Por que uma em cada cinco empresas deve abandonar a IA até 2028

Essas conclusões se alinham com a estimativa separada da Gartner, de abril de 2026, de que 57% dos gerentes de infraestrutura e operações de TI têm pelo menos uma falha em projeto de IA no currículo, e que um em cada cinco projetos de IA nesse domínio simplesmente colapsa .

A desconexão entre gastos e ROI: evidências de múltiplas fontes

Diversas fontes importantes corroboram a crescente desconexão entre o investimento massivo em IA e os resultados comerciais mensuráveis:

Goldman Sachs (Agosto de 2026): O estrategista Ben Snider relata que os gastos com IA estão aumentando acentuadamente, mas a tecnologia ainda não produziu uma melhoria significativa nos lucros da maioria das empresas. Apenas 2% das empresas do S&P 500 quantificaram o impacto da IA em seus lucros, e a maioria relata pouco ou nenhum benefício imediato . A analista Jessica Rindels estima que o investimento em IA nos EUA totalizará quase US$ 600 bilhões em 2026, o equivalente a quase 2% do PIB, mas as evidências de ganhos econômicos correspondentes continuam escassas .

Goldman Sachs (Maio de 2026): O analista Jim Covello observa que a maioria das empresas ainda não gerou nenhum retorno com seus gastos em IA, citando um estudo do MIT que descobriu que 95% dos pilotos de IA corporativa não tiveram impacto mensurável no P&L . Covello argumenta que a economia da IA é "mais questionável hoje do que há dois anos" .

Goldman Sachs (Julho de 2026): O economista Jan Hatzius e o analista David Peng oferecem um alerta: a adoção da IA e seu retorno em produtividade podem levar muito mais tempo do que o mercado espera. A análise mostra que o impacto na produtividade segue uma curva J: um arrasto moderado nos primeiros quatro anos, ganhos estatisticamente significativos somente após oito anos e um pico de impacto de cerca de 0,6 ponto percentual no 12º ano. Se o lançamento do ChatGPT em 2022 é o equivalente à estreia do PC em 1981, o retorno ainda está a anos de distância .

McKinsey (2026): Menos de 20% das implantações de IA em empresas mostram impacto comercial mensurável .

Sequoia Capital: Sinalizou uma lacuna de receita de aproximadamente US$ 600 bilhões entre o investimento em IA e o retorno da IA .

Risco de fluxo de caixa das hyperscalers (gigantes de nuvem): O Goldman Sachs alerta que os quatro principais fornecedores de nuvem (Amazon, Alphabet/Google, Microsoft, Meta) estão, juntos, a caminho de gastar mais do que todo o seu fluxo de caixa operacional em infraestrutura de IA, sem um ROI corporativo comprovado que justifique o desembolso . O capex (investimento em capital) combinado dessas quatro empresas em 2026 é projetado em cerca de US$ 650 bilhões .

Por que os projetos falham: não é a tecnologia

Uma conclusão consistente em todas as grandes análises é que as falhas em projetos de IA são organizacionais e estratégicas, não técnicas. O modelo quase nunca falha — mas o caso de negócio, a base de dados e os controles de custo, sim.

A Gartner identifica três modos principais de falha que impulsionam suas previsões: custos crescentes sem modelo claro de ROI, valor comercial incerto e controles de risco inadequados . Como um analista da Gartner colocou, "a maioria dos projetos de IA agentiva agora são experimentos em estágio inicial ou provas de conceito que são amplamente impulsionados pelo hype e muitas vezes mal aplicados" .

As consequências já são visíveis. A Gartner prevê que, até 2028, 70% das iniciativas de IA serão desativadas devido a explosões de custos não gerenciadas e desvio de valor em organizações que não possuem uma prática dedicada de gestão financeira de IA .

O que isso significa para líderes empresariais

O padrão entre Gartner, Goldman Sachs, McKinsey, MIT e Sequoia é consistente: os gastos com IA estão em níveis históricos, mas a grande maioria das organizações ainda não consegue demonstrar retornos mensuráveis e concretos para esses gastos. Muitas já estão recuando ou não conseguem levar os projetos além do estágio piloto.

Para as organizações que investem em IA, a pesquisa aponta um caminho claro: identificar um gargalo operacional específico com impacto mensurável em custo ou qualidade, construir uma solução de IA para esse problema específico, medir rigorosamente o impacto antes e depois, e escalar apenas o que funciona . Projetos que não estabelecem métricas claras de ROI desde o primeiro dia dificilmente sobreviverão ao acerto de contas que está por vir.