IA nas empresas: por que os ganhos de produtividade ainda não viraram retorno financeiro

A IA pode ajudar uma pessoa a concluir uma tarefa mais rápido sem alterar os custos, a receita ou o lucro da empresa. Essa diferença ajuda a entender os resultados da pesquisa da McKinsey de 2026: 80% dos entrevistados disseram que a IA melhorou sua produtividade individual, enquanto 37% atribuíram à tecnologia algum impacto no EBIT — sigla em inglês para o lucro antes de juros e impostos. Cerca de 6% se enquadraram na definição de alto desempenho da McKinsey: entrevistados que atribuíram à IA pelo menos 5% do EBIT e descreveram o impacto como significativo. São percepções e atribuições relatadas pelos participantes, não provas de que uma prática específica cause retorno financeiro. 68

Por que ganhos de produtividade podem não aparecer nos resultados

Uma tarefa mais rápida é apenas uma etapa de um processo de negócio. Se aprovações, repasses entre equipes, sistemas e responsabilidades pelas decisões continuarem iguais, o tempo economizado pode não reduzir custos nem aumentar a receita. A pesquisa da McKinsey de 2026 associa resultados mais fortes com o redesenho de fluxos de trabalho. Em um estudo anterior, o redesenho teve a relação mais forte com o impacto no EBIT entre os fatores analisados. Essa associação é um indício, não uma prova de causa e efeito. 514

A diferença também importa na hora de medir resultados. Acesso a ferramentas, frequência de uso e tempo economizado podem mostrar que a IA está sendo usada; isoladamente, não indicam se a empresa está faturando mais ou gastando menos. A distância entre produtividade individual e impacto no EBIT reforça a importância de acompanhar as duas coisas. 68

Como transformar projetos-piloto em valor para o negócio

Comece por um resultado de negócio específico

Escolha um processo cujo responsável possa definir o problema e o resultado que será testado. Pode ser reduzir o custo de um atendimento ou melhorar a conversão, por exemplo — desde que a meta faça sentido para o negócio e não se limite a contar o uso de IA. Antes de mudar o processo, registre um ponto de partida para comparar os resultados.

Mantenha o escopo inicial delimitado o suficiente para avaliar o teste. Com um processo e um objetivo definidos, fica mais fácil identificar onde a IA ajuda, quando é necessária a intervenção de uma pessoa e se vale a pena ampliar a iniciativa.

Inclua qualidade e responsabilidade pelos dados no plano

Uma sessão sobre comércio na DMEXCO 2026 descreveu um problema comum: dados de produtos enviados por fornecedores chegam em formatos diferentes, com rótulos inconsistentes e informações faltantes. Sem um padrão acordado, essas falhas podem se repetir nos catálogos e exigir correções manuais. 25

Defina quem responde pela qualidade dos dados, pelo resultado de negócio e pelas decisões sobre a revisão das respostas geradas por IA. No comércio, informações de produto consistentes e completas — incluindo preços corretos, quando relevante — também são importantes à medida que a descoberta de produtos passa por assistentes de IA, redes sociais e marketplaces. 273334

Redesenhe o fluxo de trabalho, não apenas a tarefa

Analise a sequência completa: o que entra no processo, o que fica a cargo da IA, onde é necessária uma aprovação e quem deve agir com base no resultado. Quando fizer sentido, elimine ou altere etapas desnecessárias, mas mantenha pessoas responsáveis por avaliar situações excepcionais e tomar decisões que envolvam riscos para o negócio.

A proposta é mudar a forma como o trabalho é feito, não apenas acrescentar uma ferramenta ao processo existente. A pesquisa da McKinsey associa o redesenho de fluxos a um impacto financeiro relatado mais forte; o levantamento de 2026 não demonstra que o redesenho, por si só, gere esses retornos. 514

Meça o resultado em termos de negócio

Acompanhe se a mudança afeta receita, custos, margem ou EBIT — não apenas a adoção da ferramenta, o volume produzido ou o tempo economizado. Inclua na avaliação os custos de implementação e de revisão humana, e compare os resultados com a situação inicial. Assim, é possível testar se o ganho de produtividade chega de fato aos resultados financeiros da empresa.

O que fica de lição

A pesquisa não oferece uma fórmula garantida para obter retorno com IA. Ela mostra, porém, por que adoção e produtividade são medidas incompletas de sucesso: os entrevistados relataram ganhos de produtividade individual com muito mais frequência do que impacto positivo no EBIT. Para responder a essa diferença, empresas podem combinar casos de uso bem delimitados, dados confiáveis, responsabilidades claras, fluxos de trabalho redesenhados e medição financeira — mantendo as pessoas à frente da liderança e do julgamento. 6814