botelho, presidente da SAP Brasil, resume o problema do lado de quem decide.

65% desses ativos não estão convencidos de que as iniciativas de IA que estão fazendo estão entregando todo o potencial que poderiam.

Rui Botelho, presidente da SAP Brasil

Mais de seis em cada dez empresas colocaram dinheiro, tempo de equipe e atenção da liderança em projetos de IA e ainda não sabem se isso valeu a pena. Essa é a métrica que separa ter IA de ter retorno de IA. E é a pergunta que um conselho deveria fazer antes de aprovar o próximo aumento de orçamento: qual processo específico essa iniciativa melhorou, e por quanto.

Governança virou o novo centro de custo invisível

Enquanto a diretoria discute orçamento, a ferramenta já entrou pela porta dos fundos. A pesquisa descreve o fenômeno do shadow AI, o uso informal de ferramentas de inteligência artificial sem aprovação ou acompanhamento da área de tecnologia. Esse uso descontrolado já compromete a consistência das entregas em 50% das empresas, expõe risco de vazamento de dados em 43% e ameaça a segurança da informação em 33% dos casos.

No Brasil, vazamento de dado pessoal não é só risco reputacional, é risco regulatório direto. A Lei Geral de Proteção de Dados prevê multa de até 2% do faturamento da empresa no país, limitada a R$ 50 milhões por infração, quando há violação no tratamento de dados pessoais. Um funcionário colando dado de cliente num chat de IA não homologado pode custar mais caro do que a licença de qualquer ferramenta corporativa aprovada.

O obstáculo não é o modelo, é o dado desorganizado

Apesar de 77% das lideranças reconhecerem o potencial disruptivo dos agentes autônomos, apenas 3% das empresas brasileiras se consideram maduras o suficiente para escalar esse uso, segundo a mesma pesquisa. O motivo mais citado pelos executivos não é a tecnologia em si: 75% apontam a fragmentação e a desorganização dos dados internos como principal obstáculo, e 65% enfrentam falta de gente capacitada para tocar esses projetos.

Adriana Aroulho, presidente da SAP para a América Latina e o Caribe, descreve esse gargalo em termos de risco de confiabilidade.

A Inteligência Artificial genérica não é suficiente para o ecossistema empresarial. A gente disse que 80% não é suficiente; 80% é risco quando a gente está falando de uma empresa que precisa de governança e dados confiáveis.

Adriana Aroulho, presidente da SAP para a América Latina e o Caribe

Na prática, isso significa que comprar acesso a um modelo de linguagem genérico não resolve o problema de uma empresa cujos dados de estoque, cliente e fornecedor estão espalhados em planilhas, sistemas legados e silos que não conversam entre si. O modelo pode ser excelente, mas se o dado que ele recebe é ruim, a decisão que ele ajuda a tomar também é.

No agronegócio, o teste real é juntar o que nunca se falou

O setor que mais aparece como exemplo de integração complexa na pesquisa é o agronegócio. Ali, a dificuldade é conectar variáveis que historicamente nunca se falaram entre si: previsão do tempo, cronograma de safra, compra de insumo, logística de transporte e fechamento financeiro com o comprador.

O cenário descrito pela pesquisa é concreto: se um carregamento de defensivo agrícola atrasa, um sistema integrado de ponta a ponta recalibra o ritmo das máquinas na lavoura, renegocia a janela de transporte, avisa a equipe comercial e ajusta a projeção de caixa, tudo de forma automática. É esse tipo de cadeia, e não um chatbot isolado, que separa testar IA de operar com IA.

Na ponta, o ganho de tempo já aparece, com uma condição

No nível operacional (compras, RH, classificação fiscal, montagem de assistentes internos), o ganho já é mensurável. Rogério Ceccato, líder de arquitetura para a América Latina na SAP, descreve a mudança no ciclo de desenvolvimento de agentes internos.

A criação desses agentes de forma tão rápida impacta significativamente os negócios. Podemos reduzir um processo que levaria de 3 a 4 meses de desenvolvimento para apenas 15 minutos. Isso se traduz em velocidade de resultados, redução de custos e disponibilidade do recurso humano para ter um tempo maior pensando estrategicamente na companhia, operando dentro de um ambiente de extrema confiabilidade e governança.

Rogério Ceccato, líder de arquitetura para a América Latina na SAP

A ressalva vem do mesmo executivo: esse ganho de velocidade só vale alguma coisa se estiver amarrado a regra de acesso, trilha de auditoria e rastreabilidade do que o agente fez e com qual dado. Sem isso, 15 minutos de desenvolvimento viram meses de correção quando alguém descobre que o agente tinha acesso a um dado que não devia ter.

O que fica para quem assina o orçamento de IA

A conclusão que dá para tirar dessa pesquisa não é sobre qual fornecedor escolher. É sobre o que precisa estar pronto antes de qualquer fornecedor entrar. Três perguntas que o material sugere colocar na mesa antes do próximo investimento:

• O dado que vai alimentar esse agente está organizado, atualizado e sob um único ponto de governança, ou está espalhado em planilhas e sistemas que não se falam?
• Existe uma política formal de uso de IA na empresa, ou o time está resolvendo isso por conta própria em ferramentas não homologadas?
• Quem no comitê executivo é responsável por decidir qual agente resolve qual problema de negócio, com que métrica de retorno?

Christian Geronasso, diretor de desenvolvimento de negócios da SAP, resume por que a terceira pergunta não desaparece com mais tecnologia.

As lideranças humanas nunca vão deixar de existir. O principal vem da pessoa que dá o direcionamento dentro das áreas. Se a prioridade e o drive não vêm da gestão, a IA perde o propósito do que está sendo aplicado dentro de cada processo de negócio.

Christian Geronasso, diretor de desenvolvimento de negócios da SAP

O investimento brasileiro em IA vai continuar subindo, isso a pesquisa projeta com razoável segurança. A pergunta que separa os 7,9% dos outros 92% não é quanto a empresa gastou: é se alguém, antes de gastar, organizou o dado e decidiu o que esperar em troca.

Fonte: MIT Technology Review Brasil — IA