Quanto tempo um projeto de IA leva para se pagar, o que dizem as pesquisas de 2026 e como instrumentar a medição do payback antes de começar.
Especialista em inteligência artificial e transformação digital. Mais de 10 anos ajudando empresas brasileiras a implementar soluções de analytics e IA.
Dois números da mesma pesquisa contam a história inteira. Na State of AI 2026 da McKinsey, publicada em 25 de agosto de 2026 com 1.719 executivos de 97 países, 80% dizem que a IA melhorou a produtividade individual deles, e 37% dizem que ela tem impacto relevante no EBIT da empresa. A pessoa ficou mais rápida, a empresa não ficou mais lucrativa. Quando alguém pergunta quanto tempo leva até um projeto de IA se pagar, essa distância é o motivo pelo qual a resposta honesta costuma ser "ninguém aqui tem como saber".
E a maioria das empresas brasileiras nem instalou o instrumento que mediria isso: no Panorama da IA no Brasil publicado em 8 de setembro de 2026, 55,1% das companhias operam sem nenhum mapeamento estruturado de retorno. Este post não promete um prazo. Ele mostra a variável que as pesquisas de 2026 isolaram como divisor entre quem colhe resultado e quem só colhe produtividade individual, e entrega o passo a passo para instrumentar a medição do payback antes de começar.
Um copiloto encaixado num processo intacto devolve minuto para a pessoa e nada para a empresa. O analista que levava quarenta minutos para escrever um relatório agora leva quinze, e os vinte e cinco minutos economizados não viram linha no balanço: viram folga na agenda, preenchida com outra tarefa da mesma natureza. Multiplique por trezentos funcionários e você tem oitenta por cento de gente satisfeita e zero de variação no EBIT.
Isso não é falha da ferramenta, é aritmética de processo. O tempo economizado só vira dinheiro quando alguém decide o que fazer com ele: absorver mais volume sem contratar, encurtar um prazo que trava receita ou eliminar uma etapa. Nenhuma dessas decisões é de tecnologia.
McKinsey State of AI 2026: o que o executivo sente e o que a empresa mede
Dados de mercado| Métrica | O que o executivo relata | O que aparece no resultado |
|---|---|---|
| Produtividade individual melhorou | 80% | 37% |
Uma ressalva atravessa todos os números deste post: são levantamentos de autodeclaração de executivo, não auditoria de resultado. Isso não invalida os dados, mas muda o peso deles, e torna mais interessante o fato de que, mesmo se autodeclarando, só 37% apontam efeito nos lucros.
A McKinsey separou o grupo que atribui pelo menos 5% do EBIT à IA, cerca de 6% da amostra, e foi procurar o que ele faz de diferente. A resposta, destacada pela Fortune em 2 de setembro de 2026, é uma só: quase três quartos desse grupo redesenharam fundamentalmente o fluxo de trabalho por causa da IA, contra cerca de um quarto entre os demais respondentes.
Redesenhar o fluxo é mudar quem faz o quê, em que ordem e com qual ponto de conferência. Não é instalar assistente na tela de quem já fazia a tarefa: é perguntar se aquela etapa ainda precisa existir, se a conferência pode virar amostragem, se a fila de aprovação de três pessoas pode virar uma. O software torna o novo desenho possível; o novo desenho é o que gera dinheiro.
Copiloto acelera a pessoa. Só o redesenho do processo acelera a empresa.
Por isso a conversa sobre payback começa pelo processo, não pelo orçamento de ferramenta: um projeto que não muda o desenho do trabalho tem payback indefinido por construção, porque a economia gerada nunca é capturada por ninguém. As causas mais amplas de morte na travessia estão em por que projetos de IA falham; aqui o recorte atinge também o projeto que não falhou.
