Vendas
Última Atualização:
João Pedro Carvalho
Comecemos pelo dado que mais devia fazer parar para pensar quem está prestes a assinar um cheque por causa de IA. Apesar de todo o entusiasmo, a esmagadora maioria dos projetos de inteligência artificial nas empresas não produz qualquer retorno mensurável. E não estou a falar de retornos modestos ou abaixo do esperado. Estou a falar de retorno zero.
A fonte deste número não é um estudo cético qualquer, é uma das instituições académicas mais respeitadas do mundo. Um estudo da iniciativa NANDA do MIT, publicado em 2025 e amplamente noticiado, concluiu que cerca de 95% dos projetos-piloto de IA generativa nas empresas não produziam qualquer impacto mensurável nos resultados. O estudo, conhecido como The GenAI Divide, baseou-se em 150 entrevistas com líderes, num inquérito a 350 colaboradores e na análise de 300 implementações públicas, o que lhe dá uma robustez que poucos relatórios do setor têm. A conclusão é desconcertante: a tecnologia funciona, mas a esmagadora maioria das empresas não consegue convertê-la em valor real.
Este não é um achado isolado. A RAND Corporation, num estudo de 2024, tinha já estimado que mais de 80% dos projetos de IA falham, o dobro da taxa de insucesso dos projetos informáticos tradicionais. E quando a McKinsey, no seu inquérito anual sobre o estado da IA, reportou que a larga maioria das empresas já usa inteligência artificial em pelo menos uma função, teve simultaneamente de admitir que apenas uma minoria via algum impacto real nos seus resultados operacionais. Há, portanto, um abismo entre adoção e valor, entre instalar a ferramenta e colher o benefício.
O que estes números nos dizem, lidos com atenção, é algo profundo e que contraria a narrativa dominante. O obstáculo ao sucesso da IA raramente é a qualidade do modelo. Os modelos são, hoje, espantosamente capazes. O obstáculo está quase sempre noutro lado: em dados desorganizados, em processos que ninguém redesenhou, em expectativas irrealistas, e na ausência de um problema de negócio claramente definido antes de se começar. A tecnologia não é a parte difícil. A parte difícil é tudo o resto, e é precisamente esse tudo o resto que a maioria das empresas ignora quando se deixa seduzir pela promessa.
O custo verdadeiro, que raramente aparece na fatura
Quando uma empresa avalia o investimento em inteligência artificial, costuma olhar para o preço da ferramenta. É o erro mais elementar de todos, porque o preço da ferramenta é, muitas vezes, a menor parte do custo real. O que custa verdadeiramente caro é tudo o que rodeia a ferramenta, e que ninguém orçamenta no entusiasmo inicial.
Pensa no que é preciso para que um sistema de IA funcione de verdade numa empresa. É preciso preparar e limpar os dados, um trabalho moroso e dispendioso. É preciso integrar o sistema com as ferramentas que já existem, o que raramente corre sem sobressaltos. É preciso formar as pessoas, redesenhar processos, e manter tudo isto a funcionar ao longo do tempo, porque um sistema de IA não é um produto que se compra e esquece, é algo que exige manutenção contínua. Somados, estes custos ocultos ultrapassam frequentemente, e por larga margem, o preço da tecnologia em si. As empresas que orçamentam apenas a ferramenta descobrem, a meio do caminho, que o verdadeiro investimento era outro, e muitas desistem precisamente aí.
Há ainda um fenómeno que vale a pena nomear, porque é mais comum do que se admite: aquilo a que se pode chamar o teatro da inteligência artificial. Trata-se de empresas que adotam IA não porque resolva um problema real, mas porque ficar mal não a ter, porque os concorrentes têm, ou porque dá uma boa história para contar a clientes e investidores. Nestes casos, a tecnologia é instalada, anunciada, exibida, mas não está verdadeiramente ligada a nenhum resultado de negócio. É um adereço de palco, não uma ferramenta de trabalho. E o custo deste teatro é duplo: gasta-se dinheiro real numa encenação, e cria-se na organização a ilusão de que se está a inovar quando, na prática, nada mudou onde importa.
