O Negócio Frustra-se com a IA Generativa já na Fase de Implementação

A implementação de IA generativa em empresas frequentemente não avança além de projetos-piloto, apesar de investimentos significativos e alto interesse. Especialistas apontam as complexidades de integração, a escassez de competências e a imaturidade das soluções existentes como as principais causas. A aplicação em larga escala é esperada apenas nos próximos anos, à medida que o mercado se desenvolve e a experiência prática se acumula.

A adoção da IA generativa permanece predominantemente na fase de projetos-piloto. De acordo com uma pesquisa, apenas 7-10% das iniciativas lançadas por grandes empresas de tecnologia em 2025 conseguiram avançar para uma operação industrial completa. A vasta maioria — cerca de 90% — ou continua em fase de testes, ou está sendo revista, ou foi completamente encerrada.

Participantes do mercado confirmam essa tendência, observando que ela corresponde à fase atual de desenvolvimento da IA generativa. Muitas iniciativas estão em desenvolvimento ativo e mantêm potencial para futuras expansões.

Entre 30% e 40% dos projetos-piloto foram interrompidos devido à falta do retorno econômico esperado. O principal problema foi a integração insuficiente das soluções nos processos de negócios existentes. Em muitos casos, os modelos implementados não estavam conectados a sistemas corporativos-chave, como CRM, ERP ou sistemas de gestão de documentos (DMS). Além disso, parte dos projetos tinha um caráter mais de imagem, sendo lançados para efeito público e não para benefício prático, o que também reduziu suas chances de implementação bem-sucedida.

Exemplos do estudo demonstram erros comuns. Em um caso, uma empresa tentou treinar um modelo de linguagem chinês por conta própria, sem o envolvimento de especialistas. Os dados utilizados não eram representativos, e o modelo demonstrou baixo domínio do russo. Como resultado, a precisão do assistente de IA no departamento jurídico não ultrapassou 30%, e o projeto foi cancelado. Em outro caso, a implementação falhou devido a limitações tecnológicas: o serviço de suporte da empresa lidava com solicitações que continham anexos como documentos e imagens, mas os modelos disponíveis na época não ofereciam multimodality completa, tornando a execução inviável.

Os investimentos financeiros no desenvolvimento de IA são significativos. Em 2024, empresas russas destinaram mais de 90 bilhões de rublos a essas tecnologias, com um gasto médio por organização de cerca de 6 milhões de rublos. Em 2025, os orçamentos para projetos-piloto geralmente variavam de 5 a 15 milhões de rublos, sem considerar os custos de infraestrutura.

Apesar das dificuldades atuais, o potencial da IA generativa é altamente avaliado. Especialistas preveem que, a longo prazo, ela pode proporcionar um crescimento adicional do PIB russo de até 2,5%. Se em 2024 a contribuição da tecnologia foi estimada entre 0,07% e 0,15% do PIB, em 2025 o impacto pode atingir 0,5-1 trilhão de rublos, e até 2035 — crescer para 2% do PIB, equivalente a dezenas de trilhões de rublos.

Os prazos de implementação também estão sendo significativamente adiados. Metade das empresas postergou o lançamento de soluções industriais de 2025 — início de 2026 para um período posterior — a segunda metade ou final de 2026. As principais razões incluem a complexidade dos projetos, que se mostrou maior do que o esperado, a necessidade de treinamento de funcionários, o desenvolvimento de infraestrutura e a garantia dos requisitos de segurança.

O nível de penetração da IA varia dependendo da metodologia de avaliação escolhida. Por exemplo, em termos de domínio de ferramentas e prontidão geral das empresas, o índice pode atingir 80-90%. No entanto, quando se trata de integração profunda nos processos de negócios, esse nível ainda permanece em 5-10%, o que é explicado por uma série de restrições — desde a falta de competências até barreiras organizacionais e de infraestrutura.

Especialistas concordam que a baixa proporção de projetos de IA implementados é uma fase normal e esperada do desenvolvimento da tecnologia. As principais razões são a dificuldade de integração nos processos de negócios reais, a escassez de competências, infraestrutura e soluções maduras, bem como as crescentes exigências de segurança. No entanto, o potencial da IA generativa permanece alto: à medida que as tecnologias são aprimoradas, a experiência se acumula e ferramentas mais convenientes surgem, a adoção em massa é esperada nos próximos anos.