Investidor da Orb.tz, Cesar Bertini diz que o problema não é a tecnologia, é como executivos brasileiros estão entrando nela. Sem indicador, com obsessão por produtividade e protótipos que não viram produto, a maioria das iniciativas perde o foco no meio do caminho.
A inteligência artificial já está em quase todas as empresas. O retorno, em quase nenhuma. Dois dos estudos mais citados do setor chegam, por caminhos independentes, à mesma fronteira. O MIT, na iniciativa NANDA, constatou que apenas 5% dos pilotos de IA generativa produzem efeito mensurável em P&L. A McKinsey, em recorte distinto, identificou que só cerca de 6% das empresas – os “AI high performers” – atribuem à IA mais de 5% do EBIT e relatam valor significativo. São amostras e métricas diferentes apontando para o mesmo ponto: o de quem de fato extrai resultado. Em volume, a adoção é quase universal: 88% das organizações já usam IA em pelo menos uma função, segundo a McKinsey, número reforçado pelo AI Index 2026 da Universidade Stanford. Ainda assim, apenas 39% relatam algum impacto no EBIT, quase sempre inferior a 5%, e o BCG estima que 60% das empresas não geram valor material apesar do investimento.
No Brasil, o descompasso se repete. O relatório “State of AI in the Enterprise 2026”, da Deloitte, coloca o país entre os que mais usam IA para promover mudança estrutural – 42% dos entrevistados brasileiros, contra 34% na média global -, mas registra maturidade ainda baixa: 47% das empresas relatam adoção mínima e apenas 1%, adoção avançada. A pesquisa da Abiacom de janeiro de 2026 reforça o quadro: 72% das companhias seguem nos estágios iniciante ou experimental, e 59,1% sequer estabeleceram diretrizes formais para o uso da tecnologia. A adoção avança em ritmo superior ao da maturidade estratégica.
Para Bertini, Founder e ex-CEO da MC1 Technologies, multinacional brasileira que liderou até a venda e que atualmente atua como conselheiro de empresas como Iugu, Eduzz e Objective, o gargalo não está na disponibilidade da tecnologia. “A inteligência artificial está em todo lugar. A pergunta que importa é quantas iniciativas realmente estão mudando os resultados das empresas”, afirmou no episódio do podcast Start Ups N’ Downs dedicado aos principais erros de empresas com IA.
A leitura que faz do mercado brasileiro identifica 4 padrões recorrentes nas tentativas frustradas de adoção, todos discutidos no episódio com o co-host Ricardo Corrêa, fundador da Ramper.
1 – A ausência de indicadores claros antes de iniciar o projeto
A maioria das empresas começa pela ferramenta, não pelo resultado pretendido. Sem proposta de valor definida, fica impossível separar uso legítimo de teatro de inovação. A McKinsey identificou que os 6% considerados “AI high performers” são 3 vezes mais propensos do que a média a usar IA para transformação, e não para eficiência marginal. A intenção, e como ela é medida, antecipa o resultado.
2 – O foco excessivo em produtividade individual
80% das empresas tratam IA como ferramenta de eficiência, segundo a McKinsey, mas o ganho de produtividade do operador raramente se converte em margem operacional.Esse gap de conversão fica claro na pesquisa da Bain, que encontra aumento de 14% em produtividade entre empresas que implementam IA generativa no Brasil, com 9% de crescimento nos resultados financeiros, gap que mostra exatamente o atrito da conversão. Quando o ROI é cobrado pelo board, a planilha não fecha.
3 – A dificuldade de transformar protótipos em produtos
2/3 das empresas globais ainda não escalaram IA além de pilotos isolados, mostra a McKinsey. A distância entre uma prova de conceito que impressiona em demo e um sistema que opera com governança, dados estruturados, integração com fluxos existentes e protocolo de erro costuma ser subestimada por quem aprovou o orçamento. “A maturidade da empresa para absorver a IA importa mais do que a sofisticação do modelo escolhido”, resume Bertini.
4 – O risco de perder foco estratégico diante da quantidade de possibilidades
Com pressão para mostrar resultado em IA, áreas se multiplicam em frentes paralelas. Cada gerência testa sua ferramenta. Cada diretoria contrata seu fornecedor. O resultado é um catálogo de pequenas iniciativas que nunca consolida valor relevante e que, somadas, drenam atenção da liderança. A Bain dá nome ao fenômeno – a “armadilha da microprodutividade”, em que a proliferação de pilotos e provas de conceito gera ganhos pontuais que nunca escalam. O valor, mostra a McKinsey, está em quem persegue transformação em arquitetura coerente, não em quem soma frentes dispersas.
A solidão do executivo como camada adicional
Há ainda um quinto ponto que atravessa os quatro anteriores, segundo Bertini: a solidão do executivo brasileiro diante desse tipo de decisão. “Quem está liderando uma transformação estrutural raramente tem com quem trocar honestamente. Acaba decidindo sozinho, com informação ruim, em prazo curto”, diz. A observação ancora a tese da Orb.tz, plataforma de relacionamento entre líderes de negócio da qual Bertini é investidor. A operação combina duas frentes para endereçar esse vácuo de troca qualificada entre pares.
A primeira é o League, comunidade de empresários e executivos focada em manter o grupo atualizado sobre transformações relevantes de mercado e estimular trocas estruturadas de experiência sobre como outras empresas estão atravessando esses ciclos.
A segunda é o Comitê, formado por C-levels e executivos que já passaram por grandes momentos de transformação envolvendo cultura, tecnologia, operação e modelo de serviço. A proposta é colocar a liderança de uma empresa em contato contínuo com quem já viveu uma mudança estrutural comparável.
“Adoção de IA é, antes de tecnologia, uma decisão de modelo de negócio. Liderar essa transição exige mais do que a próxima ferramenta, exige proximidade com quem já fez a travessia”, afirma Cesar. A pergunta que separa os 6% do resto do mercado, no fim das contas, é menos sobre qual modelo de linguagem usar e mais sobre quem o líder tem ao lado quando precisa decidir.
