A inteligência artificial já faz parte da rotina de muitos negócios. Mas existe uma distância importante entre experimentar uma ferramenta, incorporar IA ao trabalho e comprovar resultado financeiro.
Não é difícil encontrar manchetes dizendo que a IA vai transformar tudo, substituir profissões ou multiplicar a produtividade. O problema é que previsões e números impressionantes costumam circular sem a pergunta mais importante: o que exatamente foi medido?
Eu prefiro partir das pesquisas. Elas ajudam a entender o avanço da tecnologia, mas também mostram por que precisamos tomar cuidado com comparações. Uma empresa que usou uma ferramenta de texto ontem pode aparecer em determinado levantamento. Em outro, a adoção pode significar usar uma aplicação estruturada de IA em uma função de negócio. Os dois resultados podem ser válidos e, ainda assim, não medir a mesma coisa.
Em 2026, olhar esses detalhes é indispensável para avaliar oportunidades com seriedade.
Pesquisa brasileira: 17% das empresas utilizaram tecnologias de IA
A TIC Empresas 2025, divulgada pelo Cetic.br/NIC.br em 2026, apontou que 17% das empresas da população-alvo da pesquisa utilizaram tecnologias de inteligência artificial, ante 13% em 2024 [1]. A adoção declarada variou conforme o porte: 15% nas empresas com 10 a 49 pessoas ocupadas, 32% naquelas com 50 a 249 e 50% nas empresas com 250 ou mais pessoas ocupadas [2].
O recorte por porte ajuda a entender a diferença de recursos e maturidade tecnológica. Mas não autoriza afirmar que as empresas que usam IA são automaticamente mais eficientes. O indicador mede adoção declarada de tecnologia, não retorno sobre investimento.
Outro ponto relevante da TIC Empresas: entre as empresas que declararam usar IA, 68% indicaram automação de processos e fluxos de trabalho como um dos tipos utilizados; geração de linguagem natural apareceu em 30%, segundo o indicador H9A [3]. As categorias não são exclusivas e seus percentuais podem se sobrepor. Esse dado reforça algo que considero importante: uma parte expressiva do uso está relacionada a processos, não apenas à geração de textos e imagens.
Outra pesquisa encontrou 52%. Como explicar a diferença?
Em agosto de 2026, o Sebrae divulgou a pesquisa Transformação Digital nos Pequenos Negócios (2026), realizada em parceria com o Meta Instituto de Pesquisa. O levantamento entrevistou 7.182 empreendedores, entre MEIs, microempresas e empresas de pequeno porte, de 24 de março a 8 de maio de 2026. Nele, 52% disseram ter usado IA em suas atividades nas duas semanas anteriores à entrevista [4].
Por que o Cetic.br apresenta 17% e o Sebrae, 52%? Não faz sentido escolher apenas o maior número. As pesquisas têm universos, perguntas e critérios de observação distintos. A TIC Empresas trabalha com um universo de empresas com dez ou mais pessoas ocupadas e indicadores específicos de tecnologias; a pesquisa Sebrae inclui MEIs e pergunta pelo uso recente de IA nas atividades dos empreendedores. Também há diferenças de período e método.
Não devemos colocar esses percentuais no mesmo gráfico como se fossem respostas à mesma pergunta, nem dizer que um estudo desmente o outro. O correto é usar cada um para entender uma dimensão do fenômeno: a presença de tecnologias organizacionais em determinadas empresas e o uso recente de ferramentas por pessoas que empreendem.
Para mim, essa leitura crítica é parte do conteúdo de qualidade que precisamos produzir. Um número sem contexto pode ser mais enganoso do que útil.
E no mundo? O avanço aparece nas pesquisas corporativas
O Stanford AI Index Report 2026, no capítulo sobre economia, apresenta resultados de uma pesquisa empresarial internacional da McKinsey. A proporção de respondentes que disseram que suas organizações utilizavam IA em ao menos uma função de negócio foi de 55% em 2023, 78% em 2024 e 88% em 2025 [5].
