95% dos projetos corporativos de IA generativa fracassam: estudo do MIT

O MIT Media Lab, através de sua iniciativa NANDA, publicou "The GenAI Divide: State of AI in Business 2025", possivelmente o estudo mais completo até hoje sobre o uso real de inteligência artificial generativa nas organizações.

O trabalho se apoia em 150 entrevistas com líderes empresariais, 350 pesquisas com colaboradores e a análise de 300 casos públicos de implementação de IA generativa. Seu objetivo: entender por que poucos alcançam resultados significativos enquanto a maioria fica em promessas não cumpridas.

Apenas 5% dos pilotos geram um impacto rápido em receitas ou P&L. Os 95% restantes não produzem benefícios mensuráveis.

A principal causa não é tecnológica, mas organizacional. O MIT o denomina learning gap: a incapacidade das empresas de integrar modelos de IA em seus fluxos de trabalho, estruturas e culturas (o componente humano da inteligência aumentada).

O ROI não surge de onde mais se investe. Mais da metade dos orçamentos vão para vendas e marketing, mas o maior retorno aparece na automação de back-office: redução de outsourcing, menor dependência de agências externas e maior eficiência administrativa.

A fonte tecnológica importa. As ferramentas adquiridas de fornecedores especializados têm uma taxa de sucesso próxima a 67%, enquanto os desenvolvimentos internos alcançam apenas um terço dessa cifra.

As startups mostram outra dinâmica. Empresas fundadas por jovens de 19 ou 20 anos alcançaram mais de 20 milhões de dólares em receitas em menos de um ano, ao focar em resolver um único problema com precisão e em parceria com plataformas externas.

O impacto no emprego é silencioso mas estrutural. Não há demissões massivas, mas muitas empresas optam por não repor vagas administrativas ou de suporte, o que antecipa um redesenho da composição da força de trabalho.

A brecha é cultural, humana e estratégica. Trata-se de um problema de absorptive capacity, como o chamaram Cohen e Levinthal: a habilidade de uma organização de reconhecer, assimilar e aplicar conhecimento externo. O MIT o descreve como learning gap: a incapacidade de institucionalizar o aprendizado coletivo.

Como explico há tempos, as organizações do presente e do futuro devem abordar a ambidestria estratégica: a capacidade simultânea de explorar com eficiência e posição resiliente as unidades atuais e explorar (incubar, adquirir) o novo rumo à disrupção ofensiva e defensiva.

E a IA, potencializada pelos frameworks de negócios adequados, deve estar integrada a ambas as zonas. A governança de ambas e o nível de autonomia das equipes para experimentar com IA também deve se adaptar por zona, no marco de uma estratégia corporativa com IA e os atores no centro.

É o equilíbrio estratégico de ambidestria que gera verdadeiras empresas antifrágeis.

O que o MIT mostra é uma atualização empírica do dilema do inovador descrito por Christensen. As grandes corporações, presas em seus próprios sistemas de incentivos, métricas e processos, não conseguem capitalizar as tecnologias potencialmente disruptivas e sucumbem a elas.

É por uma falta de plasticidade organizacional e, como adverte Christensen, por incentivos racionais (maximizar faturamento, rentabilidade) que os prendem ao presente que ainda funciona, embora já esteja em processo de ser deslocado.

Em contrapartida, startups pequenas e ágeis, com estruturas leves e foco extremo, conseguem escalar em meses o que para os incumbentes é inalcançável.

Isso deveria nos interpelar: como desenhamos estruturas que, sem renunciar à eficiência do core, mantenham a flexibilidade necessária para absorver disrupções? Como nos tornamos ambidestros?

Como escapamos da armadilha das consultorias de elite que impulsionam transformações sem conseguir se transformar elas mesmas?

Como voltamos a explorar os frameworks de inovação necessários se ficaram associados à destruição de valor?

O learning gap é, no fundo, um cultural gap.

