Como montar um business case de IA que o financeiro aprova

“A IA vai aumentar a produtividade do time em 30%.” Essa frase já foi escrita em muitos slides. Quase nunca convenceu o financeiro, e com razão.

Produtividade genérica não aparece no DRE. O que aparece é custo de um processo, receita de um canal, prazo de uma entrega. Neste artigo eu mostro o que os dados dizem sobre o retorno real da IA nas empresas e um roteiro para montar um business case que sobrevive à primeira pergunta do CFO.

A IA está dando retorno financeiro nas empresas?

Para a maioria, ainda não de forma relevante. Duas pesquisas grandes apontam na mesma direção.

A McKinsey publicou em agosto de 2026 a edição The State of AI in 2026: On the road to ROI, com 1.719 participantes. Segundo o relatório, e conforme resumido também pelo The Register:

• 37% dos respondentes atribuem algum impacto no EBIT ao uso de IA, praticamente o mesmo patamar de 2025;
• cerca de 6% são “high performers”, isto é, atribuem 5% ou mais do EBIT à IA e descrevem o valor como significativo, também estável;
• esses high performers têm cerca de duas vezes mais chance de ter processos definidos para medir o impacto das iniciativas de IA.

A BCG chegou a um retrato parecido no estudo The Widening AI Value Gap, de setembro de 2025, com mais de 1.250 executivos: só 5% das empresas geram valor com IA em escala, 35% estão escalando e começando a ver retorno, e 60% relatam ganhos mínimos de receita e custo, apesar de investimento relevante.

Um cuidado de leitura: McKinsey e BCG também vendem consultoria de IA, e os números vêm de pesquisas com executivos, não de balanços auditados. Ainda assim, quando duas fontes diferentes apontam o mesmo padrão, vale levar a sério: usar IA é fácil; transformar uso em resultado financeiro é raro.

Por que tantos business cases de IA não se sustentam?

Na minha leitura, há três falhas recorrentes, e nenhuma delas é tecnológica.

1. Promessa sem linha de base. Se ninguém sabe quanto custa hoje resolver um chamado, analisar um contrato ou qualificar um lead, não há como provar ganho depois. “Economizar tempo” sem medir o tempo atual é fé, não business case.

2. Custo subestimado. O custo do modelo é a parte mais visível e, muitas vezes, a menor. Ficam de fora a integração com sistemas antigos, a avaliação de qualidade, a revisão humana, a segurança dos dados e o treinamento das pessoas. E o custo do modelo varia muito com a arquitetura: num teste recente da Vals AI, a mesma tarefa custou de 1,8 a 5,1 vezes mais quando feita por um time de agentes em vez de um agente sozinho.

3. Nenhum critério de parada. O Gartner estima que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custos crescentes, valor pouco claro ou controle de risco insuficiente. Cancelar não é o problema; cancelar tarde é. Um bom business case diz de antemão o que faria o projeto parar.

Minha opinião, contra o senso comum: o melhor business case de IA é pequeno e chato. Um processo, um número, um dono. Projetos de “transformação com IA” sem esse recorte quase sempre viram uma coleção de pilotos sem impacto.

Qual a estrutura de um business case que o financeiro aprova?

Seis blocos, em uma ou duas páginas.

1. Problema e dono

Qual processo, qual dor, quem é o responsável pelo resultado. Exemplo: “Tempo de primeira resposta no suporte de nível 1; dono: gerente de atendimento”.

2. Linha de base

Como o processo funciona hoje, em números: volume mensal, tempo médio, custo por tarefa, taxa de erro, satisfação. Se esses números não existem, a primeira entrega do projeto é medi-los.

3. Hipótese de ganho

Qual parte do processo a IA vai mudar e quanto você espera ganhar, com uma faixa (pessimista, base, otimista) e a lógica por trás. Ganho pode vir de custo, receita, prazo ou risco, mas precisa estar ligado a um indicador que o negócio já acompanha.

4. Custo total

Componente	O que incluir
Modelo e infraestrutura	Custo por tarefa concluída no volume esperado, com margem para variação
Integração	Conexão com sistemas, dados e permissões
Avaliação	Montagem de casos de teste, revisão humana, monitoramento (veja como)
Operação	Quem cuida do sistema, trata exceções e atualiza a base de conhecimento
Pessoas	Treinamento e mudança no processo
Risco e governança	Segurança, privacidade (LGPD), auditoria

5. Riscos e como medir

O que pode dar errado (qualidade, adoção, custo, segurança) e qual indicador vai mostrar isso cedo.

6. Piloto com ponto de decisão

Escopo pequeno, prazo curto, um indicador principal e uma data. Na data, três saídas possíveis: escalar, ajustar ou parar. Isso dá ao financeiro algo que ele raramente recebe de projetos de IA: um limite de perda conhecido.

Como calcular o custo por tarefa concluída?

Esse é o número que mais muda conversas. A conta básica:

Custo por tarefa concluída = (custo de modelo + infraestrutura + revisão humana + operação no período) ÷ número de tarefas concluídas com sucesso no período

Três detalhes fazem diferença:

• Conte só tarefas concluídas. Se 20% das respostas precisam ser refeitas por uma pessoa, esse retrabalho entra no custo.
• Meça em tarefas reais, não em demonstrações. Rode o sistema em algumas dezenas de casos reais antes de projetar o volume.
• Compare arquiteturas pelo mesmo número. Às vezes um fluxo simples custa uma fração de um agente e entrega quase o mesmo resultado, como discuto em agente, time de agentes ou fluxo simples.

O que os poucos que capturam valor fazem diferente?

Os relatórios convergem em alguns pontos: as empresas que capturam valor redesenham o processo em vez de só colocar IA numa etapa; têm liderança comprometida; e, segundo a McKinsey, medem o impacto de forma definida. A BCG acrescenta que a maior parte do valor potencial está no negócio principal, não só em funções de apoio.

Traduzindo para o business case: comece por um processo que importa para o resultado, desenhe como ele deveria funcionar com IA (não apenas onde encaixar a IA) e defina como vai medir.

O que fazer nesta semana?

1. Escolha um processo com volume, custo conhecido e um dono disposto a acompanhar.
2. Meça a linha de base por duas semanas, se ainda não existir: volume, tempo, custo e erros.
3. Rode 30 casos reais com a solução candidata e calcule o custo por tarefa concluída.
4. Escreva o business case em duas páginas com os seis blocos acima, incluindo o critério de parada.
5. Leve ao financeiro como um piloto com limite de perda, não como uma transformação.

Se a sua empresa ainda está escolhendo o primeiro caso de uso, o artigo sobre por onde começar com IA numa PME brasileira ajuda. E se quiser revisar um business case antes de levá-lo à diretoria, me chama para uma conversa.

Fontes

• McKinsey & Company, The State of AI in 2026: On the road to ROI, agosto de 2026 (pesquisa com 1.719 participantes, maio a junho de 2026).
• The Register, McKinsey says enterprise AI is finally ‘on the road to ROI’, 25/08/2026.
• BCG, AI Leaders Outpace Laggards with Double the Revenue Growth and 40% More Cost Savings (The Widening AI Value Gap), 30/09/2025.
• Gartner, Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, 25/06/2025.
• Vals AI, Do Agent Teams Pay Off?, 09/10/2026.