Em 2027, a inteligência artificial (IA) promete ser um dos principais vetores de investimento em tecnologia, consumindo uma fatia expressiva de 20% do orçamento total de TI das empresas. A projeção, divulgada pela consultoria Forrester, aponta para um cenário onde a tecnologia se consolida como um item de despesa inadiável, mas que ainda enfrenta desafios significativos para demonstrar seu valor financeiro.
Segundo o relatório "State Of AI Survey 2026" da Forrester, mais da metade dos CIOs (Chief Information Officers) podem ter dificuldades em atingir suas metas de retorno sobre o investimento (ROI) em IA no próximo ano. A pesquisa indica que 45% dos tomadores de decisão em IA consideram um investimento bem-sucedido apenas aquele que apresenta ROI positivo em até um ano. A consultoria antecipa que, embora alguns líderes de tecnologia aprimorem a vinculação entre gastos com IA e retornos planejados, o sucesso tende a se restringir a casos de uso isolados, e não a programas de IA abrangentes. "Como com tecnologias emergentes anteriores, estruturas organizacionais, processos e formas de trabalhar precisam mudar para impulsionar resultados mensuráveis em toda a empresa com IA", afirma o relatório.
O Desafio do Retorno Sobre o Investimento em IA
A dificuldade em traduzir o investimento em IA em ganhos financeiros tangíveis é um ponto central da análise da Forrester. Apenas 22% dos tomadores de decisão em IA relataram um impacto positivo no EBITDA (lucros antes de juros, impostos, depreciação e amortização) nos últimos 12 meses. Essa discrepância entre o volume de investimento em adoção tecnológica e a lentidão nas mudanças organizacionais necessárias é vista como um fator que atrasa a concretização de metas de ROI mais elevadas. A pressão por resultados se intensifica à medida que os gastos com IA continuam a fluir pelos orçamentos de TI. Sharyn Leaver, diretora de pesquisa da Forrester, destaca que essa situação aumenta a necessidade de os líderes provarem o valor da IA, ao mesmo tempo em que precisam controlar custos, infraestrutura e riscos associados. "Ao mesmo tempo, tecnologias emergentes, pressões geopolíticas e o uso crescente de IA nas operações de tecnologia introduzirão novas complexidades e potenciais pontos de falha", pondera Leaver.
Otimização de Custos com Modelos Open-Weight
Diante do desafio de gerar retornos expressivos com o aumento dos gastos em IA, as equipes de tecnologia buscam maximizar o valor de seus investimentos, recorrendo a modelos de IA generativa de código aberto (open-weight). Esses modelos, como Gemma, Llama ou Qwen, oferecem desempenho comparável aos sistemas proprietários líderes, mas a uma fração do custo. A Forrester prevê que os modelos open-weight representarão metade dos tokens de IA processados, mas apenas 5% dos gastos corporativos em IA. "Modelos open-weight como Gemma, Llama ou Qwen são bons o suficiente para as cargas de trabalho empresariais que geram o maior volume de tokens, como processamento de documentos, conversas de suporte ao cliente, busca de conhecimento interno e os subpassos rotineiros dentro de fluxos de trabalho agentizados", explica a consultoria.
A Reserva de Modelos de Ponta para Tarefas Críticas
Os modelos mais avançados, conhecidos como "frontier models" – incluindo o Claude Opus 5.5 e Sonnet 5.5 da Anthropic, GPT-6.1 Sol e GPT-6 Astra da OpenAI, e Gemini 4 Argon do Google – serão reservados para um número menor de automações de tarefas críticas e de conhecimento profundo, onde erros podem ser caros. No entanto, o volume de tokens consumidos por esses modelos de ponta tenderá a ser menor em comparação com os modelos open-weight. Essa estratégia visa equilibrar a necessidade de performance de ponta para aplicações de alto risco com a otimização de custos em tarefas mais rotineiras e de alto volume, onde a precisão "boa o suficiente" de modelos abertos se mostra adequada.
Implicações e o Futuro da Adoção de IA
A trajetória da adoção de IA delineada pela Forrester sugere um futuro onde a tecnologia se torna onipresente, mas sua integração eficaz e lucrativa dependerá de uma mudança profunda nas práticas empresariais. A capacidade de as organizações adaptarem suas estruturas, processos e culturas para alavancar plenamente o potencial da IA será o diferencial para alcançar o ROI esperado. A proliferação de modelos open-weight pode democratizar o acesso a capacidades avançadas de IA, mas a gestão de custos, riscos e a integração com sistemas legados continuarão a ser desafios prementes para os CIOs.
O caminho para um retorno financeiro significativo da IA parece ser mais árduo e complexo do que muitos anteciparam. A tecnologia, embora poderosa, não é uma solução autônoma. Seu sucesso dependerá intrinsecamente da capacidade das empresas em promover as transformações organizacionais necessárias para extrair valor real e sustentável de seus investimentos em inteligência artificial. A questão que permanece é se as empresas conseguirão orquestrar essa complexa dança entre tecnologia e mudança cultural a tempo de justificar os crescentes investimentos.
Com reportagem de Brazil Valley
Source · The Register