Distinguir o uso genuíno do teatro exige uma honestidade que nem todas as empresas têm. A pergunta de controlo é simples e implacável: se desligássemos esta IA amanhã, alguém daria por isso nos resultados? Se a resposta for não, então o que existe é teatro, e o dinheiro gasto seria mais bem aplicado em quase qualquer outra coisa. Esta clareza sobre o que a tecnologia faz de facto pela empresa, e não sobre a imagem que projeta, é o primeiro filtro de qualquer adoção séria de inteligência artificial nas empresas.
Há uma característica dos modelos de linguagem que qualquer empresa que os use tem obrigação de compreender, porque ignorá-la é a receita para o desastre. Estes sistemas, ocasionalmente, inventam. E o mais perigoso é que inventam com uma fluência e uma segurança que tornam a mentira indistinguível da verdade aos olhos de quem não conhece o assunto.
O fenómeno tem um nome técnico, alucinação, e refere-se à produção de conteúdo que parece coerente e bem escrito mas que é factualmente incorreto, fabricado ou logicamente inconsistente. A literatura científica distingue dois tipos: os erros de factualidade, em que o modelo afirma algo simplesmente falso, e os erros de fidelidade, em que distorce ou deturpa a fonte que devia estar a resumir. Para uma empresa, ambos são perigosos, mas o primeiro é particularmente traiçoeiro, porque o modelo pode citar uma lei que não existe, inventar um número de uma estatística, ou atribuir uma afirmação a alguém que nunca a disse, tudo com a mesma naturalidade com que diria a verdade.
O mais revelador é perceber porque é que isto acontece, e aqui a investigação recente trouxe uma explicação que muda a forma de olhar para o problema. Durante muito tempo atribuiu-se a culpa a dados de treino ruidosos ou a falhas de arquitetura. Mas um estudo da OpenAI publicado em 2025 propôs uma explicação mais incómoda: os modelos alucinam, em parte, porque a forma como são treinados e avaliados os recompensa por adivinhar com confiança em vez de admitir incerteza. Por outras palavras, ensinámos as máquinas a preferir um palpite seguro a um honesto "não sei". E essa preferência, ótima para passar em testes, é desastrosa quando se trata de informação em que uma empresa vai basear decisões reais.
A implicação prática é clara e não admite complacência. Qualquer resultado produzido por um destes sistemas que vá ser usado numa decisão importante tem de ser verificado por um ser humano competente. A IA é uma assistente extraordinária para gerar primeiras versões, explorar ideias e acelerar tarefas, mas não é uma fonte de verdade. Tratá-la como se fosse, delegando-lhe cegamente a produção de informação factual sem revisão, é abdicar de uma responsabilidade que continua, inteiramente, do lado humano. Quem domina a forma de interrogar estes sistemas, uma competência que se aprende e que está no centro do prompt engineering, reduz a frequência destes erros, mas nunca a elimina por completo.
O viés que entra pela porta dos dados
Existe um mito reconfortante segundo o qual as máquinas, por serem máquinas, são objetivas e imparciais. É um mito perigoso, porque a realidade é precisamente a oposta. Um sistema de inteligência artificial aprende a partir de dados, e os dados são um espelho do mundo que os produziu, com todos os seus preconceitos, desigualdades e distorções. A máquina não corrige esses enviesamentos. Pelo contrário, tende a amplificá-los, e a fazê-lo com uma aparência de neutralidade técnica que os torna ainda mais difíceis de questionar.
O exemplo mais estudado é o do recrutamento. Imagina uma empresa que treina um sistema para selecionar currículos com base nas contratações que fez no passado. Se, historicamente, essa empresa contratou sobretudo um determinado perfil de pessoa, o sistema vai aprender que esse perfil é o "bom", e vai penalizar sistematicamente candidatos que dele se afastem, mesmo que sejam igualmente ou mais competentes. O sistema não está a ser malicioso. Está apenas a reproduzir, com eficiência implacável, o padrão que encontrou nos dados. E o resultado é uma discriminação automatizada, escondida atrás de um verniz de objetividade algorítmica que a torna mais difícil de detetar e de contestar do que o preconceito humano que substituiu.
