Será que 95% dos projetos de IA nas empresas falham mesmo? Uma leitura atenta do relatório do MIT

"95% dos projetos de IA nas empresas falham."

Provavelmente já viu esta frase cinquenta vezes este ano. Nós também. Depois descarregámos o próprio relatório e lemos as 26 páginas completas. Vale a pena ler, mas não pela razão que o tornou viral.

O que medem realmente os 95%?

A estatística vem de "The GenAI Divide: State of AI in Business 2025", um relatório de julho de 2025 do Project NANDA do MIT (Challapally, Pease, Raskar e Chari). A investigação baseia-se em entrevistas com 52 organizações, num inquérito a 153 dirigentes e na análise de mais de 300 iniciativas de IA divulgadas publicamente.

Vejamos a definição do próprio relatório. Para contar como "bem-sucedida", uma ferramenta tem de produzir aquilo que utilizadores ou dirigentes descrevem como um "impacto marcado e sustentado na produtividade ou nos resultados", avaliado seis meses depois do piloto. Ou seja, o que se mede não é o balanço, mas a declaração dos entrevistados. A própria nota de investigação do relatório di-lo: os números baseiam-se em entrevistas individuais e não em relatórios oficiais das empresas, e devem ser lidos como indicativos.

Além disso, na secção de limitações os autores admitem que uma janela de observação de seis meses pode ser curta demais para implementações empresariais complexas, o que subestimaria as taxas de sucesso.

Portanto, a conclusão não é "a IA não funciona". A conclusão é: a maioria dos pilotos, ao sexto mês, ainda não tinha dado frutos aos olhos dos entrevistados. Não é a mesma frase.

Três conclusões que ninguém cita

1. A economia da IA sombra. Apenas 40% das empresas inquiridas compraram uma subscrição oficial de IA. No entanto, em mais de 90% dessas mesmas empresas os colaboradores já usam ferramentas de IA pessoais para trabalhar. O relatório chama-lhe "shadow AI economy", a economia da IA sombra.

2. O número do orçamento não é uma medição. A fatia dos orçamentos de IA destinada a vendas e marketing aparece como 50% numa secção do relatório e 70% noutra. A fonte do número é uma pergunta que pedia aos dirigentes para repartirem 100 dólares hipotéticos pelas funções. Leia-o como um estado de espírito, não como uma medição.

3. Parcerias externas contra desenvolvimento interno. Os projetos com parceiros externos chegaram à produção em cerca de 67% dos casos; os desenvolvidos internamente, em cerca de 33%. Nós vendemos serviços; é natural ler este número vindo de nós com desconfiança. O próprio relatório partilha essa desconfiança: escreve claramente que a diferença pode refletir capacidades organizacionais e não a decisão de compra, e que correlação não prova causalidade.

Na mesma empresa, a IA "falha" e é usada todos os dias

Junte as peças. A empresa diz que o projeto oficial "não deu resultados". Dentro dessa mesma empresa, as pessoas usam IA todos os dias, muitas vezes com contas pessoais que pagam do próprio bolso, e terminam o trabalho mais depressa.

Ninguém mede isto. Ninguém liga esse ganho aos resultados do negócio.

O diagnóstico do próprio relatório aponta na mesma direção: a barreira central à escala não é a infraestrutura, a regulação ou o talento, é a aprendizagem. As ferramentas não retêm feedback, não se adaptam ao contexto, não melhoram com o tempo. No mesmo conjunto de dados, cerca de 83% dos pilotos com ferramentas genéricas chegaram ao uso, 70% dos utilizadores preferem IA para tarefas rápidas, enquanto no trabalho complexo e de longo prazo nove em cada dez preferem o humano.

Portanto, o que falhou não foi a IA. O que falhou foi a infraestrutura que transforma produtividade individual em resultados organizacionais: a camada de medição, integração e aprendizagem. Na maioria das empresas, essa camada nunca foi construída.

O relatório descreve exatamente o que nós construímos

O relatório tem uma conclusão que toca diretamente o nosso setor: as poupanças reais aparecem sobretudo no back office, e uma das rubricas é uma redução de cerca de 30% na despesa externa com agências e conteúdo.

Essa conclusão não nos preocupa; construímos o PumpGrowthOS exatamente por isso. Já se via que o modelo clássico de agência, fazer à mão trabalho repetível e faturá-lo, ia perder para a IA. Repare onde o relatório enumera o que distingue os "5% bem-sucedidos": sistemas integrados nos processos, resultados mensuráveis, implementações que aprendem com o tempo. Esse é também o nosso modelo: em vez de vender serviços de agência, construir a infraestrutura de medição, o ciclo de decisão orientado por dados e a automatização integrada nos processos, e depois operar o crescimento sobre esse sistema.

Por outras palavras, quando o relatório diz "corte a despesa com agências", também descreve para onde mudar, e o que descreve não é uma agência, é um sistema de crescimento. Explicámos passo a passo como esta abordagem funciona na prática no nosso guia de marketing orientado a dados.

Uma nota de transparência

O relatório vem do Project NANDA do MIT. O NANDA é uma iniciativa que desenvolve protocolos para os agentes de IA trabalharem em conjunto, e a conclusão do relatório é, precisamente, que "a resposta está nos sistemas baseados em agentes". Isso não torna o relatório errado. Significa, sim, que os dados e a conclusão merecem ser lidos separadamente. Foi o que fizemos neste artigo.

Se a IA "não funciona" na sua empresa

Verifique primeiro estas quatro perguntas:

1. O que é que os seus colaboradores já resolvem com contas pessoais? O uso sombra é o indicador mais honesto do que funciona realmente.
2. Com que métrica mede o impacto da IA? Sem medição, o veredicto de "falhou" assenta em impressões, não em dados.
3. Lançou o piloto com uma grande visão ou com um único processo restrito? Os exemplos que funcionam no relatório partilham dois traços: âmbito restrito e valor rápido e visível.
4. A ferramenta que comprou aprende com o seu processo, ou começa do zero de cada vez?

A pergunta não é "a IA funciona?". A pergunta é: será que não funciona mesmo, ou está a funcionar num sítio para onde não está a olhar?

Fonte: Challapally, Pease, Raskar, Chari. "The GenAI Divide: State of AI in Business 2025", MIT Project NANDA, julho de 2025. PDF do relatório