Todo mundo quer fazer “algo usando a inteligência artificial”. O problema é que, entre a empolgação e o resultado, há um abismo.
Segundo a RAND Corporation e sua publicação “Why AI Projects Fail and How They Can Succeed”, mais de 80% dos projetos de IA fracassam, o dobro da taxa de insucesso de projetos tradicionais de TI. A UQ Business School confirma o mesmo número, e ainda completa que a maioria não chega a gerar valor para o negócio. Uma pesquisa mais recente do MIT, especificamente sobre IA generativa, mostra que 95% das empresas que investiram obtiveram retorno zero (https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf).
A conclusão é: uma tecnologia disruptiva não garante resultado. Diria que esse é o momento de olharmos para a forma como as empresas estão tentando usá-la.
Quando o “por que” vem depois do “como”
Muitos projetos de IA nascem da vontade de inovar, não da necessidade de resolver um problema real. O discurso costuma começar com “precisamos usar IA” em vez de “o que queremos resolver?”.
Sem um propósito bem definido, as empresas criam provas de conceito impressionantes que nunca saem do primeiro rascunho. A RAND chama isso de “síndrome da experimentação permanente”: projetos que começam com entusiasmo e terminam esquecidos porque não estavam conectados ao negócio.
O caminho inverso é mais seguro. Os projetos de IA que dão certo partem de uma ideia mensurável sobre um problema que a tecnologia pode resolver de fato. Quando o foco está no valor, não no hype, as chances de sucesso aumentam drasticamente.
A dívida técnica que ninguém vê
Outro motivo comum de fracasso é o que os engenheiros chamam de débito técnico, e ele é ainda mais complexo em projetos de IA. Essa classificação apareceu primeiro no estudo “Characterizing Technical Debt and Antipatterns in AI-Based Systems”, publicado pela arXiv em 2021.
Esse documento mostra que modelos de IA acumulam dívidas de várias espécies: dados desatualizados, scripts mal documentados, versões de modelo sem controle e até falhas de governança ética. Com o tempo, esses elementos se tornam uma bomba-relógio. O sistema funciona, só que se torna impossível mantê-lo.
Um exemplo famoso é o IBM Watson Health. Depois de mais de US$ 4 bilhões investidos, o projeto foi vendido por valor muito inferior. Em 2022, a Harvard Business Review analisou que o problema não foi falta de tecnologia e sim de integração: as soluções não conversavam com o fluxo real dos profissionais de saúde. Em outras palavras, a IA era boa, mas não estava a serviço do usuário nem do negócio.
Hoje, com empresas focando em entregar IA as a Service, alguns dos problemas de débitos técnicos estão sendo resolvidos. Porém essa preocupação não pode ser ignorada, pois as constantes evoluções dos modelos e ferramentas rapidamente fazem as ferramentas acumularem novos débitos técnicos.
Expectativas irreais e ausência de governança
A combinação de hype e pressão por inovação cria terreno fértil para decisões apressadas.
Em sua publicação “Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027”, feita em junho deste ano (2025), a Gartner estima, como está escrito no título do artigo, que quase metade dos projetos de “agentic AI” serão abandonados até 2027, principalmente por custos altos e valor de negócio incerto. Pesquisas como o aiSTROM Study, publicado pela arXiv em 2023, também confirmam essa tendência ao mostrarem que 34% dos projetos de P&D em IA são encerrados antes da entrega final.
Sem funções e métricas bem definidas, juntamente de critérios de continuidade, as empresas perdem o controle sobre o próprio projeto. A tecnologia, nesse contexto, passa a ser risco.
Conclusão
Os números assustam, mas deixam uma lição. Ao invés de pensarmos no fracasso da maioria dos projetos de IA como inevitável, é possível aprender com os erros que levam aos números citados e garantir valor real.
Empresas que acertam são aquelas que tratam a IA como parte da estratégia de negócio, não como uma aposta isolada. A pergunta certa não é “como usar IA”, e sim “qual problema queremos resolver”. A IA é uma jornada de aprendizado, e ela só traz benefícios quando é guiada por propósito, disciplina e visão de negócio.
