Por que CEOs falham ao escalar IA: O “Gap” entre o Piloto e o Valor Real

Segundo o McKinsey Global Survey on AI (The State of AI, 2025), 88% das organizações já usam IA em ao menos uma função, mas apenas 7% a escalaram plenamente e cerca de 6% — os chamados AI high performers — capturam 5% ou mais do EBIT diretamente da IA: a maioria usa, uma minoria escala e pouquíssimas capturam valor material no P&L.

“A maioria das empresas usa IA, pouquíssimas escalam e quase nenhuma captura valor real. O abismo entre piloto e resultado não é técnico, é de liderança, e fechar esse gap exige decisão executiva, não mais uma prova de conceito esquecida.”

— Alexandre Caramaschi, Chief Strategy Officer da Nuvini (Nasdaq: NVNI), Founder da Brasil GEO, cofundador da NAIA, cofundador da AI Brasil e ex-CMO da Semantix (Nasdaq)

No levantamento global do Boston Consulting Group (BCG) de outubro de 2024, impressionantes 74% das empresas ainda não demonstraram valor tangível com IA. Em 2025, o mesmo estudo descreveu 60% das organizações como “laggards” (retardatárias), enquanto apenas 5% conseguiram capturar valor at scale.

Esse cenário é corroborado pelo working paper Firm Data on AI, do National Bureau of Economic Research (NBER), que, em um levantamento com quase 6.000 executivos dos Estados Unidos, do Reino Unido, da Alemanha e da Austrália, encontrou 89% reportando nenhum impacto da IA na produtividade do trabalho (medida como vendas por empregado) nos últimos três anos. O diagnóstico é claro: a IA está presente nas apresentações de conselho, mas não nas planilhas de resultados.

O mesmo estudo do NBER ajuda a explicar a distância: mais de dois terços dos executivos usam IA com regularidade, mas por apenas 1,5 hora por semana, em média. Usada assim, para redigir e-mails e resumir reuniões, a ferramenta não chega ao processo que mexe no resultado.

2. A Meta-Análise da Falha: Números que o Board Precisa Conhecer

Quando tratamos esses achados sob uma lente meta-analítica, emergem dois indicadores operacionais que definem o “vale da morte” da IA:

• Taxa de Falha de Escala de Implantação (~72%): Este número representa os projetos que permanecem em estágio de prova de conceito (PoC) ou que, após o piloto, não conseguem ser integrados ao core enterprise.
• Taxa de Falha de Escala de Valor (~70%): Refere-se aos sistemas que chegam a ser implementados, mas falham em gerar impacto no EBIT ou na eficiência operacional prometida.

A alta heterogeneidade dos dados (I² alto) confirma que a falha não é um evento único, mas uma combinação sistêmica de deficiências em governança, dados e redesenho de processos que variam conforme o setor.

3. As “Assinaturas” da Falha na Liderança

Os dados expõem padrões de comportamento na liderança que inviabilizam o sucesso da tecnologia:

A. Por que o ownership difuso é um erro?

Apenas 28% dos CEOs supervisionam diretamente a governança de IA. O restante terceiriza a responsabilidade para o departamento de TI. O problema? TI não tem mandato político para redesenhar processos de negócio, mudar modelos de incentivo ou bloquear iniciativas de baixo valor. Sem um “Single-Threaded Owner” na alta gestão, a IA vira uma iniciativa sem dono.

A pesquisa global da McKinsey de março de 2025 dá a medida: 28% dos respondentes de empresas que usam IA dizem que o CEO é o responsável pela governança de IA, e a supervisão do CEO aparece como o elemento de maior efeito sobre o EBIT (lucro operacional) atribuído à IA generativa, sobretudo nas empresas maiores.

B. Por que o teatro do KPI impede o ROI?

Menos de uma em cada cinco organizações acompanha KPIs (indicadores-chave de desempenho) bem definidos para soluções de IA generativa, segundo a pesquisa global da McKinsey de março de 2025. No entanto, o rastreamento de métricas é o item estatisticamente mais correlacionado ao impacto positivo no EBIT. O erro clássico do CEO é exigir “prova de valor” sem antes instituir o sistema de medição necessário para capturá-la.

No caso de GEO, esse sistema de medição pode entrar no contrato, e o texto sobre consultoria de GEO com responsabilidade por números lista o que exigir e o que nenhum fornecedor pode prometer.

C. Por que a ausência do redesenho do trabalho trava a IA?

Apenas 21% das empresas afirmam ter redesenhado fundamentalmente seus fluxos de trabalho com IA. Para 84% das organizações, a natureza do trabalho permanece a mesma, apenas com uma ferramenta nova. Se o CEO não muda o “como” o trabalho é feito, a produtividade esperada torna-se um paradoxo matemático.

Satya Nadella, da Microsoft, escreveu que importa menos a potência de um modelo e mais a forma como as pessoas escolhem aplicá-lo. Os 84% que mantêm o trabalho igual com uma ferramenta nova ilustram o outro lado da frase, e o redesenho do processo é uma decisão que cabe ao CEO, não ao departamento de TI.

“O que importa não é a potência de um modelo específico, e sim a forma como as pessoas escolhem aplicá-lo para atingir seus objetivos.”

Satya Nadella, chairman e CEO da Microsoft, em Looking Ahead to 2026 (2025). Tradução livre.

