Por que 95% dos pilotos de IA fracassam — e como evitar isso

• As empresas aumentam a probabilidade de fracasso na adoção de IA ao se fixarem em ROI de curto prazo e, com isso, sabotarem o próprio ambiente necessário para acumular valor no longo prazo
• Segundo MIT, McKinsey, Upwork, HBR e outros, um ciclo vicioso se forma com o acúmulo de falta de resultados, burnout da equipe e confusão estratégica, levando à saída dos usuários pioneiros e ao colapso da confiança
• Em casos reais, após os resultados iniciais, a elevação de preços e metas de desempenho seca a folga para inovar e gera um fenômeno de stag hunt, com atraso nas decisões e estagnação na expansão de produtos
• A chave da solução é acionar os pontos de alavancagem de Donella Meadows na direção certa: não mais controle e extração, mas sim autoridade distribuída, reinvestimento e espaço para adaptação
• Como mostram os casos de SharkNinja, Johnson Hana e Shopify, quando a empresa migra para um sistema operacional baseado em confiança, a inovação cumulativa passa a surgir como subproduto natural do ROI

---

O problema e o contexto

• Segundo uma pesquisa recente do MIT, 95% dos projetos corporativos de adoção de IA fracassam. Essa cifra é considerada longe de ser exagerada
  • Em uma pesquisa da McKinsey, mais de 80% dos executivos responderam que a IA generativa não produziu mudanças visíveis na receita das empresas
  • Um estudo da Upwork mostrou que quanto maior o uso de IA pelos funcionários, maior a intenção de pedir demissão, menor a compreensão da estratégia de IA da empresa, e 88% relataram burnout
• A causa fundamental desse fenômeno é que as empresas estão sacrificando os efeitos de longo prazo por causa da pressão por retorno rápido sobre o investimento em IA
  • Ou seja, no começo surgem efeitos positivos como ganho de eficiência e automação do trabalho, mas quando entra a pressão gerencial para provar ROI no curto prazo, o projeto para ou acaba fracassando
• Desde 2023, liderei projetos de transformação com IA em uma consultoria de médio porte
  • A abordagem foi sistemática: implementação de projetos-piloto, reformulação de workflows e estratégias de gestão da mudança
  • Como resultado, conseguimos mais de 40.000 horas de produtividade da equipe e um alto nível de satisfação dos clientes
  • Mas quando a empresa começou a exigir retorno imediato sobre o investimento, os resultados do projeto entraram em estagnação

• Implicações

  • Existe um conjunto relativamente constante de padrões e sinais de alerta no momento em que uma transformação com IA trava, e observá-los bem pode permitir uma mudança duradoura
  • Com base nessa experiência, o objetivo é apresentar sinais precoces de alerta e uma receita para criar mudanças sustentáveis

Por que o “sucesso” desencadeia o “fracasso”

• A consultoria com cerca de 300 pessoas onde o autor trabalhava obteve forte resultado na adoção inicial de IA e ganhou impulso
  • Foi adotada uma ferramenta de automação para análise de calls de pesquisa que funcionava quase como um analista júnior, gerando transcrições, resumos e relatórios para clientes
  • Com isso, a equipe pôde focar na reformulação de workflows centrais e na extração de insights acionáveis, o que levou a melhora na qualidade das entregas e na satisfação dos clientes
• A expectativa era que esse sucesso provasse o potencial da IA e acelerasse sua adoção em toda a empresa, mas na prática houve estagnação dos resultados
  • Isso não era um problema de uma empresa específica, mas um exemplo das forças estruturais enfrentadas pela maioria das empresas estabelecidas que tentam se adaptar à IA

• Efeitos colaterais de colher ROI cedo demais

  • A empresa passou a usar o ganho de eficiência como base para aumentar preços cobrados aos clientes e reduzir o tempo alocado aos projetos
  • Isso parecia uma estratégia de monetização imediata para recuperar rapidamente o ROI, mas ao mesmo tempo levou à elevação das metas de desempenho
  • Como resultado, todos os funcionários ficaram obcecados em bater números, e a folga (slack) para inovar desapareceu

