Virou quase consenso dizer que a inteligência artificial foi superestimada. Depois de uma avalanche de pilotos e provas de conceito que não viraram resultados concretos, parte do mercado passou a tratar a IA como mais uma promessa inflada do setor de tecnologia. Essa leitura, porém, erra o alvo. Os grandes projetos de IA não fracassam porque a tecnologia é incapaz, mas porque as empresas ainda não aprenderam a implementá-la corretamente. O problema não está no modelo. Está na forma como ele é inserido dentro da organização.

Os próprios dados das consultorias reforçam esse diagnóstico. Pesquisas do MIT Sloan em parceria com a BCG indicam que apenas cerca de 10% das empresas conseguem capturar benefícios financeiros significativos com iniciativas de IA. Ao mesmo tempo, relatórios do Gartner mostram que, historicamente, mais da metade dos projetos de IA não passa da fase de protótipo, e que hoje algo em torno de 45% a 50% das iniciativas conseguem avançar para produção. A leitura correta desses números não é que a IA “não funciona”, mas que existe um abismo entre testar tecnologia e operá-la de forma sustentável.

Esse abismo nasce, principalmente, da forma como as empresas encaram a complexidade do problema. IA generativa não é um software plugável, nem um chatbot melhorado. Ela exige dados organizados, semântica consistente, governança, integração com sistemas legados, definição clara de objetivos de negócio e métricas de sucesso. Relatórios da IBM e da Microsoft são recorrentes ao apontar que a maior barreira para adoção de IA não é o modelo, mas a qualidade e a governança dos dados. Em termos práticos, a famosa máxima de mercado continua válida: IA é muito mais sobre dados e processos do que sobre algoritmos.

Há também um erro estratégico recorrente: a crença de que é possível acelerar pulando etapas. Executivos pressionam por resultados rápidos, enquanto ignoram que, segundo o Gartner, o tempo médio para levar um projeto de IA do conceito à produção gira em torno de oito a nove meses, justamente por causa de desafios de integração, segurança, conformidade e mudança de processos. Quando esse esforço é subestimado, o projeto nasce condenado. E, quando falha, a culpa recai sobre a tecnologia.

Isso não significa que não existam limitações reais. Modelos ainda alucinam, custos computacionais são elevados e questões regulatórias como LGPD e o futuro AI Act europeu impõem restrições legítimas. Mas essas limitações não explicam a maior parte dos insucessos corporativos. O próprio Gartner, em seu Hype Cycle, posiciona a IA generativa no pico das expectativas infladas, iniciando a descida rumo ao vale da desilusão, um movimento típico de tecnologias que já provaram valor, mas ainda não tiveram seus padrões de implementação consolidados.

O que estamos vendo, portanto, não é o fracasso da IA, mas o choque entre uma tecnologia poderosa e organizações estruturalmente despreparadas para absorvê-la. Empresas que tratam IA como experimento isolado tendem a se frustrar. Empresas que a encaram como transformação operacional, com método, arquitetura e disciplina, começam a capturar valor.

Desacreditar da IA é um atalho para perder competitividade. O caminho real passa por aceitar que a tecnologia funciona, mas não perdoa improviso. Quem entender isso mais cedo terá vantagem estrutural. Quem insistir em confundir piloto com estratégia continuará colecionando projetos que “não deram certo”, sem perceber que o erro nunca esteve na inteligência artificial.

*André Fossa é cofundador da Cogni2 e executivo de tecnologia com mais de 25 anos de experiência em grandes operações corporativas. Atuou como CDO da Nextel, foi sócio da IBM e General Manager da Tata Consultancy Services. Hoje trabalha diretamente na implantação e operação de soluções de inteligência artificial em ambientes de produção para áreas como atendimento, vendas e cobrança.