Relatório da G-P mostra que a cobrança por ROI em IA chegou ao trabalho

Não é falta de adoção. É falta de confiança no retorno

O relatório não indica que as empresas estejam abandonando a IA. Pelo contrário: todos os executivos da amostra disseram usar a tecnologia . A mudança está em outro ponto. Líderes parecem menos dispostos a tratar implementação como sinônimo de sucesso.

Essa é uma diferença importante em relação ao clima do ciclo anterior. No relatório AI at Work 2025, a G-P destacava aceleração: 91% dos executivos estavam ampliando iniciativas de IA e 74% diziam que a tecnologia era crítica para o sucesso da empresa . Em 2026, a adoção continua disseminada, mas o enquadramento mudou para cobrança, teste de resultados e prova de ROI, sigla para retorno sobre investimento .

Outras pesquisas apontam para uma lacuna parecida entre investimento e valor capturado. O Boston Consulting Group relatou que 60% das empresas não estavam obtendo valor material com IA em escala, enquanto outros 35% viam algum retorno, mas reconheciam que não avançavam o suficiente ou rápido o bastante . A McKinsey também identificou um contraste: 92% das empresas planejavam aumentar investimentos em IA em três anos, mas apenas 1% dos líderes descreviam suas organizações como maduras o bastante para ter IA totalmente integrada aos fluxos de trabalho e gerando resultados substanciais .

O custo escondido: a IA acelera uma etapa e pesa em outra

Um dos motivos para o ROI decepcionar é simples: a IA pode produzir rápido, mas alguém precisa conferir.

A G-P informa que 69% dos executivos veem funcionários gastando mais tempo para monitorar, revisar ou atualizar trabalhos gerados por IA . Na prática, uma ferramenta pode criar rascunhos, respostas, códigos, relatórios ou resumos em segundos, mas transferir para pessoas a tarefa de checar precisão, corrigir erros, adaptar linguagem, avaliar riscos e garantir conformidade.

Isso muda a conta da produtividade. Mais produção bruta não significa, necessariamente, mais produtividade líquida. Se a IA aumenta o volume de entregas, mas também eleva o retrabalho, o retorno real depende do fluxo completo, não apenas da etapa automatizada. Uma pesquisa da Workday resumida pelo Channel Insider vai na mesma direção: o tempo economizado com IA pode ser reduzido por correções, reescrita e dupla checagem dos resultados gerados pela tecnologia .

Produtividade performativa virou risco de gestão

Outro alerta do relatório é menos técnico e mais gerencial: atividade com IA pode parecer valor, sem necessariamente ser valor.

Segundo a G-P, 88% dos executivos estão preocupados com funcionários usando IA para parecer produtivos ou cumprir expectativas de uso da tecnologia sem entregar resultados relevantes . Quase metade, 47%, está muito ou extremamente preocupada que isso já esteja acontecendo .

Esse ponto é especialmente importante para empresas que medem sucesso por sinais superficiais: número de acessos, quantidade de prompts, volume de textos gerados, presença em treinamentos ou relatos de uso. Esses indicadores mostram atividade. Não provam que o trabalho ficou melhor, mais rápido, mais seguro ou mais rentável.

O paradoxo humano

O dado mais sensível do relatório talvez seja o seguinte: 82% dos executivos disseram que a IA reduziu o valor que atribuem aos funcionários humanos . O paradoxo é que o próprio levantamento mostra que pessoas continuam sendo necessárias para revisar, monitorar e atualizar o que a IA produz .

A lição não é que profissionais se tornaram irrelevantes. É quase o contrário: muitas empresas podem estar subestimando o julgamento humano necessário para transformar IA em resultado confiável. A McKinsey defende que companhias foquem aplicações práticas capazes de fortalecer o trabalho diário dos funcionários e conectar IA a resultados mensuráveis, em vez de tratar a tecnologia apenas como mais uma implantação isolada .

Como medir IA daqui para frente

A principal mensagem do relatório é que usar IA não basta. Para saber se a tecnologia está funcionando, as empresas precisam medir impacto, não apenas adoção.

Um placar mais realista deveria incluir:

1. Impacto de negócio: contribuição para receita, redução de custos, melhoria da experiência do cliente, redução de riscos ou entrega mais rápida de trabalho validado.
2. Produtividade líquida: tempo economizado menos tempo gasto revisando, corrigindo, reescrevendo ou atualizando saídas geradas por IA.
3. Qualidade: taxas de erro, escalonamentos, problemas de conformidade, satisfação do cliente e percentual de resultados aceitos sem retrabalho relevante.
4. Integração ao fluxo de trabalho: se a IA está incorporada a processos de alto valor, não apenas disponível como mais uma ferramenta.
5. Alavancagem humana: se a IA ajuda pessoas a tomar decisões melhores e realizar trabalho mais valioso, em vez de apenas aumentar volume de produção.
6. Disciplina orçamentária: se cada caso de uso tem responsável, linha de base, métrica de sucesso e data de revisão antes de novos gastos.

A mudança prática é direta: em vez de perguntar apenas se os funcionários estão usando IA, as empresas precisam perguntar se a IA está melhorando o trabalho validado que realmente importa.

O ponto central

O relatório AI at Work 2026 da G-P não é uma história contra a inteligência artificial. É uma história sobre prestação de contas.

A mesma pesquisa que encontrou uso universal de IA também mostrou que 73% dos executivos ficaram decepcionados com ao menos parte dos investimentos e que cerca de 70% podem reduzir gastos se metas de produtividade não forem alcançadas .

Como o estudo se baseia em respostas de executivos, ele não deve ser lido como prova auditada de que a IA fracassou. Mas mostra algo relevante: o ônus da prova mudou. A próxima etapa da IA no trabalho será menos sobre implantar ferramentas e mais sobre entregar valor de negócio mensurável, confiável e validado por pessoas.