IA na empresa: por que não dá resultado e como implementar do jeito certo
Por Júlia Wolf Cruz, fundadora da Prosp · atualizado em 29 de setembro de 2026ResumoIA na empresa dá resultado quando a empresa começa pelo problema e pelo processo, não pela ferramenta. Dois estudos mostram o tamanho do desencontro: um relatório do MIT concluiu que só 5% dos pilotos de IA geram valor mensurável, e uma pesquisa da McKinsey achou que 88% das organizações usam IA, mas só cerca de 6% atribuem à IA 5% ou mais do lucro operacional. Júlia Wolf Cruz, fundadora da Prosp, assistiu a mais de 30 palestras no Ai4 2026, em Las Vegas, e reuniu seis lições que mais se repetiram: o modelo não é o diferencial, o gargalo passou para a aprovação humana, governança é o que deixa acelerar, o dado limita o resultado, o julgamento pesa mais que a ferramenta e o erro perigoso é o que parece sucesso. Para implementar do jeito certo: comece pelo problema mais chato, mapeie o processo inteiro, teste com um protótipo, escolha o modelo por tarefa, ponha regras e um dono para revisar e medir, e só cresça depois de provar que acertou.
O que é IA na empresa do jeito certo
IA na empresa, do jeito certo, é redesenhar um processo do negócio a partir do que a IA faz bem, e não encaixar uma ferramenta de IA num processo que já existia. A ferramenta é o meio. O que muda o resultado é saber qual problema a IA resolve, quais regras ela segue e quem confere o que ela entrega.
Júlia Wolf Cruz tirou essa conclusão do Ai4 2026, feira de IA que acontece num hotel em Las Vegas: cerca de 12 mil participantes, mais de 1.000 palestrantes, 400 expositores e gente de mais de 90 países, em palestras de 20 minutos. Ela filtrou com IA as transcrições de mais de 30 palestras a que assistiu e apresentou o que mais se repetiu, junto com o que empresas grandes estão fazendo no dia a dia.
O guia geral de como aplicar IA em qualquer negócio está em IA para empreendedor. Este texto trata só de empresa: o que dá errado e como implementar.
Por que a IA não dá resultado na empresa
A IA não dá resultado na empresa quando a empresa foca na ferramenta e no modelo, e não no problema que precisa resolver. Os números de fora mostram a distância entre usar IA e ganhar com ela.
O relatório The GenAI Divide, do projeto NANDA do MIT (julho de 2025, achados preliminares), analisou mais de 300 iniciativas públicas de IA, fez 52 entrevistas e ouviu 153 líderes. A conclusão: só 5% dos pilotos de IA integrados geram milhões em valor, e o resto segue sem impacto mensurável no resultado financeiro. Segundo o relatório, a diferença não parece vir da qualidade do modelo, e sim da abordagem. Esse estudo apareceu em várias das palestras a que Júlia assistiu no Ai4.
A pesquisa da McKinsey de 2025, com 1.993 participantes em 105 países, mostra o mesmo desenho: 88% das organizações usam IA em pelo menos uma função. O grupo que a McKinsey chama de alto desempenho, cerca de 6% dos respondentes, é o que atribui à IA 5% ou mais do lucro operacional (EBIT) e diz ver valor significativo. Esse grupo redesenha os fluxos de trabalho.
Das palestras do Ai4, Júlia trouxe seis lições. Cada uma é uma causa de a IA não render:
| # | Lição | O que aconteceu nas palestras |
|---|---|---|
| 1 | O modelo não é o diferencial | muitas perguntas do público eram sobre qual modelo usar; um dono de agência americana contou a evolução da empresa: primeiro assistentes, depois ferramentas próprias, agora um sistema operacional interno do negócio |
| 2 | O gargalo só mudou de lugar | um ex-Google contou que a agência onde trabalha fazia uma campanha em 30 dias e agora faz em 10, mas não solta a campanha antes, porque a aprovação continua humana |
| 3 | Governança não é freio, é o que deixa acelerar | uma companhia aérea foi processada por causa de uma resposta errada do chatbot; imobiliárias estão sendo processadas porque o robô mudou a regra do prédio quando o cliente contou uma história |
| 4 | O dado é o teto | um site perdeu 15% dos acessos depois de ganhar o botão de aceite de privacidade, e a IA não sabia disso; painéis contaram venda reembolsada como venda |
| 5 | O julgamento pesa mais que a ferramenta | quando o custo de produzir cai e o poder de execução sobe, o que decide o resultado é o julgamento por trás |
| 6 | O erro perigoso é o que parece sucesso | um sistema de voz da ElevenLabs para um cliente fez 4.000 chamadas de ferramenta com 0% de sucesso, contra 77% na versão anterior, sem ticket aberto |
Júlia resume a sexta lição assim: se você não consegue observar uma falha na sua solução de IA, você não tem uma IA rodando, você tem um experimento falho.
