A IA entrou no orçamento. Falta entrar no modelo de negócio
Pesquisas da PwC e do MIT mostram por que os investimentos em IA avançam mais rápido do que a capacidade das empresas de capturar valor. E por que o problema não é tecnológico, mas estrutural.
A pergunta que mais preocupa os CEOs globais hoje não trata de macroeconomia, tarifas ou geopolítica. Segundo a 29ª Pesquisa Global de CEOs da PwC, a principal inquietação é outra: estamos transformando nossos negócios com rapidez suficiente para acompanhar a tecnologia, incluindo a IA? A resposta implícita nos dados é desconfortável. O investimento avançou, mas a captura de valor ficou para trás.
A pesquisa, baseada em respostas de 4.454 CEOs em 95 países, coletadas entre setembro e novembro de 2025, mostra que a maioria das empresas ainda não vê retorno financeiro mensurável com IA. Embora 30% dos executivos relatem aumento de receita associado à tecnologia nos últimos 12 meses e 26% indiquem redução de custos, 56% afirmam não ter observado nenhum dos dois efeitos. Apenas 12% conseguiram simultaneamente crescer receita e reduzir custos.
Esses números ajudam a ajustar expectativas. A IA entrou no orçamento das grandes empresas, mas seus impactos econômicos permanecem concentrados em uma minoria. Para a maioria das organizações, os resultados ainda são neutros ou assimétricos, frequentemente acompanhados por aumento de custos operacionais.
Uma parte relevante dessa explicação está na escala. Mesmo em funções centrais, o uso extensivo de IA ainda é limitado. Apenas 22% dos CEOs dizem aplicá-la em grande escala em geração de demanda; 20% em serviços de suporte; 19% em produtos, serviços e experiências; 15% em definição de rumo estratégico; e 13% em atendimento de demanda. No nível individual, a distância é ainda maior: em pesquisa paralela da PwC, somente 14% dos trabalhadores afirmam usar IA generativa diariamente.
A PwC associa esse desempenho a um padrão recorrente: iniciativas isoladas, táticas e pouco integradas à arquitetura do negócio. Segundo o relatório, projetos pontuais raramente geram valor mensurável. Os retornos mais consistentes aparecem quando a IA é implantada em escala empresarial, alinhada ao modelo de negócio e sustentada por bases sólidas — ambiente tecnológico integrável, roadmap claro, processos formais de risco e IA responsável, além de uma cultura organizacional preparada para adoção.
O problema é que essas bases ainda são frágeis. Menos da metade dos CEOs concorda que suas empresas possuem um roadmap claro de IA ou processos formalizados de gestão de riscos. Apenas 29% afirmam que as principais ferramentas de IA têm acesso amplo aos dados e documentos corporativos. Em outras palavras, a tecnologia avança mais rápido do que a infraestrutura de dados, governança e integração necessárias para capturar valor.
Esse desalinhamento ocorre em um ambiente de pressão crescente. A confiança dos CEOs no crescimento da receita caiu para 30%, o nível mais baixo em cinco anos. Tarifas, riscos geopolíticos e ameaças cibernéticas comprimem o horizonte de decisão e reforçam o foco no curto prazo. Ainda assim, a própria PwC mostra que empresas que evitam grandes investimentos por causa dessa incerteza crescem, em média, dois pontos percentuais menos e operam com margens três pontos inferiores às de seus pares mais dinâmicos.
É nesse contexto que a preocupação com IA ganha contornos menos tecnológicos e mais estruturais. A questão central não é a adoção de ferramentas, mas a capacidade das organizações de se reorganizarem para operar em um ambiente no qual software deixa de apenas apoiar decisões e passa a executar trabalho.
Quando questionados sobre as condições internas para escalar IA, os próprios CEOs descrevem organizações ainda incompletas. Menos da metade concorda que sua empresa possui:
- um roadmap claro para iniciativas de IA (51%);
- processos formalizados de IA responsável e gestão de riscos (51%);
- nível de investimento suficiente para atingir os objetivos de IA (40%);
- ferramentas de IA com acesso amplo a dados e documentos corporativos (29%).
Esses números ajudam a explicar por que projetos isolados predominam — e por que seus resultados raramente se traduzem em impacto financeiro sistêmico. A conclusão da PwC é direta: retornos tangíveis aparecem quando a IA é implantada em escala empresarial, alinhada à estratégia do negócio e apoiada por dados integrados, governança e cultura organizacional.
Esse diagnóstico, no entanto, expõe uma tensão ainda não resolvida: como escalar algo cujo valor permanece incerto quando avaliado apenas em pilotos isolados?
Um estudo do Centro de Pesquisa de Sistemas de Informação do MIT ajuda a estruturar essa lacuna. Em vez de partir de casos de uso, o MIT analisa a evolução dos modelos de negócio ao longo de mais de uma década, com dados de 2.378 empresas entre 2013 e 2025. Nesse período, a participação de empresas que lideram ou integram ecossistemas digitais saltou de 30% para 81%, acompanhada por maior crescimento de receita e lucro. Em 2025, o modelo de Ecosystem Driver foi o único a registrar crescimento de receita seis pontos percentuais acima da média do setor.
