Porque é que a maioria dos projetos de IA nunca chega a produção

O mundo fala de IA, mas a maioria das empresas ainda não a consegue pôr a trabalhar. Em julho de 2025, uma equipa do MIT publicou um dos retratos mais completos deste problema. Juntou a análise de mais de 300 iniciativas públicas de IA, entrevistas estruturadas em 52 organizações e um inquérito a 153 gestores de topo (Challapally et al., 2025).

95% das organizações estudadas não viram retorno mensurável da IA generativa nos seus resultados.

A frase correu o mundo, muitas vezes deturpada como “95% dos pilotos falham”. O que o estudo diz é mais útil: o problema está sobretudo na forma como os projetos são escolhidos, desenhados e integrados.

O purgatório dos pilotos

Das ferramentas de IA desenhadas para tarefas específicas, 60% das organizações avaliaram-nas, 20% chegaram a piloto e só 5% chegaram a produção. Muitos projetos foram desenhados para produzir uma demonstração. Impressionam numa reunião e morrem em silêncio, porque ninguém planeou o acesso aos dados, a integração com os sistemas que as pessoas usam, ou quem seria o dono da ferramenta depois do lançamento.

Os autores identificam um fator central: a maioria das ferramentas não aprende nem se adapta ao contexto da empresa. Uma ferramenta que não guarda o que a equipa lhe ensina obriga a repetir o mesmo trabalho todos os dias, e acaba abandonada.

Parceiros e equipas internas

Um dos resultados mais citados compara dois caminhos. As ferramentas desenvolvidas com parceiros externos chegaram a uso real em cerca de 67% dos casos; as construídas internamente, em cerca de 33%. O uso pelos colaboradores também foi quase o dobro nas ferramentas externas.

Os próprios autores pedem cautela: os dados vêm de 52 entrevistas, são declarados pelas empresas e a diferença pode refletir as capacidades das organizações e não apenas o caminho escolhido. Mas o sentido é consistente com o que vemos no terreno.

Três sinais de que um projeto vai chegar lá

Um processo que dói. Os melhores projetos partem de uma dor que aparece todas as semanas: relatórios que demoram dias, pedidos tratados duas vezes, previsões feitas por intuição.

Dados que existem. Podem ser imperfeitos, desde que existam. Um número surpreendente de iniciativas é desenhado à volta de informação que a empresa tenciona recolher um dia.

Um dono do lado de dentro. As ferramentas sobrevivem quando alguém na operação quer que sobrevivam, e por isso a adoção tem de ser planeada como uma fase do projeto.

Quando chega a produção, o retorno aparece

Um estudo da IDC encomendado pela Microsoft, com mais de 4.000 gestores, reporta que cada dólar investido em IA generativa devolve em média 3,7 dólares, e 10,3 nas organizações mais avançadas (IDC, 2024). É um número declarado pelas empresas e financiado por um fornecedor, por isso deve ser lido como indicação e não como garantia. Mas aponta no mesmo sentido do MIT: o fosso entre quem ganha e quem não ganha está na disciplina de construir apenas o que pode ser lançado, e de o entregar nas mãos da equipa que o vai usar.

É por isso que medimos o nosso trabalho pelo que fica em produção: os números da tua operação a mexer e um sistema que a equipa continua a usar.