No novo episódio do VibbraCast, Leandro Oliveira conversou com Joás Andrade sobre um dos temas mais sensíveis da agenda executiva atual: afinal, como justificar investimento em IA quando o retorno nem sempre aparece de forma imediata, linear ou fácil de medir?
A pergunta é mais urgente do que parece. A IA deixou de ser assunto de laboratório e passou a ocupar a mesa de diretoria. Globalmente, mais de três quartos das organizações já usam IA em ao menos uma função de negócio, enquanto a expectativa de investimento corporativo continua subindo. Ao mesmo tempo, a captura de valor ainda é assimétrica: a McKinsey mostra que mais de 80% das empresas ainda não enxergam impacto tangível no EBIT em nível corporativo, e a BCG aponta que o ROI mediano em finanças está em 10%, abaixo do que muitos executivos esperam.
No Brasil, o retrato é ainda mais didático. Metade das empresas já usa IA nas rotinas diárias, mas só 7% calculam ROI. Além disso, 71% se consideram em estágio inicial de adoção, e apenas 10% dizem usar IA de forma extremamente estratégica. O que esse contraste mostra? Que a discussão já chegou ao board, mas a régua de decisão ainda não acompanhou a mudança.
“A grande dificuldade de justificar investimento não está na ausência de valor, mas na forma como ainda tentamos medir esse valor com modelos tradicionais”, aponta Joás Andrade no episódio.
Confira a conversa completa entre Leandro Oliveira com Joás Andrade, CEO da Inovatec, sobre um dos maiores desafios das empresas hoje: como medir, justificar e aprovar investimentos em inteligência artificial.
Por que a IA entrou de vez na agenda do board?
A IA ganhou prioridade executiva por dois motivos que se reforçam mutuamente: pressão competitiva e busca por eficiência operacional. De um lado, nenhuma empresa quer ser surpreendida por concorrentes que entregam mais rápido, operam com mais inteligência e aprendem em ciclos menores. Do outro, líderes são cobrados por produtividade, margem, resiliência e velocidade de decisão. Não por acaso, a BCG constatou que 70% dos CEOs já se veem como os principais decisores sobre IA, e que o investimento corporativo na tecnologia deve subir para cerca de 1,7% da receita em 2026.
Só que essa entrada no board vem acompanhada de uma tensão clássica: o negócio quer resultado, mas a empresa ainda não sabe exatamente como medir o valor da IA. A Deloitte mostra que a maioria das organizações segue em ritmo cauteloso, com poucos experimentos realmente escalados e um reconhecimento crescente de que será necessário mais de um ano para resolver gargalos de ROI, governança, dados e adoção.
Onde os projetos de IA costumam travar?
Na prática, projetos de IA raramente travam porque “a tecnologia não funciona”. Eles travam porque há um desalinhamento entre expectativa executiva e modelo de mensuração. Esse é um ponto central da conversa do VibbraCast e aparece com força também nas pesquisas. A McKinsey encontrou que o maior diferencial de impacto no EBIT não é o piloto em si, mas o redesenho de workflows, a presença de governança e o acompanhamento por KPIs bem definidos. Ainda assim, menos de um terço das empresas segue a maior parte das boas práticas de adoção e escala, e menos de um em cada cinco respondentes diz que sua organização acompanha KPIs bem definidos para GenAI.
A mesma lógica aparece na pesquisa da TOTVS: embora a IA já esteja presente em metade das empresas brasileiras, o uso ainda está muito concentrado em tarefas de apoio, com pouca conexão com o core business e baixa maturidade de mensuração. Apenas 17% usam soluções personalizadas de IA ligadas diretamente ao negócio, e 24% dos usuários de IA dizem não ter nenhuma métrica definida para acompanhar resultados.
Em outras palavras: muita empresa ainda espera medir IA com a mesma lógica de projetos tradicionais de TI. O resultado é previsível. Se o board espera economia imediata e linear de caixa, qualquer iniciativa cuja captura de valor dependa de melhoria de decisão, redução de risco, aceleração de workflow, aumento de resiliência ou ganho progressivo de produtividade tende a parecer “insuficiente” no primeiro olhar.
O novo ROI da inteligência artificial
Se a régua antiga não serve mais, o que entra no lugar? A resposta mais consistente não é abandonar ROI, e sim atualizar o conceito de retorno.
A MIT Sloan vem defendendo que o valor da IA emerge no nível do workflow, não apenas no nível da tarefa isolada. Isso muda tudo. Em vez de perguntar apenas se a IA faz uma atividade específica mais rápido ou mais barato, a empresa precisa perguntar se ela melhora o fluxo inteiro de trabalho, reduz atrito entre etapas, diminui handoffs desnecessários e reorganiza o trabalho entre pessoas e sistemas. A própria MIT Sloan observa que ganhos significativos tendem a aparecer só depois que a organização adapta seus workflows e desenvolve capacidade para operar esse novo desenho.
A BCG chega a conclusão parecida no contexto da área financeira: equipes com melhor ROI focam em valor desde o início, conectam IA à transformação mais ampla da função, trabalham em colaboração com TI e escalam em sequência. Ou seja, o problema não é “fazer um piloto”; é tratar o piloto como fim em si mesmo, e não como etapa de uma mudança maior. Além disso, os casos com maior retorno não se limitam a eficiência transacional; eles aparecem com força em gestão de risco, forecasting e decisões que afetam diretamente a qualidade da operação e da receita futura.
