O IT vive de modas. A IA não é uma delas

Quem trabalha em IT há mais de uma década aprende a desconfiar de entusiasmos coletivos. Vi organizações montarem equipas de blockchain para problemas que uma base de dados resolvia. Vi orçamentos inteiros apontados ao metaverso. Vi projetos de RPA vendidos como transformação digital, quando eram só robôs a carregar em botões de sistemas que ninguém queria mudar.

Os números confirmam a memória. Em 2019, a Gartner previa que 90% das implementações empresariais de blockchain teriam de ser substituídas em poucos anos. O volume mensal de transações de NFT caiu cerca de 97% entre janeiro e setembro de 2022. E a divisão de realidade virtual e metaverso da Meta perdeu mais de 19 mil milhões de dólares só em 2025, enquanto a empresa desviava investimento para óculos inteligentes.

Por isso compreendo perfeitamente quem olha para a inteligência artificial com ceticismo. É uma reação saudável. O meu argumento neste texto é que, desta vez, o ceticismo deve ser aplicado às ferramentas e às promessas concretas, não à tecnologia em si.

A IA tem a sua dose de modismo, e convém dizê-lo sem rodeios. A Gartner colocou os agentes de IA no pico das expectativas inflacionadas em 2025, e a IA generativa já desceu para o que chama de "vale da desilusão". A mesma Gartner prevê que mais de 40% dos projetos de agentes de IA sejam cancelados até ao fim de 2027, por custos crescentes, valor de negócio pouco claro ou controlo de risco insuficiente, e estima que, entre milhares de fornecedores que se dizem "agênticos", apenas cerca de 130 o sejam de facto. Há até um nome para isto: agent washing, rebatizar chatbots e automatismos antigos como agentes.

Um estudo preliminar do MIT, publicado em julho de 2025, ficou famoso por concluir que cerca de 95% dos pilotos de IA generativa não tinham impacto mensurável nos resultados. É um número que merece leitura cuidada: a amostra era pequena e media impacto em resultados, não falha técnica. Mas as causas apontadas são reveladoras: não era a qualidade dos modelos, eram workflows frágeis, falta de contexto e organizações que não aprenderam a integrar a tecnologia.

Isto é o que acontece quando uma tecnologia real atravessa um ciclo de expectativas. Aconteceu com a internet no final dos anos 90. A bolha rebentou e a internet ficou.

A diferença entre uma moda e uma mudança estrutural vê-se em três coisas: adoção que continua a crescer depois do pico do entusiasmo, custo que cai de forma consistente e capacidade que melhora de forma mensurável. A IA cumpre as três.

• Adoção. Segundo o Eurostat, a percentagem de empresas europeias com dez ou mais trabalhadores que usam IA passou de 8% em 2023 para 13,5% em 2024 e quase 20% em 2025. Nas grandes empresas, ultrapassa os 55%. O inquérito da McKinsey de 2025 aponta para 88% de organizações a usar IA em pelo menos uma função.
• Custo. O AI Index de Stanford calculou que o custo de inferência para um desempenho ao nível do GPT-3.5 caiu mais de 280 vezes entre novembro de 2022 e outubro de 2024. A tendência continuou: o que era caro há dois anos é hoje uma linha marginal no orçamento.
• Capacidade. O mesmo índice, na edição de 2026, regista que a taxa de sucesso de agentes numa bateria de tarefas reais em terminal passou de 20% para mais de 77% num ano.

E o dinheiro acompanha. A Gartner prevê que o investimento mundial em IA chegue a cerca de 2,6 biliões de dólares em 2026, mais 47% do que no ano anterior. Nenhuma das modas que referi teve esta combinação de adoção, custo e capacidade ao mesmo tempo.

É no desenvolvimento de software que a mudança se sente mais. No inquérito da Stack Overflow de 2025, 84% dos programadores usavam ou planeavam usar ferramentas de IA. Segundo o GitHub, quase 80% dos novos programadores na plataforma experimentam o Copilot logo na primeira semana. Ferramentas de programação com agentes, como o Claude Code, o Cursor ou o Codex, passaram de curiosidade a ferramenta de trabalho diária em pouco mais de um ano.

