Em resumo
Quando a diretoria pergunta quanto um projeto de IA retornou, a primeira conta costuma ser quantas pessoas deixaram de ser necessárias. Essa conta chega tarde e captura um efeito só. O ROI de IA compara o que um processo apoiado por IA entrega a mais com o custo total de operá-lo, e o retorno mais comum aparece como capacidade: mais volume com o mesmo time, ciclo mais curto, menos erro. Os dois lados da conta dependem do contexto que chega ao modelo, papel do Company Brain, a camada que conhece a empresa: quais dados existem, onde vivem, como se relacionam e quem pode ver o quê.
Em processos com volume, o primeiro efeito de um projeto bem implantado é o mesmo time fazer mais. Esse ganho tem cinco formas mensuráveis:
A pesquisa acadêmica mede dessa forma. Um estudo publicado pelo NBER em 2023 acompanhou atendentes de suporte e mediu o efeito de um assistente de IA pelo número de chamados resolvidos por hora. O ganho médio foi de 14%, maior entre os profissionais menos experientes. A métrica escolhida foi capacidade.
A redução de quadro é o efeito mais lento de aparecer. Ela depende de rotatividade, de decisão de gestão e de o processo ter estabilizado. Em um balanço trimestral, um projeto que liberou capacidade e absorveu crescimento aparece com retorno zero.
A métrica também orienta mal a escolha de projetos. Processos passam a ser priorizados pelo número de pessoas envolvidas, e ficam de fora os que têm equipe pequena e alto custo de erro, como a conferência de faturas de fornecedores. Nesses casos, o retorno está no erro evitado.
Um ROI de IA verificável compara o processo antes e depois, com a mesma métrica. Na conferência de faturas do contas a pagar, a montagem segue quatro passos:
Os custos que mais pesam na conta raramente aparecem no orçamento do projeto:
No lado do custo, a integração é feita uma vez. O Company Brain conecta ERP, compras, contratos e e-mail, e o projeto seguinte reaproveita essas conexões. O custo de integração fica dividido entre os casos de uso.
O grafo de conhecimento liga cada fatura ao pedido de compra e ao contrato do fornecedor. A ontologia do negócio define o que é divergência aceitável nesta empresa, e a camada semântica monta só o recorte que a pergunta exige. Esse recorte chega ao modelo via MCP, menor e organizado, o que reduz tokens por chamada e permite rodar a mesma tarefa em modelos de custo menor.
No lado do ganho, o contexto certo reduz o erro e a rastreabilidade reduz o custo da revisão. Cada divergência apontada vem com a fatura, o pedido e a cláusula de origem, e o analista confere a fonte em vez de refazer a busca em três sistemas. A permissão é herdada do sistema de origem, e cada pessoa recebe apenas o dado que já pode ver.
Um processo que acontece poucas vezes por mês dificilmente paga a implantação. O ROI de IA cresce com repetição, e a escolha do primeiro processo parte do volume.
A adoção também entra na conta. Se o time continua conferindo faturas no método antigo por desconfiança, a capacidade liberada fica no papel. Ela só vira resultado quando a gestão decide para onde vai: absorver crescimento, encurtar o prazo de aprovação ou cobrir uma área com fila.
Há ainda um intervalo. Os primeiros meses concentram custo de integração e de ajuste, e o ganho aparece depois. Uma conta de ROI de IA fechada cedo demais registra o investimento sem o retorno.
O ponto de partida é um processo com volume, dono e uma métrica que já possa ser medida hoje. Registrar a linha de base por algumas semanas antes de conectar qualquer fonte protege a conta, porque sem ela o ROI de IA vira estimativa.
Com a linha de base registrada, o projeto define quais fontes o processo exige e quais serão reaproveitadas pelo caso de uso seguinte. Esse reaproveitamento faz o retorno do segundo projeto chegar mais cedo que o do primeiro.