Gasto recorde com inteligência artificial não garante resultados empresariais, aponta pesquisa da KPMG
Primeiro levantamento trimestral do Global AI Pulse revela que empresas planejam investir em média 186 milhões de dólares em IA nos próximos doze meses, porém apenas 11% das organizações conseguiram implantar e escalar agentes de inteligência artificial que geram impactos mensuráveis em escala corporativa. O estudo divulgado pela consultoria global mostra uma discrepância crescente entre os volumes de capital alocados e a capacidade de transformar esses investimentos em valor de negócio tangível.
Os dados indicam que a tecnologia não está falhando, uma vez que 64% dos respondentes afirmam que a IA já entrega resultados relevantes para suas operações. A questão central reside na interpretação do termo relevante, pois para a maioria das organizações a distância entre ganhos incrementais de produtividade e a eficiência operacional composta que realmente afeta as margens permanece significativa. Agentes de inteligência artificial, sistemas que executam tarefas de forma autônoma e coordenam ações, representam o próximo estágio de maturidade digital.
A pesquisa estabelece uma distinção clara entre o grupo denominado líderes em IA, que engloba organizações em fase de escala ou operação ativa de agentes autônomos, e o restante do mercado. A diferença de resultados entre esses dois cohorts é notável e aponta para modelos distintos de abordagem tecnológica. Steve Chase, líder global de IA e Inovação Digital da KPMG Internacional, ressalta que gastar mais em inteligência artificial não equivale a criar valor.
Entre as empresas consideradas líderes em inteligência artificial, 82% relatam que a tecnologia já entrega valor de negócio expressivo, enquanto entre as demais organizações esse percentual cai para 62%. A diferença de vinte pontos percentuais pode parecer modesta à primeira vista, porém essa métrica reflete não apenas o uso de ferramentas mais sofisticadas, mas filosofias de implementação fundamentalmente distintas. As empresas que lideram o mercado adotam uma postura mais estratégica na integração de sistemas cognitivos.
As organizações que compõem o grupo dos 11% implementaram agentes capazes de coordenar trabalho entre diferentes funções empresariais, rotear decisões sem intervenção humana em cada etapa, extrair insights corporativos de dados operacionais em tempo quase real e identificar anomalias antes que se transformem em incidentes críticos. Essas capacidades exigem arquitetura de dados robusta e infraestrutura computacional preparada para processamento em escala.
Nas áreas de tecnologia da informação e engenharia, 75% das empresas líderes em inteligência artificial utilizam agentes para acelerar o desenvolvimento de código, contra 64% das demais organizações. Nas operações, onde a orquestração da cadeia de suprimentos representa o principal caso de uso, a proporção é de 64% versus 55%. Essas divergências não representam meras diferenças na adoção de ferramentas, mas sim níveis distintos de reengenharia de processos.
A maior parte das empresas que implantou inteligência artificial adotou a abordagem de sobrepor modelos aos fluxos de trabalho existentes, inserindo copilotos pontuais ou ferramentas de sumarização sem redesenhar os processos nos quais essas soluções estão inseridas. Essa estratégia produz ganhos marginais. As organizações que reduziram o gap de performance inverteram essa lógica, redesenhando primeiramente os processos e depois implantando agentes para operar dentro da estrutura reconfigurada.
As cifras de investimento divulgadas merecem análise detalhada. A média global ponderada de 186 milhões de dólares por organização parece substancial, porém a variância regional revela um panorama mais complexo. A região Ásia-Pacífico lidera com 245 milhões de dólares, as Américas registram 178 milhões e a Europa, Oriente Médio e África atingem 157 milhões. Organizações na China e em Hong Kong planejam investimentos médios de 235 milhões, enquanto empresas dos Estados Unidos orçam 207 milhões.
Esses valores representam despesas planejadas que abrangem licenciamento de modelos, infraestrutura computacional, serviços profissionais, integração de sistemas e o aparato de governança e gestão de riscos necessário para operar IA de forma responsável em escala. A questão central não reside em saber se 186 milhões é excessivo ou insuficiente, mas qual proporção desse montante está sendo alocada para a infraestrutura operacional necessária para extrair valor dos modelos propriamente ditos.
Os levantamentos sugerem que a maioria das organizações ainda subestima essa categoria de investimentos. Custos de computação e licenciamento são visíveis e relativamente fáceis de orçar, porém as fricções operacionais tendem a surgir tardiamente nos ciclos de implantação e frequentemente superam as estimativas iniciais. Esses custos ocultos incluem horas de engenharia para integrar saídas de IA com sistemas legados, latência introduzida por pipelines de geração aumentada por recuperação e a sobrecarga de conformidade.
A integração com bancos de dados vetoriais ilustra bem esse desafio. Muitos fluxos de trabalho baseados em agentes dependem da capacidade de recuperar contexto relevante de grandes repositórios documentais não estruturados em tempo real. Construir e manter a infraestrutura para isso, incluindo seleção entre provedores, incorporação e indexação de dados proprietários e gerenciamento de ciclos de atualização, adiciona complexidade de engenharia significativa e custos operacionais contínuos.
