Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHabr AI→ original

95% dos pilotos de IA não dão lucro: a Europa trava na aprovação, a Rússia, na implantação

O MIT analisou mais de 300 implantações corporativas de IA: em 95% dos casos, o piloto não trouxe aumento ao lucro líquido (a linha de lucros e perdas, ou P&L, do balanço). Na Europa, os projetos travam logo na largada, porque os juristas passam meses avaliando a conformidade com o EU AI Act. Na Rússia, os gastos com IA cresceram 95% em um ano, mas os protótipos não chegam à operação real. A conclusão: primeiro reformule o processo; caso contrário, o dossiê de um tomador de crédito montado pela IA em um segundo continua esperando três dias por uma verificação manual.

Processado por IA de Habr AI; editado por Hamidun News
95% dos pilotos de IA não dão lucro: a Europa trava na aprovação, a Rússia, na implantação
Fonte: Habr AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHabr AI ↗
Editor-chefe
Dado-chave #1IA própria, desenvolvida do zero, chega ao resultado em 33% dos casos; a comprada de um fornecedor, em 67%
Europafalta de engenheiros em 71% das empresas, incerteza sobre o EU AI Act em 52,5%
Rússiade 12 agentes de IA públicos, zero soluções autônomas prontas

As empresas investiram dezenas de bilhões de dólares em IA, mas o dinheiro quase não aparece nos resultados finais. Pesquisadores do MIT analisaram mais de trezentas implantações corporativas e concluíram que 95% dos pilotos não geram efeito mensurável no lucro líquido, ou seja, na linha de P&L (demonstração de resultados). Ao mesmo tempo, outras pesquisas relatam com entusiasmo que 64% dos gerentes de produto veem crescimento nas métricas de produto graças à IA.

Não há contradição: essas pesquisas misturam três coisas distintas. Um funcionário que escreve e-mails mais rápido com a ajuda de um LLM, uma demo bonita em um ambiente de testes isolado e o dinheiro que de fato chegou ao P&L. Um exemplo: a rede neural monta em um segundo o dossiê de um tomador de crédito, mas o arquivo passa três dias na fila de verificação manual em um sistema de cadastro antigo.

O trabalho ficou mais rápido, o lucro não mudou. O autor da análise publicada no Habr comparou as estatísticas da Europa e da Rússia: os dois lados chegam à IA por extremos opostos e esbarram no mesmo muro. Se você vai lançar um piloto de IA, esta análise ajuda a identificar onde ele provavelmente vai travar.

Primeiro, alinhar as amostras

Segundo o Eurostat, 20% das empresas europeias com dez ou mais funcionários usam IA: de 5,2% na Romênia a 42% na Dinamarca. Comparar esse número com pesquisas sobre grandes empresas russas não faz sentido, por isso tomamos as companhias com 250 funcionários ou mais. Nesse grupo, a taxa de adoção é de 55%. Há uma ressalva: o Eurostat conta qualquer IA, inclusive scoring clássico e reconhecimento de texto. Na Rússia, de acordo com a Yakov e Partners e o Yandex, 71% das grandes empresas usam IA generativa e, somando os modelos clássicos, a taxa chega a 88%.

A Europa trava na entrada, a Rússia, na saída

O que segura as empresas europeias não é dinheiro. Os principais fatores de bloqueio segundo o Eurostat são a falta de competências em engenharia e produto (71% das empresas), a incerteza jurídica em torno do EU AI Act (52,5%) e as rígidas restrições de privacidade de dados (48,8%). O piloto passa meses circulando entre jurídico e compliance, enquanto o modelo ainda não viu uma única requisição real.

Na Rússia, é o contrário. Segundo um estudo da FinExpertiza com dados do Rosstat, os gastos de empresas e do setor público com IA cresceram 95% em um ano, quase o dobro, chegando a 176,1 bilhões de rublos. Quase 80% do dinheiro foi para software e desenvolvimento, 92% dos orçamentos ficaram em Moscou (em grande parte porque ali estão registradas as sedes das corporações federais), e 84% dos gastos vêm de um único setor: finanças e seguros.

Já 78% dos executivos falam em "efeito econômico visível". Mas marcar uma opção em um questionário é diferente de aumentar o lucro operacional. Uma auditoria de mercado da Yakov e Partners encontrou, entre doze agentes de IA públicos russos, zero soluções autônomas prontas: só construtores e assistentes de escopo restrito.

