Estudo mostra por que tantas empresas não tiram resultado real da IA e o que fazer
Pesquisa do INSEAD e de Harvard com 515 empresas em estágio inicial indica que o ganho com IA vem de redesenhar o fluxo de trabalho inteiro, e não só de automatizar tarefas soltas.
Em 3 pontos
- Estudo com 515 empresas mostra que ver exemplos reais de uso de IA ampliou os resultados.
- O erro comum é usar IA em tarefas soltas e deixar o resto do fluxo de trabalho igual.
- Resolver um gargalo costuma revelar outro mais adiante, então o trabalho é contínuo.
Redação IA Seenup · via InfoMoney
Em números
- 515empresas no experimento
- 44%mais casos de uso de IA identificados
- 12%mais tarefas concluídas
- 18%mais chance de ter clientes pagantes
O que aconteceu
Quase quatro anos depois da popularização dos grandes modelos de linguagem (os sistemas por trás dos chatbots), a maioria das empresas avançou significativamente na adoção de IA. Muitas, porém, ainda não viram ganhos reais de produtividade. Um artigo da Harvard Business Review, publicado pelo InfoMoney em 24 de outubro de 2026, apresenta uma pesquisa que tenta explicar esse descompasso.
O estudo é de Hyunjin Kim e Dahyeon Kim, do INSEAD, e de Rembrand Koning, da Harvard Business School. Os autores chamam o problema de "problema de mapeamento". Os gestores sabem que a IA faz tarefas úteis, mas têm dificuldade de descobrir onde ela pode transformar o negócio e quais atividades precisam mudar para isso acontecer.
Os pesquisadores fizeram um experimento de campo com 515 empresas em estágio inicial, de vários países. Todas receberam ferramentas avançadas de IA, treinamento técnico, mentoria e créditos para uso de APIs (a porta de entrada que permite a um programa usar a IA). Só metade viu exemplos de outras organizações que tinham redesenhado seus fluxos de trabalho e modelos de negócio com IA.
Por que importa
A diferença entre os grupos foi grande. Segundo o texto, as empresas que viram exemplos reais:
- identificaram 44% mais casos de uso para IA;
- concluíram 12% mais tarefas;
- tiveram 18% mais chances de conquistar clientes pagantes;
- geraram quase o dobro de receita;
- precisaram de bem menos capital externo para crescer.
Ou seja, o gargalo não era acesso à tecnologia, que todas tinham. Era enxergar onde aplicá-la. Segundo a pesquisa, usar IA para redigir textos de marketing ou programar mais rápido ajuda, mas raramente rende os maiores ganhos se o resto do fluxo de trabalho continua igual.
O artigo também alerta que resolver um gargalo pode criar outro. Um desenvolvimento de produto mais rápido gera mais retorno de clientes para analisar. Conteúdo de marketing produzido em massa pode exigir mais revisão jurídica e de marca. Por isso, muitos projetos parecem ir bem no início e depois estagnam.
O que muda para quem usa IA
As recomendações dos pesquisadores servem para empresas, mas também para quem usa IA no trabalho:
- Mapeie o fluxo do início ao fim, vendo onde o trabalho muda de mãos, onde aprovações se acumulam e onde decisões ficam paradas.
- Espere novos gargalos e trate a IA como um processo contínuo, não como projeto isolado.
- Redesenhe o processo todo. Gerar um protótipo em minutos vale pouco se os testes com clientes seguem no ritmo antigo.
- Deixe as pessoas experimentarem, sem copiar exemplos de fora, mas adaptando-os à própria realidade.
Hyunjin Kim sugere medir o impacto, e não só a velocidade: o novo fluxo permite alcançar mais clientes, criar produtos melhores e usar menos recursos? Caso contrário, diz ele, "você está medindo atividade, não impacto".
A pesquisa, intitulada "Mapping AI into Production", é um documento de trabalho de 2026. O estudo foi feito com empresas em estágio inicial, então os resultados não valem automaticamente para todo tipo de companhia.
O que muda
Antes
- IA aplicada a tarefas isoladas
- Sucesso medido por velocidade ou volume
Depois
- IA aplicada ao fluxo de trabalho inteiro
- Sucesso medido por impacto: clientes, produtos e recursos
Entenda os termos
- Problema de mapeamento
- Dificuldade dos gestores de descobrir onde a IA pode mudar o processo produtivo e quais atividades precisam se adaptar.
- Gargalo
- Etapa do trabalho que trava ou atrasa todas as seguintes.
- API
- Meio que permite a outros programas usarem uma IA; no estudo, as empresas ganharam créditos para isso.
Gostou? Compartilhe
