Empresas que apostaram bilhões em IA começam a pisar no freio 🤖🧵 Resultados abaixo do prometido, erros recorrentes e custos operacionais altos estão transformando a euforia da adoção em uma discussão bem mais pragmática: onde a IA realmente vale a pena?

Imagem indisponível

A lógica inicial era simples: IA aceleraria processos, cortaria custos e elevaria a produtividade. Só que usar um modelo avançado para resumir um texto ou criar slides pode custar mais — e exigir mais revisão humana — do que o método tradicional.

A Accenture ilustra o dilema: a empresa diz ter investido US$ 3 bilhões em dados e IA e destinaria mais de US$ 1 bilhão ao ano para capacitação. Mas atrelar promoções ao uso frequente das ferramentas pode incentivar volume, não eficiência.

Imagem indisponível

Quando o uso vira meta, surgem distorções: funcionários recorrem à IA até em tarefas básicas para cumprir indicadores. Isso infla consumo de tokens e licenças, sem garantir ganho real. Métrica de adoção não é métrica de resultado.

Também há um risco menos visível: a erosão do conhecimento interno. Se equipes terceirizam raciocínio, redação, programação e análise para modelos, podem perder prática, autonomia e capacidade de detectar respostas erradas.

Imagem indisponível

O impacto no trabalho é enorme, mas não automático. O Fórum Econômico Mundial estima que 92 milhões de postos serão eliminados ou profundamente alterados até 2030, enquanto 170 milhões podem surgir. A questão é: quem terá acesso à requalificação?

A lição não é “IA fracassou”. É que tecnologia sem governança vira custo e risco. Empresas precisam medir qualidade, tempo de revisão, privacidade, consumo energético e impacto nas equipes — não apenas quantas vezes um chatbot foi aberto.

Imagem indisponível

A corrida pela IA está saindo da fase do encantamento e entrando na fase da prestação de contas. O teste decisivo não será ter o modelo mais sofisticado, mas provar que ele melhora o trabalho sem desperdiçar recursos nem concentrar decisões em poucas plataformas.