A mais recente edição do Panorama Mindset Digital, pesquisa da consultoria Brivia Group que avalia a maturidade digital de companhias no país, revela que, apesar da presença constante da inteligência artificial em reuniões de diretoria e discursos de CEOs, o pilar de IA e Gestão Eficiente é o mais frágil entre os sete analisados. Em todos os 15 setores econômicos avaliados, as empresas apresentam as menores notas nesse critério, indicando que a retórica ainda supera os resultados práticos.
O estudo ouviu 350 empresas entre setembro de 2025 e março de 2026 e atribuiu a cada uma um Digital Maturity Score (DMS), escala de 0 a 100 que classifica a maturidade em quatro estágios: Crítico, Sensibilização, Otimização e Excelência. Pela primeira vez, o uso de IA foi isolado como um pilar autônomo, separado da digitalização tradicional, o que permitiu identificar uma lacuna até então oculta.
Christiaan van Hattem, estrategista de marketing e negócios da Brivia Group e um dos responsáveis pela pesquisa, explica que o problema reside na estratégia de implementação. “As empresas liberam a ferramenta para todo mundo, sem critério, e depois percebem que ficou insustentável do ponto de vista de investimento, sem melhoria de produtividade correspondente”, afirma. O consumo de tokens — unidade que mede o processamento de um modelo de IA e que é cobrada por volume pelas empresas de tecnologia — aumenta quando a IA é aplicada de forma generalizada e sem foco, direcionando esforços a problemas amplos demais e elevando custos sem resultados proporcionais.
Para Van Hattem, o caminho mais eficaz é o oposto: começar com problemas menores e específicos, evitando uma abordagem generalista que eleva o consumo de tokens e reduz a margem de lucro. Além disso, ele aponta a ausência de governança central como um segundo desafio crítico. “Vemos que existe o uso, mas a governança ainda não está bem estruturada dentro das empresas, porque ela é muito centralizada na mão do colaborador individual, e não numa estratégia definida pela companhia”, observa.
Disparidades entre setores
O contraste mais marcante aparece ao comparar dois segmentos da área da saúde. A indústria farmacêutica lidera o ranking geral, com 83 pontos (estágio de Otimização), impulsionada por indicadores de excelência em propósito de marca e uso analítico de dados — características de um setor mais voltado à pesquisa interna e ao rigor regulatório. Já o setor de saúde (hospitais, laboratórios e operadoras) ocupa a última posição, com apenas 54 pontos no total e apenas 22 pontos no pilar de IA, classificado como “Muito Crítico”.
A diferença, segundo o estudo, não é uma questão de vontade, mas de complexidade da jornada. Enquanto a farmacêutica lida majoritariamente com processos internos de laboratório, o setor de saúde interage diretamente com o paciente, que muitas vezes precisa repetir seu histórico em cada novo canal de atendimento, sem integração entre sistemas hospitalares.
Em fevereiro, o Conselho Federal de Medicina publicou a primeira resolução nacional para regular o uso de IA na prática médica, com vigência a partir deste mês. A norma é uma resposta regulatória ao tipo de adoção dispersa identificada pela pesquisa, em que cada hospital e clínica adota ferramentas de forma isolada, sem um padrão comum.
Contradições internas e autoavaliação mais rigorosa
O estudo também revelou inconsistências internas nas empresas. Van Hattem descreve o padrão: “Às vezes a empresa afirma que tem marca forte, que é reconhecida, que cria comunidade, e, na pergunta seguinte, discorda que a aquisição de clientes dependa cada vez menos de mídia paga. Ou diz que conhece profundamente o cliente, mas não faz pesquisa de comportamento com ele.” Essas contradições se repetiram em praticamente todos os 15 setores analisados, sugerindo que a percepção que as empresas têm de si mesmas nem sempre resiste a uma análise mais detalhada de seus próprios números.
Fabio Rios, CMO da Brivia Group e também líder da pesquisa, observa que alguns setores que tiveram bom desempenho na edição anterior pareceram estagnar nesta. “Toda vez que surge uma nova onda de tecnologia, ela leva a empresa para uma reflexão estratégica, e às vezes o que parece regressão é, na verdade, um corpo executivo ficando mais criterioso sobre suas próprias necessidades, porque agora entende melhor o que significa maturidade de verdade”, explica. Assim, uma nota mais baixa pode refletir uma autoavaliação mais exigente, e não necessariamente uma piora.
Quando a máquina não deve substituir o humano
Uma das questões mais delicadas para as empresas que automatizam o atendimento é definir até onde a IA pode substituir o contato humano sem prejudicar a experiência. Para Van Hattem, a resposta depende do contexto emocional da interação, não da tecnologia disponível. “Para rastrear a entrega de um produto que comprei on-line, não me importo nada com automação total, vou digitar um número e ter a resposta. Mas para uma consulta sobre fisioterapia, se a pessoa do outro lado não tem meu histórico nem sensibilidade para entender o que estou sentindo, a demanda simplesmente não é suprida”, argumenta.
O mercado publicitário já experimentou esse limite. Nos últimos dois anos, a Coca-Cola usou inteligência artificial generativa para recriar seu clássico comercial natalino “Holidays Are Coming” e enfrentou forte reação negativa. Consumidores classificaram o resultado como “sem alma” e reclamaram que a marca havia “arruinou o Natal”, justamente por se tratar de um momento associado a calor humano e nostalgia — sentimentos que o público não quis ver delegados a um algoritmo.
Três passos para acelerar os resultados da IA
A Brivia Group resume em três frentes o caminho mais rápido para as empresas saírem de uma nota baixa: primeiro, eliminar os “feudos de dados” internos, garantindo que a informação usada para decisão não fique restrita a um departamento; segundo, cultivar uma cultura de teste e erro controlado, com ambientes isolados (os chamados sandboxes) para experimentar sem risco à operação; e terceiro, formar um comitê central de governança de IA que priorize problemas específicos e mensuráveis, em vez de soluções genéricas aplicadas à empresa inteira.
Segundo os pesquisadores, essa é a diferença entre as empresas que começarão a colher os primeiros resultados financeiros da IA no próximo ciclo da pesquisa e aquelas que seguirão gastando mais para produzir o mesmo de sempre.
