A IA não deu lucro na empresa comum. O problema não é a IA.

O que a Apollo mostrou

A análise compara dois grupos. De um lado, as sete gigantes de tecnologia da bolsa americana: Apple, Microsoft, Alphabet (dona do Google), Amazon, Meta, Nvidia e Tesla. Do outro, as outras 493 empresas do índice S&P 500, que é onde está a economia comum: bancos, varejo, indústria, saúde, energia.

Os números contam três coisas:

• O faturamento por funcionário sobe nas sete gigantes e está parado nas outras 493.
• A margem de lucro sobe nas sete gigantes e está parada nas outras 493.
• Ainda não há sinal de que a IA esteja aumentando a produtividade da economia como um todo.

O gasto com IA virou custo

Slok vai além. Diz que, sem efeito no resultado, as empresas comuns estão recuando e começando a ver o gasto com IA não como fonte de crescimento, mas como um custo que pesa na margem. E que essas empresas não precisam do modelo mais recente nem estão dispostas a pagar por ele.

A conclusão dele: a história da IA vai ser decidida nas 493, não nas sete gigantes, e até agora não há prova de que o faturamento ou a margem estejam melhorando fora da tecnologia.

A pista que está no meio do texto

Até aqui, parece uma sentença contra a IA. Mas leia o parágrafo do meio. Slok escreve que a pergunta daqui para frente é se as empresas comuns vão conseguir transformar uma inteligência cada vez mais barata em mais faturamento e mais margem. E avisa que isso pode ser mais difícil do que parece.

O motivo que ele dá é o ponto mais útil da análise. A IA pode ser uma ótima calculadora, mas nos negócios a inteligência é, na maior parte, julgamento. E julgamento depende de contexto. Segundo ele, a IA não entende responsabilidade, confiança, cultura, regras não escritas, dilemas éticos nem o que é justo, e são justamente essas coisas que pesam na reputação e, no fim, no faturamento.

Repare no que a lista tem em comum. Nenhum desses itens é defeito do modelo que se resolve com o lançamento da semana que vem. Todos são coisas que moram dentro da empresa: quem responde por cada decisão, o que pode e o que não pode, como cada cliente gosta de ser tratado, a regra que todo mundo segue e ninguém escreveu.

Essa é a minha leitura, não a da Apollo: a análise não prova que a IA não funciona. Mostra que só comprar acesso a um modelo não muda o resultado de ninguém. A ferramenta já está barata e disponível para todo mundo. O que falta na maior parte das empresas é o trabalho em volta dela.

O contraexemplo da mesma semana

Dois dias antes, na quinta-feira, 22 de outubro, a Microsoft publicou na Science, uma das revistas científicas mais respeitadas do mundo, um estudo sobre diagnóstico médico com IA.

O sistema, chamado MAI-DxO, não é um modelo novo. Ele usa modelos que qualquer empresa pode contratar, como o GPT-5, da OpenAI. A diferença está em como o trabalho foi organizado. O sistema simula uma junta médica: vários agentes de IA, cada um com um papel. Um propõe hipóteses de diagnóstico, outro escolhe os exames, outro questiona as conclusões dos colegas, outro cuida do custo. E o caso não chega pronto: o sistema começa só com a queixa do paciente e precisa fazer perguntas e pedir exames, passo a passo, como um médico faz no consultório.

Em casos clínicos difíceis, publicados na revista médica New England Journal of Medicine, o sistema acertou 83,2% dos diagnósticos. Clínicos gerais com acesso a material de consulta acertaram 36,1%.

O próprio estudo traz ressalvas que precisam vir junto. Os médicos comparados eram generalistas, não especialistas, e os autores esperam que a diferença diminua contra especialistas. Os casos eram históricos e em texto, numa simulação, não em pacientes reais. E nada disso mostra que a IA substitui médico. Os testes em hospital estão só começando.

Mas a lição para quem não é médico é outra. O que fez o sistema render não foi um modelo mais inteligente. Foi um processo desenhado: papéis definidos, ordem das etapas, alguém conferindo o trabalho do outro, um limite de custo. É exatamente a parte que nenhum modelo traz de fábrica.

O mercado já está premiando quem tem processo

Duas notícias menores da semana apontam para o mesmo lado.

Na terça-feira, 20 de outubro, a OpenAI passou a guardar na API por até 12 horas as instruções fixas que uma empresa manda para os modelos. Até então o padrão era de 30 minutos. Na prática, quem escreveu uma vez as regras, o contexto e as ferramentas do seu agente paga uma fração do preço normal para reaproveitar tudo isso ao longo do dia. Quem improvisa um pedido diferente a cada vez não tem o que guardar.

E Shawn Wang, conhecido como swyx, criador do Latent Space, podcast e newsletter sobre engenharia de IA, escreveu que nunca viu na carreira inteira uma diferença tão grande de procura entre quem só monta assistente de IA e quem sabe organizar dados. Dado organizado é a base de qualquer processo que funciona.

Por que a IA não deu lucro no escritório do Mário

Imagine o Mário, que tem quinze anos de experiência e coordena a área financeira de uma distribuidora. A empresa assinou uma ferramenta de IA no começo do ano. Cada pessoa da equipe usa do seu jeito: um pede resumo de contrato, outro pede e-mail para cobrar cliente, outro cola planilha e pergunta o que está errado.

Dez meses depois, o diretor pergunta quanto a IA economizou. Ninguém sabe responder. Ninguém mediu quanto tempo a cobrança levava antes, ninguém escreveu como a conferência deve ser feita, e cada um confere a resposta da IA de um jeito, quando confere.

A culpa não é do Mário nem da equipe. Foi isso que ensinaram para todo mundo: assine a ferramenta e comece a usar. A ferramenta entrou, o processo continuou o mesmo, e o resultado também. Multiplique essa cena por milhares de escritórios e o gráfico parado da Apollo deixa de ser mistério.

O que fazer na segunda-feira

Escolha uma tarefa só, de preferência a que mais toma tempo da equipe toda semana, e faça a IA entrar nela do jeito certo:

• Meça antes de mudar: quanto tempo a tarefa leva hoje, quantas vezes por mês ela acontece e quantos erros voltam.
• Escreva a tarefa em passos: o que entra, o que acontece em cada etapa, o que sai no fim e quem responde pelo resultado.
• Escreva as regras não escritas: o que nunca pode ir para o cliente, o que precisa de aprovação, como tratar cada caso especial. É a parte que a Apollo diz que a IA não entende sozinha.
• Ponha a IA em um ou dois passos, não na tarefa inteira, e marque o ponto em que uma pessoa confere antes de seguir.
• Depois de 30 dias, meça de novo. Se o número não mudou, ajuste o processo antes de trocar de ferramenta.

A Apollo tem razão no diagnóstico: fora da tecnologia, a IA ainda não apareceu no resultado das empresas. Pode até ser que parte do investimento seja bolha e que o mercado corrija.

Mas a Microsoft mostrou na mesma semana que, quando o trabalho é desenhado, a mesma tecnologia rende muito mais. A diferença entre as duas notícias não é a IA. É o processo em volta dela. Processo antes da ferramenta: a empresa que vai ter lucro com IA não é a que assinou primeiro, é a que escreveu primeiro como o trabalho deve ser feito.