){kind=link}
Quase nove em cada dez empresas já usam IA de forma regular em pelo menos uma função, segundo o relatório State of AI 2025, da McKinsey, feito com quase 2.000 organizações em mais de 100 países. É praticamente unanimidade. Mas, quando a pergunta é quantas conseguem atribuir a essa adoção um impacto financeiro mensurável no resultado, o número desaba: apenas cerca de 6% se qualificam como “alta performance”, atribuindo mais de 5% do EBIT à IA. Um levantamento independente do MIT chega a um patamar semelhante, ao constatar que só 5% dos projetos-piloto de IA generativa avançam até gerar impacto real no resultado. Duas pesquisas, metodologias diferentes, mesma conclusão: o problema não é adotar IA, é provar o retorno dela.
Essa lacuna não é exclusividade do marketing, mas nenhuma outra área a sente com tanta intensidade. O motivo é estrutural: o marketing sempre trabalhou numa fronteira incômoda entre o que é percebido pelo cliente e o que é registrado na planilha. Com a IA, essa fronteira ficou mais visível, porque a tecnologia promete precisão numérica sobre um território que sempre foi, em parte, subjetivo. E é justamente essa promessa de precisão que está expondo o quanto a nossa régua de medição ainda é frágil.
smart_display
Nossos vídeos em destaque
Quando o ROI vira ROT
Um sintoma interessante desse momento é a ascensão do ROT, o Return on Time, como métrica paralela ao ROI tradicional. A lógica por trás dele é sedutora: se a IA devolve horas ao time, essas horas têm valor, mesmo que não apareçam de imediato na linha de receita. O problema é que o ROT, sozinho, mede esforço poupado, não resultado gerado. Ele responde à pergunta “quanto tempo ganhamos”, mas não à pergunta que realmente importa para o negócio, que é “o que fizemos com esse tempo”.
É tentador adotar o ROT como substituto do ROI, porque ele é mais fácil de calcular e sempre aparece positivo. Mas essa facilidade é o próprio risco. Ganhar tempo é condição necessária para gerar retorno, não é o retorno em si. Uma equipe pode economizar metade do tempo de produção de conteúdo e, ainda assim, não vender mais nem custar menos para adquirir cliente, se esse tempo liberado for simplesmente reabsorvido pela rotina, em vez de redirecionado para atividades de maior impacto. Medir velocidade sem medir consequência é comemorar o processo e ignorar o produto.
Por que a régua financeira ainda falha
O motivo pelo qual tão poucas empresas conseguem provar o ROI da IA não é tecnológico, é organizacional. Uma pesquisa da Gartner com 402 líderes de marketing na América do Norte e na Europa, parte do relatório que a própria consultoria batizou de “AI Blind Spot”, constatou que apenas 5% dos que usam IA generativa como uma ferramenta isolada relatam ganhos significativos em resultados de negócio. A maioria dos CMOs, segundo o mesmo estudo, ainda conhece a IA por meio de casos operacionais, como geração de conteúdo, análise de dados e automação de fluxo, o que reforça a percepção da tecnologia como recurso de produtividade, e não como capacidade estratégica ligada a crescimento.
Faz sentido: o próprio relatório da McKinsey aponta o redesenho de fluxos de trabalho como o fator de maior peso para explicar se uma empresa consegue traduzir o uso de IA generativa em impacto no resultado, à frente de qualquer outra variável testada. Comprar uma licença de IA não redesenha o fluxo de aprovação de uma campanha, não muda quem decide o orçamento, não altera o critério que define se um conteúdo teve sucesso. Sem esse redesenho, a IA acelera etapas isoladas de um processo pensado para o ritmo antigo, e o ganho de velocidade em um ponto só empurra o gargalo para o próximo.
Esse ponto cego também aparece na própria liderança. O mesmo levantamento da Gartner mostra que 65% dos CMOs acreditam que a IA vai transformar profundamente sua função nos próximos dois anos, mas apenas 32% acham necessário mudar de forma significativa o próprio repertório de competências para liderar essa transformação. É o mesmo padrão em outra camada: perceber a disrupção sem se apropriar dela, sentir que algo mudou sem ajustar a régua que mede a própria atuação.
O que separa quem prova o retorno de quem só o sente
As poucas organizações que fecham essa lacuna têm um traço em comum: tratam a IA como parte da arquitetura de dados e processos, não como uma camada extra sobre o que já existia. Na prática, isso significa definir, antes de qualquer piloto, qual métrica de negócio, e não de produtividade, vai comprovar o valor, e redesenhar o processo ao redor da ferramenta, não só inserir a ferramenta no processo antigo.
É uma mudança de postura, mais do que de tecnologia. Enquanto a IA for tratada como um atalho para fazer mais rápido o que já se fazia, ela vai continuar gerando sensação de ganho sem prova de ganho. Quando é tratada como motivo para repensar o próprio processo, o dado de retorno aparece, porque passa a existir uma métrica de negócio claramente definida desde o início, e não uma tentativa de justificativa a posteriori.
O marketing não precisa de mais um relatório dizendo que a IA funciona; McKinsey, MIT e Gartner, cada um a seu modo, já deixaram isso claro. O que falta é a disciplina de medir esse retorno com o mesmo rigor aplicado ao investimento em mídia ou ao orçamento de um evento. Enquanto a área continuar comemorando velocidade sem provar receita, vai seguir sentindo o retorno da IA no dia a dia e perdendo a discussão sobre orçamento na sala do conselho. Sentir o ROI é o primeiro passo. Prová-lo é o que garante a próxima rodada de investimento.