Empresas que investiram em inteligência artificial nos últimos anos estão conseguindo o que prometeram entregar primeiro, que é produtividade. O que não está acontecendo, na maioria dos casos, é a conversão disso em receita.
O relatório State of AI in the Enterprise 2026, da Deloitte, ouviu 3.235 líderes e trouxe dois números que raramente aparecem lado a lado. Enquanto 66% das organizações já relatam ganhos de produtividade e eficiência com IA, apenas 20% dizem estar aumentando receita hoje. Outras 74% colocam o crescimento de receita como expectativa futura, e não como resultado presente.
Outras bases repetem o padrão. Levantamento da PwC apontou que 81% dos líderes de alto escalão consideram suas empresas a pelo menos um ano de retornos de IA que vão além de ganho de eficiência. Em análise de 2026 sobre a agenda dos diretores financeiros, a BCG descreve o ciclo típico: o piloto funciona em ambiente controlado, a liderança declara sucesso, e o impacto não chega à demonstração de resultado. A causa, observa a consultoria, raramente é a tecnologia.
A Grand Thera Technologies (grandthera.com), deeptech sediada em Florianópolis, defende que o gargalo é de camada. A categoria hoje chamada de enterprise AI foi fundada na década de 2010 por empresas como Palantir e C3.ai, que estruturaram a ideia de rodar inteligência sobre o dado corporativo. Uma década depois, a execução dessa promessa se padronizou, e previsões de mercado para 2026 já tratam blocos de construção agênticos como oferta comoditizada dentro de plataformas de IA e suítes de software empresarial. Quando a capacidade vira componente, a entrega da maioria dos fornecedores converge para o mesmo lugar, que é automação de tarefa e ganho de produtividade.
Para quem senta na mesa de decisão, isso já não é novidade. Pesquisa da Board Intelligence com 400 conselheiros, CEOs e diretores financeiros, divulgada em junho, mostrou que 84% dos entrevistados no Reino Unido já discutiram até onde a decisão humana pode ser delegada à tecnologia, e quase metade já partiu para a implementação.
"IA e dados já estão na mesa de todos os conselhos que a gente atende. O que não está é o sinal antecedente e a clareza de impacto financeiro na hora de decidir. Uma IA generalista, feita para automação, não tem como entregar isso, porque ela não separa sinal de ruído", afirma Fernando Negrini, CEO da Grand Thera.
A consequência prática do argumento é um reposicionamento. A empresa deixa de se apresentar como mais uma companhia de enterprise AI, categoria que ela própria descreve como em comoditização, e passa a defender que opera em outra faixa: não automação de processo, e sim infraestrutura para decisão com impacto financeiro medido.
Para o empresário que já contratou IA e não viu efeito no caixa, o diagnóstico da deeptech aponta menos para trocar de fornecedor e mais para entender o que foi comprado. Ferramenta de automação entrega tempo economizado. Isso aparece na rotina da equipe, mas não necessariamente na linha de resultado.
Siga nosso canal no WhatsApp e receba notícias relevantes para o seu dia
Entre os 66% que já ganharam eficiência e os 20% que já ganharam receita existe uma faixa inteira de empresas que automatizaram tarefas sem mudar a qualidade das próprias decisões. É nesse intervalo que a discussão sobre IA corporativa está se deslocando.