IA Generativa: Empresas gastam bilhões sem comprovar retorno financeiro

O rápido avanço e adoção da inteligência artificial (IA) generativa, com gastos corporativos globais atingindo US$ 37 bilhões em 2025, um aumento de 3,2 vezes, não tem sido acompanhado por uma comprovação clara de retorno sobre o investimento (ROI) por parte das empresas. Segundo a BCG, apenas 5% das organizações capturam valor de IA em escala, enquanto 60% reportam ganhos mínimos mesmo com investimentos expressivos. A Deloitte aponta que somente 20% das iniciativas avançadas em GenAI entregam ROI acima de 30%, indicando que a maior parte ainda não demonstra geração de valor econômico claro.

A causa raiz: gestão e economia, não técnica

A dificuldade em comprovar o ROI da IA não reside na tecnologia em si, mas em falhas de gestão e controle econômico. Diferentemente de investimentos tradicionais como CAPEX ou consultoria, o custo de APIs de IA é variável e baseado em consumo. Sem uma governança adequada, esse consumo pode se tornar um "vazamento" financeiro, especialmente quando associado à "inovação" sem um acompanhamento rigoroso de custos e retornos.

A falta de controle se agrava porque os contratos de API raramente são vinculados a centros de custo específicos, e a revisão técnica, muitas vezes sob responsabilidade da área de tecnologia, carece de visibilidade sobre o impacto financeiro de cada processo. O setor financeiro, que detém a visão consolidada, frequentemente não possui o vocabulário técnico para questionar os detalhes do consumo de IA.

O dilema do custo por token e a arquitetura do uso

O ROI de uma iniciativa de IA é determinado mais pela arquitetura de uso do que pela qualidade do modelo. Utilizar um modelo premium para tarefas simples representa desperdício, enquanto um modelo econômico para decisões complexas pode ser uma negligência. Uma chamada típica de IA pode custar cerca de US$ 0,50 em um modelo premium, contra apenas US$ 0,02 em um modelo econômico para a mesma tarefa, uma diferença de 25 vezes.

Um exemplo prático ilustra o problema: uma empresa demitiu um estagiário do contas a pagar, com custo mensal de R$ 2.800, para automatizar a função com IA. A automação, no entanto, passou a consumir cerca de R$ 17.400 mensais, entre API, ferramentas de orquestração e revisão, resultando em um aumento de custo de 521% sem orçamento aprovado ou meta definida.

O caminho para a comprovação de valor

Para evitar esses erros e garantir que a transformação digital gere resultados comprovados, o playbook para líderes financeiros é claro. É fundamental identificar o "dono" nominal do consumo de IA, mapear o processo automatizado com seu volume e critério de qualidade, e definir a métrica financeira a ser capturada antes da escolha do modelo.

A instituição do "custo por output útil" como indicador, em vez do custo total da API, é essencial. Essa abordagem, comparada à disciplina que a computação em nuvem (cloud) levou anos para desenvolver com FinOps, tagging e chargeback, separa a inovação que fecha contas daquela que apenas gera narrativas sem comprovação de retorno financeiro. A pergunta crucial a ser respondida não é o custo do token, mas o valor gerado por cada decisão melhor, hora economizada ou erro evitado.