Em resumo
- Quase todas as empresas brasileiras planejam adotar agentes de IA, mas só 23% conseguiram levar 40% ou mais dos pilotos à produção (Deloitte).
- Os motivos se repetem em todas as pesquisas: dados não prontos, valor sem métrica, piloto fora do fluxo de trabalho, custo que escala e falta de governança.
- Um piloto que vira operação nasce dentro de um processo real, com linha de base, custo por execução e uma decisão marcada para o fim: escalar, ajustar ou parar.
A empresa aprova um piloto de IA, a demonstração impressiona, todo mundo concorda que o potencial é enorme. Seis meses depois, o piloto continua sendo piloto. Essa história é tão comum que já tem número.
No Brasil, 95% das empresas planejam adotar IA agêntica em até dois anos, segundo a edição 2026 do State of AI in the Enterprise, da Deloitte. Mas só 27% dizem ter modelos de governança maduros, e apenas 23% conseguiram levar 40% ou mais dos seus projetos-piloto à produção. Em outras palavras: em três de cada quatro empresas, a maior parte dos pilotos ainda não virou operação.
Fonte: Deloitte, State of AI in the Enterprise, edição 2026. Amostra brasileira de 115 executivos, pesquisados entre agosto e setembro de 2025.
Não é um problema só brasileiro
Outras pesquisas chegam à mesma conclusão por caminhos diferentes. O Gartner previu, em 2024, que 30% dos projetos de IA generativa seriam abandonados depois da prova de conceito até o fim de 2025. Uma pesquisa da S&P Global com mais de mil empresas da América do Norte e da Europa encontrou, em média, 46% das provas de conceito descartadas antes da produção. E a McKinsey, na edição 2026 do State of AI, mostra que 44% das empresas dizem que a IA está escalando na organização. É um avanço, mas significa que a maioria ainda está experimentando.
Os cinco motivos que travam os pilotos
- Dados que não estão prontos. Em pesquisa do Gartner com mais de 1.200 líderes de dados, 63% das organizações disseram não ter, ou não saber se têm, práticas de gestão de dados adequadas para IA. O Gartner prevê que, até 2026, projetos sem dados prontos para IA serão abandonados em 60% dos casos.
- Valor sem métrica. O piloto começa sem linha de base. Quando termina, ninguém consegue dizer quanto tempo, dinheiro ou erro ele poupou, e a diretoria não aprova a escala de algo que não consegue medir.
- Piloto fora do fluxo de trabalho. O estudo do MIT NANDA de 2025 aponta como barreiras principais os fluxos frágeis, a falta de aprendizado com o contexto e o desalinhamento com a operação do dia a dia. A ferramenta funciona na demonstração, mas não conversa com o ERP, o CRM ou a fila de atendimento onde o trabalho acontece.
- Custo que escala mal. O que custava pouco com cem execuções vira uma conta difícil com cem mil. Custo aparece como obstáculo nas pesquisas do Gartner, da S&P Global e da McKinsey.
- Risco sem dono. Sem regras de uso, revisão humana e controle de acesso, o jurídico e a segurança travam a ida à produção. A distância entre os 95% que planejam e os 27% com governança madura é exatamente esse gargalo.
O que os pilotos que dão certo têm em comum
O mesmo estudo do MIT encontrou uma diferença marcante: iniciativas feitas em parceria com fornecedores especializados tiveram sucesso em cerca de dois terços dos casos, contra cerca de um terço das construídas apenas internamente. A amostra é pequena e o próprio relatório pede cautela, mas o padrão faz sentido: quem já levou outros projetos à produção conhece os atalhos e as armadilhas. Não por acaso, entre as empresas brasileiras que usam IA, 60% contrataram fornecedores externos para desenvolver ou adaptar soluções, segundo o Cetic.br.
Na prática, um piloto que vira operação segue cinco regras:
- Um processo real, de alto volume e regra clara. Atendimento, triagem de documentos e qualificação de leads são bons candidatos. Evite começar pelo caso mais complexo da empresa.
- Linha de base antes de começar. Quanto tempo leva hoje, quanto custa, quantos erros acontecem.
- Integrado desde o primeiro dia. O agente trabalha dentro dos sistemas onde o processo já acontece, não numa tela à parte.
- Custo por execução medido. Para saber, antes de escalar, quanto a operação vai custar em volume real.
- Prazo curto e decisão marcada. Em semanas, não em trimestres. No fim, uma de três decisões: escalar, ajustar ou parar. Parar com aprendizado medido também é resultado.
Perguntas rápidas
Quantos pilotos de IA chegam à produção?
A maioria não chega. No Brasil, só 23% das empresas levaram 40% ou mais dos seus pilotos à produção, segundo a Deloitte. Fora do país, a S&P Global encontrou, em média, 46% das provas de conceito descartadas antes disso.
Qual o melhor processo para um primeiro piloto de IA?
Um processo de alto volume, regras claras e baixo risco, como atendimento, triagem de documentos ou qualificação de leads, com o desempenho atual medido antes de começar para comparar depois.
Na prática
Test Drive: agente de IA em produção em 30 dias
Um agente de IA resolvendo um processo real da sua empresa em 30 dias, com resultado medido.
Fontes
- State of AI in the Enterprise, edição 2026. Deloitte Brasil, 2026.
- Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025. Gartner, 29/07/2024.
- Lack of AI-Ready Data Puts AI Projects at Risk. Gartner, 26/02/2025.
- AI project failure rates are on the rise (pesquisa S&P Global Market Intelligence). CIO Dive, 14/03/2025.
- The state of AI. McKinsey, 25/08/2026.
- The GenAI Divide: State of AI in Business 2025 (versão preliminar; amostra pequena, metodologia questionada). MIT NANDA, 2025.
- Uso de inteligência artificial por empresas brasileiras avança e atinge 17%. Cetic.br / NIC.br, 06/2026.
Os dados foram conferidos nas fontes acima na data de publicação. Pesquisas citadas por veículos de imprensa estão indicadas com o nome do veículo.