Usar IA virou o normal. Ganhar dinheiro com ela, ainda não. Esse é o resumo honesto dos números mais recentes, e ele ajuda a decidir onde colocar o primeiro real.
O que a pesquisa mostra
A McKinsey publicou em agosto de 2026 a edição anual do The state of AI, com 1.719 participantes de 97 países, ouvidos entre maio e junho de 2026. Alguns números que importam para quem decide numa empresa menor:
- Quase 9 em cada 10 respondentes dizem que a organização usa IA com regularidade em pelo menos uma área.
- 44% dizem que a IA já está escalando pela empresa, contra 38% um ano antes.
- Só 37% atribuem algum impacto no EBIT (o lucro operacional) ao uso de IA, praticamente o mesmo do ano anterior.
- Nas organizações menores (abaixo de US$ 1 bilhão de faturamento), a fatia que diz estar escalando agentes de IA ficou parada em 22%, enquanto nas grandes subiu para 40%.
- Cerca de 20% dizem que o custo de operação da IA, incluindo tokens, limitou o uso.
No Brasil, a pesquisa do Sebrae sobre transformação digital em pequenos negócios, divulgada em junho de 2025, encontrou 44% de empreendedores dizendo espontaneamente que já usaram algum tipo de IA. Quando a pergunta cita ferramentas específicas, os números sobem: 51% usam ferramentas de texto como ChatGPT, Gemini ou Copilot, e 41% usam chatbots no WhatsApp (Agência Sebrae).
Por que tanta adoção e tão pouco resultado
Os dados não dão uma resposta única, mas apontam um padrão: uso individual (alguém da equipe abrindo o ChatGPT para escrever um e-mail) é fácil e espalhado. Resultado que aparece no caixa exige IA dentro de um processo, com começo, meio e fim, medido antes e depois.
É a diferença entre “a equipe usa IA” e “o pedido que chega pelo site é lido, classificado e lançado no sistema sem ninguém digitar”.
Um roteiro para a primeira automação
1. Escolha a tarefa mais repetitiva da semana
Boas candidatas têm três traços: acontecem muitas vezes, seguem um padrão e hoje alguém copia e cola entre sistemas. Triagem de e-mails e pedidos, leitura de documentos padronizados, relatórios montados à mão e respostas às mesmas perguntas no WhatsApp são exemplos comuns.
2. Meça antes de mexer
Quanto tempo a tarefa leva por semana? Quantos erros acontecem? Sem esse número, não dá para saber se a automação valeu, e você cai exatamente no grupo que usa IA sem ver impacto.
Para estimar o custo das horas gastas nessa rotina, preencha a calculadora de trabalho manual com os dados da sua equipe.
3. Use IA só onde ela é necessária
Modelos de linguagem são ótimos para ler, resumir e classificar texto livre. Para o resto do fluxo (mover dados, enviar notificações, aplicar regras fixas), automação comum costuma ser mais barata e mais previsível, porque não chama um modelo a cada passo. Lembre que o custo de tokens apareceu como limitador em um de cada cinco respondentes da McKinsey.
4. Deixe uma pessoa no circuito onde o erro custa caro
IA erra. Coloque revisão humana nas etapas sensíveis (valores, prazos, dados de cliente) e deixe a IA sozinha onde um erro é fácil de perceber e corrigir.
5. Comece pequeno e expanda pelo resultado
Uma automação bem feita, medida e funcionando vale mais que um projeto grande que fica no piloto. Com o primeiro resultado em mãos, a segunda escolha fica muito mais fácil de justificar.
Fontes
- The state of AI in 2026: On the road to ROI. McKinsey & Company (Dan Tinkoff, Lieven Van der Veken, Michael Chui), 25/08/2026. consultado em outubro de 2026.
- De GPS a Chat GPT: maioria dos pequenos negócios abraça a inteligência artificial para aumentar resultados. Agência Sebrae, 25/06/2025. consultado em outubro de 2026.