A adoção de IA nas empresas ainda está concentrada em fases iniciais. A própria McKinsey estima, em abril de 2026, que menos de 10% das organizações escalaram agentes em qualquer função — apesar de cerca de 79% já experimentarem IA Generativa. Nesse contexto, o pricing B2B emerge como uma das primeiras funções onde o impacto financeiro já aparece de forma mensurável no P&L.
A precificação é uma das funções mais antigas e mais resistentes a mudanças em empresas B2B. Durante décadas, foi conduzida por combinações de planilhas, instinto comercial e análise de dados, com decisões finais mantidas sob controle humano. Uma pesquisa da McKinsey publicada em abril de 2026 indica que esse modelo começa a ser reconfigurado.
O relatório “B2B pricing: Navigating the next phase of the AI revolution” documenta que entre 65% e 85% das organizações consultadas esperam adotar IA Generativa ou agentes de IA em pricing nos próximos três anos — um salto em relação aos atuais 10% a 30%. A projeção reflete intenção declarada de adoção, não implementação efetiva. A pesquisa ouviu mais de 400 executivos responsáveis por decisões de pricing em empresas com receita entre US$ 500 milhões e mais de US$ 25 bilhões, em múltiplos setores e regiões.
O dado mais relevante do relatório não está na adoção, mas na alavancagem econômica: um aumento de 1% no preço gera, em média, crescimento de 8,7% no lucro operacional, assumindo volume estável. Esse multiplicador faz com que ganhos incrementais em eficiência de pricing tenham impacto direto e desproporcional no P&L, elevando a função a prioridade estratégica em parte das organizações.
O caso e seus limites
A McKinsey documenta o caso de uma distribuidora B2B com receita de US$ 15 bilhões que conduziu uma transformação multianual de pricing. Na primeira fase, a empresa passou 18 meses redesenhando processos e implementando ferramentas de IA, incluindo sistemas de recomendação de preço e gestão de descontos.
O resultado reportado foi um aumento de margem superior a 50 pontos-base — obtidos sobre os 200 pontos-base que a IA analítica tradicional já entregava antes da camada agêntica. O ciclo de geração de valor foi comprimido para semanas — referência à captura incremental após a implementação inicial, não ao tempo total da transformação.
O caso não detalha o peso de uma variável crítica: maturidade de dados. Pesquisa da Simon-Kucher publicada em 2025 indica que, em empresas industriais B2B, a adoção de IA em pricing dinâmico enfrenta uma restrição operacional relevante — equipes comerciais precisam justificar mudanças de preço para compradores profissionais, o que limita o grau de automação possível.
Na prática, a adoção tem avançado com maior consistência em mercados com alta frequência transacional, baixa margem e maior volatilidade de preços, como commodities químicas e logística.
O padrão mais amplo
O movimento em pricing se conecta a um padrão mais amplo de captura de valor em IA. O “AI Performance Study 2026″, da PwC, indica que apenas 20% das empresas concentram 74% do valor econômico gerado por IA. Essas organizações apresentam diferenças operacionais mensuráveis: maior uso de IA para identificar crescimento, redesenho de fluxos de trabalho em vez de simples adição de ferramentas, e maior proporção de decisões automatizadas.
A McKinsey, em análise separada sobre alocação de orçamentos de tecnologia corporativa, mostra que os melhores desempenhos — chamados no relatório de “modernizadores deliberados” — investem entre 1,5 e 4 vezes mais em equipes internas que conduzem mudanças, destinam quase o dobro de recursos a dados e analytics, alocam 57% do orçamento de aplicações em novas capacidades e operam com custos até 20% menores que seus pares. A tese central: os vencedores gastam diferente. Menos em manutenção de sistemas legados, mais em equipes internas e capacidades novas. E substituem em vez de acumular. A maioria das empresas está adicionando IA por cima do que já existe. As líderes estão substituindo o que existe por algo redesenhado com IA no centro.
Quem redesenha ganha, quem empilha perde. A aliança McKinsey/Wonderful quantifica a perda: 79% das empresas experimentam IA, menos de 10% escalam. A lacuna já não é de ambição, mas de execução.
O pricing com agentes de IA é, nesse contexto, um caso de aplicação que reúne as condições para escalar: regras de negócio formalizáveis, auditabilidade de decisões e reversibilidade de erros. Funciona quando a empresa tem dados de transação limpos, histórico de desconto acessível e regras de negócio formalizadas; exatamente o que a maioria das empresas B2B não tem organizado. A McKinsey descreve ainda uma abordagem gradual de autonomia: decisões que podem ser executadas com “regras claras, auditabilidade e reversibilidade” permitem maior automação.Onde essas condições não estão presentes, a IA atua como suporte à decisão humana, acelerando análise e ampliando a capacidade de execução sem remover o operador do processo.
Pesquisa da BCG publicada em agosto de 2025 indica que clientes B2B demonstram disposição para pagar um prêmio por funcionalidades de IA quando há entrega de valor completo, seja por expertise de domínio ou execução integral de tarefas. Soluções que automatizam apenas etapas isoladas tendem a enfrentar menor disposição a pagar.
Isso impõe um desafio de sequenciamento: implantar agentes antes de estruturar dados, processos e governança tende a resultar em pilotos que não escalam — ou em decisões automatizadas sem consistência operacional.
A janela competitiva
Atualmente, entre 5% e 10% das empresas escalaram plenamente agentes de IA, enquanto 40% a 60% estão em processo de escala. A projeção de adoção em pricing sugere uma janela competitiva real, mas limitada. O próximo ponto de verificação será o ciclo de renovação de contratos em 2026 e 2027, quando empresas que implantaram agentes entre 2024 e 2025 terão dados suficientes para validar — ou não — os resultados reportados.
Esse ciclo deve separar ganhos estruturais de melhorias incrementais.