Por que 95% dos pilotos de IA morrem antes do P&L

Todo comitê executivo já viveu essa reunião. O CFO pergunta o que a empresa está fazendo com IA. Alguém apresenta o piloto: um assistente para o time de atendimento, um copiloto para a área jurídica, uma prova de conceito com o fornecedor da moda. Aplausos moderados, orçamento aprovado, revisão em seis meses.

Seis meses depois, o piloto está tecnicamente "funcionando" — e financeiramente invisível. Não moveu receita, não reduziu custo mensurável, não mudou a forma como o trabalho acontece. Ele entra para uma estatística que o MIT resolveu medir com rigor. O resultado incomoda.

O número que ninguém quer no board deck

Em 2025, a iniciativa NANDA do MIT publicou o estudo The GenAI Divide: State of AI in Business, baseado em 150 entrevistas com executivos, uma pesquisa com 350 profissionais e a análise de 300 implantações públicas de IA generativa. A conclusão, reportada pela Fortune: para 95% das empresas, os pilotos de IA generativa não produziram impacto mensurável no P&L. Apenas 5% aceleraram receita ou reduziram custo de forma material.

O dado dialoga com o que a McKinsey encontra ano após ano no State of AI: a adoção declarada de IA é quase universal — mas a fração de empresas que atribui à IA um efeito relevante no EBIT continua pequena. Usar é fácil. Capturar valor é raro.

A leitura preguiçosa desse número é "IA não funciona". A leitura correta é: a tecnologia atravessou o abismo — as organizações, não.

Vale registrar o contraponto: parte da imprensa especializada questionou o sensacionalismo em torno do estudo, lembrando que "não aparecer no P&L em seis meses" não significa "zero valor". Justo. Mas mesmo os críticos concordam com o padrão central: a distância entre piloto e resultado é enorme, e a maioria das empresas está do lado errado dela.

O diagnóstico do MIT: um gap de aprendizado, não de tecnologia

O achado mais interessante do estudo não é o número — é a causa. Os pesquisadores descartaram as suspeitas usuais (qualidade dos modelos, regulação, infraestrutura) e apontaram para o que chamaram de learning gap: a incapacidade de ferramentas e organizações aprenderem uma com a outra.

Do lado da ferramenta: assistentes genéricos brilham no uso individual, mas estagnam no uso corporativo porque não se adaptam ao fluxo de trabalho — não guardam contexto do processo, não aprendem as regras do negócio.

Do lado da organização: as empresas tratam IA como software que se instala, quando ela se comporta como uma competência que se desenvolve. E competência exige o que orçamento de licença não compra: prática estruturada, casos de uso da função, critério de qualidade e tempo.

Três padrões separam os 5% que capturam valor:

• Quem compra e adapta supera quem constrói do zero. Parcerias com fornecedores especializados tiveram cerca de 67% de sucesso — o dobro da taxa das construções internas. O ego de engenharia é caro.
• A linha de frente lidera, não o laboratório central. Implantações puxadas por gestores das áreas — que conhecem a dor e o fluxo — superam consistentemente as puxadas por comitês centrais de inovação.
• Uma dor específica de P&L, não "IA na empresa". Os vencedores escolheram um processo, redesenharam o fluxo em volta da IA e mediram uma linha do resultado. Os perdedores espalharam licenças e esperaram mágica.

A regra 10-20-70 (ou: onde o dinheiro realmente vai)

A BCG, que acompanha centenas de programas de IA, resume a alocação de esforço dos que dão certo numa proporção que virou regra de bolso: 10% do desafio é algoritmo, 20% é tecnologia e dados, 70% é gente e processo. A maioria das empresas investe exatamente na proporção inversa — e depois se surpreende quando o piloto tecnicamente perfeito morre na adoção.

Os sintomas do investimento invertido são fáceis de reconhecer:

1. O piloto que ninguém pediu — nasceu no comitê de inovação, resolve um problema que a área não priorizou.
2. O treinamento de lançamento — duas horas de demo no go-live, e nunca mais. Sem prática recorrente, sem casos da função.
3. A métrica de vaidade — mede logins e mensagens enviadas, não tempo economizado nem qualidade de output.
4. O dono ausente — o "responsável pela IA" é um comitê que se reúne por mês; nenhum gestor de linha tem meta ligada à adoção.
5. O silêncio pós-piloto — sem plano de escala desde o dia 1, o sucesso local morre como caso isolado.

Piloto não é produto. Piloto é hipótese. E hipótese sem plano de aprendizado organizacional é só demo com data de validade.

O playbook dos 5%

Sintetizando o que o MIT, a McKinsey e a BCG observam nos casos que chegam ao P&L, o desenho vencedor tem cinco movimentos:

1. Escolha uma dor com dono e com número. Não "usar IA no atendimento", mas "reduzir o tempo médio de resposta de 4h para 1h no suporte N1". A linha do P&L (ou o driver operacional dela) é definida antes do piloto começar.

2. Redesenhe o fluxo, não apenas a ferramenta. O ganho aparece quando o processo é reconstruído em volta da delegação à IA — com pontos claros de revisão humana — e não quando a IA é enxertada num processo desenhado para humanos digitando.

3. Invista os 70% em fluência. Trilha de capacitação por função, prática deliberada com os casos reais do fluxo redesenhado, e workshops que criam ritmo. A pessoa que opera o processo precisa dominar a ferramenta — ou o redesenho vira teoria.

4. Meça comportamento antes de medir dinheiro. Adoção real (frequência, consistência, diversidade de uso) é o indicador antecedente do resultado financeiro. Se a adoção não sobe, o P&L não vai mexer — e você descobre em semanas, não em dois trimestres.

5. Escale por pessoas, não por licenças. Os 5% escalam replicando o sistema — dor específica + fluxo redesenhado + time fluente — área por área. Licença para todo mundo no dia 1 é a receita dos 95%.

O elo que falta na sua empresa provavelmente não é técnico

Se a sua empresa está no grupo dos 95%, a probabilidade esmagadora é que o gargalo não esteja no modelo, no fornecedor nem no orçamento — esteja no learning gap. E gap de aprendizado se fecha com sistema de aprendizado: diagnóstico de onde cada pessoa está, trilha estruturada por função, prática com os casos do trabalho real e um painel que mostre à liderança se o comportamento está mudando.

É exatamente esse sistema que os 5% montam antes de escalar — quase sempre sem chamar de "programa de fluência", mas fazendo cada peça dele.

A boa notícia embutida no número do MIT: o problema dos 95% é tratável. Não exige esperar o próximo modelo, nem trocar de fornecedor. Exige tratar gente e processo com o mesmo rigor que se tratou a compra da tecnologia. Os 70% esquecidos são, no fim, a parte do plano que decide tudo.

A Atena é o sistema de aprendizado que fecha o gap: diagnóstico, trilhas por função, prática guiada e painel de adoção. Se o seu piloto precisa virar P&L, fale com a gente.