Em 20 de outubro, a MIT Technology Review (abre em nova aba) publicou um texto que começa com um convite: imagine que sua empresa acabou de descobrir a eletricidade. No começo, poucas máquinas funcionam com ela. O consumo é baixo, o valor é evidente e ninguém se preocupa com desperdício. Quando ela vira infraestrutura e todo processo passa a depender dela, a pergunta muda. Deixa de ser "dá para usar?" e vira "com que eficiência estamos usando?". A tese, assinada por David Sydow, é que a IA corporativa chegou a esse ponto. Deixou de ser experimento isolado, virou fundação, e agora as empresas precisam olhar para a eficiência, não só para o consumo.
Convém ler sabendo quem paga a conta. O artigo é patrocinado, "oferecido pela HPE (abre em nova aba)". Isso não torna a tese errada, apenas interessada. Ela procede, mas os números mostram que a eficiência que falta às empresas é de outra natureza.
Quase todo mundo tem tomada, pouca gente religou a fábrica
Segundo o AI Index 2026 da Universidade Stanford, citado pela Appian (abre em nova aba), 88% das organizações usam IA em pelo menos uma área do negócio. Só entre 3% e 10%, conforme o porte, dizem tê-la "totalmente escalada". Mesmo entre as que faturam mais de US$ 5 bilhões por ano, a fatia é de 10%. A maioria ainda está na fase das poucas máquinas ligadas na parede.
O funcionário conta o resto da história. A pesquisa de 2026 da PwC com trabalhadores britânicos, comentada pela consultoria Tenth Revolution Group, mostra que 19% usam IA todos os dias, contra 15% no ano anterior. Entre os usuários, 70% dizem que a qualidade do trabalho melhorou e 58% acham que entregam mais valor ao empregador. E 44% relatam carga de trabalho maior.
O paradoxo tem explicação prosaica. Quem termina a tarefa mais rápido ganha mais tarefas: o vendedor passa a cuidar de mais contas, a equipe de software recebe uma fila maior, o financeiro é cobrado por relatórios mais frequentes. No exemplo da Tenth Revolution, o analista escreve o relatório mais depressa, mas continua catando dados em sistemas que não conversam entre si, conferindo resultados à mão e esperando várias etapas de aprovação. A tarefa ficou rápida, o processo continuou lento.
Aqui a metáfora elétrica serve para outra coisa. Economizar na conta de luz importa, mas adianta pouco se a linha de produção continua desenhada para o lampião.
Alugar ou comprar
Quando a conversa chega ao dinheiro, a escolha lembra a de alugar ou comprar carro. A Cohere (abre em nova aba), que vende modelos de IA para empresas, explica que pagar por uso compensa para quem tem volume baixo ou demanda imprevisível, porque só se paga o que se gasta. A capacidade dedicada, hospedada por um fornecedor ou mantida pela própria empresa, sai mais barata por unidade quando o uso é alto e constante. O risco é ficar ociosa se a demanda cair ou oscilar. A Cohere lembra ainda que o custo não é o único critério: tempo de resposta, local onde os dados ficam guardados e exigências de segurança também pesam.
Há ainda a economia mais simples de todas, que é não usar IA. A Appian recomenda que o trabalho previsível continue com regras convencionais. Um modelo de IA não deveria calcular uma tarifa fixa nem aplicar um critério simples de elegibilidade quando a automação tradicional faz isso de forma consistente e barata. Seria contratar um ourives para pregar botão.
Quando a hora cobrada encolhe
A mudança mais funda atinge quem vende horas. James Davidson, presidente da consultoria Neocol (abre em nova aba), resumiu o momento em conversa reproduzida pelo theCUBE Research: "Tradicionalmente, fomos uma consultoria baseada em mão de obra, cobrando por tempo e material. Mas os clientes querem mais rápido, mais ágil, mais barato." Para o analista Scott Hebner, que reuniu essas conversas, os serviços profissionais estão migrando de um modelo apoiado em mão de obra e horas faturáveis para outro apoiado em inteligência, julgamento e resultados previsíveis. Se a máquina encurta a hora, cobrar por hora vira mau negócio para quem fatura.
Carlos Gutierrez, vice-presidente de operações com clientes da Hyland, espera que agentes de IA se espalhem pelo setor para resolver problemas "mais rápido, com mais eficiência e, no fim, com custo menor". Cada um desses adjetivos é uma linha de planilha, e alguém do outro lado vai querer o desconto.
A lição de quem fecha as portas
Em 31 de outubro, daqui a dez dias, o Centro de Pesquisa em Sistemas de Informação do MIT (CISR), fundado em 1974, encerra as atividades. Em seu último relatório (abre em nova aba), Peter Weill e Stephanie Woerner resumem 52 anos de estudo sobre como as empresas de ponta extraem valor da tecnologia. A conclusão é que as tecnologias mudam e as práticas de gestão permanecem: adaptar o modelo de negócio, repensar a operação, construir capacidade com dados, deixar claro quem decide, investir em aprendizado e recomeçar.
É a parte que nenhum fornecedor consegue entregar pronta. A nova economia da IA corporativa depende menos do preço do quilowatt e mais da disposição de mexer na fiação.