• A estagnação dentro da organização

  • A pressão por metas de curto prazo aumentou o atrito interno, levando a critérios de decisão mais rígidos e atrasos nas aprovações
  • Com isso, um projeto-chave de expansão de produto baseado em IA acabou ficando parado por quase um ano devido à sobrecarga e à pressão sobre a equipe

• Teoria do Stag Hunt

  • Isso funciona exatamente como a situação de stag hunt na teoria dos jogos
    • stag: um grande resultado compartilhado, que só pode ser obtido com cooperação de longo prazo
    • hare: a captura de ROI imediato ou pequenos ganhos individuais
  • Quando a empresa tenta colher ROI cedo demais, ela sinaliza que está abrindo mão da cooperação para caçar o hare, o que leva ao colapso da confiança coletiva

• O dilema dos pioneiros da inovação

  • Mesmo quando pioneiros internos desenvolvem novos workflows, automações e ferramentas, a maioria das empresas não consegue transformar isso em mudança estrutural e usa esses ganhos apenas para endurecer metas de desempenho
  • Os inovadores são avaliados segundo as regras do sistema antigo e, sem recompensa ou promoção, veem suas oportunidades desaparecerem aos poucos
  • No fim, sobra apenas a escolha racional entre desistir da inovação ou sair da empresa

Teoria da alavancagem

• Com base nessa experiência, o autor começou a buscar formas de evitar o fracasso da transformação com IA
  • Nesse processo, recorreu ao pensamento sistêmico de Donella Meadows e ao seu ensaio clássico "Leverage Points" (1997)
• O insight de Meadows: para criar mudança duradoura, é preciso encontrar os pontos certos de intervenção
  • Intervenções superficiais geram efeitos pequenos para muito esforço, enquanto alavancas invisíveis podem produzir grandes mudanças com pequenas intervenções
  • Mas, em sistemas novos, a intuição humana costuma atuar na direção errada e, mesmo ao encontrar uma alavanca poderosa, acabamos empurrando no sentido oposto
• Ainda assim, as empresas gastam recursos demais com soluções e implementações superficiais
  • Mesmo quando tentam intervir em níveis mais profundos, empurram na direção errada: mais controle, extração antecipada de ROI e aceleração de velocidade
  • O que realmente se precisa é de mais autonomia, reinvestimento e criação de espaço para adaptação
• As empresas verdadeiramente líderes constroem sistemas saudáveis e adaptáveis de geração de valor, fazendo do ROI um subproduto natural
• Os três casos a seguir mostram como usar corretamente pontos de alta alavancagem para alcançar resultados sustentáveis com IA

• SharkNinja — confiança na tomada de decisão distribuída

  • No passado, criticar um plano ruim fazia a pessoa ser rotulada como alguém sem espírito de equipe
  • A fabricante de eletrodomésticos SharkNinja teve essa cultura invertida frontalmente pelo CEO Mark Barrocas
    • Ele deu aos funcionários responsabilidade e autoridade para apontar erros nos planos e reforçou um sistema distribuído de tomada de decisão capaz de corrigir rapidamente decisões equivocadas
    • Ao declarar “no passado eu agia de forma idiota, mas agora decidi agir de forma ‘não idiota’”, ele redefiniu o fracasso como dado para correção
  • Esse sistema operacional elevou agilidade, confiança e colaboração, contribuindo para um aumento de 105% no lucro líquido trimestral e um recorde histórico no preço das ações

• Johnson Hana — de horas faturadas para valor ao cliente

  • O escritório de advocacia não tradicional Johnson Hana, de Dublin, Irlanda, adotou planos de preço fixo e cobrança por projeto em vez de cobrança por hora
    • O objetivo mudou de “maximizar horas” para “maximizar talento e valor para o cliente”
  • A IA foi incorporada a todo o fluxo de trabalho e, por meio da automação da revisão de documentos, permitiu que os advogados se concentrassem em negociação criativa, solução de problemas complexos e julgamento
  • Esse modelo torna os advogados “mais felizes e melhores”, enquanto os clientes obtêm resultados mais rápidos e melhores
  • Em julho de 2025, a plataforma jurídica de IA Eudia adquiriu a Johnson Hana por US$ 50 milhões, escolhendo uma empresa que já havia construído um sistema operacional baseado em confiança e em stag hunt

