Existe uma diferença importante entre usar inteligência artificial (IA) e fazer com que ela mude a forma como uma empresa opera. A pesquisa global The State of AI in 2026: On the road to ROI, da McKinsey, ajuda a enxergar esse descompasso: 80% dos respondentes afirmam que a tecnologia melhorou sua produtividade individual e cerca de metade diz que ela ajuda a tomar decisões melhores. Já 37% relatam contribuição positiva da IA para o EBIT — lucro antes de juros e impostos — de suas organizações, percentual praticamente inalterado em relação ao ano anterior do estudo.
Para mim, esse é um dos pontos mais importantes da discussão atual sobre IA. Um profissional pode escrever, analisar ou consultar informações mais rapidamente e, ainda assim, a empresa continuar tomando decisões devagar, convivendo com retrabalho ou dependendo de processos fragmentados. O ganho individual existe, mas não necessariamente percorre o caminho até o resultado do negócio.
É por isso que olhar apenas para adoção pode ser pouco. Quantas ferramentas foram contratadas? Quantas pessoas utilizam IA? Quantos agentes foram criados? São informações úteis, mas não respondem ao que realmente me interessa: o que passou a funcionar melhor depois da implementação?
Na operação, essa resposta aparece de maneira bastante concreta. Um processo leva menos tempo? O retrabalho diminuiu? Uma decisão que dependia de várias etapas passou a acontecer mais rápido? Um problema começou a ser percebido antes? Quando não conseguimos identificar mudanças desse tipo, vale questionar se estamos medindo transformação ou apenas presença de tecnologia.
A própria McKinsey aponta uma diferença interessante. As organizações que relatam resultados financeiros mais relevantes com IA também afirmam, com muito mais frequência, ter redesenhado seus processos e criado formas de medir o impacto da tecnologia. Esse dado chama minha atenção porque muda o ponto de partida. Em vez de perguntar primeiro onde colocar IA, faz mais sentido entender o ponto em que operação perde eficiência. Aplicar tecnologia sobre um fluxo mal estruturado pode acelerar uma etapa e deixar intacto justamente o gargalo que limita o resultado.
O mesmo vale para os dados que alimentam essas soluções. IA consegue acelerar análises e ampliar a capacidade de execução, mas velocidade não resolve informação pouco confiável, sistemas desconectados ou falta de clareza sobre o que precisa ser decidido. Uma resposta mais rápida só tem valor quando ajuda alguém a tomar uma decisão melhor e agir a partir dela.
Por isso, eu começaria por três perguntas: qual problema operacional queremos resolver, que mudança esperamos provocar e como saberemos se ela aconteceu? A escolha da tecnologia vem depois. E a medição não termina quando a solução entra em funcionamento, porque o resultado precisa ser acompanhado para que processo, dados e uso da IA possam ser ajustados.
No fim, talvez essa seja a mudança de perspectiva mais necessária neste momento. Em vez de medir quanto de IA uma empresa já incorporou, deveríamos perguntar o quanto essa IA já conseguiu melhorar a maneira como ela executa suas atividades. É aí que produtividade individual começa a se transformar em resultado para o negócio.
• Por: Eliel Mota Eleutério, (Chief Operating Officer) da Genux Consult, Eliel Mota Eleutério possui 18 anos de experiência em tecnologia e serviços financeiros, com atuação em transformação digital, gestão de produtos e ambientes regulados. Ao longo da carreira, liderou times multidisciplinares e iniciativas voltadas à inovação, experiência do cliente e integração entre objetivos de negócio e entregas técnicas.