Como você pode escapar da armadilha do ROI da IA?

Conforme indicam os resultados da nossa pesquisa, as organizações estão adotando uma ampla variedade de abordagens nas decisões relacionadas à arquitetura e à implementação de IA, sendo que a maioria opta por trabalhar com parceiros externos. Apenas 9% estão desenvolvendo seus próprios LLMs (grandes modelos de linguagem), enquanto 18% estão desenvolvendo-os em parceria com outros fornecedores. Em contrapartida, a maioria recorre a modelos externos, sendo que 41% usam modelos fechados, 27% utilizam modelos abertos e 26% têm abordagens híbridas. Além disso, a personalização é, em grande parte, incremental: 62% usam modelos externos padrão, enquanto 51% incorporam a geração aumentada por recuperação (RAG) e 46% realizam a sintonia fina com dados próprios. As duas últimas abordagens não são mutuamente exclusivas, de modo que algumas organizações adotam ambas.

O elevado grau de pragmatismo nas escolhas das empresas em relação à arquitetura de IA se reflete na seleção de fornecedores e nas abordagens de concepção de soluções, conforme ilustrado no gráfico abaixo. No que diz respeito à escolha entre desenvolver ou adquirir, a opção mais comum é adotar uma estratégia híbrida, analisada caso a caso, para equilibrar a personalização com a rapidez. Em seguida, vêm as soluções prontas para uso, que permitem uma implantação mais rápida e funcionalidade imediata, mesmo que isso implique custos iniciais mais elevados. Cada vez menos organizações estão recorrendo a prestadores de serviços externos ou desenvolvendo internamente recursos de IA específicos para cada solução. Ao contratar fornecedores, 61% das organizações priorizam abordagens do tipo “best-of-breed” em vez de “best-of-suite”. 

As organizações também variam na forma como equilibram a rápida implantação de soluções pontuais com a reformulação abrangente de processos, geralmente alinhando sua abordagem aos resultados pretendidos. Soluções de rápida implementação, como sistemas de atendimento ao cliente baseados em IA, continuam sendo predominantes em comparação com os objetivos em maior escala, como a integração da IA em todos os aspectos da área financeira, por exemplo. Essa preferência por opções de implantação rápida é motivada, em grande parte, por benefícios imediatos, como velocidade de implementação, relação custo-benefício, escalabilidade e, em menor grau, facilidade de integração com os processos existentes. Entretanto, a reformulação dos processos tende a superar as soluções rápidas no que diz respeito a proporcionar maior flexibilidade e controle, bem como alinhamento estratégico.

No geral, a mensagem é clara. Na ausência de uma visão empresarial clara para a IA, as escolhas de implantação tendem a se concentrar na velocidade, no custo e na contenção de riscos. Isso, na prática, reforça a adoção de projetos-piloto e soluções pontuais, apesar das metas empresariais de transformação de processos e alinhamento estratégico. Essas escolhas pragmáticas são racionais, mas geram lacunas na medição e na governança que são um obstáculo para o retorno sobre o investimento (ROI) da empresa.

À medida que as empresas enfrentam a difícil transição de projetos-piloto de IA para uma transformação em toda a organização, outros fatores que limitam o ROI em IA incluem o fato de que a medição dos benefícios obtidos é, em grande parte, qualitativa, e não quantitativa, e que os KPIs usados costumam ser pouco específicos.

Cerca de 61% dos entrevistados acreditam que a implementação da IA está gerando mais valor do que eles são capazes de quantificar com precisão. E, embora as empresas apontem para ganhos em produtividade e transparência, elas carecem de KPIs claros para medir os impactos no nível corporativo. Isso parece ser reflexo de uma falta de definição prévia dos resultados e indicadores desejados.

Essas questões são agravadas por uma governança que é aplicada de forma inconsistente e ainda se encontra em estágio inicial de desenvolvimento. Conforme mostram os gráficos abaixo, as empresas estão adotando abordagens diversas quanto à responsabilidade pela governança da IA (as opções mais populares sendo a responsabilidade do CTO e a distribuição entre várias funções) e aplicando diversas estratégias para integrar a liderança em IA, com uma divisão bastante equilibrada entre uma abordagem centralizada e a alocação dessa liderança em nível funcional. Enquanto isso, a grande maioria dos entrevistados já estabeleceu um conselho interdepartamental ou planeja fazê-lo.

A questão central não é a estrutura da governança, mas o fato de os processos de governança serem aplicados de forma desigual. Em um mundo NAVI (não linear, acelerado, volátil e interconectado) essa inconsistência prejudica o ROI e aumenta o risco.