A curva aponta uma expansão rápida no grupo pesquisado. Ainda assim, os próprios materiais do AI Index ressaltam que resultados autodeclarados são indicativos, não uma fotografia completa e representativa de toda a economia. E esses números não são diretamente comparáveis aos 17% da TIC Empresas ou aos 52% do Sebrae.
A principal conclusão que tiro dessas fontes é que a IA deixou de ser um tema distante, mas sua adoção continua heterogênea. O desafio das empresas agora é transformar experimentação em processos confiáveis, mensuráveis e adequados ao seu contexto.
Onde a IA tende a ajudar primeiro um pequeno negócio?
Eu começaria por atividades em que exista repetição, disponibilidade de dados e uma forma clara de conferir a qualidade. Uma loja pode usar IA para sugerir classificações de mensagens recebidas; uma empresa de serviços pode produzir um primeiro rascunho de orçamento para revisão; uma equipe comercial pode resumir interações registradas, desde que os dados sejam tratados adequadamente; uma área administrativa pode identificar inconsistências em documentos.
Mas a pergunta não deveria ser “em qual tarefa posso colocar IA?”. Deveria ser “qual tarefa tem um problema concreto de tempo, custo ou qualidade que a IA pode resolver melhor do que uma regra simples ou uma melhoria de processo?”.
| Situação | Possível uso de IA | Como avaliar |
|---|---|---|
| Alto volume de mensagens | Classificação inicial de temas | Taxa de classificação correta, revisão e tempo poupado |
| Textos comerciais repetitivos | Primeiro rascunho supervisionado | Tempo de edição, precisão e aceitação |
| Cadastro desorganizado | Extração e padronização assistida | Erros, duplicidades e correções necessárias |
| Documentação extensa | Busca e síntese com referências | Respostas fundamentadas e falhas detectadas |
| Análises recorrentes | Apoio à interpretação de relatórios | Acerto dos cálculos, utilidade e tempo de revisão |
Há tarefas em que uma planilha, um formulário ou uma automação convencional podem funcionar melhor. IA não deve ser o ponto de partida por ser novidade; deve entrar quando a capacidade de interpretar informações pouco estruturadas realmente agrega valor.
O teste que eu faria antes de contratar uma solução
Em vez de implantar um agente para toda a empresa, eu escolheria um fluxo pequeno, com regras, supervisão e critérios de sucesso definidos. Por exemplo: classificar solicitações recebidas em cinco categorias e encaminhá-las para revisão humana.
No piloto, registraria um conjunto de exemplos representativos, inclusive casos ambíguos. Mediria taxa de classificação correta, erros potencialmente graves, tempo total de operação — incluindo revisão — e custo da solução. Compararia o resultado ao processo anterior, mantendo as mesmas definições.
Também observaria aspectos que nem sempre aparecem nas apresentações comerciais: o sistema admite quando não sabe? Consegue citar a origem da informação? Existe registro do que foi enviado e alterado? Quem pode autorizar ações externas? Um agente com acesso a ferramentas precisa de limites explícitos para não executar algo inadequado.
Se não houver melhora demonstrável, o projeto deve ser revisto. “Estamos usando IA” não é resultado operacional.
Segurança, confiabilidade e dados pessoais
O NIST, órgão norte-americano de padrões e tecnologia, propõe um referencial de gestão de riscos de IA organizado em quatro funções: Govern, Map, Measure e Manage — governar, mapear, medir e gerenciar [6]. Não é uma lei brasileira nem uma certificação automática de conformidade, mas oferece um raciocínio útil: definir responsabilidades, entender o contexto de uso, avaliar desempenho e riscos, e manter controles ao longo do tempo.
Para uma pequena empresa, isso pode significar regras simples: não enviar informações pessoais desnecessárias para plataformas externas; não confiar em cálculos sem conferência; separar rascunhos de respostas aprovadas; manter possibilidade de atendimento humano; impedir que sistemas executem pagamentos ou alterem cadastros sensíveis sem autorização adequada.
