O avanço da inteligência artificial (IA) nas empresas é frequentemente tratado como inevitável e transformador. Mas um novo levantamento do Gartner, divulgado por veículos como IT Forum, TI Inside e DatacenterDynamics, expõe uma realidade desconfortável: apenas 22% das organizações conseguiram escalar projetos de IA com sucesso em múltiplas unidades de negócios ou adotar uma abordagem AI-first. A crença de que basta investir para colher resultados generalizados não se confirma na prática. O fracasso em escalar IA está custando caro em recursos, tempo e oportunidades, e a maioria dos líderes ainda subestima o risco de investir sem clareza de retorno.

Investimentos em IA crescem, mas maturidade operacional é baixa

Segundo o Gartner, citado de forma unânime nas três publicações, o ritmo de investimento em IA não desacelerou diante das dificuldades. Em 2025, as empresas destinaram, em média, 12% de seus orçamentos à tecnologia, e 85% dos líderes de área planejam aumentar esse percentual em 2026. O recorte do estudo, segundo TI Inside e DatacenterDynamics, abrangeu 1.303 entrevistados de organizações com receita anual mínima de US$ 50 milhões. Apesar desse apetite orçamentário, a maioria das empresas não consegue ir além de projetos-piloto ou iniciativas isoladas, falhando ao integrar IA em múltiplas áreas de negócio.

O dado mais alarmante, apontado por todas as fontes, é que 11% das organizações sequer sabem quanto cada área gastou em IA no último ano fiscal. A falta de controle financeiro é um sintoma de maturidade operacional insuficiente, o que eleva o risco de desperdício e dificulta a avaliação do retorno sobre o investimento (ROI). Tina Nunno, vice-presidente emérita do Gartner, afirmou em todas as publicações: “Sem uma mensuração disciplinada diretamente vinculada aos resultados de negócios, as organizações correm o risco de desperdiçar recursos e não atender às expectativas.”

ROI positivo depende de disciplina e alinhamento estratégico

O levantamento do Gartner, detalhado por TI Inside e DatacenterDynamics, revela um abismo entre empresas de alto e baixo desempenho em IA. Entre as organizações que monitoram sistematicamente o ROI, tratam IA como um portfólio de valor e reavaliam projetos com regularidade, 81% relataram retornos positivos em suas iniciativas. Já entre as de baixo desempenho, 29% admitiram não saber a taxa de retorno de seus próprios projetos de IA.

O consenso entre as fontes é que o maior valor da IA não está nos projetos mais populares, mas nos menos frequentes e estrategicamente alinhados ao negócio. Casos de uso como detecção e resposta a ameaças de cibersegurança (54%), automação do service desk de TI (54%) e geração/refatoração automatizada de código (44%) são os mais adotados, mas não necessariamente os que trazem melhor retorno. Os melhores resultados, segundo o Gartner, vêm da otimização inteligente de ativos e custos de TI (40%), geração de dados sintéticos (28%) e, novamente, geração/refatoração automatizada de código (23%).

Essa desconexão entre popularidade e retorno sugere que a pressão por resultados rápidos leva empresas a replicar tendências de mercado, em vez de buscar aplicações alinhadas às suas necessidades reais. O alerta de Tina Nunno, presente nas três fontes, é direto: CEOs e CIOs precisam identificar quais casos de uso de IA realmente geram retornos financeiros positivos para definir metas claras e eficazes.

Foco excessivo em produtividade limita transformação e inovação

Outro ponto de consenso entre IT Forum, TI Inside e DatacenterDynamics é a priorização de ganhos de produtividade como principal objetivo dos investimentos em IA. Para 75% dos líderes de área, produtividade é o resultado-alvo, concentrando cerca de 30% dos gastos médios com IA, quase o dobro do segundo objetivo mais citado. Transformações mais ousadas ou busca por novas fontes de receita ficam em segundo plano.

Esse foco, embora compreensível diante de pressões por eficiência, pode limitar o potencial transformador da IA. Ao priorizar apenas ganhos incrementais, empresas deixam de explorar oportunidades de inovação e diferenciação competitiva. A análise do Gartner sugere que a ausência de metas claras por categoria de resultado (produtividade, crescimento de receita, mitigação de riscos, inovação) dificulta a justificativa dos investimentos e a realocação ágil de recursos em caso de baixo desempenho.

Contra-argumento: escala não é prioridade para todos, mas o risco é real

É possível argumentar que nem toda empresa precisa escalar IA em múltiplas áreas para obter valor. Para algumas organizações, projetos-piloto bem-sucedidos ou aplicações restritas já justificam o investimento inicial. No entanto, o levantamento do Gartner mostra que a falta de visibilidade financeira e de disciplina na mensuração de resultados não é apenas um problema de escala, mas de governança. Mesmo empresas que optam por estratégias mais cautelosas correm o risco de alocar recursos em iniciativas de baixo retorno, especialmente quando não monitoram o desempenho por categoria de resultado.

Outro ponto de debate é o ritmo acelerado dos investimentos, mesmo diante de resultados limitados. Enquanto alguns líderes defendem que errar rápido faz parte do processo de inovação, o Gartner alerta que a ausência de critérios claros para encerrar ou redirecionar projetos pode perpetuar desperdícios e aumentar o escrutínio sobre a área de TI.

O que ainda não se sabe: maturidade setorial e impacto regional

Embora o levantamento do Gartner traga uma visão global e setorialmente diversificada, faltam dados públicos sobre a maturidade de adoção de IA em setores específicos, como indústria, varejo ou setor público brasileiro. Nenhuma das fontes detalha o recorte regional ou as particularidades de empresas do Polo Industrial de Manaus, por exemplo. Também não há informações sobre o impacto de fatores como infraestrutura tecnológica, conectividade de alta disponibilidade ou restrições regulatórias na capacidade de escalar IA.

Essa lacuna é relevante para gestores que atuam fora dos grandes centros ou em mercados com desafios próprios de infraestrutura. A ausência de benchmarks regionais dificulta a comparação e pode levar a decisões baseadas em expectativas desalinhadas com a realidade local.

Implicações práticas para empresas e gestores de TI

Para quem decide em empresas ou órgãos públicos, os dados do Gartner funcionam como um alerta: investir em IA sem uma estratégia clara de mensuração de resultados e sem visibilidade financeira pode comprometer o retorno esperado e expor a organização a riscos desnecessários. O foco excessivo em produtividade, embora traga ganhos rápidos, não substitui a necessidade de explorar casos de uso alinhados ao negócio e de encerrar projetos que não entregam valor.

Em mercados como Manaus, onde a infraestrutura de conectividade pode ser um limitador adicional, a capacidade de escalar IA depende não só de orçamento e talento, mas também de redes estáveis, baixa latência e suporte técnico local. Sem esses elementos, até mesmo projetos-piloto bem-sucedidos podem fracassar ao tentar ganhar escala. O desafio, portanto, não é apenas tecnológico ou financeiro, mas estrutural: garantir que a base de TI comporte o crescimento das iniciativas de IA sem comprometer a operação ou aumentar o risco de desperdício.

O cenário desenhado pelo Gartner é claro: escalar IA exige mais do que vontade e investimento. A disciplina na gestão dos projetos, a escolha criteriosa dos casos de uso e a infraestrutura adequada são as variáveis que diferenciam quem captura valor real de quem apenas segue a tendência. Para empresas do Polo Industrial de Manaus e de outros mercados desafiadores, a próxima fronteira é garantir que a infraestrutura não seja o gargalo que impede a IA de sair do papel e entregar resultados efetivos.