• Shopify — uso de IA como métrica de desempenho

  • Em organizações com pouca confiança, é racional que os funcionários escondam o uso de IA ou evitem aprendê-la
  • Mas a Shopify, por orientação do CEO Tobi Lütke, redesenhou o uso de IA como regra central da organização
    • Em novas contratações, não é possível ampliar o quadro sem “provar que a IA não consegue fazer aquilo”
    • A proficiência em IA passou a ser um elemento central da avaliação de desempenho
  • Com isso, a escolha racional dos funcionários passou a ser dominar e usar IA abertamente
    • A organização se reorganiza em torno de capacidades de criatividade, estratégia e inovação que a IA tem mais dificuldade de substituir
  • A Shopify construiu um sistema que força o stag hunt, e Lütke afirmou que o objetivo é “alcançar 100x mais realização no trabalho com IA para resolver desafios que antes eram impossíveis para os humanos”

O que significa uma transformação de verdade

• Como aponta o diagnóstico de Meadows, para alcançar ROI sustentável com IA não basta adotar ferramentas; é preciso mudar o próprio sistema operacional da organização
• Durante a maior parte do último século, a maioria das empresas operou como uma rede elétrica centralizada
  • Objetivo: controle de cima para baixo, previsão linear e máxima eficiência com escalabilidade
  • Mas a IA não é apenas um combustível mais eficiente para esse sistema: ela é uma forma totalmente nova de energia
• O poder da IA surge da experimentação e inovação de funcionários e equipes individuais → uma energia distribuída gerada na borda (edge) da organização
  • As empresas líderes perceberam isso e passaram a declarar a rede antiga obsoleta, a redefinir a forma de medir valor ou a desenhar incentivos para que todos os funcionários se tornem produtores líquidos positivos (net-positive producers)
  • Isso se concretiza nos casos de SharkNinja, Johnson Hana e Shopify
• Pesquisas mostram que 95% dos funcionários reconhecem o potencial da IA, mas sua maior preocupação é a desconfiança de que “a organização não vai compartilhar os benefícios”
  • Por isso, muitos migram para uma força de trabalho paralela (shadow workforce) e entram num modo de caça ao hare, escondendo o uso de IA e perseguindo apenas ganhos de curto prazo
  • A falta de confiança bloqueia a inovação colaborativa
• O novo sistema operacional parte de uma confiança profunda: “mesmo que não possamos prever ou controlar, vamos reconhecer e recompensar o valor criado”
  • As empresas que constroem essa confiança no nível do modelo operacional não obtêm apenas eficiência temporária, mas sim uma inovação cumulativa (compounding innovation) que os concorrentes não conseguem copiar
  • O ROI sustentável não nasce daquilo que a IA consegue fazer, mas daquilo que pessoas que confiam umas nas outras e cooperam em torno de um objetivo comum conseguem realizar

[progdesigner]

Conclusão
Usar IA ajuda a reduzir custos
ao garantir produtividade, mas
isso, por si só, não gera dinheiro.

[rikko]

Embora empresas grandes e pequenas no país façam muitos esforços para internalizar a IA, o principal abismo que faz tudo dar errado ou desmoronar no meio do caminho provavelmente é aquela maldita obsessão por entregar resultados no curto prazo.

Eu mesmo, trabalhando recentemente em projetos de adoção de RAG e LLM em bancos e seguradoras, senti isso na pele:
os clientes até sabem, no fundo, que esse negócio de IA é uma maratona enorme e muito longa, mas o desejo de que "os frutos doces precisam ser meus" foi o grande culpado por afundar tudo.

Como na especulação com criptomoedas que já foi febre, dá um desânimo inevitável lidar com executivos tomados por essa mentalidade de golpe de sorte, esperando "começar com um seed pequeno e obter lucros ou resultados enormes em pouco tempo".

Investimento em IA não é simplesmente encomendar um projeto, criar um produto ou serviço com potencial de dar retorno e obrigar os funcionários a usá-lo; mas, enquanto todos ficam obcecados por resultados de vitrine, quando os custos operacionais gigantescos voltam como cobrança,
passam a dizer coisas como "IA é um hipopótamo que só devora dinheiro" e "IA é uma bolha", cuspindo no prato com a maior facilidade.