Pesquisa da Andus Labs identifica principais obstáculos organizacionais para o ROI da IA nas empresas

A Andus Labs, uma empresa de estratégia organizacional fundada em 2025 pelo ex-executivo da Weber Shandwick, Chris Perry, delineou as principais barreiras estruturais que impedem as empresas de extrair valor total das implantações de inteligência artificial. Com base nas conclusões do seu Ground Truth Index, a empresa relata que o retorno sobre investimentos em IA empresarial depende muito mais da capacidade de absorção organizacional e do preparo humano do que do desempenho bruto dos modelos.

Monitorando o impacto em vez da mera adoção

Segundo a Andus Labs, muitas empresas avaliam o sucesso da IA por meio de métricas superficiais, como contagem de licenças ativas, logins e agentes de IA implantados, em vez de mudanças reais nas entregas operacionais. Embora altas taxas de adoção de ferramentas sejam frequentemente apresentadas a conselhos de administração, os fluxos de trabalho subjacentes geralmente permanecem inalterados, resultando apenas em entregas convencionais concluídas mais rapidamente, sem desbloquear novas capacidades de negócios.

A empresa observa que a responsabilidade operacional pelo desempenho da IA costuma ser dividida entre departamentos de TI, recursos humanos e centros de excelência especializados. Essa fragmentação deixa o impacto geral nos negócios sem um único líder executivo que possua autoridade clara para modificar os processos estruturais.

Principais obstáculos à adoção nas empresas

O Ground Truth Index consolida 300 padrões de trabalho documentados em 595 organizações. Para compilar o índice, cinco agentes de IA analistas e independentes avaliam os padrões candidatos em cinco métricas de forma isolada. Em seguida, pesquisadores humanos analisam as pontuações medianas e finalizam a classificação principal.

O índice aponta a condição de 'Cadeiras Vazias' (Empty Chairs) como a principal barreira para gerar valor com a IA nas empresas. Esse cenário ocorre quando as organizações delegam autoridade de decisão a sistemas automatizados sem definir qual líder humano permanece responsável pelos resultados ou possui autoridade explícita para anular as recomendações do sistema.

O segundo obstáculo mais relevante, 'Aprender se Afogando' (Learning While Drowning), descreve organizações que exigem programas de treinamento em IA enquanto mantêm a carga de trabalho habitual dos funcionários inalterada, levando a baixas taxas de adoção real. Outras barreiras identificadas incluem a 'Inércia Ativa', onde as empresas usam IA para acelerar processos obsoletos em vez de redesenhá-los, e a 'Ansiedade de Desvalorização' entre trabalhadores preocupados com a segurança no emprego.

Redesenhando sistemas de trabalho para agentes autônomos

Para obter um ROI de longo prazo, a Andus Labs estrutura o valor realizado da IA como a capacidade multiplicada pela capacidade de absorção. À medida que os modelos de fronteira se tornam amplamente acessíveis em diversos setores, a vantagem competitiva migra para as estruturas internas de decisão, o alinhamento de incentivos e os fluxos operacionais da organização.

A consultoria recomenda reestruturar a passagem tradicional de tarefas entre múltiplos departamentos em equipes menores e focadas em problemas específicos, combinando trabalhadores humanos e agentes de IA. Além disso, as diretrizes de governança devem garantir que a supervisão humana permaneça vinculada a decisões de alto risco, enquanto ações rotineiras e de baixo risco avançam com autonomia definida para os agentes.

Ilustração editorial gerada por IA; não é uma fotografia documental.

Fonte: Chris Perry, Founder and CEO of Andus Labs – Interview Series