De Promessas a Resultados: Como Medir a Maturidade de Inovação com IA

Por Stefano Levorato, embaixador IA4FIN

Você sabia que 95% dos projetos de IA generativa não produzem impacto financeiro mensurável? 

É impressionante esse dado e essa é a sentença do MIT Sloan Management Review de 2025 que afirma que apenas 5% dos projetos conseguem converter experimentação em geração efetiva de receita. Ou seja, 95% não entregam o resultado que deveriam alcançar. Enquanto isso, os investimentos continuam fluindo. O gasto global em IA empresarial vai atingir US$ 2,47 trilhões em 2026, uma escalada de 40% versus 2025, e 91% dos líderes empresariais planejam aumentar ainda mais seus investimentos nos próximos 12 meses.

Aqui podemos enxergar um problema claro: empresas estão gastando bilhões em IA, acreditando em promessas de transformação, mas não sabem medir se estão realmente inovando. A diferença entre "adotar a IA" e "ter capacidade de inovação com IA" é gigantesca  e a maioria das instituições financeiras não consegue enxergá-la.

No setor financeiro, o cenário é ainda mais específico. Segundo pesquisa do Banco Central divulgada em novembro de 2025, a adoção da IA nos bancos depende fortemente da maturidade tecnológica e da capacidade de investimento. Bancos grandes têm IA generalizada, mas nem todos sabem o que fazer com ela além de automação básica.

Isso explica por que, numa pesquisa recente da J.D. Power, eles afirmam que apenas 30% dos consumidores confiam em IA no setor financeiro, enquanto 100% de promessas falam sobre inovação responsável e humanizada. Quando a confiança não acompanha a promessa, a inovação fica presa no laboratório, e é exatamente por isso que um diagnóstico de maturidade passa a ser uma necessidade para garantir os altos investimentos em projetos de inovação.

Você conhece aquele projeto de IA que virou um piloto? Que consumiu 6 meses de trabalho, R$ 500 mil em infraestrutura e o melhor talento da equipe e nunca saiu do chão? Saiba que 40% dos projetos com agentes de IA serão cancelados até 2027, segundo a Gartner. Por quê? Não é culpa da tecnologia, é culpa da falta de clareza estratégica. Muitas empresas implementam IA porque virou moda, porque o concorrente está fazendo, porque o CEO viu em uma conferência, ou simplesmente porque SIM! “Blockchain não, esquece isso! O importante agora é IA”!!!

Mas ninguém pergunta se temos dados suficientes para treinar um modelo, se temos capacidade de governança para gerir riscos ou se sabemos qual problema estamos resolvendo. Quando não há resposta clara, o projeto vira um piloto eterno e aqui entra algo que poucas pessoas falam abertamente: O ROI de IA é invisível quando você mede errado.

Um exemplo: um banco implementa um chatbot de IA e mede: "Reduzimos o tempo de atendimento em 40%." Conclusão: sucesso! Mas, o que a realidade esconde: "Reduzi custos, mas não criei receita nova. Ou seja, o meu lucro não cresceu, apenas agilizei o processo."

Segundo um estudo da Clarity AI, 57,8% das instituições financeiras já usam IA ou planejam adotá-la, mas a maior parte está focada em redução de custo, não em criação de receita. Enquanto isso, as empresas que realmente incomodam (os "super apps", as plataformas de serviços) estão criando novos modelos de receita: monetização de dados, subscrição, serviços de valor agregado. Qual a diferença? Maturidade. Empresas com maior maturidade em IA têm até 85% de satisfação com ROI, de acordo com pesquisa de 2025. Entre as que tiveram ROI acima do esperado, 97% tinham confiança em seus dados e não apenas em tecnologia, mas em estratégia.

O Mapa Do Tesouro: Um Framework Simples Para Medir

Esse é o ponto onde precisamos ser diretos: Não existe inovação com IA sem diagnóstico. Você não pilota um avião apenas olhando pela janela e não inova com IA sem saber aonde você está no mapa. Mas aqui entra uma pergunta difícil de ser respondida: Como você mede maturidade de inovação de forma prática?

