ROI de IA em empresas: por que a maioria não vê retorno e onde a automação realmente paga a conta

O economista-chefe da Apollo Global Management, Torsten Slok, publicou uma nota que incomoda muita gente que vende IA. Segundo ele, apesar dos investimentos massivos e do hype, a tecnologia entregou "zero retorno financeiro" à economia corporativa americana fora do setor de tecnologia. A frase original: "Despite massive investments and widespread hype around artificial intelligence, the technology has delivered zero financial payoff to corporate America outside of tech".

O dado que sustenta a afirmação é o que ele chama de S&P 493: o S&P 500 sem Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia e Tesla. Nesse recorte, margens de lucro e receita por trabalhador aparecem estáveis. Ou seja, sem evidência de ganho de produtividade com IA. Estudos recentes também não encontraram ganhos significativos.

Isso não é uma tese contra IA. É um recado sobre onde o retorno aparece. E ele bate direto na realidade de quem opera uma PME. Falar de ROI de IA em empresas exige olhar para o processo, não para o modelo.

O dado que ninguém quer ouvir: IA não gera produtividade automática

Slok argumenta que será difícil converter "inteligência cada vez mais barata" em maior crescimento de receita e margens de lucro. Na visão dele, "AI may be a great calculator, but in business, intelligence is mostly judgment". E complementa: a IA "não entende accountability, confiança, cultura, regras não escritas, trade-offs éticos ou justiça", fatores que moldam risco reputacional e, no fim, receita e margem.

Traduzindo para quem toca um negócio: o modelo de linguagem não sabe o que é bom para a sua empresa. Ele executa o que o processo manda. Se o processo não existe, o modelo só produz texto bonito mais rápido.

Por que a expectativa fica descolada da realidade? Porque o mercado precifica narrativa, e a narrativa é agregada. O índice sobe com o anúncio, não com a planilha de resultado. Quando o dado sai do discurso e vai para a margem, o retrato muda de figura.

Minha tese aqui é simples e repito em toda implementação: o retorno não está no modelo de IA. Está no processo onde ele é aplicado. É o mesmo raciocínio que desenvolvo em o que o teste do Dots da OpenAI ensina sobre automação real.

Por que o ROI de IA falha na maioria das empresas: o problema é o processo, não a tecnologia

Inovação tecnológica é lançar um modelo melhor. Inovação em processo é mudar como a empresa atende, faz follow-up, registra dado e fecha venda. A primeira acontece sem você. A segunda é a que paga a conta.

O que vejo nos clientes é um padrão de erro que se repete:

• Piloto sem dono: ninguém responde pelo resultado, então ninguém cobra resultado.
• Métrica ausente ou vaga: "melhorar o atendimento" não é meta, é desejo.
• Dado desestruturado: o CRM está sujo, o histórico de conversa não existe, o agente não tem de onde tirar contexto.
• Supervisão inexistente: o agente roda solto, erra sem ninguém revisar e ninguém audita o que ele respondeu.
• Escopo inflado: tentar automatizar dez processos de uma vez em vez de provar valor em um.

Um exemplo clássico de custo afundado: automação de atendimento que responde rápido, mas não conversa com o CRM nem com o follow-up. O lead chega, é atendido, e some. Nenhum registro, nenhuma etapa seguinte, nenhuma venda. O time economizou tempo de digitação e perdeu o negócio. A ferramenta funcionou. O processo não.

IA é amplificador. Se o processo é ruim, ela acelera o caos. Se o processo é bom, ela escala o que já funciona.

Onde a automação de atendimento com IA vale a pena: fluxo determinístico, volume e métrica clara

Nem todo processo merece um agente. Os que pagam a conta têm quatro características em comum:

• Tarefa repetível, com começo e fim claros.
• Volume suficiente para o ganho por execução virar resultado no mês.
• Regras definidas, com pouca ambiguidade.
• Métrica de sucesso que já existe hoje e pode ser comparada.

Onde isso aparece na prática:

• Atendimento de primeiro nível: dúvidas frequentes, status de pedido, horários, políticas.
• Qualificação de leads: separar quem tem perfil de quem só está curioso, antes de gastar tempo humano.
• Follow-up automatizado: retomar conversa parada em cadência definida, no WhatsApp, com contexto.
• Atualização de CRM: registrar etapa, resumo e próximo passo sem depender da memória do vendedor.

Como medir ROI nesses casos: tempo de primeira resposta, taxa de resolução no primeiro contato, custo por atendimento, erros e retrabalho, conversão por etapa do funil e receita atribuída. Sem baseline anterior, não existe ROI. Existe impressão. Se o seu canal principal é o WhatsApp, vale entender o que realmente funciona ao implantar agentes de IA ali.

