IA já entrou. O valor ainda não fechou a conta.

A adoção avançou. O valor, nem sempre. O problema já não é usar IA. É transformar uso em consequência econômica confiável.

Essa pergunta importa porque o debate de mercado mudou. A adoção já não é exceção. A McKinsey reporta que 88% das organizações já usam IA regularmente em pelo menos uma função de negócio. Mesmo assim, a própria pesquisa diz que a maior parte ainda não a embutiu profundamente o suficiente em workflows e processos para gerar benefícios materiais no nível enterprise. Na mesma direção, apenas 39% reportam impacto em EBIT nesse nível.

Isso muda o eixo da conversa. O problema já não é “como colocar IA em algum lugar”. O problema é outro: como transformar presença tecnológica em consequência econômica. O próprio Gartner vem insistindo que chegar a valor exige mais disciplina. Em março de 2026, afirmou que, sem bases fortes, a IA tende a permanecer, para a maioria das organizações, um “experimento caro”. Na mesma linha, também sustentou que o debate de ROI em IA não pode ser tratado como um problema simples e uniforme, porque a criação de valor depende de fundamentos, contexto e gestão de portfólio.

A adoção de IA já não é exceção

O erro mais comum talvez seja um erro de categoria. Muitas empresas confundem adoção com captura de valor.

Ter IA em copilots, analytics, service desks, conteúdo, busca corporativa ou automações pode elevar capacidade. Mas elevar capacidade não é o mesmo que fechar a conta no negócio. Capacidade distribuída sem redesenho de processo, sem contexto confiável, sem critério de priorização e sem disciplina de execução tende a produzir ganhos localizados, não impacto composto. A própria McKinsey aponta que um dos fatores mais associados a impacto relevante é o redesenho intencional de workflows, não a simples disponibilidade da tecnologia.

Não por acaso, o Gartner alertou que mais de 40% dos projetos de agentic AI devem ser cancelados até o fim de 2027 por custos crescentes, valor pouco claro ou controles de risco inadequados.

O que o board realmente compra quando investe em IA

Esse ponto também ajuda a entender por que a conversa está se deslocando. Em maio de 2025, o Gartner foi direto: “data-driven is a means to an end”. O objetivo real é tomar decisões melhores. Por isso, recomendou que D&A avance de data-driven para decision-centric, aplicando Decision Intelligence para tornar a decisão mais contextual, contínua e conectada.

De data-driven para decision-centric

Esse deslocamento importa muito. Ele sugere que o valor não está simplesmente em ver melhor, mas em decidir melhor sob novas condições de velocidade, automação e ambiguidade.

Mas aqui entra uma distinção que precisa ser feita com cuidado.

Em tese, uma organização pode se declarar decision-centric sem adotar formalmente Decision Intelligence. Isso é verdade.

O problema é outro: à medida que aumentam a escala, a velocidade, a autonomia da IA, a pressão por ROI e a necessidade de accountability, o discurso decision-centric tende a ficar frágil se não vier acompanhado de algum mecanismo equivalente de disciplina decisória.

Em outras palavras: decision-centric é o eixo; Decision Intelligence é uma das respostas mais consistentes para transformar esse eixo em capacidade organizacional real.

Essa conexão fica ainda mais forte quando olhamos para uma ideia que o mercado já aceita há muito tempo. Durante anos, aprendemos — corretamente — a dizer que dados são um ativo estratégico. O próprio Gartner fala em usar dados como ativo para diferenciação e crescimento. A DAMA, por sua vez, trata dados como ativo valioso de natureza estratégica.

Dados acumulam contexto, memória, evidência e potencial. Mas é a decisão que compromete recursos, aloca risco, escolhe caminhos, move a execução e converte potencial em consequência econômica. Dito de forma mais direta: dados são ativos de informação; decisões são os ativos que transformam informação em ação e potencial em valor.

Esse ponto é especialmente importante porque protege contra uma confusão cada vez mais comum: a de acreditar que maturidade analítica, por si só, já equivale à maturidade decisória.

Não equivale.

Uma empresa pode ter boa plataforma de dados, analytics sofisticado, IA embutida, governança de dados madura e ainda assim continuar tomando decisões frágeis, mal enquadradas, mal priorizadas ou mal governadas. Quando a arquitetura de decisões não acompanha a tecnológica, surgem sintomas claros na operação:

Em outras palavras: a IA entrou pela porta da tecnologia, mas o problema que ela abriu é de gestão. É um problema de contexto, mandato, critério, coordenação, risco, priorização e consequência. Quanto mais a IA se espalha, menos suficiente se torna a conversa centrada apenas em modelo, ferramenta ou feature. O que passa a importar é a capacidade da organização de ligar capacidade técnica a resultado econômico de forma repetível.

Há aqui outra distinção que merece cuidado. Dizer que o valor ainda não fechou a conta não significa negar que existam ganhos reais. Existem. A McKinsey mostra uso crescente em múltiplas funções e benefícios em casos específicos. O ponto é mais exigente: benefício localizado não é o mesmo que impacto enterprise-wide material e sustentável. É perfeitamente possível haver produtividade, redução de tempo e até ganhos pontuais de receita sem que isso ainda tenha sido convertido em arquitetura consistente de valor no nível da empresa.

Também não significa dizer que “falta apenas governança”. Governança importa muito, e o Gartner chega a tratá-la como acelerador de valor. Mas governança, sozinha, não escolhe onde aplicar IA, não resolve dívida operacional, não cria contexto de qualidade, não redefine fluxo, não explicita trade-offs e não fecha a distância entre insight e consequência. Ela reduz risco e aumenta integridade; não substitui disciplina gerencial.

É justamente por isso que a transição de decision-centric para Decision Intelligence é relevante. Não porque toda empresa precise adotar esse vocabulário imediatamente, mas porque o mercado já começou a exigir o problema que esse vocabulário tenta resolver.

Quando o Gartner recomenda avançar de data-driven para decision-centric e aplicar Decision Intelligence, o que está dizendo, na prática, é que a empresa precisa sair do conforto da camada analítica e começar a tratar a decisão como objeto explícito de operação.

A pergunta executiva que realmente importa agora

Por isso, talvez a pergunta executiva mais madura hoje não seja mais “onde podemos usar IA?”.

Talvez seja esta:

Enquanto essa pergunta não for tratada com mais seriedade, muitas organizações continuarão com IA em toda parte e valor em poucos lugares.

E talvez esse seja o verdadeiro ponto de inflexão desta fase de mercado: não discutir mais apenas a entrada da IA, mas a disciplina necessária para que ela finalmente feche a conta.