Payback de 28 Meses: a Conta de IA Que Ninguém Estará Olhando Quando Fechar

Este post não é sobre uma notícia. É sobre dois números publicados com sete meses de distância que, juntos, explicam por que tantos projetos de IA morrem sem veredito.

O primeiro vem da pesquisa anual de adoção e gestão de riscos de IA da Gallagher, corretora global de seguros e gestão de riscos, publicada em fevereiro de 2026. Entre as organizações que medem o ROI de suas implantações de IA, a estimativa média é de 28 meses até que o valor gerado supere os custos iniciais.

O segundo saiu esta semana, no Panorama da IA no Brasil da Zappts: 55,1% das empresas brasileiras não têm nenhum mapeamento estruturado de ROI.

Ponha os dois lado a lado. A conta demora dois anos e meio a fechar — e mais da metade das empresas não está a olhar para ela.

O Problema Não É Paciência. É Memória.

Vinte e oito meses é mais do que o tempo médio de permanência de um diretor de tecnologia em muitas empresas. É mais do que dois ciclos orçamentários. É mais do que a vida útil da maioria dos comitês de inovação.

Um projeto de IA aprovado hoje só prova que valeu a pena em janeiro de 2029. Nesse intervalo:

• o patrocinador que assinou pode ter mudado de cargo ou de empresa;
• o orçamento passou por duas ou três renegociações;
• a ferramenta escolhida provavelmente já foi substituída;
• e ninguém escreveu, no início, qual número deveria mudar.

Sem esse registro, o projeto não é cancelado por ter falhado. Ele evapora — vira custo recorrente que ninguém defende e ninguém mata, porque não há critério para nenhuma das duas coisas.

É o oposto do que descrevi em 3 armadilhas dos projetos de IA: não é que o piloto tenha dado errado, é que nunca houve como saber.

82% Dizem Que Funcionou. 55% Não Medem.

Aqui está a contradição que mais me incomoda nos dados de 2026, e ela atravessa os dois estudos.

A Gallagher reporta que 82% dos respondentes dizem que a IA teve impacto positivo em suas organizações, e 83% acreditam que ela impulsionará crescimento de receita futuro. São números de otimismo alto.

Só que, se mais da metade não tem mapeamento estruturado de ROI, esses 82% não podem ser uma medição. São uma impressão.

Não estou a dizer que a impressão está errada. Estou a dizer que ela não é evidência — e que ninguém consegue distinguir, olhando para dentro da própria empresa, um ganho real de uma sensação de modernidade. É exatamente a diferença entre "a equipe está mais rápida" e "o custo por atendimento caiu 22%", que tratei em produtividade não é ROI.

Otimismo sem medição tem um custo específico: ele adia a decisão. Enquanto todos acham que está a funcionar, ninguém pede a conta.

O Lado Que Quase Ninguém Está a Orçar

Como a Gallagher é uma corretora de riscos, a pesquisa olha para um ângulo que os estudos de adoção normalmente ignoram — e que entra direto na conta do payback.

Menos de metade das empresas adota estruturas formais de gestão de risco ou planos escritos de resposta a incidentes de IA. John Farley, diretor da prática cibernética da Gallagher, descreve o problema com uma expressão que vale guardar: responsabilidades ligadas a IA não são violações de dados simples, são uma "caixa preta de risco algorítmico" — exigem tratar viés, supervisão e integração de dados ao mesmo tempo.

E o risco já saiu do plano teórico. O 2026 Cyber Insurance Market Outlook da mesma corretora mapeia mais de 200 processos judiciais ativos envolvendo IA e machine learning — viés de dados, privacidade, discriminação e risco regulatório —, atravessando coberturas de cyber, responsabilidade de produto e E&O.

Um incidente desses num projeto de payback de 28 meses não atrasa a conta. Inverte-a. E quem não tem plano escrito de resposta descobre isso no pior momento possível — o que liga diretamente ao que escrevi sobre governança de IA nas empresas e sobre o Shadow AI.