No Brasil, a LGPD exige atenção a finalidade, necessidade, transparência e segurança no tratamento de dados pessoais [7]. Uma ferramenta de IA não elimina essas obrigações. Pelo contrário: a facilidade de copiar e analisar volumes de informação torna ainda mais importante definir o que pode ser compartilhado, com quem e para qual finalidade.
IA ajuda a decidir, mas não substitui entendimento do negócio
Uma empresa sem controle de custos não resolve precificação apenas perguntando a um chatbot quanto cobrar. Se os dados estão incompletos, a resposta pode ser convincente e errada. Uma equipe comercial sem critérios de atendimento não melhora automaticamente por ter um agente. Uma organização com cadastros duplicados terá dificuldade para produzir análises confiáveis, com ou sem IA.
Eu vejo a inteligência artificial como uma camada de capacidade nova: ela pode acelerar produção, ajudar a interpretar conteúdos e automatizar partes de processos complexos. Mas o valor depende da qualidade das informações, do desenho do trabalho e da forma de validar resultados.
Nesse ponto, marketing, dados, tecnologia e IA se encontram. Não são quatro assuntos isolados. São maneiras complementares de compreender e melhorar um negócio.
Conclusão: menos encantamento, mais evidência
Os levantamentos de 2025 e 2026 mostram expansão do uso de IA, embora seus percentuais não devam ser misturados sem contexto. O crescimento é real nos universos medidos; o retorno para cada empresa continua sendo uma hipótese que precisa ser testada.
Minha proposta é simples: escolha um problema pequeno, meça a situação atual, faça um piloto seguro, acompanhe erros e ganhos e decida com base nos resultados. Isso ajuda a aproveitar a tecnologia sem transformar uma tendência importante em mais uma despesa difícil de justificar.
Perguntas frequentes
Por que diferentes pesquisas trazem percentuais tão diferentes de adoção de IA? Porque variam população pesquisada, definição de uso, pergunta, período e metodologia. Não compare percentuais sem ler essas informações.
Agentes de IA são necessários em qualquer empresa? Não. Muitas rotinas são resolvidas de modo mais previsível por regras, sistemas tradicionais e melhoria de processos.
Como saber se um piloto deu certo? Defina uma referência anterior e meça qualidade, tempo total, custo, erros e impacto operacional, incluindo revisão humana.
Fontes e referências
- Cetic.br/NIC.br. TIC Empresas 2025 — release sobre adoção de IA (13% em 2024; 17% em 2025). Junho de 2026. cetic.br/pt/noticia/uso-de-inteligencia-artificial-por-empresas-brasileiras-avanca-e-atinge-17-aponta-pesquisa-do-cetic-br/
- Cetic.br/NIC.br. TIC Empresas 2025 — indicador H9: uso de tecnologias de IA. Tabelas publicadas em 2026. www.cetic.br/en/tics/pesquisa/2025/empresas/H9/
- Cetic.br/NIC.br. TIC Empresas 2025 — indicador H9A: tipos de IA utilizados. cetic.br/pt/tics/pesquisa/2025/empresas/H9A/expandido/
- Agência Sebrae de Notícias. Pequenos negócios do Brasil usam mais IA que os norte-americanos, aponta Sebrae. 17 ago. 2026. agenciasebrae.com.br/dados/pequenos-negocios-do-brasil-usam-mais-ia-que-os-norte-americanos-aponta-sebrae/
- Stanford HAI. AI Index Report 2026 — Economy, Corporate AI Adoption. Série baseada em pesquisa McKinsey. hai.stanford.edu/ai-index/2026-ai-index-report/economy
- NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0). 2023. doi.org/10.6028/NIST.AI.100-1
- Governo Federal. Princípios da LGPD. www.gov.br/saude/pt-br/acesso-a-informacao/lgpd/principios
Nota editorial: gráficos originais reconstruídos a partir de percentuais publicados nas fontes citadas. Nenhum resultado apresentado corresponde a experimentos realizados por Pedro Merli ou por seus clientes.