Quando essa infraestrutura está ausente ou mal mantida, o desempenho dos agentes se degrada de maneiras frequentemente difíceis de diagnosticar. O comportamento do modelo permanece correto em relação ao contexto que recebe, mas esse contexto pode estar desatualizado ou incompleto, comprometendo a qualidade das decisões automatizadas. A manutenção de pipelines de dados de alta qualidade torna-se assim componente crítico para o sucesso de iniciativas de agentes autônomos.
A pesquisa da KPMG revela um achado particularmente útil sobre a relação entre maturidade em inteligência artificial e confiança na gestão de riscos. Entre as organizações ainda em fase de experimentação, apenas 20% se sentem confiantes em sua capacidade de gerenciar riscos relacionados à IA. Entre os líderes em inteligência artificial, esse percentual sobe para 49%. Três quartos dos líderes globais citam segurança de dados, privacidade e risco como preocupações contínuas, independentemente do nível de maturidade.
Essa distinção assume importância crucial para conselhos de administração e áreas de risco que tendem a enquadrar a governança de IA como uma restrição à implantação. Os dados da consultoria sugerem a dinâmica oposta, pois frameworks de governança não retardam a adoção entre organizações maduras, mas sim a viabilizam. A confiança para avançar mais rapidamente, implantando agentes em fluxos de trabalho de maior criticidade e expandindo a coordenação entre funções, correlaciona-se diretamente com a maturidade da infraestrutura de governança.
Organizações que tratam governança como uma camada de conformidade retrospectiva enfrentam desvantagem dupla, implantando mais lentamente porque cada novo caso de uso desencadeia nova revisão, e permanecendo mais expostas a riscos operacionais pela ausência de mecanismos de governança incorporados. As empresas que embutiram governança no próprio pipeline de implantação, com monitoramento automatizado de saídas e caminhos de escalonamento com humano no loop para decisões de baixa confiança, são as que operam com segurança para escalar.
Steve Chase enfatiza que não existe futuro baseado em agentes sem confiança, e não há confiança sem governança que acompanhe o ritmo das inovações. O levantamento deixa claro que investimento sustentado em pessoas, treinamento e gestão de mudanças é o que permite às organizações escalar inteligência artificial de forma responsável e capturar valor. Essa perspectiva exige mudança cultural profunda nas empresas que buscam posicionar-se na vanguarda da transformação cognitiva.
Para multinacionais que gerenciam programas de IA em diferentes regiões, os dados da KPMG sinalizam diferenças materiais em velocidade de implantação e postura organizacional que afetarão o planejamento de implementação global. A região Ásia-Pacífico avança de forma mais agressiva na escala de agentes, com 49% das organizações nessa condição, comparado a 46% nas Américas e 42% na Europa, Oriente Médio e África. O continente asiático também lidera na capacidade mais complexa de orquestrar sistemas multiagentes, com 33%.
Os perfis de barreiras também diferem de formas que carregam implicações operacionais reais. Tanto na Ásia-Pacífico quanto na Europa, Oriente Médio e África, 24% das organizações citam falta de confiança e apoio da liderança como barreira primária à implantação de agentes. Nas Américas, esse índice cai para 17%. Sistemas agentes, por definição, tomam ou iniciam decisões sem aprovação humana em cada instância, o que pode gerar resistência institucional em culturas onde a responsabilidade por decisões permanece concentrada no nível sênior.
A discrepância de expectativas em torno da colaboração humano-IA também merece atenção de quem projeta fluxos de trabalho assistidos por agentes em escala global. Respondentes do Leste Asiático antecipam que agentes de inteligência artificial liderarão projetos em uma taxa de 42%. Respondentes australianos preferem IA dirigida por humanos em 34%. Norte-americanos inclinam-se para colaboração paritária entre humanos e IA em 31%. Essas diferenças afetarão o design de processos em diferentes implantações regionais do mesmo sistema subjacente.
Um ponto de dados que merece atenção particular de diretores financeiros e conselhos de administração indica que 74% dos respondentes afirmam que a inteligência artificial permanecerá como prioridade máxima de investimento mesmo em cenário de recessão. Esse indicador pode sinalizar convicção genuína sobre o papel da IA na estrutura de custos e posicionamento competitivo, ou refletir um compromisso coletivo ainda não testado contra pressões reais de orçamento. Provavelmente ambos, em proporções distintas entre diferentes organizações.
O que esses números indicam é que a janela para organizações ainda em fase de experimentação não é indefinida. Se os 11% de líderes em IA continuarem a capitalizar suas vantagens, e os dados da KPMG sugerem que os mecanismos para isso estão estabelecidos, a questão para os 89% restantes não é se devem acelerar a implantação de inteligência artificial, mas como fazê-lo sem comprometer ainda mais as dívidas de integração e os déficits de governança que já limitam seus retornos sobre o investimento.
RESUMO: Pesquisa global da KPMG revela que empresas planejam investir 186 milhões de dólares em inteligência artificial nos próximos doze meses, porém apenas 11% conseguiram escalar agentes autônomos que geram valor empresarial mensurável. O estudo mostra que líderes em IA, que representam esse grupo minoritário, obtêm resultados significativamente superiores ao adotar abordagem de redesenho de processos antes da implantação tecnológica, investir em infraestrutura de dados e incorporar governança desde o início. A região Ásia-Pacífico lidera os investimentos e a maturidade de implementação, enquanto 74% das empresas afirmam que a IA permanecerá como prioridade mesmo em cenário de recessão, indicando que o período para organizações experimentais evoluir é limitado.