A maioria das instituições tenta medir por atividade: "Temos 15 projetos de IA em andamento." E lamento dizer mas, isso não é medição, é contagem. É como dizer "Tenho 10 livros na prateleira, portanto sou inteligente." A pergunta que realmente importa é: você tem capacidade de transformar toda essa experimentação em resultado?

Para isso, vou propor algo bem simples. São 5 dimensões e você avalia cada uma em uma escala de 1 a 5. 

Os 5 Pilares da Maturidade em IA

1. Clareza Estratégica (Você sabe por quê?)

Nível 1: "Sabemos que IA é importante. Fazemos projetos porque estamos atrás dos concorrentes."Nível 3: "Temos uma estratégia de IA, mas ela muda a cada trimestre dependendo da novidade."Nível 5: "Nossa estratégia de IA é clara, conectada aos objetivos de negócio, e todos na organização entendem por quê estamos aqui."

Pergunta para se auto-avaliar: Se você perdesse acesso a toda tecnologia IA amanhã, conseguiria explicar em uma frase qual era o impacto esperado? Se a resposta for "não", você está no nível iniciante.

2. Qualidade de Dados (Você tem combustível?)

Nível 1: "Nossos dados estão espalhados em vários sistemas. Ninguém sabe o que é confiável."Nível 3: "Consolidamos os dados principais. Temos um Data Lake, mas ainda há gaps significativos."Nível 5: "Nossos dados são um ativo gerenciado. Sabemos a qualidade, a origem, a confiabilidade de cada dataset."

Pergunta para se auto-avaliar: Se precisasse treinar um modelo de IA hoje, em quanto tempo conseguiria dados limpos e confiáveis? Se a resposta for "meses", você está no nível 1-2.

3. Talento & Cultura (Você tem pilotos?)

Nível 1: "Temos contratado alguns cientistas de dados, mas a maioria da organização não entende IA."Nível 3: "Temos times de IA, mas a maioria da organização ainda resiste à mudança."Nível 5: "Diferentes áreas da empresa pensam em IA e dados como ferramenta estratégica. Existe disposição para experimentar e aprender."

Pergunta para se auto-avaliar: Se você propusesse uma mudança de processo usando IA, quantas áreas da empresa você conseguiria convencer em uma semana? Se a resposta for "nenhuma ou apenas uma", você está no nível 1ou 2.

4. Capacidade de Execução (Você consegue sair do MVP?)

Nível 1: "Fazemos projetos-piloto. Poucos saem da fase experimental."Nível 3: "Alguns projetos viram produção, mas o ciclo é lento e caro."Nível 5: "Conseguimos levar ideias de IA para produção rapidamente. Temos processos claros, riscos mapeados, e sabemos como escalar."

Pergunta para se auto-avaliar: Nos últimos 12 meses, quantos projetos de IA você iniciou versus quantos realmente implantou em produção? Se a taxa for menor que 30%, você está no nível iniciante ainda.

5. Mensuração de Resultados (Você sabe se está funcionando?)

Nível 1: "Medimos redução de tempo ou custo, mas não sabemos o impacto real no negócio."Nível 3: "Temos KPIs definidos para IA, mas mudam frequentemente conforme os projetos."Nível 5: "Cada projeto de IA tem métricas de negócio claras (receita, satisfação, risco). Sabemos quanto cada um está contribuindo."

Pergunta para se auto-avaliar: Se seu CFO pedisse para justificar o gasto com IA em termos de impacto financeiro, você conseguiria em uma hora? Se a resposta for "não", você deve agir rápido.

Como Usar Isso

Faça o exercício:

1. Escolha uma nota de 1 a 5 para cada pilar (seja honesto)

2. Some as 5 notas

3. Divida por 5

Você terá um índice de maturidade geral:

• 1.0 a 2.0: Você está começando. Precisa consolidar base.

• 2.1 a 3.5: Você tem peças no lugar, mas faltam conexões.

• 3.6 a 5.0: Você tem capacidade real de inovar com IA.

Por que isso tudo importa? Empresas com maturidade acima de 3.5 conseguem converter IA em receita. Empresas abaixo disso continuam investindo em pilotos eternos. E é claro que não há problema em estar no nível iniciante, afinal, todo mundo tem que começar por algum ponto. O problema real é não saber em qual nível está!