D. Dados “AI-Ready” e o Abandono de Projetos

O pipeline de escala quebra antes mesmo da interface do usuário. Em pesquisa do Gartner com 248 líderes de gestão de dados, feita no terceiro trimestre de 2024, 63% das organizações disseram não ter, ou não saber se têm, práticas de gestão de dados adequadas para IA. A previsão da mesma consultoria é que, até 2026, 60% dos projetos que não possuem dados “AI-ready” serão abandonados por obsolescência técnica ou custos de limpeza insustentáveis.

E. O que diz a regra 10/20/70 do BCG?

O BCG resume a distribuição do esforço numa transformação com IA pela regra 10/20/70: cerca de 10% do valor vem da tecnologia, 20% dos dados e dos algoritmos, e 70% da mudança em pessoas, processos e modelo operacional, como a consultoria reafirmou em How CIOs Can Prove the Value of Tech in the Age of AI (junho de 2026). É uma heurística da consultoria, não uma medição. Ainda assim, ela mostra onde o CEO precisa colocar a atenção: quase todo o valor depende de decisões sobre cargos, incentivos e fluxos de trabalho que o departamento de TI não tem mandato para tomar.

A confiança de quem vai operar a IA faz parte desses 70%. Segundo o estudo da KPMG com a Universidade de Melbourne (2025), 66% das pessoas em 47 países usam IA com regularidade, mas 54% dizem ter reservas para confiar nela. Escalar sem tratar essa desconfiança interna é financiar uma ferramenta que a equipe usa com o freio de mão puxado.

O retrato brasileiro: adoção concentrada nas grandes

No Brasil, a etapa de escala ainda é privilégio de poucas empresas. A TIC Empresas 2025, do Cetic.br/NIC.br, mostra que o uso de IA nas empresas com 10 ou mais pessoas ocupadas subiu de 13% em 2024 para 17% em 2025, e chegou a 50% entre as grandes. Na indústria, a PINTEC Semestral do IBGE, divulgada em setembro de 2025, registrou que 41,9% das empresas com 100 ou mais pessoas ocupadas usaram IA em 2024, contra 16,9% em 2022.

A leitura para o CEO brasileiro é dupla. Nas grandes empresas e na indústria, a adoção já aconteceu e o gargalo passou a ser o mesmo dos dados globais: transformar uso em resultado. Nas médias e pequenas, a maioria ainda está antes do piloto, o que permite começar pelo desenho de governança e de medição em vez de corrigi-lo depois.

4. O Fluxo Causal do Fracasso

A literatura indica que os líderes de mercado se diferenciam por tratar a IA como transformação de pessoas e processos, não como algoritmo. Abaixo, o fluxo que leva ao “Value Gap”:

1. Visão como “Projeto”: CEO trata IA como uma implementação isolada → Portfólio inflado de pilotos.
2. Fragmentação: Ownership difuso + comitês lentos → Sem KPIs claros → Sem baseline de valor.
3. Inércia Operacional: Sem redesenho de workflow → Baixa adoção real → Zero impacto no EBIT.

Para reverter esse fluxo, a IA deve nascer com governança by design, dados observáveis e conformidade regulatória integrada à arquitetura do produto.

5. Playbook Executivo: Do Piloto à Industrialização

Para o CEO e o Board da Brasil GEO, a recomendação é uma abordagem em duas ondas:

Onda 1: O Plano de 90 Dias (Estrutura de Choque)

• Nomear o Business/Tech Owner: Um líder com mandato transversal.
• AI Value Office: Criar uma célula de PMO focada em finanças e produtos para padronizar KPIs. Menos de 1 em cada 5 empresas faz isso; quem faz, lidera.
• Racionalização de Portfólio: Aplicar a regra “Kill Fast, Scale Fewer”. Eliminar PoCs que não possuem caminho claro para a escala.
• Data Readiness Sprint: Priorizar um domínio de dados e garantir 100% de linhagem e observabilidade.

Onda 2: O Plano de 12 Meses (Captura de Valor)

• Industrializar 3-5 Flagships: Focar em produtos core que alterem o P&L, não em demos bonitas.
• Job Design: Redesenhar cargos e incentivos. Se a IA economiza 30% do tempo de uma equipe, onde esse tempo será reinvestido?
• Maturidade em IA Agêntica: Apenas 21% possuem governança para agentes autônomos. Criar guardrails agora é garantir segurança e vantagem competitiva para o futuro próximo.

Hipóteses para 2026 a 2028

Três hipóteses de trabalho servem como pontos de atenção para os próximos dois anos. Elas não têm modelagem quantitativa publicada que as sustente e devem ser lidas como sinais a acompanhar, não como previsão:

• Agentes sem governança. Implementações de agentes autônomos (sistemas de IA que executam tarefas em sequência sem aprovação humana a cada passo) sem governança de dados tendem a falhar, e o custo recai sobre o orçamento de quem as aprovou.
• Atrito executivo. A estratégia de IA tende a pesar cada vez mais na avaliação e na permanência de executivos C-level.
• Divergência de receita. A distância de receita por empregado entre quem usa IA para ampliar a capacidade dos times e quem ficou para trás tende a crescer.

IA não é um software que se compra; é um Operating Model que se constrói. Quem gerencia o processo como laboratório colherá apenas pilotos; quem gerencia como industrialização colherá vantagem competitiva real. A diferença entre os 5% que ganham o jogo e o restante é a disciplina de execução.