ROI de IA é a relação entre o valor que uma iniciativa de inteligência artificial gera — tempo economizado, erro evitado, receita protegida — e o que ela custou para existir. A maioria das empresas brasileiras hoje não consegue responder a essa pergunta com um número, e o problema está piorando, não melhorando.
A terceira edição do “Panorama da IA no Brasil” (Zappts), divulgada em setembro de 2026 com 167 executivos de grandes empresas, mostra que 55,1% das companhias não têm nenhum mapeamento estruturado de retorno sobre investimento em IA — 24,5 pontos percentuais a mais que na edição de 2025 (30,6%). Apenas 19,8% medem retorno com clareza e recorrência. O mesmo estudo mostra que só 13,8% das empresas já escalaram agentes de IA para produção (48% seguem em fase intermediária) e que 26,2% não têm orçamento definido para projetos de agentes, tendo que disputar espaço no orçamento tradicional de TI.
Principais aprendizados
- O gargalo de ROI em IA no Brasil não está estagnado — piorou 24,5 pontos percentuais em um ano, mesmo com a adoção subindo.
- Só 19,8% das empresas medem retorno de IA com clareza e recorrência; a maioria opera na fé, não no número.
- ROI de IA não se mede depois — se define antes: linha de base, métrica de valor e responsável nomeado são pré-requisitos do piloto, não relatório final.
- Falta de orçamento próprio para projetos de agentes (26,2% das empresas) é sintoma do mesmo problema: sem ROI comprovado, IA agêntica não sustenta orçamento dedicado e disputa recurso com TI tradicional.
- Escalar um agente sem essa métrica fechada é repetir, em maior escala, o mesmo piloto que ninguém sabe se deu certo.
Por que a maioria das empresas não sabe medir o retorno de IA?
Porque a pergunta chega tarde. O padrão observado — e reforçado pelo salto de 30,6% para 55,1% de empresas sem nenhum mapeamento de ROI — é começar o piloto pela ferramenta e só formular a pergunta “isso está funcionando?” quando alguém pede um relatório. Nesse ponto já não existe linha de base para comparar, porque ninguém mediu o processo antes de ligar a IA.
É o mesmo mecanismo que já aparece em outra pesquisa sobre reversão de projetos de IA no Brasil: a falha raramente é da tecnologia. É a ausência de um perímetro definido — o que conta como sucesso, quem é dono do número, o que aciona a decisão de continuar ou parar — antes da ferramenta entrar em uso. Sem esse perímetro, o piloto até funciona tecnicamente, mas ninguém consegue provar isso para quem aprova orçamento no ano seguinte.
O que precisa estar definido antes do piloto para o ROI ser mensurável?
Três elementos, escritos antes de qualquer linha de código ou assinatura de contrato:
- Linha de base: quanto tempo, custo ou erro o processo tem hoje, sem IA. Sem esse número, qualquer resultado depois é opinião, não medição.
- Métrica de valor com dono nomeado: uma pessoa — não um comitê — responde pelo número e decide se o piloto avança. Difuso demais para ter dono é sinal de que o caso de uso ainda não está pronto para receber orçamento.
- Critério de decisão pré-definido: o que, em número, faz o piloto virar produção, continuar em teste ou ser descontinuado. Escrito antes de começar — decidido depois, sob pressão de um investimento já feito, quase sempre vira racionalização.
Isso explica por que o setor financeiro brasileiro consistentemente mede melhor: a disciplina de validar um modelo antes de confiar nele já existia por exigência regulatória antes da IA generativa chegar. Onde essa disciplina falta, o ROI vira uma pergunta que ninguém sabe responder — não porque a IA não gerou valor, mas porque ninguém definiu o que contar como valor.
Num programa de governança conduzido em uma grande indústria/varejista do setor de beleza, a métrica que sustentou o resultado final — R$368 milhões de risco fiscal mitigado, com 5 squads e 58 pessoas envolvidas — foi definida antes de qualquer squad começar: quanto risco fiscal cada frente deveria reduzir por trimestre, com dono nomeado por squad. O número só existiu ao final porque a pergunta foi feita no início, não porque alguém foi atrás dele depois.
Vale a pena escalar um agente de IA sem esse número fechado?
Não, e os próprios dados do Panorama mostram o custo disso: apenas 13,8% das empresas já escalaram agentes para produção, enquanto 48% ficam presas numa fase intermediária — nem piloto, nem escala. Essa fase intermediária tem um custo real: o agente consome atenção, dado e crédito de confiança da liderança, sem que ninguém consiga apontar o retorno para justificar o próximo investimento.
O caso do programa AMPLIFICA em uma empresa de serviços financeiros de médio porte ilustra o caminho oposto: a validação de ROI foi desenhada como etapa do próprio programa, não como relatório posterior — redução de consultas de crédito desnecessárias e monitoramento contínuo de SLAs regulatórios como métricas acompanhadas desde o início, não descobertas no fechamento. O programa terminou com 106 avaliações internas, predominância de nota máxima. Os resultados refletem o contexto, a maturidade e os processos daquela organização específica e não constituem promessa de resultado equivalente em outros ambientes — mas o padrão que sustenta esse tipo de resultado é replicável: métrica definida antes, não perseguida depois.
A pergunta que separa quem vai escalar de quem vai ficar preso na fase intermediária não é “a IA funciona?”. É “eu sei, em número, o que ela está entregando, e alguém está de olho nesse número toda semana?”. Sem essa segunda resposta, a primeira não importa.
Perguntas frequentes
O que é ROI de IA e por que é difícil de medir?
ROI de IA é a relação entre o valor gerado por uma iniciativa — tempo economizado, erro evitado, receita protegida — e o custo de implementá-la e mantê-la. É difícil de medir quando a linha de base do processo não foi registrada antes da IA entrar em uso: sem esse número inicial, não há o que comparar depois, só impressão.
Por que o gargalo de medição de ROI em IA piorou no Brasil em vez de melhorar?
Porque a adoção de IA cresceu mais rápido do que a disciplina de medição. Mais empresas ligaram mais ferramentas e agentes no último ano, mas a proporção que parou para definir métrica, dono e critério de decisão antes de começar não acompanhou esse ritmo — resultado: mais projetos rodando, proporcionalmente menos deles mensuráveis.
É preciso um time de dados dedicado para medir ROI de IA?
Não. O mínimo necessário é uma linha de base medida antes do piloto, uma métrica de valor com um responsável nomeado e um critério escrito de continuar ou parar. Isso cabe em meia página e não depende de ferramenta de BI — depende de alguém decidir medir antes de ligar a IA, não depois.
Quando faz sentido escalar um agente de IA para além do piloto?
Quando o piloto já produziu, em número comparável à linha de base, evidência de que o resultado se sustenta — não apenas a sensação de que “está funcionando”. Escalar sem esse número fechado tende a ampliar o mesmo piloto não comprovado, não a multiplicar um resultado real.
Sou Gillian Pellegrino, fundadora da HAIA. São mais de 30 anos de carreira em tecnologia — com IA conversacional desde 2011, antes do hype — traduzindo ferramenta em resultado mensurável para líderes de empresas de médio porte. Se a sua empresa está investindo em IA sem conseguir provar o retorno, fale com a HAIA.
