Medir o resultado da inteligência artificial não exige a estrutura de uma companhia aberta. Exige três coisas bem mais simples: uma métrica de processo definida antes da ferramenta entrar em operação, um responsável de negócio nomeado para aquele resultado, e uma tradução clara em tempo ou em reais. É isso — não um relatório trimestral para o mercado de capitais — que separa uma empresa que sabe o que a IA está entregando de uma empresa que só sabe quanto está gastando com ela.
O motivo de essa disciplina deixar de ser opcional está no último resultado trimestral divulgado pela TOTVS: a companhia atribuiu formalmente parte do seu crescimento a “habilitadores de IA”, que responderam por um terço da receita recorrente incremental de Gestão entre os dois últimos trimestres e por 28% da adição líquida de ARR no período — receita líquida de R$ 1,92 bilhão e Ebitda ajustado de R$ 486,8 milhões no trimestre. Quando uma empresa de capital aberto começa a reportar IA como linha de resultado, e não como iniciativa paralela, o mercado passa a esperar esse mesmo rigor de qualquer empresa que diz usar IA — inclusive das que nunca vão precisar prestar contas a um investidor.
Principais aprendizados
- O mercado de capitais já trata “resultado de IA” como métrica de rotina: no último balanço, a TOTVS atribuiu formalmente um terço do crescimento recorrente de receita e 28% da adição líquida de ARR do trimestre a “habilitadores de IA”.
- Empresa de médio porte não precisa de relatório de RI para medir resultado — precisa de uma métrica de processo (tempo, erro, custo evitado) definida antes de qualquer ferramenta ser aprovada, não depois.
- Governança básica de IA deixou de ser exclusividade de banco: com 83% dos executivos do setor financeiro admitindo dificuldade em distinguir uso legítimo de uso malicioso de IA, qualquer empresa que processa dado sensível com IA precisa de uma camada mínima de controle.
- Velocidade de execução costuma superar velocidade de decisão formal: em um programa real de médio porte, um portfólio de governança de segurança que levaria de 9 a 12 meses pelo caminho tradicional foi estruturado em 8 semanas — resultado que varia conforme contexto, maturidade e processos de cada organização.
- Medir sem governar cria exposição; governar sem medir cria burocracia sem retorno. As duas frentes precisam nascer no mesmo projeto, não em etapas separadas.
Que métrica realmente prova que a IA está gerando resultado?
A métrica que prova resultado combina uma linha de base de processo — quanto tempo, quantos erros, quanto retrabalho existia antes — com uma tradução em tempo ou em reais, amarrada a um responsável de negócio nomeado. O erro mais comum que vemos em diagnóstico é medir adoção em vez de resultado: número de licenças ativadas, quantidade de prompts, frequência de login. Esses números provam uso, não valor. Uma equipe pode estar altamente engajada com uma ferramenta de IA e a empresa continuar sem conseguir explicar, em uma frase, o que mudou na operação.
A metodologia que aplicamos no AMPLIFICA parte exatamente desse ponto: antes de qualquer construção, o gargalo do negócio é priorizado por frequência, tempo e retrabalho — e a validação de ROI acontece com tempo economizado e erro evitado documentados, não estimados depois do fato. Sem essa linha de base definida no início, qualquer número apresentado ao final do projeto é uma estimativa retroativa, difícil de defender no próximo ciclo de orçamento.
Preciso de um relatório como o da TOTVS para provar valor de IA?
Não. Esse nível de divulgação formal é uma obrigação de empresa de capital aberto com o mercado, não um modelo estrutural que uma empresa média ou privada precisa reproduzir. O que vale a pena copiar não é o formato do relatório — é a disciplina por trás dele: uma métrica definida em nível de liderança, revisitada em intervalo fixo, com um responsável que presta contas por ela.
O risco de não ter essa disciplina não é teórico. Sem um modelo mínimo de atribuição de resultado, o orçamento de IA vira uma linha de custo genérica, difícil de defender diante de qualquer corte. Empresas que conseguem apontar, em uma frase, o que uma automação específica evitou ou economizou chegam ao próximo ciclo orçamentário em posição bem mais forte do que empresas que só sabem dizer “estamos usando IA”.
Como colocar uma camada básica de governança sem ter equipe de segurança dedicada?
Governança básica não exige contratar um time de segurança da informação. Exige decidir, antes de qualquer ferramenta entrar em produção, quais aplicações estão autorizadas, que tipo de dado pode passar por elas e quem responde caso algo falhe — decisão tomada antes de precisar, não depois de um incidente forçar a conversa.
A urgência disso deixou de ser exclusiva de instituição financeira. Bancos já citam IA como base para 53,9% da detecção de fraude em tempo real, mas 83% dos executivos do setor dizem ser extremamente difícil separar uso legítimo de ação maliciosa, e 63% já identificaram golpes com áudio ou vídeo manipulado nos últimos doze meses — o Banco Central registrou o maior número de fraudes já contabilizado para um período de cinco meses. Qualquer empresa que usa IA em contato com dado de cliente, contrato ou processo financeiro herda uma versão desse mesmo risco, independentemente do tamanho.
Isso não significa que montar essa camada de controle precise ser lento. Em um programa AMPLIFICA conduzido em uma empresa de tecnologia B2B de médio porte, a estruturação de um portfólio de governança de cibersegurança levou 8 semanas — contra uma estimativa tradicional de 9 a 12 meses pelo caminho de projeto formal. O ganho não veio de pular etapa, veio de mapear o ecossistema de ferramentas já autorizado antes de construir, em vez de tentar formalizar tudo depois que a operação já estava espalhada por dezenas de automações informais. Como em qualquer case do AMPLIFICA, o resultado reflete o contexto, a maturidade e os processos daquela organização específica — não é promessa de prazo equivalente em qualquer outro ambiente.
Perguntas frequentes
IA realmente aumenta a receita de uma empresa de médio porte?
Pode aumentar, mas só quando existe um processo de negócio claramente ligado a ela e uma métrica definida antes da implementação. Sem essa linha de base, o efeito pode existir e ainda assim ficar invisível para quem decide orçamento — a empresa continua pagando pela ferramenta sem conseguir defender o resultado.
Toda empresa que usa IA generativa precisa de uma política de governança formal?
Não precisa de um documento extenso, mas precisa de regras mínimas definidas por escrito: quais ferramentas estão autorizadas, que tipo de dado pode passar por elas e quem responde se algo falhar. Isso costuma caber em uma página e evita que a decisão só seja tomada depois de um incidente.
Quanto tempo leva para ver resultado mensurável de um projeto de IA?
Em programas estruturados, as primeiras automações costumam entrar em operação ainda durante o próprio programa, com validação de ROI ao final de semanas, não de um ciclo orçamentário inteiro. O prazo exato varia conforme a complexidade do processo escolhido e a maturidade de dados da empresa.
O uso de IA generativa por conta própria dos times conta como resultado da empresa?
Só conta se a liderança souber que esse uso existe, o que raramente acontece sem um mapeamento deliberado. Grande parte da adoção informal de IA fica invisível para quem decide orçamento e governança — e é justamente aí que mora o maior risco não contabilizado.
