Início / Blog / Inteligência Artificial e Automação

Por que projetos de IA falham: 7 casos do cemitério de IA e o erro operacional de cada um

14 de novembro de 2026 · Diogo Caspary

Por que projetos de IA falham: 7 casos do cemitério de IA e o erro operacional de cada um

Cerca de 42% das iniciativas de IA são abandonadas pelas próprias empresas que as criam, segundo a S&P Global Market Intelligence. O número aparece no levantamento que o TechCrunch mantém, um cemitério público de produtos e projetos de IA que fecharam, pivotaram ou ficaram muito abaixo do prometido. A leitura fácil é "a bolha estourou". A leitura útil para quem opera um negócio é outra.

Na minha experiência construindo e operando agentes em empresas, quase nenhum projeto morre porque o modelo é ruim. Morre porque ninguém é dono do processo, porque a integração com os sistemas reais ficou para depois e porque a expectativa criada internamente era maior do que o escopo entregue. Por que projetos de IA falham, na prática, tem menos a ver com tecnologia do que com operação.

Vou pegar sete casos da lista do TechCrunch e traduzir cada um em um erro operacional concreto, com o antídoto aplicável a PMEs e ao middle market que estão colocando agente de IA em atendimento, vendas e follow-up.

O cemitério de IA não é sobre modelo ruim, é sobre operação sem dono

A lista do TechCrunch reúne desde a falência da Character.ai até recuos da OpenAI, passando por startups de automação e assistentes que não se sustentaram. O enquadramento do próprio veículo não é de placar de fracassos, e sim de registro do que essas tentativas ensinam. Concordo com a direção e acrescento o recorte de quem está do lado da operação.

Existe uma distância grande entre demo e produção. Na demo, o agente responde bem a dez perguntas escolhidas. Em produção, ele encara cliente irritado às 18h de sexta, dado duplicado no CRM, número de WhatsApp que mudou de dono e uma regra de desconto que só existe na cabeça do gerente comercial. O que não sobrevive ao primeiro mês de uso real quase sempre falhou nesse choque com o processo, não no modelo. Vale lembrar do teste do Dots da OpenAI: o que ele ensina sobre automação real é justamente separar demo de operação.

Uso aqui um critério simples: cada caso vira um erro operacional e um antídoto. Fatos vêm da fonte. A interpretação operacional é minha, de quem opera.

Character.ai: produto sem processo de negócio vira passatempo caro

A Character.ai foi fundada em 2021 por ex-pesquisadores do Google, levantou US$ 150 milhões com valuation de US$ 1 bilhão em 2023 e pediu falência em outubro de 2026, citando ventos contrários legais, regulatórios e operacionais. O Google pagou cerca de US$ 2,7 bilhões para licenciar a tecnologia e trazer os fundadores de volta. A Disney enviou carta de cessação e desistência por uso não autorizado de personagens e aparece como licitante inicial, oferecendo US$ 20 milhões por licença de parte de sua propriedade intelectual.

O erro operacional: engajamento não é resultado de negócio. Havia uso intenso, mas nenhum processo empresarial claro sendo movido. Quando não existe dono do processo nem métrica de retorno, o produto vira custo de infraestrutura com receita frágil.

Antídoto: antes de implantar, responda qual processo o agente move (atendimento, qualificação, follow-up) e qual número ele precisa melhorar. Sem essa resposta, o projeto morre na renovação de orçamento, porque ninguém defende o que não sabe medir. É o elo mais frágil do ROI de IA em empresas.

Ollie e o excesso de promessa: expectativa inflada derruba adoção interna

A Ollie, assistente de IA com foco em privacidade, foi lançada em junho de 2026 e anunciou encerramento em 6 de novembro do mesmo ano. Segundo o TechCrunch, teve dificuldade de se destacar diante de concorrentes como Muse e Instinct, não cresceu e não levantou capital suficiente.

O erro operacional que vejo repetir: vender internamente um agente onisciente. Quando a promessa é "ele resolve tudo", qualquer lacuna vira decepção. O time de operação testa, encontra limite e conclui que a ferramenta não funciona, quando na verdade o escopo é que estava errado.

Antídoto: comece por um fluxo determinístico, onde a regra manda, e reserve o modelo para as partes ambíguas. Agente que responde dúvida de segunda via de boleto não precisa de criatividade. Precisa de regra certa e resposta estável. Sinal de alerta: se o time de operação não sabe dizer o que o agente faz e o que ele não faz, a adoção já está comprometida.

Relay: integração frágil com os sistemas reais mata o piloto

A Relay, ferramenta de automação de fluxos de trabalho com IA criada como alternativa ao Zapier, encerrou as atividades em agosto de 2026, após cinco anos. Perdeu razão de existir como produto autônomo quando OpenAI, Google e outras plataformas passaram a integrar automação semelhante.

O erro operacional: tratar integração como detalhe de implementação. Automação vive ou morre na conexão com as fontes de verdade. Quando o dado está espalhado entre CRM, ERP, planilha e WhatsApp, e nenhum deles conversa direito, o fluxo quebra no primeiro caso fora do padrão. O passo a passo para integrar seu app ao Gemini e Search ajuda a visualizar esse trabalho de conexão.

Antídoto: mapear as fontes de verdade antes de escolher modelo ou ferramenta. Isso é o coração de como implantar agentes de IA na empresa. Sem integração confiável, o agente alucina sobre o próprio negócio: inventa status de pedido, erra o histórico do cliente, promete prazo que o ERP não confirma.