Mas a produtividade não é automática, e os estudos mostram-no. Ensaios controlados da Microsoft e da Google mediram ganhos de velocidade entre 21% e 55% em tarefas delimitadas. Em contrapartida, um ensaio da METR em 2025 mostrou programadores experientes 19% mais lentos com IA, convencidos de que estavam mais rápidos; a própria METR já disse que esses resultados ficaram desatualizados com as ferramentas mais recentes. O relatório DORA de 2025, da Google, resume bem o quadro: a IA é um amplificador. Equipas com boas práticas de testes, integração contínua e revisão ganham velocidade. Equipas sem essas práticas ganham instabilidade.

Há ainda um efeito que me preocupa como gestor: segundo o AI Index de Stanford de 2026, o emprego de programadores entre os 22 e os 25 anos caiu perto de 20% desde 2024. As empresas que deixarem de formar juniores vão descobrir, daqui a três anos, que não têm seniores capazes de rever o que a IA produz.

Na automação de workflows, a tentação é pôr um agente autónomo em cada problema. Muitas vezes, a melhor solução é mais simples: um workflow determinístico, em ferramentas como Power Automate ou n8n, com um passo de IA onde ele acrescenta valor real, como ler um documento, classificar um pedido ou redigir uma primeira resposta. É mais barato, mais previsível e mais fácil de auditar.

A plataforma da Microsoft para criar agentes, o Copilot Studio, já é usada por centenas de milhares de organizações, segundo a própria empresa. A ferramenta não é o problema. O que separa os casos de sucesso dos pilotos que não saem da gaveta é a pergunta que se faz antes: este processo precisa mesmo de autonomia, ou precisa de ser redesenhado?

Há também um custo que poucos orçamentam. O preço por token cai, mas os agentes consomem muitos mais tokens por tarefa do que um chatbot, porque raciocinam, consultam ferramentas e repetem passos. O indicador certo para um business case não é o preço por pedido, é o custo por processo concluído.

A McKinsey identificou que apenas cerca de 6% das organizações são "high performers" em IA, com pelo menos 5% dos resultados operacionais atribuíveis à tecnologia. O que as distingue não é o modelo que usam. É que têm quase três vezes mais probabilidade de redesenhar workflows de raiz em vez de acrescentar IA ao processo existente.

É aqui que vejo a maior oportunidade, sobretudo para empresas de média dimensão em Portugal. Faturas, contratos, pedidos de clientes, processos de RH, conciliações, relatórios: há uma quantidade enorme de trabalho baseado em documentos e regras que a IA consegue hoje tratar com qualidade, desde que o processo esteja bem desenhado, os dados estejam organizados e alguém seja dono do resultado. O próprio estudo do MIT sublinhava que o melhor retorno estava precisamente na automação de back-office, e não nas áreas comerciais onde vai a maior parte do orçamento.

Há empresas que adiam decisões à espera de clareza regulatória. Compreendo, mas acho um erro. O AI Act já está em vigor: as práticas proibidas aplicam-se desde fevereiro de 2025, as obrigações para modelos de uso geral desde agosto de 2025, e as obrigações de transparência desde agosto de 2026. O pacote de simplificação aprovado em 2026 adiou as regras para sistemas de alto risco, como os usados em recrutamento, crédito ou educação, para dezembro de 2027.

Esse adiamento dá tempo, não dá isenção. Inventariar os sistemas de IA em uso, definir quem os supervisiona e documentar decisões custa muito menos agora do que daqui a um ano, com pressa.

Se a IA é um caminho sem volta, a pergunta deixa de ser "se" e passa a ser "como". O que recomendo às empresas com quem trabalhamos é pragmático:

1. Comecem pelo processo, não pela ferramenta. Escolham dois ou três processos com dono, volume e custo conhecido, e redesenhem-nos com IA.
2. Meçam resultados, não entusiasmo. Tempo de ciclo, custo por processo, defeitos, satisfação de quem usa. A sensação de produtividade engana, como os estudos mostram.
3. Arrumem os dados. Sem dados acessíveis e com qualidade, nenhum modelo faz milagres.
4. Invistam nas pessoas. Formação técnica para as equipas de IT e literacia em IA para o resto da organização. É também uma obrigação do AI Act desde 2025.
5. Mantenham a arquitetura aberta. Os modelos líderes mudam de mês para mês. Desenhem sistemas que permitam trocar de modelo sem reescrever tudo.

As modas passam porque resolvem problemas que poucos tinham. A IA fica porque mexe no trabalho que quase todos fazem: escrever, ler, decidir e coordenar.