Em abril deste ano o Gartner divulgou um levantamento feito com 782 líderes de infraestrutura e operações entre novembro e dezembro de 2025, e o número principal deveria ter causado mais desconforto do que causou. Apenas 28% dos casos de uso de inteligência artificial nessas áreas entregam integralmente o retorno esperado, enquanto 20% falham por completo. O restante fica no meio do caminho, rodando em produção, consumindo orçamento e sem mostrar um resultado que alguém no conselho reconheça como retorno.
Entre os 57% que relataram pelo menos uma falha, a causa mais citada foi expectativa irreal sobre o que a tecnologia entregaria no curto prazo, e logo atrás, empatados, aparecem dois problemas mais concretos, com 38% apontando lacunas de competência técnica e outros 38% apontando dados de baixa qualidade ou indisponíveis como causa direta
Entre os que tiveram sucesso, o Gartner identificou um padrão comum, que foi ter incorporado a inteligência artificial aos sistemas e fluxos que a empresa já usava todos os dias.
O problema é bem mais velho que o hype
Trabalho com integração de sistemas e dados há mais de 15 anos, e posso dizer com segurança que quase nada do que está travando os projetos de IA hoje é novidade. Dados espalhados por sistemas que não se falam, cadastro divergente entre ERP e CRM, planilha crítica que só uma pessoa sabe atualizar, informação que chega com dias de atraso porque alguém precisa consolidar na mão. Isso já ocorria em 2015 e continua ocorrendo agora.
O que mudou foi a conta. Enquanto o objetivo era fechar o mês ou montar um relatório gerencial, era possível conviver com o improviso, porque o custo dele ficava diluído em horas de trabalho que ninguém avaliava. Quando a empresa coloca um modelo de IA em cima dessa mesma base, o custo passa a aparecer na forma de resposta errada, decisão errada e projeto encerrado antes de sair do piloto.
Ninguém tira foto do cano
Existe uma razão bem simples para esse problema ter ficado tanto tempo sem solução. Integração é infraestrutura enterrada, e costumo usar a comparação do balde e do chuveiro quando preciso explicar isso para alguém de fora da área técnica. Tomar banho carregando balde funciona e todo mundo enxerga o esforço envolvido. Já a água encanada entrega o mesmo resultado sem esforço nenhum, mas exige um trabalho invisível debaixo do piso que não rende foto, não rende demonstração e nem anúncio de lançamento.
Orçamento vai para o que aparece. Nos últimos anos surgiram dashboards, aplicativos, portais, e agora aparecem os assistentes de IA. O encanamento seguiu sendo a linha que todo mundo tenta cortar quando o projeto estoura o preço.
A IA se tornou o argumento que faltava
Há uma ironia nisso que me parece saudável. O mesmo hype que fez muita empresa comprar ferramenta antes de arrumar a casa é o que deu ao time de tecnologia um argumento que o financeiro entende. Falar em qualidade de dado sempre soou como preciosismo técnico. Falar em um projeto que consumiu seis meses de time sênior e terminou sem retorno soa como prejuízo, que entra em pauta de reunião de sócios.
Os números ajudam nessa conversa. O relatório da iniciativa Project NANDA, do MIT Media Lab, divulgado em julho de 2025, mostrou que 95% dos pilotos de IA generativa não geraram retorno financeiro mensurável. A IDC, no relatório AI in Networking de 2026, ouviu 518 profissionais de redes e encontrou a fatia de empresas em uso substancial de inteligência artificial parada em torno de 32%, com integração e complexidade entre os bloqueios mais citados.
O que responder antes de escolher o modelo
Boa parte das conversas que chegam até mim hoje na SysMiddle começa com inteligência artificial e termina em um levantamento das fontes espalhadas por sistemas que nunca conversaram entre si.
Antes de escolher modelo, plataforma ou fornecedor, vale responder três perguntas. Quais são as fontes que sustentam a decisão que se quer automatizar. Quem garante que elas estão atualizadas e consistentes entre si. E quanto tempo a equipe gasta hoje para juntar essa informação na mão, porque esse número costuma ser a melhor estimativa do trabalho que vem antes da IA entregar qualquer coisa.
O ciclo passa, a base fica
O hype da inteligência artificial vai perder força em algum momento, como já perderam big data e transformação digital. O que sobra depois de cada ciclo é sempre a mesma coisa, que é a base de dados da empresa e a capacidade de fazer os sistemas conversarem entre si.
Quem aproveitou o hype para arrumar essa base vai continuar colhendo resultado quando a próxima moda chegar. Quem só comprou a ferramenta vai recomeçar do zero.
Todo mundo quer IA, mas poucos querem mexer no encanamento, e é exatamente ali que a diferença vai aparecer.