A regra que uso: começar pequeno, rodar em modo sombra (o agente sugere, o humano aprova), comparar com o período anterior e só então liberar autonomia com auditoria. Escalar por dado, não por intuição.

Onde a IA vira custo afundado: os sinais de alerta antes de escalar

Tem processo que não deveria receber IA ainda. Os sinais:

• O processo não existe no papel. Ninguém sabe descrever as etapas sem improvisar.
• O dado está sujo ou disperso. O agente não tem fonte confiável para consultar.
• O objetivo é vago. "Usar IA" não é objetivo, é compra.
• Não há quem supervise. Sem aprovação humana e auditoria, o risco cresce junto com o volume.
• O piloto não tem prazo nem critério de encerramento.

O piloto eterno é o pior cenário. Consome time, consome licença, gera reunião, e nunca vira decisão. Ele sobrevive porque ninguém quer admitir que o problema era o processo, não a ferramenta.

E existe a armadilha do hype: comprar IA porque todo mundo comprou. Antes de qualquer contrato, a pergunta é uma só: qual problema específico eu quero resolver e como vou saber, em número, se resolvi? Se a resposta não existe antes da compra, ela não vai aparecer depois. E quando o assunto é risco, o recado é o mesmo: sem governança, o incidente do Gemini é um bom lembrete do que pode dar errado.

Como medir o ROI de agentes de IA: um checklist prático para PMEs

O método que aplico, na ordem:

1. Defina o baseline. Meça o processo como ele é hoje, por pelo menos algumas semanas: volume, tempo, custo, conversão, erros.
2. Isole a variável. Mude uma coisa por vez. Se trocar o agente, o script e o fluxo de CRM ao mesmo tempo, você não sabe o que funcionou.
3. Some o custo total. Implantação, integração, licenças, tempo de time interno, manutenção e supervisão. O custo escondido costuma ser o humano revisando saída ruim.
4. Rode em modo sombra. O agente executa e o humano aprova. Compare qualidade e tempo antes de dar autonomia.
5. Compare com o baseline no mesmo período e no mesmo tipo de demanda.
6. Documente e audite. Toda resposta do agente precisa ser rastreável. Governança não é burocracia, é o que permite escalar sem apagar incêndio.

Métricas essenciais para acompanhar em dashboard: tempo de resposta, taxa de resolução no primeiro contato, custo por interação, conversão por etapa, receita atribuída e satisfação do cliente. Teste A/B e análise de coorte ajudam quando o volume permite.

Recomendo um comitê de avaliação pequeno, com negócio, operação e finanças. Quem opera sabe onde dói. Quem controla o número sabe se está pagando.

O papel do investimento em IA nas PMEs: foco no problema, não na tecnologia

Para PME, a abordagem muda de ponto de partida. Não comece pelo modelo. Comece pela dor que custa dinheiro todo mês.

Um framework de decisão que funciona:

• Mapear os processos críticos: atendimento, vendas, follow-up, cobrança, pós-venda.
• Identificar tarefas repetitivas dentro deles.
• Avaliar viabilidade técnica: existe dado? existe integração? o volume justifica?
• Calcular o ROI potencial antes de comprar.
• Implantar em um processo, com dono, métrica e supervisão.

Vale separar automação de tarefa de transformação de processo. A primeira economiza minutos. A segunda muda o resultado. Um agente que só responde mensagem é automação de tarefa. Um agente que qualifica, registra no CRM, agenda o follow-up e passa o bastão para o vendedor com contexto é transformação de processo.

Sobre cases: não vou citar números de clientes aqui porque a base desta matéria não traz dados de resultado de PMEs. O que posso afirmar, pela minha experiência operando esses fluxos, é onde o ganho costuma aparecer quando o processo está bem desenhado: tempo de primeira resposta menor, menos lead perdido por falta de follow-up e CRM atualizado sem depender de digitação. Isso é observação de operação, não benchmark publicado.

Conclusão: o hype de IA vs. resultado real, o que sua empresa deve fazer agora

O dado da Apollo não diz que IA não funciona. Diz que, fora da tecnologia, o resultado agregado ainda não apareceu. Para quem opera, isso é um convite ao ceticismo produtivo: medir antes, supervisionar durante e escalar só o que comprovar valor.

O retorno depende do processo, não do modelo. A IA pode ser diferencial competitivo, mas só para quem souber onde aplicá-la, com governança, dono e métrica. O resto é piloto eterno pagando licença.