Projetos de IA generativa falham em 95%, diz MIT
MIT aponta 95% de fracasso em projetos de IA nas empresas em 2025; estudo global explica por que e como evitar. Em entrevistas com 150 executivos, pesquisa com 350 funcionários e análise de 300 implantações, a iniciativa NANDA do MIT conclui que só 5% das iniciativas de IA generativa aceleram receita de forma mensurável.
A maioria esbarra na falta de integração com processos, no desalinhamento de orçamento (mais de 50% vai para vendas e marketing) e em decisões de arquitetura que ignoram fluxos de trabalho reais. Resultado: ganhos marginais, pilotos permanentes e pouco impacto em eficiência.
Tabela de conteúdos
O que o relatório do MIT analisou: IA generativa nas empresas
O levantamento da iniciativa NANDA, no MIT, mapeou a maturidade de iniciativas com IA generativa no mundo corporativo. A amostra combinou: (1) entrevistas com 150 executivos de áreas como finanças, operações, tecnologia e atendimento; (2) survey com 350 profissionais de linha; e (3) auditoria de 300 implantações públicas. A conclusão central é direta: a tecnologia é promissora, mas a execução organizacional é o calcanhar de Aquiles. Apenas 5% dos casos analisados reportaram aceleração de receita; nos demais, os efeitos ficaram restritos a ganhos incrementais ou a pilotos que não escalam.
- Ponto-chave: 95% dos projetos não geram ganhos reais de receita ou eficiência.
- Ponto-chave: 5% têm impacto expressivo de receita ou produtividade.
- Ponto-chave: +50% do orçamento concentra-se em vendas/marketing, onde o ROI é menor.
- Ponto-chave: ROI superior aparece em áreas administrativas e de suporte.
Por que tantos projetos de IA generativa nas empresas falham
Segundo o estudo, o entrave não é a capacidade dos modelos, e sim o contexto organizacional. Ferramentas generalistas, como o ChatGPT, rendem bem no uso individual, mas tropeçam em corporações por não se adaptarem automaticamente a fluxos de trabalho, sistemas legados e políticas de dados. Isso cria um “vazio de aprendizado”: a IA não absorve rotinas, exceções e regras de negócio no ritmo exigido. Sem integração profunda (dados de back-office, ERPs, CRMs), os times não conseguem transferir tarefas reais para a IA, e os pilotos ficam desconectados do core operacional.
Outro fator é a governança. Muitas empresas superestimam riscos regulatórios e subestimam o desenho de processos, criando burocracia sem lastro técnico. Em paralelo, a escassez de benchmarks internos e métricas claras de sucesso (baseline, metas de custo/tempo/qualidade e owner do resultado) dificulta encerrar projetos que não tracionam e priorizar aqueles que entregam valor.
Orçamento: onde as empresas apostam vs. onde o ROI aparece
Mais de metade dos orçamentos de IA generativa migra para casos em vendas e marketing, segundo o MIT. Porém, o retorno mais robusto emergiu em áreas administrativas e de suporte, incluindo automação de tarefas de back-office, reconciliações, compliance operacional, registro de chamados e otimização de processos. Em outras palavras: o storytelling da IA costuma ir para o topo do funil, mas o dinheiro se materializa no meio e no fim da operação.
| Métrica | Valor observado |
| Projetos sem impacto relevante | 95% |
| Iniciativas que aceleram receita | 5% |
| Orçamento em vendas/marketing | > 50% |
| Maior ROI | Administração e suporte |
O que diferencia os projetos bem-sucedidos
As empresas que formam parcerias com fornecedores especializados atingem uma taxa de sucesso perto de 67%, aponta o relatório. Já iniciativas 100% internas apresentam bons resultados em aproximadamente um terço dos casos. A diferença não é só técnica; ela mora no método: parceiros trazem padrões de integração testados, bibliotecas de conectores, playbooks de governança e métricas de valor que reduzem tempo de descoberta e risco de escopo.
- Integração nativa a sistemas críticos (ERP, CRM, ITSM, data lakes).
- Gestores de linha copatrocinando o projeto, não só o lab de IA.