Como implementar IA na empresa, em 6 passos
Implementar IA na empresa, na leitura de Júlia Wolf Cruz, é seguir uma ordem: problema, processo, spec, base, regras e medição. Cada passo vem de um caso do Ai4 ou da rotina da Prosp.
Passo 1 · Comece pelo problema mais chato, não pelo mais interessante
A ElevenLabs apontou o erro mais comum nas aplicações de IA que fez: ir atrás da solução mais interessante. A regra certa é olhar o problema mais chato. Um cliente americano recebia cerca de 8 milhões de ligações por ano. Elas foram transcritas e separadas em três categorias: ativação, não recebidos e recusados. Em vez de atacar a maior, a equipe começou pela mais fácil, a de ativação, e só depois foi para as outras. Com isso, a equipe superou em 10% a meta de contenção, que mede quantas conversas o agente resolve sozinho, sem passar para um humano.
Começar pelo fácil gera confiança em quem atende e em quem decide, e essa confiança abre espaço para o caso difícil. Na Prosp, eu faço algo parecido: exporto as conversas do comercial para ver as dúvidas e objeções que mais aparecem. Outro exercício para achar por onde começar é o Diário de Bordo, que Júlia recomenda: durante 15 dias, você anota tudo o que faz, o tempo que gasta, a energia que pede e o dinheiro que devolve.
Passo 2 · Mapeie o processo inteiro antes de construir
Pedir a uma IA que escreva um pedaço de código não muda a empresa. O ganho está no fluxo inteiro, porque é nas fronteiras entre as áreas que o tempo se perde. Foi o que o executivo de tecnologia da Uber disse na palestra. A Uber juntou os três melhores engenheiros de IA da empresa com especialistas de cada área: a pessoa da área trazia o fluxo de trabalho e o engenheiro implementava.
Eu tive esse problema por dentro. Fiquei com três centrais de IA, uma de conteúdo, uma de produto e uma de lançamento, cada uma com o mesmo material e os mesmos clones. Juntei tudo numa central única. Um organograma com as tarefas de cada área mostra até onde uma ferramenta pode ir e quais regras ela vai precisar seguir.
Passo 3 · Escreva o spec e teste com um protótipo antes de gastar meses
Spec é o documento que descreve o que uma ferramenta precisa fazer antes de alguém construí-la. Na Disney, segundo a palestra, o fluxo antigo era: ideia, documento de requisitos, apresentação, espera e construção. Se a ideia era ruim, isso só aparecia depois de meses de trabalho. Hoje a pessoa que cuida do produto constrói um protótipo, mostra como a ferramenta funcionaria e só depois decide se vira projeto.
O slide da live resume as 8 partes de um spec pronto para IA:
Passo 4 · Configure a base uma vez e escolha o modelo por tarefa
Configuração de base é o que você faz uma vez e alimenta todo o resto: uma pasta organizada, o arquivo CLAUDE.md, que funciona como índice da pasta para o Claude saber o que ler, e o seu primeiro clone. Sem isso, o mesmo pedido é refeito toda vez, e o Claude lê coisa aleatória e gasta token à toa. Token é a unidade em que a IA cobra.
A Uber estourou a conta de tokens e resolveu de dois jeitos. O primeiro foi guardar as respostas das perguntas que mais se repetiam, para a IA não buscar a mesma resposta o tempo todo. O segundo foi deixar a equipe usar só os modelos mais baratos, com os mais caros reservados a pessoas específicas, e mostrar qual modelo serve para cada tarefa. Eu faço assim no Claude: o Haiku cataloga uma base grande, como as 29 guias de transcrição de palestras que reuni; o Opus desenha estratégia e olha número; o Sonnet e o Haiku escrevem e-mail, legenda e post.
