Todo mundo usa IA, quase ninguém ganha dinheiro com isso
Três anos depois do boom do ChatGPT, a fotografia é clara. Quase todas as empresas dizem usar inteligência artificial em algum lugar da operação, mas poucas conseguem provar impacto real no resultado. Segundo o novo estudo “The state of AI in 2025”, da McKinsey, 88% dos respondentes afirmam que suas empresas já usam IA em pelo menos uma área, contra 78% no ano passado. A adoção se espalhou. O valor, nem tanto.
Quando a análise sai do nível “temos IA em algum lugar” e sobe para “isso mudou o EBIT da empresa”, o cenário muda de figura. Só 39% dos respondentes dizem que a IA tem qualquer impacto no resultado operacional, e a maioria desses ainda fala em menos de 5% do EBIT vindo de IA. Ou seja, a tecnologia está presente, mas continua mais concentrada em ganhos localizados, pilotos e iniciativas pontuais do que em transformação real da linha de lucro.
O relatório mostra que a maior parte das empresas ainda está em fase de experimento ou piloto. Só cerca de um terço diz que começou de fato a escalar seus programas de IA na organização inteira. Empresas maiores, com mais de 5 bilhões de dólares em receita, têm quase o dobro de chance de estar nessa fase de escala em comparação com empresas menores.
Em outras palavras, a maioria ainda opera na camada “prova de conceito”, sem conseguir atravessar a ponte que leva do laboratório para a operação diária.
Mesmo assim, o uso se diversificou. A maior parte das empresas já aplica IA em mais de uma função, e metade usa em três ou mais áreas. TI, marketing e vendas continuam entre as mais comuns, com destaque para engenharia de software, manufatura e infraestrutura de TI quando o assunto é redução de custo.
Já os ganhos de receita aparecem mais em marketing e vendas, estratégia e finanças corporativas, e desenvolvimento de produtos e serviços. A mensagem aqui é simples: a IA está funcionando melhor quando é aplicada em problemas bem definidos, com métricas claras de custo ou receita.
O grande personagem novo do relatório são os agentes de IA. Vinte e três por cento dos respondentes dizem que suas empresas já estão escalando algum sistema agentic em pelo menos uma função, e outros 39% estão experimentando esse tipo de solução.
Recado importante: Mais de 83% de desconto e o dobro de tempo de acesso + 45 cursos extras + 1 ano de Alura Língua, pra estudar inglês e espanhol + 1 mês grátis de Lovable Pro, pra colocar tudo em prática + 10% de desconto com cupom exclusivo: PRODUCTGURUS. Acesse aqui.
Só que, quando você olha por área, em nenhuma função mais de 10% dos respondentes afirmam estar escalando agentes de fato. Na prática, agentes ainda são piloto de luxo em poucos lugares, com mais tração em TI e gestão do conhecimento, e mais presença em setores como tecnologia, mídia, telecomunicações e saúde.
O estudo identifica um grupo pequeno, mas importante, de “high performers”: cerca de 6% dos respondentes, que atribuem 5% ou mais do EBIT à IA e dizem capturar “valor significativo” com essas iniciativas. Esse grupo é a exceção.
Essas empresas tratam IA menos como automação pontual e mais como motor de transformação. São muito mais propensas a redesenhar workflows de ponta a ponta, escalar rapidamente casos de uso, usar IA em várias funções críticas e levar agentes para estágio de escala, não só teste.
Um ponto central do relatório é que redesenhar fluxos de trabalho é um dos fatores mais fortes associados a impacto real. Entre os high performers, quase três vezes mais empresas dizem ter redesenhado workflows de forma fundamental para incorporar IA, em vez de apenas “encaixar um modelo” no processo antigo.
Essas empresas também têm liderança mais engajada: executivos seniores assumem responsabilidade explícita pelas iniciativas, usam IA no dia a dia, cobram indicadores e garantem governança, validação humana e critérios claros de quando confiar ou não nas saídas do modelo.
A pesquisa também mostra que risco não é teoria. Cinquenta e um por cento dos respondentes em empresas que usam IA dizem já ter experimentado pelo menos uma consequência negativa, e quase um terço cita diretamente problemas de imprecisão dos modelos.
Essas empresas passaram a mitigar mais riscos do que em 2022, principalmente privacidade, reputação, conformidade regulatória e explicabilidade, mas ainda há um descompasso: explicabilidade, por exemplo, é um dos riscos mais reportados, porém não está entre os mais bem tratados.
Sobre impacto em empregos, o relatório mostra um cenário dividido. Olhando para o próximo ano, 32% dos respondentes esperam redução de pelo menos 3% na força de trabalho total devido à IA, 13% esperam aumento nessa mesma ordem de grandeza e 43% não veem grandes mudanças à frente. Ao mesmo tempo, principalmente em empresas maiores, a maioria diz que contratou para funções ligadas à IA no último ano, com forte demanda por engenheiros de software e dados. Ou seja, a reorganização do trabalho já começou, mas ainda não tem direção única.
No fim, a conclusão da McKinsey é menos glamourosa e mais trabalhosa. A IA já está em quase todo lugar, mas seu potencial “enterprise level” ainda é subaproveitado.
A diferença entre quem coleta resultado e quem continua preso em piloto está menos na tecnologia e mais na forma de organizar o trabalho.
High performers tratam IA como parte da espinha dorsal da empresa: definem objetivos de crescimento e inovação, redesenham processos, investem mais de 20% do orçamento digital em IA, embutem a tecnologia nos fluxos reais da operação e medem KPIs específicos para cada solução. O resto ainda confunde adoção com impacto.
Para quem trabalha com produto, dados ou tecnologia, a mensagem é direta. Ainda há uma janela enorme para sair do discurso genérico sobre IA e entrar no grupo pequeno que captura valor real.
Isso não passa por “ter IA”, mas por escolher casos de uso com métrica clara, redesenhar o fluxo em volta da tecnologia, proteger contra riscos mais prováveis e construir, pouco a pouco, a infraestrutura de dados, governança e talento que separa experimentos isolados de transformação de verdade.