Este risco não é teórico nem distante. Qualquer empresa que use IA para tomar ou apoiar decisões sobre pessoas, seja em contratação, em avaliação de desempenho, em concessão de crédito ou em qualquer área sensível, está exposta a ele. E o problema é particularmente agudo porque o viés é, muitas vezes, invisível para quem implementa o sistema. Funciona, dá respostas, parece eficiente, e só uma análise cuidadosa revela que está sistematicamente a prejudicar um grupo. Por isso é que o uso de IA em processos de recrutamento exige uma vigilância humana que muitas empresas, deslumbradas com a promessa de automatização, simplesmente não exercem.
A lição de fundo é que a inteligência artificial não é uma forma de remover o julgamento humano da equação, é uma forma de o transferir. As decisões sobre que dados usar, que objetivos otimizar e que resultados aceitar continuam a ser humanas, e os valores de quem as toma ficam embebidos no sistema. Fingir que a máquina é neutra é a forma mais segura de propagar enviesamentos sem responsabilidade.
Aqui entramos num território onde o entusiasmo costuma colidir, da forma mais cara possível, com a realidade. Usar inteligência artificial numa empresa não é apenas uma decisão tecnológica, é uma decisão com implicações legais sérias, e a paisagem regulatória mudou profundamente nos últimos tempos. Ignorar isto pode custar muito mais do que qualquer benefício que a IA traga.
O primeiro corpo de regras que importa conhecer é o Regulamento da União Europeia sobre Inteligência Artificial, conhecido como AI Act, que entrou em vigor em agosto de 2024 e é o primeiro enquadramento legal abrangente sobre IA no mundo. A sua lógica é proporcional ao risco: classifica os sistemas de inteligência artificial em níveis, dos que apresentam risco mínimo, que ficam praticamente livres de obrigações, aos de risco inaceitável, que são pura e simplesmente proibidos. Entre eles está a categoria mais exigente para a maioria das empresas, a dos sistemas de alto risco, que inclui usos sensíveis como os relacionados com emprego, crédito ou infraestruturas críticas, e que acarreta obrigações pesadas de documentação, supervisão humana e gestão de risco.
As regras aplicam-se de forma faseada, e há datas que importa ter presentes. As práticas consideradas inaceitáveis, como certas formas de classificação social de pessoas, estão proibidas desde fevereiro de 2025. As obrigações de transparência, que incluem o dever de informar as pessoas quando estão a interagir com um sistema de IA e de marcar os conteúdos gerados artificialmente, começam a aplicar-se em agosto de 2026. Quanto às obrigações mais pesadas para os sistemas de alto risco, um pacote de revisão acordado politicamente em maio de 2026 adiou a sua aplicação para o final de 2027, embora à data de escrita este adiamento ainda aguardasse adoção formal, o que recomenda acompanhar a evolução em vez de a dar como garantida.
Os números das coimas explicam por que razão isto não é uma questão a tratar com ligeireza. As violações mais graves podem custar até 35 milhões de euros ou 7% do volume de negócios mundial da empresa, o que for mais elevado, valores que ultrapassam os do próprio Regulamento Geral sobre a Proteção de Dados. E há aqui um ponto que escapa a muitos empresários: o AI Act não substitui o RGPD, soma-se a ele. Uma empresa que use IA para tratar dados pessoais tem de cumprir os dois regimes em simultâneo, e é precisamente no cruzamento entre eles que se escondem as maiores armadilhas.
A questão da privacidade merece, aliás, um aviso específico que poupa muitas dores de cabeça. Quando um colaborador cola dados confidenciais da empresa ou dados pessoais de clientes numa ferramenta de IA pública para obter uma resposta mais rápida, pode estar, sem o saber, a cometer uma violação de proteção de dados, porque essa informação sai do controlo da empresa e passa a ser processada por um terceiro em condições que ninguém analisou. Definir regras claras sobre o que pode e não pode ser introduzido nestas ferramentas é uma das medidas de gestão mais elementares, e uma das mais negligenciadas. O enquadramento legal e operacional do uso de IA é parte inseparável de qualquer estratégia de gestão de risco que se leve a sério, e não um detalhe técnico a tratar depois.
A porta nova que se abre aos atacantes
Cada tecnologia que uma empresa adota traz consigo uma superfície de ataque nova, e a inteligência artificial não é exceção. Pelo contrário, introduz vetores de risco que a maioria das organizações nem sequer sabe que existem, precisamente porque são diferentes de tudo o que a segurança informática tradicional foi pensada para enfrentar.