A terceira edição da pesquisa anual de adoção e risco de IA da Gallagher, coberta no Brasil em 2 de setembro de 2026, ouviu mais de 1.200 líderes empresariais. Entre as empresas que medem o retorno das iniciativas de IA, a expectativa declarada é de 28 meses, em média, para que o valor gerado supere os custos iniciais.
expectativa média para o valor gerado pela IA superar os custos iniciais
Média entre as empresas que medem o retorno das suas iniciativas de IA
Duas ressalvas precisam andar coladas nesse número, sempre. A primeira: 28 meses é o prazo que executivos acham que vai levar, não o prazo que levou em processo medido. A segunda: o Brasil não está na amostra, que ouviu Estados Unidos, Canadá, Reino Unido, Austrália, Índia, Japão, países nórdicos, Coreia do Sul e Irlanda. Ainda assim serve de calibragem numa reunião de orçamento, porque dois anos e quatro meses é bem mais do que o "seis meses" que costuma sair na proposta de fornecedor. Na mesma pesquisa, 63% das organizações já operacionalizaram a IA total ou parcialmente, contra 45% na edição anterior: a adoção corre bem mais rápido que o retorno.
O Panorama da Inteligência Artificial no Brasil, terceira edição da Zappts, publicado em 8 de setembro de 2026 e coberto pelo Mobile Time, ouviu 167 executivos de grandes empresas entre abril e julho de 2026, com margem de erro de 7,6% e 95% de confiança. O resultado central: 55,1% das companhias não possuem mapeamento estruturado de retorno sobre investimento em IA, ante 30,6% na edição de 2025.
das empresas brasileiras operam sem mapeamento estruturado de ROI em IA
Índice quase dobrou frente aos 30,6% registrados na edição de 2025
Repare no que esse número faz com a pergunta do título. Uma empresa sem mapeamento estruturado não descobre se o projeto levou 28 meses, 6 meses ou se nunca se pagou: descobre apenas que a licença continua sendo cobrada. Discutir payback sem o instrumento é como discutir velocidade média num carro sem odômetro. O mesmo levantamento mostra 48% das empresas presas entre o teste e a implementação.
O quadro se repete em outras amostras. A Deloitte ouviu 115 executivos brasileiros no seu estudo global, e a cobertura do InfoMoney de 6 de setembro de 2026 mostra que em 58% dessas empresas no máximo 20% dos pilotos chegaram à implementação, e só 22% percebem aumento de receita associado à IA. Entre grandes corporações globais, a BCG ouviu 152 CEOs de empresas com receita a partir de US$ 500 milhões em julho de 2026: quase nove em dez relatam algum benefício, apenas 14% definiram com clareza o impacto no P&L. São amostras, recortes e datas diferentes, que não formam série temporal e não devem ser somadas como se fossem a mesma medição. O padrão comum é este: benefício percebido em abundância, medição estruturada em falta.
Cinco definições, todas anteriores à primeira linha de código e ao contrato. Cabem em uma página.
Não comece pelo processo mais estratégico, comece pelo que já é contável. Se você não sabe quantas notas fiscais entram por mês, quantas voltam com erro e quanto tempo cada uma leva, o projeto nasce sem régua e morre sem veredito. O critério prático: dá para extrair o volume dos últimos doze meses de algum sistema hoje, sem projeto novo? Se não, o primeiro projeto da empresa é outro, e o caminho está em como saber se a sua empresa está pronta para IA.
Antes de mexer em qualquer coisa, escreva num documento datado: quantas horas o processo consome por mês, quantos erros produz, quanto custa em folha e retrabalho. Não é estimativa de cabeça em reunião, é medição de um mês real com o nome de quem mediu. Esse papel evita a discussão inútil daqui a um ano, quando metade da mesa lembra que "antes demorava muito mais" e a outra metade lembra o contrário.
O custo de entrada é implantação mais licença mais horas internas. A terceira é a que quase todo mundo esquece e costuma ser a maior: alguém do seu time vai passar semanas explicando o processo, testando saída e corrigindo o que a IA errou. Essas horas são dinheiro e precisam entrar na conta de entrada, não sumir no orçamento da área. As faixas por tipo de projeto estão em quanto custa implementar IA na sua empresa.
Escolha uma data no calendário, contada do primeiro real que saiu do caixa, implantação incluída. Não "quando estabilizar", não "no fim do rollout": é comum a empresa começar a contagem no dia em que o sistema entrou em produção, o que apaga três ou quatro meses de custo. Doze meses é um marco razoável para um processo único e bem delimitado. Se a expectativa internacional é de 28 meses para transformação ampla, um projeto pontual que não se paga em um ano provavelmente escolheu o processo errado.
