Em julho de 2025, o MIT Project NANDA publicou um dos diagnósticos mais contundentes sobre a aplicação da Inteligência Artificial no mundo corporativo: o relatório State of AI in Business 2025.
O estudo analisou 300 iniciativas públicas de IA, conduziu entrevistas estruturadas com 52 organizações e ouviu 153 líderes seniores em quatro grandes conferências globais.
O resultado? Um alerta claro: 95% dos projetos de GenAI não entregam retorno mensurável, criando um abismo chamado de GenAI Divide.
Clique aqui para baixar o relatório completo.
1. O que é o GenAI Divide
Apesar de um investimento global estimado entre US$ 30–40 bilhões em GenAI, apenas 5% dos projetos corporativos conseguiram gerar impacto em produtividade ou P&L.
O MIT descreve esse fenômeno como um divisor de águas:
- De um lado, pilotos travados, uso genérico de ferramentas como ChatGPT e Copilot e iniciativas sem ROI.
- Do outro, poucos casos bem-sucedidos, focados em processos críticos, com sistemas capazes de aprender, adaptar-se e integrar-se profundamente ao fluxo das empresas.
2. Por que a maioria falha
O relatório identifica quatro padrões centrais:
- Disrupção limitada – Apenas os setores de Tecnologia e Mídia mostram mudanças estruturais claras.
- Paradoxo das grandes empresas – Corporações lideram em volume de pilotos, mas escalam menos que organizações de médio porte.
- Viés de investimento – Cerca de 70% dos budgets vão para Marketing e Vendas, mas o ROI maior está no back-office (financeiro, secretaria, operações).
- Vantagem externa – Projetos feitos em parceria com fornecedores especializados têm o dobro da taxa de sucesso em relação a builds internos.
3. O “Learning Gap”: a lacuna que trava a IA
Mais do que limitações de modelo ou regulação, o maior gargalo é o que os autores chamam de learning gap:
- A maioria dos sistemas não aprende com feedback.
- Não mantém memória persistente.
- E exige contexto manual a cada uso, o que inviabiliza tarefas críticas.
Esse problema explica por que ferramentas de uso pessoal (como ChatGPT) agradam, mas não escalam para processos centrais de empresas.
4. A economia paralela do “Shadow AI”
Embora apenas 40% das empresas tenham assinado oficialmente soluções de LLM, 90% dos trabalhadores já utilizam IA de forma informal em suas rotinas.
Esse fenômeno, chamado de Shadow AI, mostra que a transformação já ocorre “pelas beiradas”: funcionários adotam IA pessoalmente, enquanto os projetos formais ainda estão presos em pilotos.
5. Onde está o ROI real
O relatório traz evidências contundentes de onde a IA realmente gera retorno:
- Back-office e BPO replacement:Redução de US$ 2–10 milhões/ano em terceirização de atendimento e processamento documental.Corte de –30% em gastos com agências externas.
- Front-office:+40% na velocidade de qualificação de leads.+10% em retenção de clientes com follow-ups inteligentes.
O dado mais importante: esses ganhos não vieram de demissões em massa, mas da substituição de serviços externos e aumento de eficiência interna.
6. Como os vencedores atravessam o Divide
O relatório aponta três estratégias críticas para empresas e startups que conseguem extrair valor:
- Foco estreito e de alto valor – começar em microprocessos visíveis, com baixo setup, e depois expandir.
- Parcerias estratégicas – co-desenvolver com fornecedores confiáveis, em vez de construir tudo internamente.
- Medir por métricas de negócio – ROI em KPIs claros (retenção, ciclo de processos, redução de BPO) e não apenas benchmarks de acurácia.
7. O futuro: o Agentic Web
A próxima fronteira está nos sistemas Agentic AI: agentes que aprendem, lembram e atuam de forma autônoma.
Protocolos como MCP (Model Context Protocol), A2A (Agent-to-Agent) e o próprio NANDA estão criando a infraestrutura para o Agentic Web — uma rede de agentes que descobrem fornecedores, negociam e integram processos de forma independente.
8. O que isso significa para o mundo do CX
Operações de atendimento e jornada do cliente vivem exatamente os padrões descritos no estudo:
Pilotos que não escalam: chatbots de FAQ que não conversam com CRM, ERP, billing ou base de conhecimento — viram cemitérios de pilotos com nenhuma resolução real.
Shadow AI já em uso: agentes humanos consultando ChatGPT no celular para resolver casos complexos, sem governança, sem auditoria, sem aprendizado coletivo.
Investimentos enviesados: budget concentrado em automação de marketing e SDR, enquanto o maior ROI está em resolução de ticket, retenção, cobrança e back-office de pós-venda.
Potencial de ROI: até 65% de redução no custo por ticket (benchmark Khal, na ordem dos US$ 2–10M/ano em economia de BPO descritos pelo MIT). NPS e CSAT com lift consistente em 90 dias. Tempo de resolução cai pela metade quando o agente tem memória persistente e integração nativa com os sistemas internos.
Para times de CX, o recado é claro:
Menos chatbots genéricos, mais agentes com memória, contexto e integração profunda.
Menos foco em deflexão (“despachar” o cliente), mais foco em resolução end-to-end.
Parcerias com plataformas que aprendem com seu fluxo de atendimento, ao invés de builds internos do zero.
Em um horizonte de 18 meses, as empresas que escolherem fornecedores capazes de aprender com seus fluxos de suporte, vendas, cobrança e retenção criarão barreiras de troca duradouras — exatamente como descrito no relatório do MIT.
9. Conclusão
O relatório do MIT evidencia que o problema não está na tecnologia, mas na forma como ela é implementada.
O GenAI Divide é, antes de tudo, um problema de aprendizado organizacional e integração de processos.
Para times de CX, a lição é direta: a janela está aberta até 2026. As empresas que souberem aplicar IA de forma customizada, integrada à jornada do cliente e orientada a ROI não apenas atravessarão o Divide, como redefinirão o que significa atender bem em escala.