O exemplo mais conhecido é o da manipulação dos próprios sistemas através das instruções que recebem. Quando uma empresa liga um assistente de IA aos seus documentos, ao seu email ou às suas bases de dados, abre a possibilidade de alguém esconder, num desses conteúdos, instruções maliciosas destinadas a enganar o sistema. Um documento aparentemente inócuo pode conter texto invisível que instrui o assistente a revelar informação confidencial ou a executar ações não autorizadas. Esta categoria de ataque, que explora a forma como os modelos seguem instruções, não tem paralelo no mundo do software tradicional, e a maioria das equipas de segurança ainda está a aprender a defender-se dela.
Há depois a questão da fuga de informação através do próprio uso quotidiano. Quando colaboradores recorrem a ferramentas de IA externas para tarefas do dia a dia, é fácil que informação sensível, estratégias, dados de clientes, segredos comerciais, acabe por sair dos muros da empresa sem que ninguém tenha decidido conscientemente partilhá-la. O risco não está numa intenção maliciosa, está na conveniência. Uma equipa que cola uma análise confidencial numa ferramenta pública para a resumir mais depressa pode estar a expor a empresa de uma forma que nenhum firewall deteta, porque a porta foi aberta de dentro. E o mais difícil deste risco é que ele não deixa rasto imediato: a informação saiu, mas nada parou de funcionar, nenhum alarme tocou, e a empresa só perceberá o problema, se alguma vez perceber, quando for tarde demais. Por isso a defesa não pode ser apenas técnica, tem de ser uma questão de regras claras e de cultura, em que toda a gente sabe o que pode e o que não pode sair para uma ferramenta externa.
Existe ainda um risco mais subtil que decorre da confiança excessiva nos resultados. Um sistema de IA comprometido ou simplesmente enganado pode produzir resultados subtilmente errados que passam despercebidos e que, acumulados, levam a decisões erradas com consequências reais. A segurança, neste contexto, não é apenas proteger o sistema de intrusões, é manter um ceticismo saudável sobre o que ele produz, sobretudo quando esse produto vai alimentar decisões importantes. Tratar a IA como uma ferramenta de produtividade sem a integrar na política de segurança da empresa é deixar uma janela aberta numa casa que se julga trancada.
Há um risco da inteligência artificial que não aparece em relatórios de coimas nem em estudos de taxas de insucesso, porque é lento, subtil e cumulativo. É a forma como a dependência excessiva da tecnologia corrói, ao longo do tempo, a competência das pessoas e das organizações. E quando se torna visível, já é difícil de inverter.
O mecanismo é fácil de compreender. Quando uma equipa passa a depender de uma ferramenta para fazer aquilo que antes fazia com a própria cabeça, a capacidade que não se exercita atrofia. Um analista que deixa de pensar nos números porque a máquina lhe dá sempre a resposta perde, gradualmente, a intuição que distinguia um resultado plausível de um disparate. Um redator que deixa de escrever perde a fluência. Uma equipa comercial que delega à máquina a leitura dos clientes perde a sensibilidade que se constrói no contacto humano. A ferramenta que devia potenciar a competência acaba, paradoxalmente, por a substituir e a enfraquecer.
Este risco é especialmente perigoso porque é confortável. Ninguém sente, no momento, que está a perder capacidade. Pelo contrário, sente-se mais produtivo, mais rápido, mais eficiente. Os custos só aparecem mais tarde, quando a ferramenta falha, quando surge uma situação fora do comum que ela não sabe resolver, ou quando é preciso o julgamento humano que entretanto se atrofiou. E nesse momento descobre-se que a organização ficou frágil, dependente de um sistema que não compreende verdadeiramente e que não consegue substituir.
Há ainda uma dimensão organizacional deste problema que importa nomear. Uma empresa que automatiza demasiado depressa, sem reter o conhecimento de como as coisas funcionam por baixo, torna-se refém dos seus fornecedores de tecnologia. Se o fornecedor aumenta o preço, muda as condições ou simplesmente desaparece, a empresa que perdeu a competência interna fica numa posição vulnerável. A autonomia que parecia ter ganho com a automatização revela-se uma ilusão, e o que existe é uma nova forma de dependência, mais opaca e mais difícil de gerir do que aquela que se queria eliminar.