Isso ajuda a sair da lógica simplista do “mais um é dois”. O ROI da inteligência artificial precisa considerar, ao mesmo tempo, redução de custo, aceleração de receita, mitigação de risco, ganho de capacidade analítica, melhoria de experiência e fortalecimento competitivo. A empresa pode até começar por quick wins. Mas, se medir tudo apenas pela redução imediata de headcount ou por payback curtíssimo, corre o risco de matar projetos que criariam vantagem competitiva real alguns meses depois.
O que faz um projeto ser aprovado pelo board?
Pela conversa do episódio e pelo que os estudos mostram, projetos de IA avançam quando deixam de ser apresentados como “iniciativas de tecnologia” e passam a ser defendidos como teses de negócio com governança, métricas e plano de adoção.
A McKinsey mostra que supervisão executiva, governança clara, treinamento por papel e roadmap de adoção estão associados a maior impacto financeiro. A BCG reforça que o board e o C-level precisam alinhar expectativa e ritmo, porque a impaciência do topo pode comprometer a transformação. Em 2026, 60% dos CEOs disseram que seus boards estão impacientes demais com o tempo da IA, e 35% afirmaram que os conselhos superestimam o que a IA consegue substituir.
Isso traz uma lição prática: o projeto com mais chance de aprovação não é necessariamente o que promete o maior número na planilha. É o que chega com melhor narrativa executiva, melhor conexão com a estratégia, indicadores plausíveis, clareza de risco, plano de change management e confiança de execução. Em IA, aprovação depende cada vez menos de hype e cada vez mais de desenho operacional.
CAPEX ou OPEX não é a pergunta mais importante
Um dos pontos mais interessantes do episódio é o questionamento sobre onde o investimento em IA “deve cair” na planilha. CAPEX? OPEX? A provocação do Joás é acertada: antes de decidir a linha contábil, a empresa precisa decidir qual é a lógica de portfólio com que vai tratar IA.
Isso porque a tecnologia exige investimento em frentes diferentes ao mesmo tempo: dados, governança, treinamento, integração, workflow, adoção e capacidade operacional. A BCG recomenda uma abordagem conectada, em que casos de uso não sejam dezenas de pilotos soltos, mas parte de uma transformação mais ampla. A McKinsey, por sua vez, mostra que organizações que capturam valor avançam mais quando têm times dedicados, roadmaps, revisão contínua de performance e KPIs definidos.
Na prática, o que o board precisa aprovar não é apenas um item de tecnologia. É um portfólio de transformação, com apostas de curto, médio e longo prazo. Algumas entregas vão aparecer rápido, especialmente em produtividade e suporte operacional. Outras vão amadurecer depois, em receita, resiliência, risco e diferenciação. O erro está em exigir que todas elas provem valor completo dentro do mesmo calendário do orçamento anual.
O que isso significa para software e times de tecnologia?
Esse debate é ainda mais relevante quando falamos de desenvolvimento de software. A McKinsey identifica software engineering entre as funções em que organizações vêm reportando benefícios de receita e redução de custo com GenAI, junto de áreas como marketing, operações de serviço e desenvolvimento de produto. Mas o mesmo estudo também deixa claro que esses ganhos se tornam mais consistentes quando a empresa reorganiza o trabalho e não apenas adiciona uma ferramenta à rotina.
É exatamente aqui que a conversa da Vibbra ganha ainda mais força. Quando a empresa trata IA como camada estrutural do fluxo de desenvolvimento (e não como “copiloto solto”) ela aumenta a chance de transformar prazo, throughput, qualidade e capacidade de entrega. Em vez de automatizar pedaços isolados, começa a repensar o processo inteiro. E esse é o tipo de movimento que sai da esfera do experimento e entra na esfera da vantagem competitiva.
Conclusão
A pergunta que líderes deveriam fazer não é mais “vale a pena investir em IA?”. Em 2026, essa já deixou de ser a discussão principal. A pergunta certa é: como medir, priorizar e governar esse investimento para capturar valor real?
As evidências mostram que a maior barreira não está na falta de potencial, mas na dificuldade de conectar IA a processo, adoção, governança e indicadores de negócio. No Brasil, poucas empresas ainda medem ROI com consistência. No mundo, a maioria já usa IA, mas poucas conseguem traduzir isso em impacto robusto de EBIT. As que estão avançando fazem algumas coisas em comum: escolhem melhor os casos de uso, redesenham workflows, constroem confiança, organizam a governança e medem valor com mais inteligência.
Se a sua empresa ainda discute IA com a mesma régua de projetos tradicionais, talvez o problema não esteja no potencial da tecnologia, mas na forma como o investimento está sendo avaliado. E é justamente aí que começa a diferença entre apenas experimentar IA e, de fato, transformá-la em alavanca de negócio.
Se o seu desafio hoje é sair do piloto e construir uma operação de software realmente orientada por IA, a Vibbra pode ajudar sua empresa a redesenhar fluxos, estruturar governança e acelerar entregas com um modelo de squads cognitivos que combina pessoas e agentes de IA em um novo sistema de trabalho.
