Uma pesquisa da KPMG com 2.145 líderes empresariais de 20 países — o Global AI Pulse Q2 2026, divulgado pela KPMG Brasil em setembro — encontrou o Brasil acima da média global em confiança, investimento e maturidade declarada de IA. O problema está no que vem depois dessa confiança: o retorno comprovado continua raro, e o próprio estudo aponta a causa — os melhores resultados vêm de quem investe em capacidade de escalar IA, não de quem simplesmente acumula mais ferramenta.
Essa distinção separa duas perguntas que parecem a mesma coisa, mas não são: “minha empresa confia em IA e investe nela” é diferente de “minha empresa sabe transformar esse investimento em resultado medido”. A maioria das empresas de médio porte responde sim à primeira e não sabe responder à segunda — e é exatamente aí que o orçamento de IA começa a virar custo sem dono, em vez de retorno rastreável.
Principais aprendizados
- Confiança, investimento e maturidade declarada de IA crescem mais rápido do que o retorno comprovado — o Brasil está acima da média global nas três primeiras, segundo a KPMG, mas isso não garante a quarta.
- O fator que separa quem converte investimento em resultado não é o volume de ferramenta adotada — é a capacidade organizacional de escalar: processo definido, dado confiável, dono do resultado e critério de prioridade.
- “Ter orçamento aprovado para IA” e “ter retorno medido de IA” são indicadores diferentes — uma empresa pode ter o primeiro sem nunca chegar ao segundo.
- Escalar não exige o orçamento de um banco: exige aplicar o mesmo princípio — processo prioritário, dado confiável, dono nomeado, métrica de valor desde o piloto — num recorte menor e mais barato de medir.
- Medir retorno antes de expandir orçamento é mais barato do que expandir orçamento e só depois descobrir que não há como provar o que ele gerou.
Minha empresa está investindo mais em IA do que está colhendo de retorno — isso é normal nesta fase?
É comum, mas não é inofensivo deixar assim por muito tempo. A pesquisa da KPMG confirma que esse descompasso entre confiança/investimento e retorno comprovado é o padrão predominante agora, inclusive em países com maturidade declarada mais alta que a média — o Brasil entre eles. O risco não é estar nessa fase; é tratá-la como definitiva, continuar aprovando orçamento novo sem nunca fechar o ciclo de medir o que o orçamento anterior gerou.
O teste prático é simples: pegue o investimento em IA aprovado nos últimos meses — licença, consultoria, horas de time interno — e pergunte quem consegue mostrar, com número, o que ele mudou num processo específico. Se a resposta for “ainda estamos testando” para a maior parte desse investimento, a empresa está na fase de confiança, não na de retorno comprovado — e o próximo passo não é investir mais, é fechar o ciclo de medição do que já foi investido antes de abrir uma nova frente.
O que é, na prática, “capacidade de escalar IA” — e como construo isso sem o orçamento de um banco?
Capacidade de escalar é a combinação de quatro elementos que não dependem de tamanho de orçamento: um processo específico priorizado (não “a empresa toda usando IA”), dado minimamente confiável para aquele processo, um responsável de negócio nomeado — não um comitê genérico — e uma métrica de valor acompanhada desde o piloto, não só no relatório final. É esse combo, não o tamanho do cheque, que determina se um investimento em IA chega a gerar retorno medido.
A metodologia que a HAIA aplica em programas de capacitação interna (AMPLIFICA) parte exatamente desse desenho em escala menor: o próprio time de negócio constrói automação para o gargalo que mais custa — tempo, retrabalho, erro — dentro do perímetro de ferramentas já autorizado pela TI, sem contratar software novo. Em uma operação de serviços financeiros de médio porte, esse modelo sustentou automações de crédito, documentação e controle de risco com mais escala sem crescimento proporcional de equipe, redução de consultas de crédito desnecessárias e monitoramento contínuo de SLA regulatório — resultado validado por mais de cem avaliações internas do programa, a maioria com nota máxima. (Resultados observados nesse contexto específico; variam conforme maturidade, dado e processo de cada organização.) O princípio generaliza: processo certo, dado certo, dono certo, métrica desde o início — isso é mais replicável do que o tamanho do orçamento de quem aplicou primeiro.
Como eu meço, hoje, se o investimento em IA que já estou pagando está gerando resultado?
Comece pelo processo com maior frequência de uso e maior custo de erro — não pela empresa inteira — e defina, antes de mais nada, qual é a métrica de valor daquele processo específico: horas economizadas, erro evitado, ciclo reduzido, receita protegida. Sem essa métrica definida desde o piloto, qualquer relatório posterior vira opinião, não medição, e é exatamente esse vazio que a pesquisa da KPMG expõe quando diz que confiança sobra e retorno comprovado falta.
Quem já escala IA de forma consistente — tema que já tratamos aqui no blog ao analisar por que só 13% das empresas conseguem escalar IA além do piloto — trata a métrica de valor como parte do desenho do piloto, não como auditoria que vem depois. Isso significa que a decisão de expandir orçamento nunca precede a prova de que o investimento anterior funcionou: a prova é o que justifica — ou nega — o próximo investimento, em vez de o inverso.
Perguntas frequentes
Investir mais em IA aumenta automaticamente o retorno da minha empresa?
Não necessariamente. A pesquisa Global AI Pulse Q2 2026 da KPMG mostra justamente o contrário: confiança e investimento em IA crescem mais rápido do que o retorno comprovado em boa parte das empresas pesquisadas, Brasil incluído. O fator que determina retorno é a capacidade de escalar — processo priorizado, dado confiável, dono nomeado e métrica de valor desde o piloto — não o volume de orçamento aplicado em ferramenta.
Minha empresa de médio porte precisa da estrutura de um banco para medir retorno de IA?
Não. O princípio que sustenta escala em instituições grandes — processo definido, dado confiável, responsável nomeado, métrica acompanhada desde o início — se aplica em qualquer tamanho de operação, só muda o recorte: em vez de toda a empresa, aplica-se a um processo específico de alto custo e alta frequência, medido com rigor antes de qualquer expansão de orçamento.
Como sei se minha empresa está na fase de “confiança em IA” ou na fase de “retorno comprovado”?
Está na fase de confiança se a maior parte do orçamento de IA aprovado ainda não tem uma métrica de valor específica atribuída a ele. Está avançando para retorno comprovado quando cada iniciativa relevante tem indicador definido desde o piloto — tempo economizado, erro evitado, ciclo reduzido — acompanhado de forma contínua, não reconstruído depois, sob pressão, para justificar o orçamento já gasto.
Por onde eu começo, se ainda não meço o retorno do que já invisto em IA?
Escolha um único processo — o de maior frequência e maior custo de erro — e defina agora a métrica de valor dele, mesmo que o piloto já esteja em andamento. Não é preciso refazer o projeto: é preciso nomear um responsável, atribuir um critério de sucesso mensurável e acompanhar esse número a partir de hoje, em vez de esperar o próximo ciclo de orçamento para perguntar se funcionou.
