Você sente que a IA ajudou, e o caixa ainda não confirmou. Tem um motivo pra isso

Você comprou uma ferramenta de IA pro time, ou testou uma sozinho. Faz uns meses que o processo está mais rápido: o orçamento sai antes, a resposta pro cliente chega na hora, a tarefa chata do fim do dia demora metade do tempo. Só que quando você olha o resultado do mês, o número ainda não confirma o que você sente.

A explicação mais comum pra esse descompasso é que você está se enganando, ou que a ferramenta não entregou o que prometeu. As duas coisas podem ser verdade, às vezes. Mas tem um paper recente que mediu esse atraso especificamente, em quase 750 empresas, e a explicação dele é bem diferente, e mais interessante: o atraso é esperado, e ele tem um motivo estrutural.

O paper, e a tese em uma frase

Pesquisadores do Federal Reserve Bank de Atlanta, do Federal Reserve Bank de Richmond e da Duke University publicaram em 2026 o NBER Working Paper 34984, “Artificial Intelligence, Productivity, and the Workforce: Evidence from Corporate Executives”. Eles entrevistaram quase 750 executivos corporativos americanos, a maioria de empresas que já tinha investido em IA na época da pesquisa (as menores ainda estavam começando).

A tese central, resumida numa frase: o ganho de produtividade que o executivo sente é maior do que o ganho que aparece medido nos números oficiais da empresa, e a diferença não é ilusão, é atraso.

Ou seja: você não está errado quando sente que a IA ajudou. Você só está olhando pro relógio errado. A sensação chega rápido. O número demora.

A dieta e a balança nunca combinam no mesmo dia

Pensa numa dieta que você começou há três semanas. Na segunda semana você já dorme melhor, sobe escada sem ofegar, sente a roupa mais folgada. Aí você sobe na balança, e o número quase não mudou. Você desiste? Não, porque você já sabe, por experiência, que o corpo muda antes de a balança confirmar. A balança é a métrica oficial, e a métrica oficial sempre chega atrasada em relação ao que o corpo já fez.

É exatamente isso que o paper mede dentro da empresa. A eficiência operacional (o time entrega mais rápido, o processo fica mais leve) acontece quase em tempo real, dia a dia. Mas o balanço só confirma isso quando a receita relacionada de fato se concretiza, e receita tem prazo natural: fechar um contrato novo, conquistar um cliente novo, lançar um produto novo, tudo isso leva meses pra virar número na contabilidade. O balanço é a balança. Ele está certo, e está atrasado, ao mesmo tempo.

De onde vem o ganho que finalmente aparece

Aqui tem uma parte do estudo que eu acho mais importante do que o atraso em si. Quando o ganho finalmente aparece no balanço, os dados mostram de onde ele vem, e a resposta não é o que a maioria esperaria. Ele não vem, primariamente, de comprar mais tecnologia ou equipamento (os autores chamam isso de aprofundamento de capital, e descartam como fonte primária do ganho medido). Ele vem de vender algo novo, ou de vender diferente: inovação e demanda, não corte de custo do que já existia.

Isso muda o jeito de avaliar um projeto de IA. Se você está medindo o retorno só pelo que deixou de gastar (menos hora de trabalho, menos gente na planilha), está medindo a parte incompleta. O dinheiro segue a inovação, não o corte de custo.

E tem um achado do mesmo estudo que eu acho ainda mais estranho, porque quebra uma narrativa que todo mundo repete sem checar. Os executivos de empresa grande esperam reduzir o quadro por causa da IA. Os de empresa pequena esperam o oposto: um ganho modesto de contratação. Isso inverte o medo comum de que o negócio pequeno é o mais vulnerável ao corte. Na prática, quem ainda está numa fase de expandir o uso da IA, contratando pra sustentar o crescimento, é justamente quem tem menos gente pra começar.

As duas perguntas que separam sensação de resultado

Então, na prática, se você toca um negócio pequeno e sente que a IA ajuda mas o caixa ainda não confirma, o estudo sugere separar duas perguntas antes de julgar se o investimento valeu a pena:

• Isso deixou o processo mais eficiente? (o ganho que você sente rápido, e que raramente aparece direto no caixa)
• Isso abriu uma forma nova de vender ou atender? (o ganho que demora meses, mas que é o que de fato move o balanço)

Se a resposta pra segunda pergunta continuar não depois de alguns meses de uso real, aí sim vale desconfiar. Não porque a IA não ajudou no dia a dia, mas porque o ganho operacional sozinho raramente sustenta o resultado no médio prazo. O que o estudo mede é justamente isso: o atraso é normal, a ausência permanente de inovação não é.

O que eu tiro disso

Paro de tratar “eu sinto que ajuda, mas o número ainda não mostra” como sinal automático de fracasso. Às vezes é fracasso, de verdade. Mas em boa parte das quase 750 empresas do estudo, era só o relógio da eficiência correndo mais rápido do que o relógio da receita, e um levando meses pra alcançar o outro.

O trabalho de sempre continua sendo separar as duas perguntas, medir as duas, e não confundir a balança com o corpo. Ela vai confirmar. Só não no mesmo dia.