Por isso, grandes bancos e corporações são obrigados a montar seus agentes internamente, do zero.

Por que o resultado é o mesmo

As causas aparecem no estudo MIT Project NANDA (The GenAI Divide), feito com uma amostra de grandes empresas americanas. Os autores adotaram um horizonte de seis meses após o fim do piloto e identificaram dois padrões:

  • Soluções desenvolvidas internamente chegam a um resultado de produção em 33% dos casos, enquanto a implantação de um produto especializado de um fornecedor externo chega a 67%.
  • Mais da metade dos orçamentos vai para vendas e marketing, embora a economia real venha do chato back office: análise de documentos, compliance, scoring de risco e automação de operações rotineiras.

O autor, que levou iniciativas de IA até o piloto em um banco e acompanhou mais de dez startups, acrescenta um detalhe de engenharia. Em um conjunto de dados de teste limpo, qualquer modelo mostra números bonitos. Em produção, ele precisa passar pela segurança da informação do banco, caber em SLAs rígidos de latência de resposta e ter o custo do erro do tipo II calculado.

Se um modelo antifraude ou de risco barra clientes legítimos com falsos positivos, toda a economia vai embora. Uma equipe interrompeu um piloto de antifraude por voz três semanas após a entrada em tráfego real: a economia e a qualidade de detecção não fechavam. Na avaliação do autor, esse freio de emergência poupa o orçamento de um "projeto zumbi", que consome recursos por anos em nome de um slide bonito.

Previsão e o que fazer

O autor faz uma aposta verificável. Até 31 de dezembro de 2027, a parcela de grandes empresas da Europa e da Rússia que usam IA em produtos e operações vai crescer para 75–85%. A parcela de projetos com impacto positivo comprovado no P&L não passará de 15%, ou seja, crescerá no máximo três vezes em relação aos 5% atuais. Ele estima a probabilidade em 70% e cita a história dos ERPs e das plataformas de nuvem, em que cerca de um em cada cinco projetos teve retorno. A previsão estará errada se auditorias do nível de McKinsey, Gartner ou Yakov e Partners registrarem aumento do lucro operacional em mais de um quarto das empresas.

É importante lembrar as limitações: trata-se de uma coluna de opinião, não de uma pesquisa nova. Os dados vêm de fontes com metodologias diferentes, as pesquisas sobre "efeito" são subjetivas, e os números do MIT se referem a empresas americanas; transpô-los para a Europa e a Rússia continua sendo uma suposição do autor.

A conclusão prática para gerentes de produto e fundadores: conte não o número de pilotos, mas o que sobreviveu ao encontro com o cliente, com a área de segurança e com a linha de P&L. Antes do lançamento, verifique se o processo foi reformulado em torno do modelo. Antes de desenvolver uma solução própria, veja se já existe um produto pronto. Procure o efeito no back office, e não só na vitrine, e defina com antecedência um critério de parada para a terceira ou quarta semana de tráfego real.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre Primeiro, alinhar as amostras?

Segundo o Eurostat, 20% das empresas europeias com dez ou mais funcionários usam IA: de 5,2% na Romênia a 42% na Dinamarca. Comparar esse número com pesquisas sobre grandes empresas russas não faz sentido, por isso tomamos as companhias com 250 funcionários ou mais. Nesse grupo, a taxa de adoção é de 55%. Há uma ressalva: o Eurostat conta qualquer IA, inclusive scoring clássico e reconhecimento de texto.

O que se sabe sobre A Europa trava na entrada, a Rússia, na saída?

O que segura as empresas europeias não é dinheiro. Os principais fatores de bloqueio segundo o Eurostat são a falta de competências em engenharia e produto (71% das empresas), a incerteza jurídica em torno do EU AI Act (52,5%) e as rígidas restrições de privacidade de dados (48,8%). O piloto passa meses circulando entre jurídico e compliance, enquanto o modelo ainda não viu uma única requisição real. Na Rússia, é o contrário.

Por que o resultado é o mesmo?

As causas aparecem no estudo MIT Project NANDA (The GenAI Divide), feito com uma amostra de grandes empresas americanas. Os autores adotaram um horizonte de seis meses após o fim do piloto e identificaram dois padrões: Soluções desenvolvidas internamente chegam a um resultado de produção em 33% dos casos, enquanto a implantação de um produto especializado de um fornecedor externo chega a 67%.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
O que você acha?
Carregando comentários…