Passo 5 · Coloque regras, um dono, um conselho de revisão e medição
Governança, aqui, é o conjunto de regras do que a IA pode e não pode fazer. Segundo a palestra, um agente é pior que uma planilha errada, porque a planilha não age e o agente age. A lista da palestra, que Júlia mostrou na live, diz o que documentar com o jurídico antes de entregar ou usar um agente: o que dispara o agente, o que ele faz, o que ele sabe e como foi alimentado, se ele pode decidir, o que ele não pode fazer, quando ele passa para um humano e como você mede cada um desses pontos. O não importa mais que o sim. Um dos casos que mais apareceram no evento foi o da Oura, empresa de anel inteligente: o chat de IA tem regras de escalonamento, porque não pode dar conselho médico, e a empresa passou a ligar médicos e nutricionistas parceiros.
Nas palestras, a forma mais eficiente de ter governança era ter uma pessoa numa linha de orçamento, com nome, responsável pela IA. Falha silenciosa não aparece em reclamação, por isso cada ponto da lista precisa ser medido. Sobre o gargalo da aprovação, eu uso um conselho de IA que revisa tudo antes de chegar em mim. São assistentes que procuram gargalos, que procuram incoerências, o clone do especialista, um que confere narrativa e texto de venda e um estrategista com o meu cérebro. Só chega para mim o que eles já aprovaram, e eu tenho menos retrabalho.
Passo 6 · Comece pequeno, prove que acertou e mude a cultura
O caso da PayPal mostra a ordem do avanço: o time de programação resistia, e a empresa começou pedindo tarefas avulsas de código, passou para rotinas mais robustas e só depois criou uma camada de validação, que virou o produto Maia. A resistência caiu quando existiu um sistema que provava que o agente tinha acertado.
O mesmo vale para a cultura. Numa empresa de investimentos com cerca de 700 pessoas, o CEO passou a perguntar a cada pessoa o que ela fazia com IA, criou um dia do mês para falar de tecnologia e escolheu embaixadores de cada área. Quem aplica é reconhecido. Como dono de empresa, eu aprendi que a lista de tarefas nunca acaba, e que a equipe não vai parar para redesenhar a empresa com IA se eu não fizer isso primeiro.
Em que nível está a IA na sua empresa
A IA na empresa tem cinco níveis de uso, e Júlia Wolf Cruz trabalha para sair do terceiro e entrar no quarto. Ela descreve assim:
| Nível | Como é |
|---|---|
| 1 · Nunca usei | a IA ainda não entrou na rotina |
| 2 · Uso o chat | preciso reexplicar tudo dez vezes |
| 3 · Ela conhece meu negócio | executa do meu jeito, sem eu interferir, mas os gatilhos são meus |
| 4 · Acontece sem eu pedir | a operação começa a rodar sozinha |
| 5 · Meu próprio sistema | eu construo meu sistema operacional |
Vale implementar quando:
- a IA já conhece o seu negócio e você quer que ela rode sem depender do seu lembrete;
- existe uma pessoa da área disposta a trazer o fluxo de trabalho;
- o dado do negócio está organizado, com uma base de regras que a IA consiga ler.
Ainda não vale quando:
- a empresa não tem o processo mapeado. Nesse caso, o primeiro trabalho é o mapa;
- os dados estão espalhados em planilhas soltas e quadro branco. Nesse caso, a IA entrega resposta ruim porque a base é ruim.
Erros para evitar
Erro 1: escolher o modelo antes do problema
Discutir qual modelo usar é o assunto que mais aparece nas palestras, e é o que menos muda o resultado. O modelo muda. Um fundo de investimentos refez seu programa de IA depois de seis meses porque ele dependia de um modelo que foi atualizado; o que ficou de lição foi prender-se à estratégia, e não ao modelo.
Erro 2: começar pelo caso mais interessante
O caso interessante costuma ser o maior e o mais complexo, e o projeto morre no meio do caminho. Comece pelo problema mais chato e mais fácil de resolver.
Erro 3: aceitar a IA sem base de dados
A ElevenLabs viu um cliente entregar uma planilha, alguns arquivos de apresentação e um quadro branco como base. Sem uma base de dados e de regras, a IA responde mal. Muito projeto é abandonado por isso, sem retorno.