A forma de evitar isto não é recusar a tecnologia, seria absurdo. É usá-la com consciência, mantendo viva a competência humana que ela complementa em vez de substituir, e garantindo que as pessoas continuam a compreender os processos que a máquina executa. A inteligência artificial deve ser uma alavanca para a capacidade humana, não uma muleta que a faz definhar, e essa distinção é uma decisão de gestão, não uma propriedade da tecnologia.
O que a IA não substitui, por mais que avance
Por mais impressionantes que sejam os avanços, há um conjunto de coisas que a inteligência artificial não faz, e que provavelmente não fará tão cedo, por uma questão da sua própria natureza. Compreender estes limites é o que separa quem usa a tecnologia com inteligência de quem lhe atribui poderes que ela não tem e se prepara para a desilusão.
A IA não tem compreensão genuína do contexto do teu negócio. Ela processa padrões em dados, mas não sabe que aquele cliente é estratégico apesar de comprar pouco, que aquela decisão tem implicações políticas internas, ou que aquela exceção à regra existe por uma boa razão que ninguém escreveu em lado nenhum. O conhecimento tácito, aquele que vive na experiência das pessoas e que nunca foi codificado, é invisível para a máquina, e é frequentemente o mais importante de todos.
Vale a pena perceber a raiz desta limitação, porque ela não é um defeito que se corrija com a próxima versão do modelo. Um sistema de IA, por mais sofisticado, opera sobre representações daquilo que aconteceu, registado em dados. Não tem corpo, não tem memória de uma relação construída ao longo de anos, não esteve na reunião onde se percebeu, pelo tom de voz de um sócio, que aquele assunto era sensível. Toda a camada de significado que os humanos extraem do contexto vivido, e que orienta as decisões mais importantes, está ausente do que a máquina vê. Ela pode imitar o resultado de uma decisão sensata, mas não compreende as razões que a tornam sensata, e essa diferença torna-se decisiva precisamente nos momentos que mais importam, que são quase sempre os que fogem ao padrão.
Há outras dimensões em que a tecnologia esbarra nos seus próprios limites, e vale a pena enumerá-las com clareza:
O julgamento ético e os valores. A IA pode otimizar para um objetivo, mas não pode decidir se esse objetivo é certo. A escolha entre maximizar o lucro a curto prazo e proteger uma relação de longo prazo, entre o que é eficiente e o que é justo, é uma decisão de valores que continua, inteiramente, do lado humano.
A responsabilidade pelas consequências. Quando uma decisão apoiada por IA corre mal, não é a máquina que responde perante o cliente, o regulador ou o tribunal. É a empresa e as pessoas que a dirigem. A responsabilidade não se delega num algoritmo, por mais que seja tentador.
A criatividade que rompe com o padrão. A IA é extraordinária a recombinar o que já existe, mas a verdadeira inovação, a que cria categorias novas e desafia o que está estabelecido, nasce de uma intuição humana que vê o que ainda não está nos dados, porque ainda não aconteceu.
A relação de confiança entre pessoas. No fim, os negócios fazem-se entre seres humanos que confiam uns nos outros. A empatia, a leitura de uma sala, a construção de uma relação ao longo de anos, nada disto se automatiza, e tudo isto continua a ser decisivo.
Reconhecer estes limites não diminui o valor da inteligência artificial, antes o clarifica. A tecnologia é uma ferramenta poderosíssima para amplificar a capacidade humana naquilo que ela faz bem, mas não é um substituto para o julgamento, a responsabilidade e a relação que estão no coração de qualquer empresa. Quem confunde as duas coisas prepara-se para problemas, e a clareza sobre esta fronteira é, ela própria, uma vantagem competitiva. É por isso que a tomada de decisão estratégica, mesmo quando informada por dados e por IA, permanece um ato profundamente humano.
Como usar IA sem cair nas armadilhas
Depois de tanto aviso, seria injusto deixar a impressão de que a conclusão é não usar inteligência artificial. Seria um erro tão grande como o entusiasmo cego. A IA bem usada é uma vantagem competitiva real, e as mesmas estatísticas que mostram que a maioria falha mostram também que uma minoria tem sucesso espetacular. A questão não é se usar, é como usar. E a diferença entre os dois grupos não está na tecnologia que escolhem, está na forma como a abordam.
