TabuleiroA IA já melhorou seu resultado? Só 37% dizem que sim
Quase 90% dos entrevistados dizem que a empresa usa IA, poucos veem efeito no resultado. Para a McKinsey, o erro é começar pela ferramenta, sem meta clara.
Redação Brutalit · 5 min de leitura
Neste artigo
Usar inteligência artificial virou rotina nas empresas pesquisadas, mas apontar onde ela apareceu no resultado continua raro. Num artigo publicado em 9 de novembro de 2026, a prática de Estratégia e Finanças Corporativas da McKinsey cita a mesma pesquisa, em que só 37% dos entrevistados atribuem à IA algum impacto no Ebit, o resultado operacional, praticamente o mesmo índice do ano anterior. A explicação dos autores é menos tecnológica do que parece. Os projetos começam pela ferramenta e só depois procuram um número para justificar.
O que aconteceu
Cristina Catania, Davide Grande, Holger Harreis e Sébastien Lacroix, com Andrea Tricoli e Pierfrancesco Nemola, escrevem para diretores financeiros, mas o argumento vale para qualquer pessoa que aprova orçamento. O ponto de partida é um descompasso. Na pesquisa The State of AI 2026 da consultoria, com 1.719 entrevistados de 97 países ouvidos entre maio e junho de 2026, 89% dizem que suas organizações usam IA com regularidade em pelo menos uma área. O retorno não acompanhou o ritmo: a fatia de quem vê algum impacto no Ebit ficou praticamente parada de 2025 para 2026.
O texto propõe três frentes. A primeira é fixar metas ambiciosas e quantificadas, ligadas a um resultado do negócio, sem esperar dados perfeitos. A segunda é refazer processos inteiros em vez de espalhar testes isolados. A terceira é investir na mudança de rotina das equipes, com o diretor financeiro atuando como patrocinador e guardião do valor. Os exemplos descrevem metas ainda em curso. Uma instituição financeira quer reduzir o ciclo de orçamento de mais de 120 dias para menos de 60, e uma empresa de energia, que recuperava cerca de 10% do que perdia em divergências entre contrato e fatura, mira o total, mais de 20 milhões de euros.
Por que importa
O detalhe mais útil do artigo está na ordem das perguntas. Segundo os autores, muitas empresas começam decidindo que ferramenta usar. Nessa ordem, o projeto tende a ser avaliado por adoção, pelo número de pessoas que abriram o sistema. Quando começa com "que número precisa cair ou subir, e até quando?", ele passa a ter dono, prazo e um jeito de ser cancelado se não entregar.
Há também um custo que costuma ficar fora da conta. Os autores lembram que IA consome processamento, cobrado por uso, e horas de gente para revisar o que a máquina produz. Uma assinatura barata por usuário pode esconder um gasto total bem maior, e sem meta ninguém percebe que ele não se paga.
Outro alerta mira a tentação de esperar. Uma empresa citada no artigo suspendeu o uso de IA até concluir a troca do sistema de gestão e acumulou dois anos de atraso. O caso é único, mas o mecanismo é familiar.
O que muda para você
Dono. Trate cada linha de IA no orçamento como investimento, com retorno esperado e prazo de verificação. Pergunte também o que será desligado se a meta não vier. Projeto sem critério de saída tende a virar despesa fixa.
Quem lidera vendas. As ferramentas comerciais de IA chegam prometendo produtividade genérica. Troque a promessa por um indicador seu, como tempo de resposta a proposta ou taxa de conversão de uma etapa do funil, e meça antes e depois.
Quem responde pela operação. A recomendação de refazer o processo de ponta a ponta cai no seu colo. Escolha um fluxo que já tem perda conhecida, como conciliação, cobrança ou conferência de notas, e redesenhe quem decide, quem confere e onde a máquina entra.
O que muda no Brasil
Para a empresa média brasileira, a lição mais aproveitável é a da disciplina de orçamento, que independe de escala. Aqui é comum a IA entrar pela porta da assinatura, com cada área contratando a sua, e raramente passar pelo comitê que aprovaria uma máquina nova. O artigo não traz números do país, mas um descompasso parecido, entre adotar tecnologia e tirar valor dela, aparece em dados locais, como os que mostram empresas brasileiras na nuvem e quase ausentes da análise de dados.