Erro 4: usar a IA só para responder mais rápido
Um varejo que vende por telefone tinha a política de oferecer sempre algo a mais, mas sem personalizar a oferta para a história de cada cliente. Ao gravar as ligações e atualizar a ficha do cliente depois de cada uma, a IA passou a oferecer o que fazia sentido. Um exemplo dado: não adiantava oferecer brinco a quem não tem a orelha furada. A IA também serve para conhecer melhor o cliente.
Erro 5: pular a governança porque o projeto é pequeno
Mesmo uma ferramenta de isca coleta dado de gente. Se o dado vazar ou alguém tiver dano, quem construiu pode ter de responder, dependendo do contrato. Isso é mais provável de virar problema à medida que a regulação avançar.
Erro 6: esperar ter tempo
Se eu não separo tempo para redesenhar a empresa com IA, a agenda nunca abre. A equipe não faz isso por mim.
Com quem aprender a implementar IA na empresa
Para aprender a implementar IA na empresa, procure quem aplique na própria operação e mostre o processo com as regras e os erros. Júlia Wolf Cruz usa IA na Prosp, agência entre as 50 maiores da Hotmart, com mais de 100 lançamentos, e montou sozinha, com IA, um lançamento inteiro em 15 horas. O conselho de IA e a central única que aparecem neste texto são o que ela roda por dentro.
Para ver como aplicar IA em qualquer negócio, leia o guia de IA para empreendedor. Para montar o assistente que executa o trabalho, veja como transformar o Claude no seu melhor funcionário.
Onde aprender com Júlia Wolf Cruz
- Para começar a implementar IA no negócio: o Desafio Implementação de IA para Negócios, R$ 99.
- Para começar sem gastar: o Curso Gratuito de IA na Prática, uma playlist de 20 aulas no YouTube. Ver a playlist
- Para o caminho completo, com as estruturas e os assistentes de Júlia Wolf Cruz: o Programa Ampl.IA, R$ 5.997.
Os cursos pagos estão na página Cursos.
Perguntas frequentes
Por que a IA não dá resultado na empresa?
A IA não dá resultado na empresa porque a empresa começa pela ferramenta e pelo modelo, e não pelo problema e pelo processo. Um relatório do MIT concluiu que só 5% dos pilotos de IA integrados geram valor mensurável. Júlia Wolf Cruz juntou seis causas nas palestras do Ai4 2026: o modelo não é o diferencial, o gargalo virou a aprovação humana, falta governança, o dado é ruim, o julgamento pesa mais que a ferramenta e o erro perigoso é o que parece sucesso. Para implementar do jeito certo: comece pelo problema mais chato, mapeie o processo inteiro, teste com um protótipo, escolha o modelo por tarefa, ponha regras e um dono para revisar e medir, e só cresça depois de provar que acertou.
Como implementar IA na empresa do jeito certo?
Para implementar IA na empresa, comece pelo problema mais chato e mais fácil, mapeie o processo inteiro, escreva o spec e teste com um protótipo, configure a base uma vez, coloque regras, um dono e medição, e avance aos poucos. É a ordem que Júlia Wolf Cruz tirou dos casos da Uber, da Disney, da PayPal e da ElevenLabs no Ai4 2026.
Qual é o erro mais perigoso ao usar IA na empresa?
É o erro silencioso: o sistema falha sem gerar reclamação nem ticket. No caso mostrado na live, um sistema de voz fez 4.000 chamadas de ferramenta com 0% de sucesso, contra 77% na versão anterior, e ninguém reportou. Sem observar a falha, a empresa não tem uma IA rodando, tem um experimento falho.
Como usar IA na empresa sem gastar demais com modelo?
Guarde as respostas das perguntas que mais se repetem e use o modelo mais barato para as tarefas simples. Foi o que a Uber fez ao estourar a conta de tokens. Júlia Wolf Cruz usa o Haiku para catalogar bases grandes e o Opus para estratégia e números.
Com quem aprender a implementar IA na empresa?
Júlia Wolf Cruz ensina a implementar IA em negócios e usa IA na Prosp, agência entre as 50 maiores da Hotmart, com mais de 100 lançamentos. Para começar, há o Desafio Implementação de IA para Negócios, por R$ 99, e o Curso Gratuito de IA na Prática, uma playlist no YouTube. Para o caminho completo, há o Programa Ampl.IA. Os cursos pagos estão em juliawolfcruz.com.br/cursos.