Por Jorge Borges (*)

O relatório do MIT "The GenAI Divide – State of AI in Business 2025" ganhou destaque com a conclusão de que 95 % dos projetos de IA falham em gerar retorno significativo.  O estudo identifica que  problema não está na tecnologia — mas na forma como as organizações a implementam.

À primeira vista, parece um aviso para travar os investimentos neste campo. Neste artigo proponho concentrar a atenção nos 5 % que triunfam: o que os distingue, que boas-práticas adotam, e o que podem os C-level fazer para pertencer a essa minoria.

O que realmente aprendemos com os 5 %

  1. Investem em problemas específicos, não em buzzwords
    As organizações bem-sucedidas escolhem casos de uso concretos, que resolvem problemas menos glamorosos: agilização de operações de back-office, automação de processos repetitivos, redução de custos operacionais. Apostar apenas no que é “visível” pode ser confortável, mas raramente é onde se encontram as maiores oportunidades e onde se podem medir ganhos efetivos.
  2. Tratam os fornecedores como parceiros estratégicos
    Nos casos que têm sucesso, os fornecedores de IA não são meramente fornecedores de software ou dispositivos, mas sim parceiros estratégicos. Há uma colaboração real: co-desenvolvimento, ajuste contínuo, partilha de responsabilidade. Isso contrasta com iniciativas em que a parte técnica fica isolada ou vive de promessas externas.
  3. Descentralizam a adoção
    Outro traço comum aos 5 % que têm sucesso é capacidade de descentralizar: dar autonomia a equipas de negócio para testar, adaptar e escalar soluções. Em vez de tudo passar por um laboratório central de IA ou uma unidade de inovação com pouca ligação ao dia-a-dia do negócio, as equipas operacionais são envolvidas. Esse movimento acelera a adoção e evita que os projetos fiquem presos no piloto.

Os fatores que fazem a diferença

  • Maior alinhamento com o negócio: ao envolver equipas operacionais e escolher problemas específicos, as soluções respondem a necessidades reais, não a hipóteses abstratas.
  • Velocidade de aprendizagem: com iteração e feedback constantes, os projetos adaptam-se, corrigem a rota e tornam-se mais robustos.
  • Escalabilidade: descentralização e parcerias estratégicas ajudam a levar projetos do piloto ao uso generalizado, evitando o “projeto de laboratório” sem consequência prtática.

Boas práticas para liderar projetos de IA com impacto

  • Diagnóstico claro: identificar processos que realmente beneficiam com IA; projetar expectativas realistas de retorno.
  • Criar uma estrutura organizacional flexível: permitir que várias equipas testem, implementem e adaptem, mantendo o alinhamento estratégico e governança.
  • Fomentar uma cultura de aprendizagem: aceitar falhas controladas, iterar (sempre;-), ajustar modelos e processos com base em dados reais, e não só em expectativas ou pressões externas.
  • Escolher as parcerias certas: fornecedores ou consultores que compreendam o negócio, estejam dispostos a cocriar soluções e não se limitem a entregar “caixas pretas”.
  • Métricas e KPIs claros: medir resultados operacionais, financeiros, de impacto no negócio, e não apenas de visibilidade ou satisfação geral.

A tecnologia é apenas a ferramenta - o importante (continua a ser) saber o que fazer com ela 

A IA é poderosa, mas continua a precisar de algo que nenhum modelo consegue replicar: visão e liderança. Pode automatizar tarefas e otimizar processos, mas só a criatividade transforma negócios e gera verdadeiro impacto.

Os 5 % que triunfam não o fazem por acaso. Vencem porque fazem escolhas estratégicas, cultivam uma liderança consciente e fomentam uma cultura de aprendizagem contínua, onde a tecnologia é um meio ao serviço da estratégia — não o contrário. Para os decisores, a questão essencial não é “e se falharmos?”, mas “como vamos aprender?”.

(*) Docente e consultor, especialista na interseção entre marketing, tecnologia e inovação