Para cada real investido em tecnologia de IA, empresas bem-sucedidas gastam até dez vezes mais em requalificação de equipes, reestruturação de fluxos de trabalho e governança de dados. O dado vem do Enterprise AI Playbook, relatório publicado em abril pelo Stanford Digital Economy Lab (centro de pesquisa da Universidade Stanford) após cinco meses de entrevistas com executivos de 41 organizações em sete países, somando mais de um milhão de funcionários.
Quando perguntados sobre a parte mais difícil da implantação, 77% dos executivos citaram problemas que raramente entram no orçamento aprovado: gestão de mudança (convencer pessoas a trabalharem de forma diferente), qualidade dos dados (informações desorganizadas ou incompletas) e redesenho de processos. Apenas uma minoria apontou desafios técnicos, segundo o estudo coordenado pela pesquisadora brasileira Elisa Pereira e por Erik Brynjolfsson, um dos criadores do conceito da Curva J da Produtividade (teoria que explica por que novas tecnologias demoram para gerar ganhos visíveis).
O custo invisível do fracasso
Entre as empresas que hoje têm sucesso com IA, 61% já haviam enfrentado um projeto anterior fracassado — cujo custo raramente entra na conta do retorno das iniciativas atuais. É como reformar uma casa: o orçamento inicial cobre apenas os materiais, mas o verdadeiro gasto está na mão de obra, nos imprevistos e no tempo que a família passa desorganizada.
Casos de uso praticamente idênticos levaram semanas em algumas empresas e anos em outras. Uma fintech latino-americana migrou milhões de linhas de código legado (sistemas antigos que ainda funcionam mas são difíceis de atualizar) em poucas semanas com um agente de IA, enquanto um banco relatou levar “múltiplos anos” num projeto semelhante de atendimento ao cliente, mesmo usando tecnologia equivalente. A diferença esteve na maturidade organizacional: comprometimento da liderança, fundações técnicas prévias e disposição dos usuários finais.
Quem trava a IA dentro das empresas
A maior resistência não veio de funcionários com medo de perder o emprego. Veio de áreas como jurídico, RH, riscos e compliance, responsáveis por 35% dos bloqueios registrados. Os usuários finais responderam por 23%, e o medo de substituição apareceu em apenas dois dos 51 casos estudados, segundo o relatório.
Os sete casos que alcançaram transformação em escala corporativa tinham a IA integrada aos OKRs (objetivos e resultados-chave, sistema de metas usado por empresas como Google) da empresa e às métricas de bônus dos líderes. “A organização precisava saber que era uma iniciativa do CEO, não apenas do CTO”, resumiu um executivo de uma empresa de serviços profissionais ouvida pela pesquisa.
O impacto no emprego
Em 45% dos casos analisados, a implantação de IA resultou em redução de headcount (número de funcionários). Mas 55% seguiram outros caminhos: evitar novas contratações, realocar pessoas para funções de maior valor ou manter o quadro inalterado. O relatório descreve três estratégias distintas: “aceleração”, quando os ganhos de produtividade são usados para crescer mais rápido em vez de cortar custos; “realocamento”, movendo pessoas para um trabalho que exige julgamento humano; e a redução direta de headcount.
O estudo alerta, porém, que esse cenário pode não persistir. Dados de folha de pagamento de milhões de trabalhadores americanos, analisados por Brynjolfsson e colaboradores, mostram queda de 16% no emprego de trabalhadores de início de carreira em ocupações expostas à IA desde o fim de 2022, chegando a quase 20% entre desenvolvedores de software de 22 a 25 anos. A título de comparação, a taxa de desemprego geral nos Estados Unidos permaneceu estável no período, em torno de 4%, segundo dados do Bureau of Labor Statistics — o que sugere um impacto concentrado em funções específicas.
Modelo importa menos que orquestração
Para 42% das implantações analisadas, a escolha do modelo de linguagem (o “cérebro” da IA, como GPT ou Claude) era completamente intercambiável. O que diferenciava os resultados era a camada de orquestração, a arquitetura que integra o modelo aos processos e dados da organização — como um maestro que coordena músicos diferentes para tocar a mesma sinfonia.
Sistemas agênticos, em que a IA executa tarefas de forma autônoma sem aprovação humana a cada passo, tiveram ganho mediano de produtividade de 71%, contra 40% das implantações convencionais de alta automação. Hoje representam 20% dos casos estudados, mas os pesquisadores estimam que serão maioria dentro de três anos.
América Latina no mapa
A pesquisa incluiu casos da América Latina, entre eles uma fintech, uma bolsa de valores e uma plataforma de entrega de alimentos. Elisa Pereira, brasileira e pesquisadora principal do estudo, defende que a soberania tecnológica da região não começa pelo modelo de IA escolhido, mas pela disposição das organizações de mudarem a si mesmas. “A estabilidade da economia e do tecido social pode depender de como os líderes de hoje respondem a essa questão”, concluem Pereira, Graylin e Brynjolfsson no relatório.
📊 Número do Dia
10x , Para cada real investido em tecnologia de IA, empresas bem-sucedidas gastam até dez vezes mais em requalificação de equipes e reestruturação de processos
Por que isso importa
Para empresas brasileiras que planejam adotar IA, o estudo de Stanford traz um alerta: o orçamento precisa incluir muito mais do que licenças de software. Gestão de mudança, treinamento de equipes e redesenho de processos custam até dez vezes mais que a tecnologia em si. Para trabalhadores, especialmente os de início de carreira em funções expostas à automação, o recado é duplo: a ameaça ao emprego é real em algumas áreas, mas a maioria das empresas ainda prefere realocar pessoas para funções de maior valor. Para investidores, a mensagem é que empresas com maturidade organizacional — liderança comprometida, dados organizados, cultura de experimentação — têm vantagem competitiva maior do que aquelas que simplesmente compram a tecnologia mais avançada.
