As receitas da IA existem mesmo? A resposta do lado da procura à pergunta da bolha (2026)
By Surya Pratap
3 de agosto de 2026
12 min read
Startup Strategy
3 de agosto de 2026
12 min read
Todas as versões sérias do argumento da bolha da IA acabam por se reduzir a uma pergunta por resolver. O capex é enorme, o financiamento é circular, a amortização está a chegar — e tudo isso é suportável se a curva de receitas se acentuar a tempo. Acentua-se? Essa pergunta não pode ser respondida do lado da oferta, porque as empresas que constroem a infraestrutura são as últimas que lhe podem dizer se os clientes estão a obter valor. Tem de ser respondida do lado da procura: as empresas estão mesmo a pagar, e estão a receber alguma coisa em troca?
Os dados sobre isto são melhores do que o debate sugere, e dizem algo mais interessante do que «é tudo hype» ou «a adoção está a explodir». As empresas estão a comprometer dinheiro em grande escala e tencionam continuar. Esse dinheiro fica depois preso num ponto específico, identificável e bem documentado do funil. Se vende IA a empresas, esse ponto de bloqueio é ao mesmo tempo o maior risco para toda a tese e a descrição mais clara que existe do seu mercado.
Comecemos pelo número global. A despesa empresarial mundial em IA está projetada em cerca de 407 mil milhões de dólares em 2026, mais 34,8% do que os 302 mil milhões de 2025. As grandes empresas planeiam gastar cerca de 1,7% das receitas em IA este ano, face a 0,8% em 2025 — a duplicação da parte do negócio dedicada a isso. Em muitas empresas, espera-se que a IA consuma 25–50% do orçamento total de TI dentro de dois anos. Os serviços financeiros e a tecnologia lideram a adoção; a educação vem atrás.
O número mais importante para a pergunta da bolha, no entanto, é este: 94% das organizações dizem estar comprometidas com continuar a investir em IA mesmo sem retornos imediatos. É uma declaração de convicção e não de resultados, e corta nos dois sentidos. Os otimistas leem-na como procura duradoura que não se evapora num mau trimestre. Os pessimistas leem-na como exatamente a despesa movida por crença que define uma bolha, e notam que «comprometidos independentemente do retorno» não é uma frase que sobreviva intacta a uma recessão. As duas leituras são justas. O que fica estabelecido é que a procura a curto prazo não depende sobretudo do ROI, o que importa imenso se estiver a fazer previsões para os próximos dezoito meses.
É para aqui que vai o dinheiro. Um inquérito de março de 2026 a 650 líderes de tecnologia de empresas concluiu que 78% das empresas têm pilotos de agentes de IA em curso, e só 14% chegaram à produção à escala. Essa distância de 64 pontos é onde a maioria dos orçamentos de IA desaparece em silêncio — não em tecnologia que falha, mas em iniciativas que funcionam numa demo e nunca passam a fazer parte da forma como o negócio funciona.
Outras medições chegam ao mesmo território por caminhos diferentes. A IDC verificou que 88% dos pilotos de IA não chegam a produção. A análise da RAND concluiu que 80,3% dos projetos de IA não entregam o valor de negócio pretendido, com uma decomposição útil: 33,8% abandonados antes da produção, 28,4% concluídos mas abaixo do esperado, e 18,1% com algum valor que não justifica o custo. Esta última categoria é a mais demolidora, em silêncio, porque esses projetos funcionaram.
Sobre a estatística «95% dos pilotos de IA falham»
Vai vê-la em todo o lado; vem do relatório GenAI Divide do MIT, baseado em 52 entrevistas a executivos, inquéritos a 153 líderes e na análise de 300 implementações públicas. Também tem sido muito criticada pela forma como define o fracasso — «nenhum impacto mensurável na conta de resultados» é uma fasquia exigente que muitas ferramentas internas legitimamente úteis não passariam. Trate os 95% como indicativos, não como precisos. A divisão 78/14 na produção à escala é o número mais sólido, e conta a mesma história com menos dramatismo.
Os dados de retorno resolvem a aparente contradição entre «a maioria dos pilotos falha» e «toda a gente está a gastar mais». Primeiro as médias: a IDC e a Microsoft situam o retorno em cerca de 3,70 dólares por cada dólar gasto em IA generativa, com um tempo mediano de cerca de 14 meses até ao ROI positivo. É um bom retorno num relógio lento — mais lento do que a maioria dos ciclos de planeamento trimestrais, o que por si só explica grande parte dos programas cancelados.