O ponto de partida de qualquer uso bem-sucedido é começar pelo problema, não pela ferramenta. As empresas que falham costumam fazer o percurso ao contrário: ouvem falar de uma tecnologia, ficam fascinadas, e depois procuram um problema onde a aplicar. As que têm sucesso identificam primeiro um problema de negócio concreto e mensurável, e só depois perguntam se a IA é a melhor forma de o resolver. Muitas vezes não é, e essa também é uma resposta valiosa. A pergunta certa nunca é "como podemos usar IA", é "que problema temos que vale a pena resolver, e qual a melhor ferramenta para o fazer".
Igualmente decisivo é resolver o problema dos dados antes de sonhar com a inteligência. A esmagadora maioria dos fracassos de IA tem raiz na qualidade dos dados, não na sofisticação do modelo. Uma empresa cujos dados estão dispersos, desatualizados ou inconsistentes não tira proveito da melhor IA do mundo, porque a máquina só é tão boa quanto a informação que a alimenta. Arrumar a casa dos dados é um trabalho ingrato, invisível e pouco entusiasmante, mas é a fundação sem a qual tudo o resto desmorona.
A par disto, há um conjunto de práticas que distinguem o uso maduro do uso ingénuo:
Manter o humano no comando. A IA deve apoiar decisões, não tomá-las sozinha nas áreas que importam. A supervisão humana competente não é um obstáculo à eficiência, é a salvaguarda que torna a eficiência segura.
Começar pequeno e validar. Em vez de uma transformação grandiosa que arrisca tudo de uma vez, vale mais um projeto pequeno, bem delimitado, cujo resultado se possa medir antes de escalar. O fracasso barato e rápido ensina mais do que o sucesso caro e lento.
Formar as pessoas. A tecnologia só gera valor quando quem a usa a compreende. Investir na literacia da equipa em IA, que é aliás uma exigência que o próprio AI Act impõe, é tão importante como investir na ferramenta.
Medir o que realmente importa. Não a novidade nem a sofisticação, mas o impacto concreto no problema que se queria resolver. Sem esta medição, qualquer projeto de IA flutua num limbo onde ninguém sabe se está a funcionar.
Esta abordagem disciplinada é, no fundo, a mesma que distingue a boa gestão de qualquer recurso. A inteligência artificial não é mágica nem maldição, é uma ferramenta poderosa que recompensa quem a usa com método e pune quem a usa com fé.
Integrar a IA numa visão sóbria e estratégica do negócio em vez de a tratar como uma solução milagrosa, é precisamente o que trabalhamos a fundo na imersão CHECKMATE: Inteligência Artificial, onde o foco está em usar a tecnologia para resultados reais e não para acompanhar a moda.
A inteligência artificial não é o problema, nem é a solução. É uma ferramenta, e como qualquer ferramenta poderosa, recompensa generosamente quem a domina e castiga sem piedade quem a subestima ou a sobrestima. O erro de quem a rejeita por medo é tão grave como o de quem a abraça por fé, e ambos partilham a mesma raiz: a recusa de a compreender pelo que ela verdadeiramente é, com as suas capacidades extraordinárias e as suas limitações igualmente reais. Entre o tecnófobo que perde o comboio e o entusiasta que descarrila, há um caminho intermédio feito de lucidez, e é nele que estão as empresas que de facto colhem valor desta tecnologia. O que a IA não resolve é, no fim, aquilo que nunca foi um problema tecnológico: a clareza sobre que problema vale a pena resolver, o julgamento sobre o que é certo, a responsabilidade pelas consequências, e a relação de confiança que sustenta qualquer negócio. Estas coisas continuam, e continuarão por muito tempo, do lado humano da equação. A pergunta que cada empresário deve fazer-se, portanto, não é se a sua empresa deve usar inteligência artificial, porque a resposta é quase sempre sim. É se está disposto a fazer o trabalho difícil e pouco glamoroso que separa quem colhe os frutos desta tecnologia de quem apenas gasta dinheiro a persegui-la. Esse trabalho não o faz nenhuma máquina. Esse, continua a ser todo nosso.
