Em agosto de 2025, o MIT publicou um retrato desconfortável da adoção de IA nas empresas: apenas 5% dos projetos-piloto de IA generativa chegam a gerar impacto financeiro mensurável. A pesquisa, do laboratório de mídia do MIT com o projeto NANDA, é resultado de entrevistas com líderes de negócio, uma pesquisa mais ampla com funcionários e a análise de centenas de projetos reais de IA em empresas — não um estudo de opinião sobre expectativa, e sim sobre o que de fato aconteceu depois que o contrato foi assinado.
O motivo apontado pela pesquisa não é a qualidade dos modelos de IA usados. É a distância entre o que foi orçado e o que o projeto realmente exigiu depois de sair do papel. E essa distância tem um padrão: o valor da licença é a parte mais fácil de calcular — e a menor parte do custo total.
Para quem aprova orçamento de tecnologia, essa distinção separa um projeto que dá certo de um que vira mais um piloto esquecido: a pergunta certa nunca foi "quanto custa a ferramenta", e sim "quanto custa colocar essa ferramenta para funcionar dentro da empresa — e mantê-la funcionando".
As parcelas que ninguém orçou
Uma pesquisa da IDC encomendada pela DataRobot, publicada em dezembro de 2025 com 318 líderes de tecnologia de empresas com mais de mil funcionários nos Estados Unidos, Reino Unido e Irlanda, mediu o tamanho real dessa distância. Entre as empresas que usam IA generativa, 96% pagaram mais do que haviam planejado. Entre as que usam agentes de IA, o número é 92%. E 71% admitiram ter pouco ou nenhum controle sobre de onde vêm esses custos extras.
A mesma pesquisa aponta onde o dinheiro escorre: consumo maior do que o previsto, correção de respostas erradas produzidas pela IA e o tempo da equipe de tecnologia gasto costurando ferramentas diferentes que deveriam conversar entre si. Em empresas com uso mais intenso de IA, quase metade do tempo da equipe de TI vai para essa manutenção — não para o que a empresa realmente queria automatizar.
Outro levantamento, da consultoria de gestão de tecnologia Flexera, mostrou o outro lado do mesmo problema: só 31% das empresas dizem ter visibilidade real de quanto gastam com IA, e apenas 36% enxergam com clareza todo o gasto de tecnologia da empresa. Sem esse número, orçar o próximo projeto vira uma estimativa no escuro — e 59% das empresas relataram que o desperdício com IA aumentou no último ano.
O padrão nos dois estudos é o mesmo: a licença tem preço fechado desde o primeiro dia. O resto do custo — preparar o conteúdo que a IA vai usar, ligar essa IA aos sistemas que já existem, corrigir o que sai errado e acompanhar quanto cada área está de fato usando — só aparece depois que o projeto está rodando. E é justamente esse resto que decide se o projeto sobrevive ao segundo ano.
Mais licença não fecha a conta
A reação mais comum a um orçamento de IA que estourou é comprar mais: mais licenças, um plano superior, um contrato maior com o mesmo fornecedor. É a solução errada para o problema errado — porque, segundo a pesquisa do MIT, mais da metade do orçamento de IA das empresas hoje vai para ferramentas de vendas e marketing, exatamente onde o retorno medido foi menor. O maior retorno apareceu em áreas de apoio: substituir serviço terceirizado, reduzir gasto com agências externas, automatizar tarefas repetitivas do dia a dia.
O mesmo estudo encontrou uma diferença que vale citar: comprar uma solução especializada de um fornecedor teve taxa de sucesso de cerca de 67%, quase o triplo de projetos construídos internamente do zero. Não é o valor gasto que separa sucesso de fracasso — é para onde esse valor vai, e o quanto ele evita reconstruir, na empresa, o que um fornecedor especializado já resolveu.
Trocar de plano também não resolve o problema de visibilidade. Se ninguém sabe qual área está consumindo o quê, um contrato maior só significa um número maior no fim do mês, sem responder a pergunta que realmente importa para quem aprova orçamento: por que o gasto cresceu, e onde cortar sem travar quem depende da ferramenta.