A leitura dos pesquisadores é que a IA acelera esse movimento ao permitir que software assuma, de forma crescente, decisões, coordenação e execução. A partir disso, o MIT propõe um framework com dois eixos:
- assistir o cliente versus agir em nome do cliente;
- execução estruturada versus adaptativa.
Da combinação surgem quatro modelos:
- Existing+ – A empresa usa IA para ampliar processos existentes. A IA apoia decisões humanas, mas não redefine responsabilidades centrais.
- Customer Proxy – A empresa passa a representar o cliente em decisões operacionais, dentro de regras predefinidas. A IA executa ações com autorização explícita.
- Modular Curator – A empresa monta ofertas personalizadas combinando módulos próprios e de terceiros, com IA adaptando a configuração ao contexto do cliente.
- Orchestrator – A empresa coordena um ecossistema completo e age autonomamente em nome do cliente para atingir resultados, com humanos definindo objetivos e limites.
A diferença entre eles não está apenas na sofisticação técnica, mas no grau de delegação estrutural ao software. O ponto relevante não é a tipologia em si, mas o gradiente de autonomia. Cada avanço exige mais integração de dados, mais confiança algorítmica, mais clareza de governança e, sobretudo, mudança no modelo de criação de valor.
Essa tipologia ajuda a conectar os dados do MIT aos resultados da PwC. A maioria das empresas ainda responde à pressão por IA com iniciativas incrementais, encaixadas em arquiteturas organizacionais pensadas para uma era anterior — processos lineares, responsabilidades humanas centrais e integração limitada entre dados, produtos e parceiros. Os 12% que já combinam aumento de receita e redução de custos tendem a aplicar IA de forma mais ampla e a estar mais avançados na integração entre dados, governança e modelo de negócio.
Lidos em conjunto, PwC e MIT descrevem o mesmo fenômeno por ângulos diferentes.
A PwC mostra que a maioria das empresas está investindo em IA sem alterar sua lógica operacional. O MIT mostra que os maiores retornos aparecem quando a IA redefine quem decide, quem executa e como o valor é entregue ao cliente.
Isso ajuda a explicar por que os poucos 12% que obtêm aumento de receita e redução de custos tendem a:
- aplicar IA em múltiplas áreas;
- integrá-la a produtos e experiências;
- avançar além do modelo Existing+.
Não se trata de acreditar mais na tecnologia, mas de reposicionar a empresa dentro da cadeia de valor.
Os dados não apontam para um fracasso da inteligência artificial, mas para um desalinhamento entre tecnologia, modelo de negócio e capacidade organizacional. Os modelos que capturam mais valor da IA são aqueles que transferem decisões, coordenação e execução para sistemas agênticos de forma estrutural. Isso exige clareza sobre qual papel a empresa pretende ocupar — ampliação do modelo existente, representação do cliente, curadoria modular ou orquestração de ecossistemas — e quais decisões está disposta a automatizar, integrar ou externalizar.
Há também um descompasso temporal evidente. A pesquisa da PwC mostra CEOs pressionados por margens, tarifas e riscos geopolíticos no horizonte de 12 meses, enquanto os modelos descritos pelo MIT pressupõem investimentos plurianuais em dados, governança, integração e confiança algorítmica. O resultado é uma estratégia defensiva: investir o suficiente para não ficar para trás, mas não o bastante para alterar a lógica operacional do negócio.
A IA está acabando com os modelos de negócios tradicionais e criando novos centros de lucro, para poucos. Empresas que dependem de modelos obsoletos estão enfrentando dificuldades, enquanto aquelas que utilizam a IA estão prosperando ao transformar operações e criar serviços inovadores.
- Os setores mais afetados são: serviços profissionais, empresas financeiras, manufatura, saúde e varejo, que estão vendo a IA substituir tarefas manuais e sistemas obsoletos.
- Os modelos de negócio mais frágeis: Empresas que dependem de tarefas repetitivas, crescimento linear ou serviços padronizados enfrentam desafios cada vez maiores.
- As novas oportunidades de lucro: monetização de dados, ferramentas de licenciamento automatizadas, serviços de manutenção preditiva e precificação dinâmica, só para ficar nos mais usuais.
O ponto central é se as empresas estão, de fato, se reorganizando para operar em um ambiente em que software passa a decidir, combinar e executar em nome do cliente. As poucas organizações que já registram ganhos simultâneos de receita e eficiência parecem ter respondido afirmativamente — não por entusiasmo tecnológico, mas por alinhar arquitetura, incentivos e modelo de negócio à IA.
Para o restante do mercado, os dados sugerem um ponto de inflexão. Tratar a IA como uma camada adicional tende a prolongar a frustração captada pela PwC. Encará-la como um fator de redefinição do modelo de negócio, como propõe o MIT, implica riscos maiores, mas também uma lógica mais consistente de criação de valor. O custo de adiar essa decisão já começa a aparecer nos números.