44% Têm Uma Estratégia Que a Própria Equipe Desconhece

Mais um dado da Gallagher que explica payback longo: apenas 56% das organizações comunicaram a estratégia de adoção de IA à sua força de trabalho.

Quase metade das empresas tem um plano de IA que as pessoas encarregadas de executá-lo não conhecem. Sonya Poonian, da prática de transformação de IA da corretora, aponta o caminho: é preciso desenvolver habilidades, confiança e segurança para incorporar IA aos fluxos diários — e só então se chega ao ponto de inflexão do ROI de longo prazo.

Traduzindo para o caixa: cada mês em que a equipe não sabe o que fazer com a ferramenta é um mês somado aos 28. O payback não é uma propriedade da tecnologia. É uma consequência da velocidade de adoção interna — e ninguém adota o que não entendeu.

Como Encurtar 28 Meses Sem Gastar Mais

A boa notícia é que a média de 28 meses descreve o comportamento padrão, não uma lei da física. Três decisões a comprimem, e nenhuma custa dinheiro:

1. Escolha a frente pelo payback, não pela novidade. O tempo de retorno varia mais de duas vezes conforme o domínio: atendimento se paga muito antes de engenharia. Começar pela área de retorno rápido não é falta de ambição — é o que compra paciência do board para as frentes lentas depois.

2. Escreva o critério de morte no dia zero. "Se em 90 dias o custo por atendimento não cair X, cancelamos." Um projeto com critério de saída não precisa de 28 meses para gerar aprendizado: gera em 90 dias, mesmo quando falha. O que custa caro não é o projeto que falha rápido, é o que fica.

3. Registre o número num lugar que sobrevive às pessoas. Não na cabeça do patrocinador, nem no slide de aprovação. Numa linha do P&L, com dono nomeado e revisão trimestral em calendário. É a única defesa contra a evaporação — e é a fase R do Método LUCRO.

No Instituto Pedro Ruiz, o retorno não levou 28 meses: em seis, o faturamento saiu de R$ 1,3 milhão para R$ 3,8 milhões. A diferença não foi o modelo nem o orçamento — foi ter escolhido a frente de payback rápido, com a métrica financeira definida antes de a primeira ferramenta ser contratada.

Uma Ressalva Sobre Juntar Dois Estudos

Sendo justo com os dados: são pesquisas diferentes, com amostras e recortes diferentes. A da Gallagher é global e olha adoção pela lente de risco e seguro; a da Zappts ouviu 167 executivos de grandes empresas brasileiras, em amostra autosselecionada. Os 28 meses vêm de quem mede; os 55,1% descrevem quem não mede.

Ou seja, não são o mesmo grupo — e é justamente por isso que o cruzamento importa. O prazo de 28 meses é a experiência de quem tem instrumento. Quem não tem também está a esperar esse tempo, sem saber que está.

O Seu Projeto de IA Sobrevive a Dois Anos e Meio?

A pergunta não é se a IA dá retorno. É se a sua organização ainda estará a medir quando ele chegar.

Se você não consegue apontar hoje, numa frase, qual número da operação deveria mudar e quem responde por ele, o horizonte não é de 28 meses — é indefinido.

Mapeio isso em 30 minutos, sem custo: ceridorio.tec.br/lucro.

Fontes

• Gallagher, 2026 AI Adoption and Risk Benchmarking (publicada em 23/02/2026) — link
• Gallagher, 2026 Cyber Insurance Market Outlook — mais de 200 processos ativos envolvendo IA e machine learning
• Zappts, Panorama da IA no Brasil 2026 (3ª edição) — 55,1% sem mapeamento estruturado de ROI
• Revista Apólice, IA já está presente em 63% das empresas, mas retorno leva 28 meses (09/2026) — link

Texto de Tiago Ceridório, consultor de IA para negócios, com 16 anos em transformação digital e especialização em Inteligência Artificial e Ciência de Dados em Saúde pela Faculdade Sírio-Libanês Digital.