Mais de 80% dos projetos de IA fracassam — veja cinco erros que começam na sala do conselho
Mais de 80% dos projetos de inteligência artificial fracassam. É o dobro da taxa de fracasso dos projetos de tecnologia que não envolvem IA, segundo estudo da RAND Corporation, centro de pesquisa americano que entrevistou 65 cientistas de dados e engenheiros de mais de 50 organizações.
A frustração cresce rápido. Uma pesquisa da S&P Global Market Intelligence com mais de mil empresas da América do Norte e da Europa mostra que 42% delas abandonaram a maior parte de suas iniciativas de IA em 2025 — um ano antes, eram 17%. Em média, 46% das provas de conceito foram descartadas antes de chegar à operação.
Boa parte desses fracassos nasce antes da primeira linha de código, no momento em que o investimento é aprovado. É ali que o conselho tem mais poder para mudar o resultado.
Os erros abaixo aparecem com frequência nas pesquisas e quase sempre podem ser evitados com as perguntas certas.
1. Aprovar a tecnologia, e não o problema
O erro mais comum, segundo a RAND, é de liderança: a empresa não define com clareza qual problema o projeto deve resolver. O estudo também descreve o caminho oposto, em que a equipe se encanta pela tecnologia mais nova e procura depois onde usá-la.
No conselho, esse erro aparece quando a apresentação fala mais do modelo de IA do que do indicador de negócio que deve melhorar. Se o projeto não informa qual custo cai, qual receita sobe ou qual processo fica mais rápido, ainda não está pronto para ser aprovado.
2. Espalhar o investimento em muitas frentes
Diante da pressão para "fazer algo com IA", muitos conselhos aprovam dezenas de pilotos ao mesmo tempo. O Boston Consulting Group (BCG) aponta o caminho contrário. Em pesquisa com mil executivos de 59 países, as empresas que mais extraem valor da IA perseguem cerca de metade das oportunidades das demais e concentram recursos nas mais promissoras. Em troca, esperam o dobro do retorno.
Ainda segundo o BCG, só 26% das empresas conseguiram ir além das provas de conceito e gerar valor concreto. Os outros 74% ainda não mostraram resultado tangível.
3. Investir no algoritmo e esquecer as pessoas
O orçamento de IA costuma ir quase todo para licenças, servidores e consultorias. As empresas líderes do estudo do BCG seguem outra proporção: 10% do esforço vai para os algoritmos, 20% para tecnologia e dados e 70% para pessoas e processos. Não por acaso, cerca de 70% das dificuldades de implementação relatadas vêm dessas duas últimas frentes.
Na prática, um projeto aprovado sem verba para treinamento, mudança de processos e gestão da resistência das equipes tem grande chance de virar mais uma ferramenta que ninguém usa.
4. Ignorar o estado dos dados
A RAND lista a falta de dados em quantidade e qualidade suficientes entre as principais causas de fracasso. O estudo também aponta o subinvestimento na infraestrutura que organiza esses dados. Na pesquisa da S&P Global, custos, privacidade e segurança aparecem como os maiores obstáculos.
Antes de aprovar, o conselho deve saber se os dados necessários existem, quem é responsável por eles e se o uso respeita a Lei Geral de Proteção de Dados.
5. Comprar a promessa sem critério de saída
A nova onda de entusiasmo é a IA agêntica, em que sistemas executam tarefas sozinhos. O Gartner prevê que mais de 40% desses projetos serão cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controles de risco insuficientes.
A consultoria estima que, entre milhares de fornecedores que se apresentam como especialistas nessa tecnologia, só cerca de 130 de fato oferecem agentes de IA.
A proteção é definir, antes de liberar o dinheiro, em que prazo e com que resultado o projeto continua, e em que condições ele será encerrado.
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.