Bilhões estão sendo queimados em infraestrutura de inteligência artificial, mas o retorno real continua invisível para a maioria dos investidores. A BofA Global Research projeta US$ 2,1 trilhões apenas em data centers até 2028 — um número que assusta até os mais otimistas. A pergunta que fica: estamos diante de uma bolha prestes a estourar ou de uma oportunidade mal compreendida?
Para Caroline Yokomizo, sócia-líder de transformação financeira da Deloitte, o problema não é o volume de capital. É a métrica. Ou a falta dela.
Onde está o retorno que ninguém consegue medir
As big techs não param de comprar GPUs. A Nvidia virou o termômetro do mercado, e as ações disparam a cada novo anúncio de investimento. Mas quando analistas tentam calcular o ROI, a conta não fecha. Yokomizo resume: “O benefício ainda não está sendo medido”.
Isso cria uma distorção perigosa. O mercado precifica o custo — visível, tangível, auditável — mas ignora o ativo intangível que está sendo construído. Enquanto não houver uma metodologia padrão para capturar ganhos de produtividade, novos modelos de receita e redução de risco, a narrativa da “bolha” continuará dominando os relatórios.
Estudos do mercado americano indicam uma virada de chave no primeiro semestre do próximo ano. É quando as primeiras medições estruturadas devem aparecer nos balanços, permitindo uma leitura mais clara do valor real gerado.
Brasil: custo alto, benefício embrionário
Se nos EUA a conversa já avança para “como mensurar”, no Brasil o debate ainda gira em torno de “quanto custa”. O estágio é embrionário. Empresas locais discutem orçamento de implementação, mas poucas têm clareza sobre o que vai mudar na geração de caixa.
Essa assimetria cria janelas. Quem estruturar a medição antes da concorrência captura o prêmio de valuation primeiro. O atraso na adoção de métricas não é apenas burocracia — é dinheiro deixado na mesa.
Reduzir custo é o erro de principiante
Pensar em IA apenas como ferramenta de corte de despesas leva a um beco sem saída. A tecnologia reescreve modelos de negócio. A pergunta certa não é “quanto vou economizar”, mas “meu cliente vai continuar comprando do mesmo jeito?”.
O acesso à informação mudou radicalmente a jornada de decisão. Empresas que usam IA apenas para fazer o mesmo mais barato perdem a chance de redefinir sua proposta de valor. A comparação de custos de TI, a análise de tendências e os cenários preditivos passam a ser armas de negociação e posicionamento — não planilhas de redução.
O ouro que ninguém quer tocar: predição de cenários
Enquanto a maioria foca em eficiência, uma aplicação poderosa segue subexplorada: simulação dinâmica de cenários. Conflitos geopolíticos, volatilidade cambial, choques de commodities — tudo isso afeta custos de produção, necessidade de capital de giro e dimensionamento de equipes.
Hoje, boa parte dessas simulações ainda roda em planilhas manuais. O ganho real está em transformar esse processo em um motor contínuo, alimentado por dados em tempo real, capaz de testar milhares de variáveis em minutos.
Três frentes onde a predição já gera vantagem competitiva:
- Cadeia de suprimentos: antecipar rupturas e redirecionar compras antes do impacto no caixa
- Exposição cambial: modelar hedge dinâmico em vez de travas estáticas
- Dimensionamento de força de trabalho: alinhar contratações à demanda real projetada, não ao histórico
O dilema dos dados: soberania custa caro
Há um obstáculo silencioso freando a adoção em larga escala: a soberania do dado. Dados transacionais — fórmulas, base de clientes, contratos com fornecedores — são tratados como ativo estratégico. Empresas recusam nuvens públicas e terceiros, mesmo pagando mais por infraestrutura própria.
Essa decisão racional do ponto de vista de risco eleva o CAPEX e alonga o payback. Não é teimosia; é proteção de propriedade intelectual. Quem ignorar essa restrição ao modelar projetos de IA vai subestimar o custo total de propriedade e superestimar o retorno.
O que observar daqui para frente
O próximo trimestre será decisivo. Acompanhe três sinais: (1) divulgação de frameworks de medição de ROI por grandes consultorias e auditorias; (2) primeiros cases brasileiros com métricas de geração de receita, não apenas eficiência; (3) movimento de CFOs exigindo governança de dados antes de aprovar orçamentos de IA.
Quem esperar a poeira baixar para estruturar a medição chega tarde. O valor não está na tecnologia — está na capacidade de provar que ela funciona.
