95% dos pilotos de IA não chegam ao resultado — e o Gartner projeta 40% de cancelamento

O número que ninguém queria ver

O relatório State of AI in Business, do MIT, chegou a uma conclusão que circulou em todo comitê executivo do último ano: cerca de 95% dos pilotos de IA generativa não produzem impacto mensurável no resultado. Não é que produzam pouco — é que não aparecem no P&L de forma que alguém consiga defender numa reunião de orçamento.

O Gartner completa o quadro pelo outro lado: a previsão é de que 40% dos projetos com agentes de IA sejam cancelados até 2027. E o abandono já começou — a taxa de empresas que desistiram de iniciativas de IA saltou de 17% para 42% no espaço de um ano.

O dado incomoda porque contraria a experiência individual. Quase todo profissional que usou um modelo de linguagem para uma tarefa própria saiu com a sensação de ganho real. O paradoxo é que ganho individual e resultado corporativo não são a mesma coisa, e a distância entre os dois é exatamente onde os projetos morrem.

Onde eles morrem, na ordem em que morrem

1. O dado nunca esteve pronto

A causa mais citada continua sendo a mais banal: dados inadequados aparecem como fator em torno de 85% das falhas. Sistema legado sem documentação, base em silo, campo preenchido de três formas diferentes por três equipes, histórico que só existe em planilha local.

Nenhum modelo resolve isso. O modelo apenas expõe: quando a resposta sai errada, a investigação quase sempre termina numa tabela que ninguém mantinha havia anos.

2. O piloto foi desenhado para impressionar, não para operar

Piloto de IA costuma ser escolhido pelo que demonstra bem: um caso vistoso, com dados limpos selecionados a dedo e um usuário entusiasmado acompanhando. Ele funciona. E não escala, porque a operação real tem o caso vistoso em 5% do volume e o caso chato nos outros 95%.

A pergunta que separa piloto de produto é simples e raramente feita no começo: o que acontece quando isso roda mil vezes por dia sem ninguém olhando?

3. O projeto ficou sozinho na empresa

Levantamentos apontam que cerca de 72% das empresas admitem que suas iniciativas de IA avançam de forma isolada, sem integração entre departamentos. Cada área monta a sua, com fornecedor próprio, sem contrato de dados entre elas.

O resultado previsível é um conjunto de provas de conceito que não conversam e um custo somado que ninguém consolidou.

4. Ninguém definiu o que seria sucesso

Projeto sem linha de base não tem como provar ganho. Se a empresa não sabe quanto custava resolver um chamado antes da IA, não vai conseguir dizer se ficou mais barato depois — e, na dúvida, o projeto entra na lista de corte do próximo trimestre.

O que os 5% fazem diferente

Os casos que sobrevivem à passagem para produção têm um padrão reconhecível, e ele é menos glamouroso do que a promessa inicial.

Eles começam por um processo estreito e repetitivo, com volume alto e regra clara — triagem de chamado, extração de campo de documento, classificação de pedido. Não começam pelo assistente que faz tudo.

Eles têm métrica anterior ao projeto: tempo médio, custo por operação, taxa de erro. Sem isso, a comparação depois vira opinião.

Eles mantêm revisão humana no ponto de risco, e medem quanto dela é necessária ao longo do tempo. Um agente que precisa de 80% de revisão no primeiro mês e 20% no sexto está funcionando; um que fica em 80% para sempre é um estagiário caro.

E eles tratam custo por operação como métrica de engenharia, não de fatura. Consumo de tokens, tamanho de contexto e número de chamadas por tarefa são variáveis de arquitetura, e quem não as mede descobre o problema quando a conta chega.

A projeção que muda o cálculo

Vale registrar que o mesmo Gartner que projeta 40% de cancelamento também estima que, até 2028, 15% das decisões rotineiras de negócio sejam tomadas por agentes. As duas previsões não se contradizem: elas descrevem uma tecnologia que funciona em escopo estreito e falha em escopo largo.

O erro estratégico, para quem constrói produto, não é apostar em IA. É apostar num agente genérico quando o que paga a conta é um fluxo específico, com dado limpo, métrica definida e um humano no lugar certo.