Setenta e um por cento das empresas admitem ter pouco ou nenhum controle sobre de onde vêm os custos extras de IA.
O que precisa existir na prática
Os dois estudos apontam para a mesma direção: o problema não é o valor gasto, é a falta de estrutura em volta desse gasto. Um ambiente de IA bem desenhado resolve isso com alguns mecanismos concretos, não com um contrato mais caro.
Custo transparente por conversa, não por assinatura parada. Cada interação tem um custo visível, e a empresa paga pelo que é efetivamente usado — não por um número fixo de licenças, boa parte delas ociosas.
Orçamento em créditos compartilhados pela equipe, com consumo visível por área. Em vez de uma licença por pessoa, um saldo comum que qualquer área pode consumir, com o gasto de cada uma acompanhado em tempo real — a mesma visibilidade que 31% das empresas hoje dizem não ter.
Roteamento automático para o modelo de IA mais barato em cada tarefa. Uma pergunta rotineira não precisa do modelo mais caro disponível; reservar o modelo mais robusto para o que de fato exige complexidade é o que evita o consumo desperdiçado que a Flexera mediu crescendo ano a ano.
Conhecimento e conexões reaproveitados, não reconstruídos a cada projeto novo. Ligar a IA a um sistema já usado por outra área da empresa não deveria significar refazer a integração do zero — é aí que mora boa parte do custo de colocar uma ferramenta nova para funcionar.
Aprovação humana antes de um gasto ou uma ação sensível, com trilha de auditoria. Cada decisão relevante fica registrada e rastreável, o que reduz o tipo de correção tardia e cara que aparece quando ninguém revisou antes.
É assim que a Skyller foi desenhada: crédito de uso compartilhado pela equipe, com consumo visível por área, e roteamento automático para o modelo mais barato em toda tarefa rotineira.
Onde o orçamento aparece de novo
O ganho mais imediato de um orçamento assim é a previsibilidade: quem aprova o gasto sabe, mês a mês, quanto cada área está de fato consumindo — e pode agir antes que o número vire surpresa no fechamento trimestral, o mesmo fechamento que pegou 49% das empresas de surpresa a ponto de atrasar ou reduzir projetos de IA, segundo a pesquisa da KPMG citada pela Flexera.
Há um segundo ganho, menos falado: reaproveitar o que já foi integrado e aprovado custa muito menos do que reconstruir. Uma conexão com um sistema interno, um fluxo de aprovação já configurado, um conjunto de conhecimento já organizado — tudo isso, feito uma vez por uma área, passa a estar disponível para a próxima, em vez de virar um novo projeto do zero com o próprio custo de integração embutido.
O resultado é um orçamento que cresce de forma proporcional ao uso real, não pelo tamanho do próximo contrato. Numa plataforma como a Skyller, esse consumo aparece por área, mês a mês, para quem decide onde investir a seguir.
As perguntas que faltam no orçamento
Antes de aprovar o próximo projeto de IA, vale levar estas perguntas para quem assina o orçamento:
- Quanto vai custar preparar e manter o conhecimento que a IA vai usar? Documentos, políticas e processos internos raramente estão prontos para isso — organizá-los e mantê-los atualizados é trabalho contínuo, não uma etapa única.
- Quem vai integrar essa IA aos sistemas que a empresa já usa, e quanto tempo isso leva? Uma proposta que não menciona esse prazo geralmente está subestimando o projeto inteiro.
- O custo cresce com o uso — e alguém está acompanhando esse consumo mês a mês, por área? Sem essa visibilidade, o orçamento só aparece pronto, no fim do mês, sem explicação.
- Se o piloto não avançar para o resto da empresa, quanto já foi gasto e o que sobra depois? Um piloto isolado, sem plano de reaproveitamento, tende a virar custo perdido — não aprendizado.