Atlas: automação de atendimento sem supervisão humana cobra a conta

O ChatGPT Atlas, navegador de IA autônomo da OpenAI, foi descontinuado em 9 de agosto de 2026, menos de um ano após o lançamento, com recursos absorvidos pelo ChatGPT. O caso ilustra o quanto é difícil entregar autonomia confiável em ambiente aberto, com confiança do usuário no meio.

O erro operacional: retirar o humano do circuito cedo demais em interações com consequência real. Em atendimento, consequência real é cancelamento, reembolso, reclamação séria, negociação de valor.

Antídoto: desenhar a automação de atendimento com IA com pontos de escalonamento explícitos e revisão amostral. O agente resolve o previsível e passa para humano o que foge da regra. Os riscos de automação de atendimento com IA são conhecidos: resposta errada em escala, perda de contexto e dano de marca em conversa sensível. Sobre o canal onde isso mais acontece, vale ver o que realmente funciona no WhatsApp para empresas. Governança aqui não é burocracia, é o que permite escalar sem quebrar.

Operator e Sora: capacidade impressionante não substitui governança

A OpenAI encerrou o Operator, agente que navegava na web e realizava tarefas, e reduziu o papel do DALL-E como destino separado ao integrar geração de imagens ao ChatGPT. A plataforma de compartilhamento de vídeos Sora foi encerrada em março de 2026, após dificuldades com altos custos operacionais e retenção de usuários. No mesmo período, a empresa atualizou o ChatGPT em 9 de julho para combinar modos "Chat", "Codex" e "Work" e renomeou a versão tradicional como "ChatGPT Classic", mas reverteu a mudança após críticas.

O erro operacional: adotar capacidade nova sem política de uso, limite de permissão e trilha de auditoria. Custo por execução e imprevisibilidade de uso entram direto na conta do ROI.

Antídoto para governança de IA em PME: defina quem aprova o quê, quais ações o agente pode tomar sozinho e o que exige confirmação humana. Rode em modo sombra antes de liberar. Guarde o registro do que o agente fez e por quê. Sem isso, a capacidade vira risco aberto.

Siri e o custo de prometer demais e entregar depois

A Apple atrasou repetidamente o novo Siri com IA, citando problemas de engenharia e bugs, o que contribuiu para um acordo de US$ 250 milhões sobre como comercializou os recursos de IA do iPhone 16. O Siri com IA apareceu no beta do iOS 27 em julho e começou a ser distribuído a usuários de língua inglesa neste mês.

O erro operacional: anunciar capacidade antes de o processo estar pronto e de haver dono interno para sustentá-la. Atraso público vira perda de confiança, e confiança é ativo operacional.

Antídoto: comunicar escopo, prazo e limites ao time de operação antes de comunicar ao mercado. Para PMEs, o cronograma de implantação de agentes deve seguir a maturidade do processo, não a novidade da ferramenta. Processo bagunçado com agente novo continua bagunçado, só que mais rápido.

O checklist operacional que evita o próximo túmulo

Reunindo os sete casos, este é o roteiro que uso antes de liberar qualquer agente em cliente:

  • Dono nomeado do processo e métrica de sucesso acordada antes do piloto.
  • Integração validada com as fontes de verdade e plano explícito para dados sujos.
  • Fluxo determinístico onde a regra resolve, com modelo apenas onde há ambiguidade.
  • Supervisão humana com escalonamento, revisão amostral e trilha de auditoria.
  • Política de governança de IA proporcional ao tamanho da PME, com permissões e limites de ação claros.
  • Revisão de ROI em ciclo curto: custo por atendimento, tempo de follow-up e taxa de resolução.

Nada disso garante sucesso. Garante que o fracasso, se vier, apareça cedo, barato e com causa identificável. É a diferença entre um piloto que ensina e mais um número nos 42%.

Perguntas frequentes

Por que projetos de IA falham com tanta frequência? Segundo a S&P Global Market Intelligence, cerca de 42% das iniciativas de IA são abandonadas pelas empresas que as criam. Na prática que observo, a causa raramente é o modelo: é falta de dono do processo, integração frágil com os sistemas reais e expectativa inflada.

O que Character.ai, Ollie e Relay têm em comum? Os três tinham produto e não processo de negócio bem definido. A Character.ai pediu falência em outubro de 2026, a Ollie encerrou em novembro de 2026 e a Relay fechou em agosto de 2026. Em comum, ausência de métrica de retorno que sustentasse o orçamento.

Como implantar agentes de IA na empresa sem virar mais um caso de fracasso? Comece por um processo com dono e métrica, valide a integração com as fontes de verdade antes de escolher a ferramenta, use fluxo determinístico onde a regra resolve e mantenha supervisão humana com auditoria. Rode em modo sombra antes de liberar para o cliente.

Automação de atendimento com IA tem risco? Tem. Resposta errada em escala, perda de contexto e dano de marca em conversa sensível são os principais. O controle vem de escalonamento explícito para humano, revisão amostral e limites claros de ação do agente.

Como medir ROI de IA em empresas? Com números de processo: custo por atendimento, tempo de follow-up, taxa de resolução sem escalonamento. Se o projeto não move nenhum desses indicadores, o retorno não existe, por mais impressionante que a demo seja.

Governança de IA em PME precisa ser complicada? Não. Precisa ser proporcional: quem aprova o quê, o que o agente pode fazer sozinho, o que exige confirmação humana e onde fica o registro das ações. Simples e cumprido vale mais que um manual extenso que ninguém segue.

Falar sobre um projeto

WhatsApp