Três métricas bastam, as mesmas do baseline: horas consumidas, taxa de erro e percentual de casos que ainda precisa de intervenção humana. A terceira é a que mais engana: um sistema que resolve 60% sozinho e devolve 40% para alguém conferir pode ter economizado bem menos do que parece, porque conferir um caso duvidoso costuma custar mais que fazê-lo do zero. Definir as três antes evita escolher, no fim, a métrica que ficou bonita. Quem define o placar depois do jogo sempre ganha.
Em 1º de setembro de 2026, a Let's Money noticiou dois projetos declarados por Stefanini e Banco do Brasil: o "Numerário e Rotas", que otimiza a circulação de dinheiro em espécie entre agências e tesourarias, com cerca de R$ 23 milhões por ano de economia em despesa administrativa, e o "Balanço Digital", que automatiza a leitura de balanços para crédito a empresas, com mais de 8 mil horas-homem por ano. Os dois números são estimativas informadas pelas próprias empresas, sem auditoria externa, e a medição real só vem depois de um ciclo de doze meses.
Cito o caso pelo desenho, não pelo resultado. Os dois atacam processos com volume e erro que o banco já contava antes da IA existir: havia baseline, havia unidade de medida e há data de verificação marcada. É o contrário do projeto que começa por "vamos usar IA no atendimento" e termina sem ninguém saber o que comparar.
Dos pilotos de IA que a sua empresa rodou nos últimos doze meses, quantos viraram processo em produção, com dono, métrica e linha no orçamento? Se a resposta for zero ou um, o payback é conversa prematura e o gargalo está na travessia. Se for três ou quatro, a pergunta seguinte é mais dura: você consegue dizer, em reais, quanto cada um devolveu?
Não existe número único, e quem promete um merece desconfiança. A referência mais recente é a Gallagher, de setembro de 2026: empresas que medem o retorno esperam em média 28 meses para o valor superar os custos iniciais, uma expectativa declarada e sem o Brasil na amostra. Para um projeto pontual, um marco de revisão em doze meses costuma ser mais realista.
Divida o custo total de entrada pela economia mensal medida. O custo de entrada tem três camadas, implantação, licença e horas internas, sendo a terceira quase sempre a maior. A economia mensal só é confiável se o baseline foi registrado antes de começar, e a contagem começa no primeiro real gasto, não no dia em que o sistema entrou no ar.
Provavelmente porque acelerou pessoas sem mudar o desenho do trabalho, e tempo poupado só vira dinheiro quando alguém decide o que fazer com ele. Na State of AI 2026 da McKinsey, quase três quartos das empresas com impacto real no EBIT redesenharam o fluxo, contra cerca de um quarto das demais.
Não necessariamente, mas os dados públicos são autodeclaração de executivo respondendo questionário, não auditoria de resultado. Por isso os mesmos levantamentos mostram muita gente relatando benefício e pouca gente apontando efeito no lucro: a BCG encontrou quase nove em dez CEOs com algum benefício e apenas 14% capazes de definir com clareza o impacto no P&L.
Quanto tempo um projeto de IA leva para se pagar não tem resposta de mercado que sirva para a sua empresa. Tem uma expectativa internacional de 28 meses, um retrato brasileiro em que 55,1% das companhias não têm como responder, e uma variável isolada pela McKinsey que explica quem consegue: redesenhar o fluxo de trabalho em vez de encaixar assistente no processo antigo.
O que está no seu controle é montar o instrumento: processo contável, baseline datado, custo de entrada com as três camadas, marco no calendário e três métricas definidas antes de começar. Faça isso e daqui a um ano você não vai precisar de pesquisa nenhuma. Vai ter o seu próprio número, o único que a sua diretoria realmente precisa ouvir.
Quer montar essa medição antes de aprovar o próximo projeto e chegar em doze meses com um número seu na mesa? Vamos conversar. Na Waxi a gente percorre o ciclo completo, do diagnóstico à implementação e à capacitação do time, com a conta aberta em cada etapa.
Por que projetos de IA falham na travessia do piloto para a produção: as cinco causas reais e o método para atravessar o vale da morte.
Sua empresa está pronta para IA? Faça um diagnóstico honesto em 5 dimensões, veja os 4 estágios de maturidade e descubra o que fazer em cada um deles.
Descubra os custos reais de implementar IA na sua empresa e como calcular o ROI. Guia prático com valores, prazos e expectativas de retorno para diferentes tipos de projetos.
