Saltar para o conteúdo
Insights

Estratégia · 7 min de leitura

Porque é que 95% dos pilotos de IA nunca chegam a produção.

Quase nunca é o modelo. São os dados, o dono e o número que ninguém fixou. Vê o que fazem de diferente os poucos que chegam a produção.

André
Fundador e CTO · 22 set 2026

Se o teu último piloto de IA nunca saiu da demo, estás em boa companhia. Em 2025, a iniciativa NANDA do MIT estudou como as empresas usavam IA generativa e concluiu que cerca de 95% dos pilotos empresariais não tiveram nenhum impacto mensurável na conta de resultados.1 Milhares de milhões gastos, demos aplaudidas. E quase nada mudou na forma como o negócio funciona no dia a dia.

Vimos o mesmo padrão por dentro. A maioria das empresas que nos liga já fez um piloto. Funcionou na demo. Nunca entrou em produção.

O número que toda a gente cita

É fácil ler mal este número. Não diz que a IA não funciona. Diz que os pilotos não chegam a produção. O mesmo relatório concluiu mais duas coisas. Os projetos feitos com parceiros externos especializados chegavam a produção cerca de duas vezes mais do que os internos. E os maiores retornos vinham de trabalho de back-office pouco vistoso, não de chatbots para clientes.1

O problema quase nunca é o modelo. É a canalização.

Não é o modelo

Quando vamos ver porque é que um piloto parou, a resposta quase nunca é “a IA não era esperta que chegue”. É uma de três coisas:

  1. Sem dados reais. O piloto correu sobre uma exportação. Ligá-lo ao ERP, à caixa de email ou ao helpdesk a sério ficou para a “fase dois”. A fase dois nunca chegou.
  2. Sem dono. Quem o construiu foi a equipa de inovação. A equipa cujo trabalho ele ia fazer nunca o pediu. E nunca o adotou.
  3. Sem número. Sucesso era “uma boa demo”. Ninguém combinou o que tinha de mexer, por isso ninguém podia dizer que tinha resultado.

Quatro coisas que os 5% fazem

Os projetos que chegam a produção são diferentes desde o primeiro dia. Ligam-se aos sistemas reais na primeira semana, não no sexto mês. A métrica fica acordada antes de se escrever uma linha de código, e é da equipa cujo trabalho muda. As pessoas aprovam as decisões com risco, por isso ninguém tem de confiar no agente às cegas. E há uma data: produção em semanas, não um roadmap.

UM PILOTOUM SISTEMA EM PRODUÇÃO
DadosUma exportação de amostraOs teus sistemas reais
SucessoUma boa demoUm número acordado no primeiro dia
DonoA equipa de inovaçãoA equipa dona do trabalho
PessoasA verA aprovar o que importa
PrazoSem fim à vistaSemanas

Uma checklist antes de começares

Antes de aprovares o próximo projeto de IA, pergunta

  • Que sistema real lê e escreve, logo na primeira semana?
  • Que número mexe, e quem é o dono dele?
  • Que decisões ficam com uma pessoa?
  • O que acontece no dia 30?
  • De quem são o código, os prompts e os dados?

O que isto muda para ti

Se o teu último piloto está a ganhar pó, a ideia provavelmente não era má. Faltavam-lhe as partes aborrecidas. Começa por um processo que dói. Liga-o aos sistemas reais, fixa o número e põe-lhe uma data. O método é só isto. Não há truque: há engenharia.

¹ MIT NANDA, “The GenAI Divide: State of AI in Business 2025”.

Tens um piloto a ganhar pó?

Em 30 minutos dizemos-te o que falta para o pôr em produção.

Marca uma chamada grátis

O André é o fundador e CTO da WizardingCode. Oito anos a construir o software em que as empresas assentam, agora a pôr agentes em produção.

Todas as notas