Vale lembrar ainda que, numa empresa de 50 pessoas, o departamento financeiro costuma ter duas ou três pessoas. O papel de "guardião do valor" que a McKinsey atribui ao diretor financeiro fica com o dono ou com o sócio que cuida dos números. Somar esse acompanhamento à agenda já cheia da liderança exige escolha, tema de outra análise sobre o tempo da diretoria como recurso escasso.
A jogada
1. Faça o inventário dos gastos com IA. Liste assinaturas, consumo por uso e projetos em andamento, com o valor mensal e a área responsável. Muita empresa pode descobrir ali gastos que ninguém aprovou formalmente.
2. Exija meta, prazo e processo para cada item. Cada linha precisa responder que número muda, quanto, até quando e qual rotina será refeita. O que não tiver resposta em 30 dias entra na fila para ser cortado.
3. Concentre esforço em uma frente por vez. Os autores recomendam investir num domínio promissor de cada vez. Escolha o processo com a perda mais visível, acompanhe o resultado por um trimestre e só então amplie.
O outro lado
Os números vêm de uma pesquisa da própria McKinsey, que vende consultoria de IA, e medem o que os entrevistados declaram, não o resultado auditado das empresas. Servem como retrato do descompasso e pedem cautela como medida. Os exemplos de empresas são anônimos e, em boa parte, descrevem metas, sem mostrar se foram atingidas.
Pode-se argumentar que exigir retorno rápido limita o aprendizado. Parte do valor da IA pode estar em capacidade futura, difícil de pôr numa planilha hoje, e uma régua financeira rígida demais pode afastar a empresa de testes baratos e úteis. Por fim, o artigo vem de uma consultoria que vende exatamente esse tipo de transformação, o que deixa o raciocínio de pé e pede leitura atenta antes de transformar a receita em projeto.
Using artificial intelligence has become routine at the companies surveyed, but pointing to where it shows up in results is still rare. In an article published on November 9, 2026, McKinsey's Strategy & Corporate Finance Practice cites the same survey, in which only 37% of respondents attribute some EBIT impact to AI, essentially unchanged from the year before. The authors' explanation is less technological than it sounds. Projects start with the tool and only later look for a number to justify them.
What happened
Cristina Catania, Davide Grande, Holger Harreis and Sébastien Lacroix, with Andrea Tricoli and Pierfrancesco Nemola, write for CFOs, but the argument applies to anyone who signs off on a budget. Their starting point is a mismatch. In McKinsey's The State of AI 2026 survey, with 1,719 respondents in 97 countries polled in May and June 2026, 89% say their organizations regularly use AI in at least one function. Returns have not kept pace: the share seeing any EBIT impact barely moved from 2025 to 2026.
The article lays out three fronts. The first is setting ambitious, quantified targets tied to a business outcome, without waiting for perfect data. The second is redesigning entire processes instead of scattering isolated pilots. The third is investing in changing how teams work, with the CFO acting as sponsor and gatekeeper of value. The examples describe targets still in progress. A financial institution wants to cut its budgeting cycle from more than 120 days to fewer than 60, and a utility that recovered about 10% of what it lost to contract-invoice discrepancies is aiming for the full amount, more than €20 million.
Why it matters
The most useful detail in the article is the order of the questions. According to the authors, many companies begin by deciding which tool to use. In that order, the project tends to be judged by adoption, by how many people opened the system. When it starts with "which number needs to go down or up, and by when?", it gets an owner, a deadline and a way to be canceled if it doesn't deliver.
There is also a cost that usually stays off the books. The authors point out that AI consumes computing power, billed by usage, and hours of people reviewing what the machine produces. A cheap per-user subscription can hide a much larger total bill, and without a target no one notices that it isn't paying for itself.
Another warning targets the temptation to wait. One company cited in the article put AI on hold until its management-system replacement was finished and ended up two years behind. It is a single case, but the mechanism is familiar.
