Produtividade com inteligência artificial: o dilema das empresas

A adoção corporativa de inteligência artificial enfrenta um desafio claro entre a eficiência relatada por funcionários e o retorno financeiro real para as organizações. Levantamento recente detalha esse cenário corporativo atual. No estudo The State of AI 2026, publicado em agosto pela McKinsey, 80% dos 1.719 participantes de 97 países afirmam que a tecnologia melhorou sua produtividade individual, mas apenas 37% relatam impacto positivo no resultado operacional de suas empresas. A distância entre esses números resume o desafio de transformar ganhos individuais em resultados para o negócio.

O desafio do custo por tarefa na tecnologia

Um projeto pessoal ilustra o problema. Todos os dias, um sistema que desenvolvi reúne dados de saúde dos meus aparelhos e me envia um resumo pelo WhatsApp. Em junho, o custo foi de US$ 19, com boa parte concentrado na construção e nos testes, enquanto a rotina em operação custava centavos. O motivo foi simples: por descuido, uma tarefa pequena rodou durante semanas no modelo mais caro disponível.

Na IA, cada tarefa tem um custo que varia conforme sua complexidade e o modelo utilizado. Nem toda atividade exige a capacidade dos modelos mais potentes. Em uma empresa, manter essa configuração para tudo pode multiplicar gastos em dezenas de rotinas. Por isso, controlar o consumo é importante, mas não basta: é preciso saber o que cada aplicação entrega em troca.

Crescimento de consumo e a necessidade de controle financeiro

Na Ânima Educação, superamos 10 bilhões de tokens consumidos em 2025, dez vezes o volume de 2024. Em 2026, a projeção é ultrapassar em mais de 20 vezes o consumo do ano passado. O crescimento demonstra a velocidade da adoção, mas não comprova retorno. Volume de uso, produtividade e impacto financeiro são indicadores diferentes.

Essa distinção exige uma nova abordagem para os orçamentos de tecnologia. Se licenças e contratos oferecem custos relativamente previsíveis, o consumo de IA varia conforme a utilização e pode crescer à medida que as soluções ganham escala. A gestão precisa incluir limites, alertas e visibilidade dos gastos. Em alguns casos, uma solução interna pode substituir um software contratado por seis dígitos ao ano. A decisão, porém, deve considerar o custo total, a qualidade e o resultado. A premissa é direta: token sem resultado é custo.

Como transformar o investimento em IA em resultados para o negócio

O retorno também depende de como as empresas redesenham seus processos. Automatizar uma etapa pode acelerar uma tarefa sem resolver o problema de origem. Na Ânima, cada iniciativa parte de uma linha de base e de indicadores alinhados ao objetivo. No atendimento ao estudante, acompanhamos o tempo de resposta e a resolução de demandas. No apoio aos docentes, avaliamos o tempo que as tarefas operacionais podem liberar para atividades que exigem julgamento. Nas aplicações pedagógicas, buscamos evidências de aprendizagem.

Os resultados operacionais já demonstram o potencial dessa abordagem. Na cobrança, modelos preditivos de inadimplência e comunicação direta com estudantes permitiram recuperar internamente o mesmo volume que antes era entregue por escritórios terceirizados, remunerados com 2% do valor recuperado. Os contratos foram encerrados, eliminando uma despesa de alguns milhões de reais por ano.

No atendimento, a substituição de menus por uma interface conversacional elevou de 30% para 45% a parcela de demandas resolvidas sem atendente humano em uma das marcas do grupo. A meta é chegar perto de 90% com a expansão da solução. Já a IA.RA, família de funcionalidades apoiadas em bases institucionais de conhecimento, é utilizada por mais de 80% dos professores, e mais de 25 mil objetos de aprendizagem foram produzidos com seu apoio. Esses números mostram escala de adoção e execução; o impacto sobre a aprendizagem exige avaliação própria.

O programa está organizado em frentes que cobrem a jornada do estudante, da matrícula à formação, cada uma com patrocinador no comitê executivo e metas de impacto financeiro para os próximos três anos. Esse compromisso da liderança é essencial para integrar a IA às decisões sobre processos, investimentos e prioridades.

Para os executivos, a recomendação é aproveitar os próximos 30 dias para escolher um processo relevante, medir seu desempenho atual e testar como a IA pode melhorá-lo. Em paralelo, vale patrocinar uma hipótese de novo negócio com responsável e indicadores claros. Empresas que medem resultados, redesenham processos e realocam recursos conforme o impacto conseguem transformar o investimento em valor. As demais correm o risco de confundir aumento de uso com progresso. O desafio não é apenas gastar melhor com tecnologia, mas transformar a capacidade da IA em resultado concreto para o negócio.