Depois de dois anos de cheques praticamente em branco para projetos de inteligência artificial generativa, os conselhos de administração mudaram o tom: não basta dizer que uma empresa usa IA, é preciso provar, em números, quanto dinheiro essa tecnologia efetivamente devolve ao caixa. O alerta veio de uma nova análise da Forrester Research, que mostra um salto nos orçamentos dedicados a IA em 2024 — e, ao mesmo tempo, uma dificuldade crônica de sustentar o ROI dessas iniciativas.
Por que o ROI some quando o piloto vira produção?
Conforme CIOs e CTOs entrevistados pela Forrester, o problema não é técnico — os modelos funcionam. A dor de cabeça surge quando tentamos aplicar a velha planilha de TI (capex fixo, custos previsíveis) a uma tecnologia dominada por tarifas de consumo, variação cambial e uso imprevisível de tokens. Na prática, o resultado é uma conta que foge do controle justamente quando os projetos ganham escala.
Consumo vs. Capex: lição de casa para o financeiro
“Infra-estrutura, ERP, licenças SaaS… tudo isso ainda cabe no Excel tradicional. IA generativa não”, resume Greg Zorella, analista principal da Forrester. Enquanto um servidor ou uma GPU comprada hoje entra na linha de depreciação por cinco anos, o gasto com chamadas de API em nuvem explode ou encolhe conforme a curiosidade (e a criatividade) dos usuários. Sem um novo modelo de rateio entre TI, vendas e produto, o retorno fica impossível de defender.
Duas classes de investimento em IA — só uma convence o CFO
Sumit Johar, CIO da BlackLine, divide os projetos em dois grupos:
- IA de produtividade ampla: chatbots corporativos, geração de e-mails, resumos de reunião. Todo mundo usa, todo mundo gosta — mas provar impacto financeiro é quase missão impossível.
- IA orientada a resultado: acelerar onboarding de clientes, cortar tempo de implantação, aumentar receita por upsell. Aqui, cada iniciativa disputa verba diretamente com outros projetos estratégicos — e só sobrevive com métricas duras como margem operacional ou taxa de conversão.
A grande virada, segundo Johar, é que não existe mais “budget extra” só porque é IA. Qualquer dólar novo sai do que já estava reservado para outra área.
Governança: de burocracia a motor de valor
Jim Olsen, CTO da ModelOp, e Anthony Habayeb, CEO da Monitaur, concordam em um ponto crucial: sem inventário e governança de ciclo de vida (do protótipo ao descarte), a IA vira um ralo de dinheiro. Modelos em produção sem dono, sem monitoramento de custo por fluxo e sem critérios de sucesso são os primeiros a serem cortados quando a economia aperta — mesmo que estivessem entregando valor.
Imagem: Pat Brans Free
O que isso significa para o seu time de TI — e para o seu bolso?
• Se você é responsável por infraestrutura on-premises, vale comparar: investir em GPUs A100 ou H100 (cujo preço na Amazon pode ultrapassar R$ 80 mil) oferece uma visibilidade de custos muito mais direta do que pagar por token em nuvem sem limite definido.
• Para equipes de produto, criar métricas de negócio antes de escrever a primeira linha de prompt é tão importante quanto escolher o modelo GPT-4o em vez do GPT-3.5.
• Ferramentas de FinOps especializadas em IA, como ModelOp Center e Monitaur, estão se tornando tão essenciais quanto um bom monitor de desempenho de GPU em estações de trabalho gamers — quem monitora gasta menos e justifica melhor.
Checklist rápido para não perder o trem do ROI
1. Mapeie todos os modelos em produção e quem é o dono de cada um.
2. Defina metas de negócio claras — economia de horas, aumento de receita ou redução de risco.
3. Implemente métricas de custo por usuário ou por transação desde o primeiro dia.
4. Reavalie periodicamente: modelos perdem acurácia, e versões mais eficientes aparecem (como substituições de GPUs antigas por modelos RTX 40 Series em projetos locais).
Em resumo, a era da IA “porque todo mundo faz” acabou. Agora, cada linha de prompt e cada centavo investido precisam vir acompanhados de um plano de valor claro, auditável e — sobretudo — mensurável.
Com informações de Computerworld