O mesmo padrão se repete na gestão de dados. Quase metade (43%) dos entrevistados utiliza modelos de dados híbridos que dividem o controle entre equipes centralizadas e descentralizadas, e outros 20% utilizam abordagens federadas, nas quais as unidades de negócios gerenciam seus próprios dados de acordo com padrões válidos para toda a empresa. Para gerenciar esses esforços distribuídos, mais de 50% dos entrevistados relatam a existência de processos formais para avaliar a prontidão da arquitetura, dos dados, da força de trabalho, dos clientes e dos negócios para a IA; no entanto, a aplicação desses processos apresenta atrasos: apenas 38% afirmam aplicá-los regularmente para avaliar a prontidão da arquitetura e apenas 26% para avaliar a prontidão dos dados.

A conclusão é clara: não existe uma única abordagem de governança “preferencial”, mas há uma lacuna persistente na execução. Mesmo nos casos em que existem processos de governança, eles não estão sendo usados de forma consistente. Preencher essa lacuna, tornando as funções, os padrões e as verificações de disponibilidade repetíveis na prática, é o que levará a IA além dos projetos-piloto e tornará o ROI comprovável. A IA agêntica amplifica o custo dessa lacuna, pois a autonomia aumenta tanto a escala quanto as consequências.

IA agêntica está elevando o nível do desafio

À medida que a jornada das organizações na área de IA avança para investimentos em IA agêntica, o resultado pode ser a repetição do foco excessivo em projetos-piloto observado com a GenAI, mas em maior escala e com riscos maiores.

Para as organizações, a transição da IA generativa para IA agêntica traz tanto oportunidades quanto complexidade. Em ambientes de governança ainda imaturos, as implantações agênticas correm o risco de replicar a “armadilha do projeto-piloto” da IA generativa em maior escala, introduzindo mais variáveis e mais riscos. Assim como no caso da GenAI, alguns stakeholders manifestam confiança de que os agentes estão gerando mais valor do que é possível quantificar com as métricas atuais, uma opinião com a qual 33% afirmam concordar. Além disso, as expectativas dos entrevistados quanto ao impacto que a adoção da IA agêntica terá sobre suas capacidades atuais de IA revelam pontos de vista divergentes. Enquanto 40% esperam que elas coexistam e se complementem, 12% preveem um impacto mínimo.

A IA generativa tem potencial transformador, mas concretizar seu valor requer disciplina. O sucesso depende de se tratar a IA como um investimento estratégico, baseado na preparação, no rigor e em resultados mensuráveis. Em última análise, escapar da armadilha do ROI da IA exige uma alocação disciplinada de capital, bases sólidas e rigor na gestão da carteira. A GenAI está se tornando cada vez mais uma necessidade competitiva, mas o risco reside em investir sem disciplina, paciência e uma compreensão clara do tempo de retorno.

Uma mentalidade de portfólio ajuda os líderes a equilibrar os investimentos básicos e essenciais com apostas de longo prazo que podem levar tempo para amadurecer, mas que são fundamentais para o crescimento no futuro, estabelecendo expectativas realistas quanto à concretização de valor. Quando for o caso, adote uma abordagem semelhante à do capital privado: implemente e direcione os investimentos para retornos estáveis e previsíveis. Para obter um impacto transformador, adote uma mentalidade semelhante à do capital de risco: diversifique em várias pequenas apostas, aceite que algumas fracassarão e dedique-se àquelas que forem bem-sucedidas. A chave está em adotar uma mentalidade dupla, ou seja, buscar a previsibilidade quando necessário e assumir riscos quando a transformação for possível.

Ao mesmo tempo, uma implantação bem-sucedida de IA trata a governança, o risco e a segurança cibernética como fatores facilitadores, e não como obstáculos. O segredo é transformar esses princípios de normas estáticas em pilares dinâmicos e integrados, garantindo que sejam aplicados com consistência em toda a organização. As organizações que conseguirem fazer isso corretamente obterão retornos mais sólidos, não por desacelerarem, mas por tornarem a inovação ágil, sustentável e repetível. Os primeiros programas de IA generativa costumavam privilegiar um controle central rígido. A próxima fase valorizará a expansão disciplinada, acompanhada de limites de segurança consistentes.

Um conjunto bem definido de ações pode aumentar e esclarecer o ROI da IA, contribuindo para a expansão em toda a empresa e para o crescimento dos números. Com base na pesquisa e na experiência da EY, cinco medidas podem ajudar as organizações a aumentar o valor comprovável da IA e preparar o terreno para a expansão: