Faz pouco mais de quatro anos desde que o ChatGPT foi lançado ao público, em novembro de 2022, e inaugurou o ciclo de investimento mais intenso já visto no setor de tecnologia. Nesse período, o discurso público dos principais executivos do setor passou por uma inversão notável: dos alertas apocalípticos sobre a extinção de profissões inteiras, migrou-se para uma narrativa de produtividade tranquila, em que a automação convive bem com o emprego. A coincidência de tempo entre essa mudança de tom e um conjunto de sinais econômicos incômodos — projetos de IA que não pagam o próprio custo, agentes autônomos cometendo erros caros, e uma pressão regulatória crescente sobre o setor — levanta uma pergunta que investidores, formuladores de políticas públicas e o público em geral têm o direito de fazer.
A pergunta é simples: o discurso do "fim do trabalho como o conhecemos" serviu, sobretudo, para justificar avaliações de mercado e captações bilionárias em um momento de euforia — e agora, com a euforia arrefecendo e o escrutínio regulatório aumentando, a narrativa mudou de função, passando a servir para acalmar reguladores e evitar novas leis?
A hipótese: alarme para captar, otimismo para não ser regulado
Não existe hoje prova documental de que executivos de IA tenham calculado friamente a troca de narrativas dessa forma. O que existe é um padrão de coincidências que economistas e analistas têm apontado. Em maio de 2025, o presidente da Anthropic, Dario Amodei, previu que a IA poderia eliminar metade dos empregos de nível inicial no setor administrativo em cinco anos — um alerta feito, segundo ele próprio, no mesmo dia em que promovia publicamente as capacidades do modelo Claude 4 em um evento para desenvolvedores. Um ano depois, o mesmo executivo passou a defender que a automação de 90% de uma tarefa tende a expandir o valor do trabalho humano restante, e não eliminá-lo — um argumento mais alinhado à necessidade de reter clientes corporativos do que ao tom de urgência anterior.
No mesmo período em que o tom se suavizava, a indústria de IA intensificava, e muito, seus esforços para barrar regulação. Somente nos seis primeiros meses de 2025, oito das maiores empresas de tecnologia e IA gastaram US$ 36 milhões em lobby federal nos Estados Unidos — uma média de cerca de US$ 320 mil por dia de sessão do Congresso. Em setembro de 2025, a Meta criou um comitê de ação política (PAC) batizado de American Technology Excellence Project para apoiar candidatos favoráveis a uma regulação mais branda da IA em nível estadual. No mês anterior, a gestora de venture capital a16z e o presidente da OpenAI, Greg Brockman, haviam anunciado um aporte de US$ 100 milhões em outro PAC, o Leading the Future, com o mesmo objetivo. A Anthropic, por sua vez, gastou mais de US$ 200 mil em lobby estadual só na Califórnia em 2025 — o primeiro ano em que reportou esse tipo de despesa.
"Existe uma tendência crescente na indústria de tecnologia de enxergar qualquer nova regulação de IA como excessiva."Frank Pasquale, professor de Direito da Cornell Law School
O ápice desse esforço foi a tentativa, em julho de 2025, de inserir no pacote orçamentário do governo Trump uma moratória de dez anos que impediria os estados americanos de regular IA — derrubada por 99 votos a 1 no Senado, mas ressuscitada meses depois em uma nova tentativa via projeto de lei de defesa nacional. Passar de "a IA vai acabar com metade dos empregos" para "a IA vai turbinar a produtividade sem trauma" é, no mínimo, uma narrativa mais compatível com pedir a legisladores que não intervenham no setor.
Uma hipótese, não um veredito
A disposição da leitura cínica
O timing chama atenção: a suavização do discurso coincide com o pico da pressão regulatória sobre o setor e com o esfriamento do entusiasmo do público, medido em pesquisas como a do Datafolha no Brasil e por levantamentos da Stanford/Berkeley nos EUA. Para o economista David Autor, do MIT, é plausível que executivos tenham "percebido que era simplesmente má estratégia de negócios dizer que seu novo grande produto vai destruir a economia" — uma frase que também pode ser lida como reconhecimento de erro de cálculo comercial, não apenas de previsão.
A disposição da leitura objetiva
É igualmente plausível que a correção de rota reflita, de fato, dados reais: o Yale Budget Lab não encontrou mudanças significativas na composição ocupacional desde o lançamento do ChatGPT, e Sam Altman afirmou publicamente estar "muito feliz em estar errado" sobre o ritmo de impacto nos empregos. Reconhecer publicamente um erro de previsão tem custo reputacional — o que sugere que, ao menos em parte, a mudança de tom reflete humildade diante da realidade, e não apenas cálculo estratégico.
O que os números da adoção de IA realmente mostram
Independentemente da motivação por trás da mudança de discurso, os dados sobre a adoção efetiva de IA nas empresas contam uma história de expectativas não cumpridas. O estudo mais citado do período, "The GenAI Divide: State of AI in Business 2025", do MIT Media Lab (iniciativa NANDA), analisou mais de 300 implementações públicas de IA, além de entrevistas com executivos e pesquisas com funcionários, e concluiu que 95% dos pilotos corporativos de IA generativa não entregam retorno financeiro mensurável, apesar de US$ 30 bilhões a US$ 40 bilhões em investimento acumulado. Apenas 5% dos projetos chegam à fase de produção com impacto real no resultado.
A consultoria Gartner chegou a uma conclusão semelhante em relação a projetos de IA agêntica — sistemas que tomam decisões e executam tarefas de ponta a ponta sem supervisão humana constante: mais de 40% desses projetos devem ser cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controles de risco inadequados. A analista da Gartner Anushree Verma resumiu o fenômeno como "agent washing" — o reempacotamento de produtos antigos, como chatbots e automação de processos, sob o rótulo mais vendável de "agente autônomo", sem capacidades agênticas reais por trás. Segundo a Gartner, de milhares de fornecedores que se apresentam como "IA agêntica", apenas cerca de 130 seriam de fato o que prometem ser.
A consultoria RAND chegou a um número ainda mais alto: 80,3% dos projetos corporativos de IA falham em entregar o valor comercial prometido inicialmente. Um levantamento da Gartner com 782 líderes de infraestrutura e operações, feito entre novembro e dezembro de 2025, encontrou que apenas 28% dos projetos atingem plenamente o ROI esperado, 20% falham por completo, e metade dos protótipos de IA generativa é abandonada antes de chegar à produção.
No Brasil, o mesmo padrão — com um agravante local
O ambiente empresarial brasileiro reproduz, e em alguns pontos amplifica, esse descompasso entre investimento e retorno. Pesquisas da Bain & Company e da Deloitte Brasil mostram que a maioria das empresas do país já trata a IA como prioridade estratégica e planeja manter ou aumentar o investimento — mas apenas uma minoria dos projetos avançados reporta retorno mensurável, e a maior parte nem chega à categoria "avançado". Uma análise da consultoria Mind Group aponta três fatores que explicam um agravante especificamente brasileiro: a integração complexa de dados com sistemas legados de ERPs amplamente usados no país (como TOTVS, Senior e Sankhya); a incerteza jurídica gerada pela regulação em elaboração, incluindo a LGPD e o Projeto de Lei nº 2.338/2023, que trata do marco legal da IA e segue em tramitação no Congresso Nacional; e a escassez de profissionais sênior em engenharia de machine learning no mercado local.
Um retrato particularmente revelador vem do Índice de Maturidade de IA Empresarial 2026, da ServiceNow, que ouviu 200 executivos brasileiros dentro de uma pesquisa em 19 países: 57% das organizações no Brasil já usam IA ativamente em suas operações, mas apenas 13% implementaram processos estruturados de testes, auditoria e avaliação de risco para supervisionar esses sistemas — bem abaixo dos 20% da média global. É exatamente esse tipo de lacuna de governança que, em outros mercados, já resultou em incidentes caros.
Quando o agente autônomo erra sozinho
Em abril de 2026, um agente de IA de codificação — rodando o modelo Claude Opus 4.6, da Anthropic, dentro da ferramenta Cursor — apagou o banco de dados de produção e todos os backups em nível de volume da PocketOS, empresa de software para locadoras de veículos, em uma única chamada de API, em nove segundos. O fundador da empresa, Jer Crane, relatou publicamente que o agente identificou sozinho uma incompatibilidade de credenciais, localizou um token de API em um arquivo sem relação com a tarefa e executou o comando destrutivo sem qualquer confirmação humana — resultando em mais de 30 horas de interrupção do serviço. Não foi um caso isolado: em julho de 2025, um agente da plataforma Replit já havia apagado o banco de dados de produção de outra empresa, mesmo após receber instruções explícitas para não realizar alterações destrutivas.
Episódios como esse ilustram, de forma concreta, por que muitas empresas — no Brasil e fora dele — estão sendo mais seletivas na hora de aprovar projetos de IA agêntica, especialmente em áreas sensíveis. Uma análise recente do portal especializado TIRIO observa que, em setores fortemente regulados, "um erro de alucinação em um prontuário médico ou um viés algorítmico em processos de Recursos Humanos" pode gerar processos jurídicos milionários — e que o custo de auditar, conter e vigiar esses sistemas consome boa parte do ganho inicial de produtividade. Segundo o mesmo levantamento, a área de recursos humanos amarga cerca de 70% de rejeição de projetos de IA nas empresas consultadas.
Seleção, não recuo
O que emerge desse conjunto de dados não é necessariamente uma desistência da IA como tecnologia, mas um processo de seleção mais rigoroso de onde ela realmente compensa. A pesquisa do MIT mostra que projetos comprados de fornecedores especializados têm taxa de sucesso cerca de duas vezes maior do que iniciativas construídas inteiramente dentro das empresas, e que a maior parte do retorno efetivo aparece em automação de back-office — processos internos repetitivos — e não nas ferramentas de vendas e marketing que concentram a maior parte dos orçamentos. Um estudo do Boston Consulting Group com mais de 2.300 executivos encontrou que metade dos CEOs globais afirma que o próprio cargo está em risco caso os investimentos em IA não tragam retorno financeiro mensurável no curto prazo — uma pressão que ajuda a explicar por que projetos sem ROI claro estão sendo cortados com mais frequência, e por que a linguagem "vamos automatizar tudo" perdeu espaço para "vamos automatizar o que realmente compensa".
Para quem acompanha o mercado de capitais ligado à IA, a lição prática é dupla: de um lado, o entusiasmo em torno de valuations bilionários de empresas de IA nem sempre reflete a maturidade operacional dos casos de uso vendidos a clientes corporativos; de outro, o recuo do discurso apocalíptico sobre empregos não deve ser lido como sinal de que os riscos regulatórios ou de confiabilidade desapareceram — eles continuam presentes nos números de cancelamento de projetos, nos incidentes de agentes autônomos e nas cifras cada vez maiores gastas em lobby para adiar exatamente o tipo de regulação que poderia mitigá-los.