A pressa de automatizar
Adotar inteligência artificial sem redesenhar processos pode apenas transferir gargalos, ampliar a complexidade e criar novos custos para as empresas.
A inteligência artificial chegou às empresas mais rápido do que muitas organizações conseguiram redesenhar suas operações. O resultado é um paradoxo: ferramentas capazes de economizar minutos podem, quando mal integradas, criar novos custos com dados, infraestrutura, governança, retrabalho e complexidade.
O AI Index 2026, do Instituto de Inteligência Artificial Centrada no Ser Humano da Universidade Stanford, mostra que 88% das organizações pesquisadas já utilizavam IA em pelo menos uma função em 2025. A adoção de inteligência artificial generativa chegou a 70%. Já o uso de agentes permaneceu em um dígito na maioria das funções empresariais analisadas.
Os números mostram uma adoção acelerada. O retorno, porém, não avançou na mesma velocidade.
ADOÇÃO NÃO É SINÔNIMO DE RESULTADO
O relatório The GenAI Divide: State of AI in Business 2025, do projeto NANDA, do MIT, analisou 300 implementações públicas, entrevistou 150 executivos e ouviu 350 funcionários.
Sem arquitetura e governança de dados, a IA não organiza o caos. Ela acelera o caos
A principal conclusão foi incômoda: 95% dos pilotos corporativos analisados não produziram impacto financeiro mensurável. Apenas 5% das iniciativas integradas conseguiram chegar rapidamente à produção e gerar valor significativo.
O número não significa que 95% de todos os investimentos em IA fracassaram. Ele mostra, dentro do universo estudado, a distância entre experimentar uma ferramenta e incorporá-la de maneira efetiva à operação.
Na 10ª edição do The State of Learning, Bruno Dinato, da BRQ Digital Solutions, resumiu o risco: “Sem arquitetura e governança de dados, a IA não organiza o caos. Ela acelera o caos.”
AUTOMATIZAR UMA ETAPA PODE APENAS MOVER O GARGALO
Acelerar uma tarefa isolada não garante a melhoria do processo inteiro. Se a etapa seguinte continua manual, lenta ou mal estruturada, o ganho apenas transfere o gargalo para outro ponto da operação.
Leandro Angelo, da CI&T, chama atenção para esse efeito. Aumentar o throughput — o volume de dados, tarefas ou itens processados em determinado período — pode simplesmente empurrar mais demanda para a etapa seguinte.
Imagine uma ferramenta capaz de produzir cem propostas comerciais no tempo em que uma equipe antes produzia dez. Se a revisão jurídica, a aprovação de preços ou o atendimento ao cliente continuam com a mesma capacidade, a empresa não ganhou necessariamente eficiência. Ela pode apenas ter criado uma fila maior.
A automação local pode ampliar uma ineficiência sistêmica.
Uma pesquisa da McKinsey, publicada em 2025, chegou a uma conclusão semelhante. Mais de 80% dos entrevistados afirmaram que suas organizações ainda não observavam impacto tangível da IA generativa sobre o EBIT em nível empresarial.
Entre os 25 atributos analisados pela consultoria, o redesenho dos fluxos de trabalho foi o fator mais associado à capacidade de capturar valor com a tecnologia. Ainda assim, apenas 21% dos participantes disseram que suas empresas haviam redesenhado de maneira significativa pelo menos alguns de seus processos.
A automação local pode, portanto, ampliar uma ineficiência sistêmica. Quanto mais rapidamente uma etapa produz, mais visíveis se tornam os limites das demais.
QUANDO A FERRAMENTA COMEÇA A FABRICAR TRABALHO
Existe ainda um custo menos evidente: o da complexidade.
Cada agente, plataforma ou automação acrescenta dependências, dados, notificações e pontos que precisam ser monitorados. Uma única reunião pode terminar com transcrição, resumo, lista de tarefas, documentos e mensagens produzidos automaticamente.
A capacidade de produzir informação cresce, mas a capacidade humana de absorvê-la continua limitada.
Se ninguém consegue acompanhar, revisar ou transformar esse material em decisões, a ferramenta que prometia economizar tempo passa a fabricar trabalho. A capacidade de produzir informação cresce, mas a capacidade humana de absorvê-la continua limitada.
Também existe uma conta física. Segundo o AI Index 2026, a capacidade computacional global dedicada à IA cresceu, em média, 3,3 vezes ao ano desde 2022. A expansão envolve mais centros de dados, chips, energia e infraestrutura para sustentar modelos e aplicações cada vez maiores.
Isso não torna a adoção da inteligência artificial indesejável. Torna indispensável calcular o custo completo de cada implementação, incluindo tudo aquilo que precisa existir ao redor da ferramenta para que ela funcione.
EFICIÊNCIA PARA QUÊ?
Uma discussão madura sobre IA exige julgamento. Antes de automatizar, as empresas precisam decidir o que vale a pena acelerar, quais processos devem ser redesenhados e quais decisões precisam continuar sob responsabilidade humana.
Algumas perguntas ajudam a separar inovação de acúmulo tecnológico:
- Qual problema essa automação resolve?
- O processo atual funciona ou estamos apenas automatizando uma falha?
- Para onde será deslocada a demanda gerada pela ferramenta?
- Quem revisará, manterá e governará o sistema?
- Qual indicador mostrará que houve criação real de valor?
- O ganho compensa os novos custos e a complexidade adicionada?
O desafio não está em usar mais IA. Está em identificar os pontos nos quais ela melhora o sistema como um todo.
Em um mercado obcecado por eficiência, talvez a pergunta mais inteligente continue sendo a mais simples: eficiência para quê?