What changes for you
Owner. Treat every AI line in the budget as an investment, with an expected return and a date to check it. Also ask what will be switched off if the target isn't met. A project with no exit criterion tends to become a fixed expense.
Sales leader. AI sales tools arrive promising generic productivity. Swap the promise for one of your own metrics, such as proposal response time or conversion at a single stage of the funnel, and measure before and after.
Operations lead. The call to redesign processes end to end lands on your desk. Pick a workflow with a known loss, such as reconciliation, collections or invoice checks, and redesign who decides, who reviews and where the machine comes in.
What changes in Brazil
For a midsize Brazilian company, the most useful lesson is budget discipline, which does not depend on scale. Here it is common for AI to come in through a subscription, with each department signing up for its own, and it rarely goes through the committee that would approve a new machine. The article has no figures for the country, but a similar gap, between adopting technology and getting value from it, shows up in local data, such as the numbers showing Brazilian companies in the cloud and almost absent from data analytics.
Keep in mind, too, that at a 50-person company the finance department is usually two or three people. The "gatekeeper of value" role McKinsey assigns to the CFO ends up with the owner or the partner who handles the numbers. Adding that oversight to leadership's already full calendar takes a choice, the subject of another analysis on leadership time as a scarce resource.
The move
1. Take inventory of AI spending. List subscriptions, usage-based charges and projects underway, with the monthly cost and the department responsible. Many companies may find spending there that no one formally approved.
2. Require a target, a deadline and a process for each item. Every line needs to answer which number changes, by how much, by when and which routine will be redesigned. Anything without an answer in 30 days goes on the list to be cut.
3. Focus on one front at a time. The authors recommend investing in one promising domain at a time. Choose the process with the most visible loss, track the results for a quarter and only then expand.
The other side
The figures come from McKinsey's own survey, and McKinsey sells AI consulting; they measure what respondents report, not audited company results. They work as a snapshot of the mismatch and call for caution as a measurement. The company examples are anonymous and mostly describe targets, without showing whether they were met.
One could argue that demanding a quick return limits learning. Part of AI's value may lie in future capabilities that are hard to put in a spreadsheet today, and an overly rigid financial yardstick can steer a company away from cheap, useful experiments. Finally, the article comes from a consulting firm that sells exactly this kind of transformation, which leaves the reasoning standing and calls for a careful reading before turning the recipe into a project.
O que observar
- O orçamento de 2027: quantas linhas de IA chegam com meta de resultado e prazo, e quantas chegam só com o nome da ferramenta.
- Assinaturas de IA cobradas por usuário ou por uso, que crescem mês a mês sem passar pela mesma aprovação de um investimento.
- Projetos de troca de sistema de gestão que servem de motivo para adiar qualquer uso de IA até a implantação terminar.
Perguntas para levar à reunião
Que número a IA deveria ter mudado aqui até agora?
Se ninguém responde com um valor e uma data, o projeto nasceu sem meta. O artigo recomenda fixar alvos como reduzir um ciclo de orçamento pela metade ou recuperar uma perda conhecida, e acompanhar se o valor aparece de fato.
Estamos esperando dados perfeitos para começar?
A McKinsey relata o caso de uma empresa que suspendeu a IA até terminar a troca do sistema de gestão e acumulou dois anos de atraso. A recomendação é começar com os dados disponíveis e usar a própria IA para orientar a arrumação.
Qual projeto de IA deveríamos encerrar?
O artigo pede revisão periódica de quais aplicações merecem mais investimento e quais devem ser retiradas, considerando também o custo de processamento e o tempo das pessoas que supervisionam o sistema.
Fontes
- How CFOs can make AI pay off · McKinsey & Company
- The State of AI in 2026: On the Road to ROI · McKinsey & Company (agosto de 2026)
Estratégia, posicionamento, dados e tecnologia para quem decide. Escrito pelo time que constrói a máquina.
Leia o movimento antes de ele virar manchete.
A leitura estratégica do que está mudando a disputa entre empresas, com o lance para colocar em prática.