Mas a média esconde a conclusão que importa. As empresas com programas de IA maduros reportam cerca de 4,60 dólares por cada dólar. As que ainda estão na fase de piloto reportam 1,20. A mesma tecnologia, os mesmos fornecedores, quase quatro vezes o retorno — a variável não é o modelo, é até onde a organização chegou na implementação. Vistos assim, os números dececionantes das manchetes fazem sentido: só cerca de 25% das iniciativas deram o ROI que os executivos esperavam, só 39% das organizações reportam impacto mensurável no EBIT, e embora mais de 70% reportem um ROI «positivo», menos de 1% reporta retornos acima de 20%, com a maioria entre 1% e 5%, muitas vezes medidos em produtividade e não em dinheiro.
Por outras palavras: o valor é real e está concentrado na minoria que chegou ao fim. A maior parte da despesa está na parte da curva em que o retorno mal ultrapassa o ponto de equilíbrio, porque a maior parte da despesa não atravessou a distância.
Cinco causas explicam cerca de 89% dos fracassos ao escalar: a complexidade de integração com sistemas antigos, a qualidade irregular da saída em volume, a falta de ferramentas de monitorização, a responsabilidade organizacional pouco clara e dados de treino do domínio insuficientes. Releia a lista e repare que só uma e meia têm a ver de facto com IA. O resto é integração, operações e desenho organizacional — as mesmas razões por que os projetos de software empresarial falham há trinta anos.
Os investigadores do MIT chegaram à mesma conclusão por outro caminho. Os executivos tendem a culpar a regulação ou o desempenho do modelo; a investigação apontou antes para uma «lacuna de aprendizagem» na forma como as organizações absorvem as ferramentas, e para uma integração empresarial deficiente. Os 5% de implementações que criaram valor significativo partilhavam três traços: iniciativas muito delimitadas, foco num domínio específico e parcerias inteligentes. Nada sobre a escolha do modelo.
Há também um problema com a forma do custo que vale a pena assinalar, porque mata projetos que de resto funcionam. A Uber terá esgotado todo o seu orçamento de IA para 2026 em abril — uma ilustração da armadilha dos tokens nos preços por consumo, em que o sucesso aumenta a utilização, a utilização aumenta o custo, e uma equipa financeira que orçamentou para o ano descobre a meio do ano que a rubrica quadruplicou. Um piloto que escala até se tornar um custo não orçamentado é um piloto cancelado por alguém que nunca duvidou que funcionasse.
Há uma conclusão que merece ser tirada da pilha. Os pilotos que combinaram especialistas internos em IA com experiência externa atingiram uma taxa de sucesso de 67%. As equipas internas de TI a construir sozinhas atingiram 22%. Uma diferença de três vezes, pela composição da equipa e não pela tecnologia.
Se vende implementação de IA, esse número é todo o seu argumento de venda e provavelmente devia começar por ele. Mas é útil de forma mais ampla. Diz que a restrição decisiva da IA empresarial é um tipo específico de experiência que se pode comprar — pessoas que já atravessaram a distância entre piloto e produção e sabem onde ela engole os projetos. Essa capacidade é escassa, não vem incluída numa subscrição de um modelo, e é por isso que os padrões dos «systems of action» e da engenharia destacada no cliente continuam a reaparecer como a forma das empresas que funcionam.
Então, a curva de receitas acentua-se? A resposta honesta é que depende de algo bastante diferente daquilo em que o debate sobre a bolha costuma concentrar-se. Não depende de o próximo modelo ser melhor — a capacidade não é a restrição, e há algum tempo que não é. Depende de um grande número de empresas passar dos 14% em produção à escala para algo substancialmente mais alto, o que é uma questão de execução sobre integração, responsabilidade, monitorização e disciplina de custos, e não uma questão de investigação.
Isso está genuinamente por resolver, e é razoável ter dúvidas a esse respeito. Mas vale a pena notar que é um tipo de problema solúvel, que as organizações que o resolveram estão a obter 4,60 dólares por cada dólar, e que a distância entre esses dois estados é um mercado. Se a aposta na IA vier a ser justificada, sê-lo-á por trabalho de implementação pouco glamoroso e não por um lançamento de modelo — o que é uma descrição bastante boa do que fazem de facto as empresas que vale a pena construir agora.
IdeaToMVP Academy
4-week live cohort for founders. Learn to ship AI agents, scope MVPs, and automate your business — taught by the same team that writes these guides.