Integrar IA ao coração da estratégia exige muito mais que licenças de software: requer redesenhar como aprendemos, como decidimos e como nos organizamos. Não se trata de uma questão de CAPEX ou OPEX, mas de redesenhar como aprendemos, decidimos e nos organizamos.

Requer sobretudo que os próprios líderes adotem IA como linguagem. Internalizem os conceitos e suas implicações. Compreendam as ferramentas (que são muito simples e baseadas em linguagem natural) e seu potencial unido ao modelo de negócio e operacional.

Formação e autonomia. Não basta treinar em ferramentas; é preciso empoderar equipes para experimentar e decidir. Diferentes focos de governança e ação em exploração e explorações.

Espaços de jogo e validação. A inovação requer ambientes onde errar seja aceitável e os aprendizados sejam capitalizados. Mas isso implica metodologia e frameworks para limitar esses riscos e erros.

Mentalidade intraempreendedora. Ver cada colaborador como um agente de transformação capaz de detectar oportunidades e prototipá-las com IA. Escuta e experimentação são as habilidades do futuro. Aprender a validar antes de executar ou escalar.

Aprendizado em ciclos curtos. Testar, medir, ajustar, validar. O método científico aplicado à gestão.

Equipes híbridas. Humanos e algoritmos interagindo segundo o valor que cada um aporta: produtividade, criatividade, critério. IA como colaborador, e não como ferramenta de produtividade. Escuta ativa ao cliente. A IA deve ser aplicada para resolver fricções reais, antecipar necessidades e melhorar experiências. Pode promover e complementar nossa empatia, inteligência emocional e capacidade relacional. Pode potencializar o trabalho em equipe, a escuta ativa e a colaboração.

Há tempos sustento que não falamos de inteligência artificial isolada, mas de inteligência aumentada: a fusão entre capacidades humanas e algoritmos. Já não somos apenas humanos: aqueles que compreendemos, nos adaptamos e adotamos o novo paradigma nos convertemos em humanos aumentados.

O MIT confirma isso indiretamente. Os projetos que fracassam são aqueles que devem gerar algo novo (ex. vendas): porque exigem essa inteligência aumentada e ela não está presente.

Back-office e automações de produtividade que repetem o já existente requerem menos inteligência aumentada e se apoiam na capacidade da IA independente.

As startups que prosperam, por outro lado, são as que potencializam a capacidade humana: equipes que adotam a IA como extensão de seu pensamento, habilidades e de seu critério estratégico. Empresas que a colocam no coração da estratégia. Empresas nativas de IA adaptadas aos novos paradigmas.

Precisamos formar líderes e equipes capazes de aprender com IA, decidir com IA, cocriar com IA. Compreender o que cada implantação pública de IA habilita estrategicamente para o negócio.

Não é questão de gerar ou adotar o modelo mais sofisticado, a tecnologia se commoditiza com velocidade. A vantagem sustentável não está no acesso ao técnico, mas na capacidade estratégica e cultural de integrá-la.

As barreiras de entrada e diferenciais se constroem a partir da estratégia: a partir do modelo de negócio e operacional. Não é uma revolução técnica, mas dos frameworks de negócios.

Muitos executivos e diretores enfrentam hoje uma brecha crítica de compreensão sobre o que realmente está em jogo no nível estratégico e competitivo.

A grande contribuição do relatório não é apontar que 95% fracassam, mas mostrar que o sucesso não depende da IA em si, mas da capacidade organizacional de integrá-la com propósito, coerência e aprendizado contínuo.

Esses 5% serão as empresas de amanhã. E rapidamente se convertem nas empresas de hoje.

A IA é um catalisador. O motor é a cultura, a estratégia, a capacidade de aprendizado organizacional e cocriação. As organizações do futuro são organizações de aprendizado.

Nas quais os seres humanos possam cocriar com IA, gerar inteligência aumentada individual e colaborativa, potencializar a IA e se deixar potencializar. Alcançar um novo nível de desenvolvimento. Humanos aumentados.