- Métricas de negócio desde o dia 1 (custo/tempo/qualidade/risco).
- Treinamento contínuo no fluxo de trabalho e melhoria iterativa.
- Arquitetura de dados segura, com monitoramento e rollbacks.
Impactos no trabalho e o avanço da “Shadow IA”
O estudo indica que não houve onda de demissões, mas sim a não reposição de vagas em operações e atendimento. À medida que tarefas rotineiras migram para automação, as equipes passam a focar em exceções, supervisão e melhoria de processos. Em paralelo, cresce a “Shadow IA” — funcionários usando ferramentas como ChatGPT sem aprovação formal — evidenciando que a barreira não é o interesse dos times, e sim a falta de diretrizes claras e integrações oficiais.
Como aumentar a taxa de sucesso (7 passos práticos)
- Mapeie processos antes do modelo: identifique gargalos, dados e regras.
- Comece por back-office: busque ROI em tarefas repetitivas e de alto volume.
- Integre dados onde o trabalho acontece: ERP, CRM, ITSM, repositórios.
- Defina métricas de negócio e donos: custo, tempo, qualidade, risco.
- Faça pilotos que escalem: critérios de saída claros e roadmap para produção.
- Considere parceiros: acelere integrações, governança e suporte.
- Implemente guardrails: política de dados, revisão humana e auditoria.
Esses passos ajudam a fechar o “vazio de aprendizado” identificado pelo MIT, criando ciclos de melhoria contínua no ponto onde a empresa de fato executa trabalho e gera valor.
Metodologia e fontes
Este artigo se baseia no relatório da iniciativa NANDA (MIT) que compilou entrevistas com 150 executivos, pesquisa com 350 funcionários e análise de 300 implantações públicas de IA generativa. As conclusões numéricas incluem: 95% de fracasso em gerar impacto relevante, 5% de aceleração de receita, concentração de orçamento >50% em vendas/marketing, ROI maior em áreas administrativas e taxa de sucesso próxima a 67% quando há parceria com fornecedores. Com informações adicionais da Fortune.
O que explica os 95% de fracasso?
Integração fraca com processos e dados críticos.Ferramentas não aderem a fluxos reais, faltam conectores e governança. Sem medir custo/tempo/qualidade, pilotos não escalam e morrem na praia.Baseado no relatório do MIT NANDA (amostra de 150+350+300 casos).
Onde a IA generativa gera mais ROI?
Administração e suporte internos concentram ganhos.Automação de back-office, compliance operacional, registros e reconciliações entregam valor rápido quando integrados a ERPs/CRMs e fluxos existentes.Dado destacado pelo relatório do MIT e casos analisados.
Desenvolver internamente ou contratar parceiro?
Parcerias têm ~67% de sucesso médio, diz o MIT.Fornecedores trazem playbooks, conectores e métricas de valor; projetos 100% internos performam bem em cerca de 1/3 dos casos e exigem mais maturidade.Números citados no relatório NANDA do MIT.
ChatGPT resolve sozinho no ambiente corporativo?
Não, sem integração a sistemas e políticas.Útil para indivíduos, mas em empresas precisa de dados, contexto, guardrails e conexões com sistemas legados para sair do piloto e afetar o core do negócio.Conclusão alinhada às evidências do MIT NANDA.
Haverá cortes em massa por causa da IA?
O estudo indica reposição menor, não demissão em massa.Funções operacionais deixam de ser repostas; equipes migram para exceções, supervisão e melhoria contínua; cresce a Shadow IA sem diretrizes formais.Resumo dos achados qualitativos do relatório.
Projetos de IA generativa falham: Considerações finais
O retrato do MIT é um alerta: a corrida pela IA generativa não é sobre modelos, e sim sobre operações. Enquanto o foco permanecer em campanhas e demonstrações, os números seguirão tímidos. A virada acontece quando a IA entra no coração do trabalho — dados confiáveis, integrações sólidas, métricas de negócio e patrocínio de gestores de linha. Com método e governança, os 95% deixam de ser estatística inevitável e viram oportunidade de vantagem competitiva para IA generativa nas empresas
