Quando a IA parece cara demais, o que mais preocupa as empresas?

Uma pesquisa com empresas brasileiras mostra como as preocupações com pessoal e dados se sobrepõem entre as que citam custos altos de IA. O resultado pode ajudar a tornar uma proposta de IA mais concreta.

Análise original do Influence IQ da TIC Empresas 2025, com entrevistas no Brasil de fevereiro de 2025 a janeiro de 2026.

Resumo

Estima-se que 37,5% das empresas que citaram custos altos de IA no grupo que definimos a partir dos dados da pesquisa brasileira também relataram tanto falta de pessoal com as habilidades necessárias quanto dificuldades com a disponibilidade ou a qualidade dos dados. A estimativa ponderada tem intervalo amostral de 95% de 29,8%–45,2%. Essas empresas tinham uma área, um departamento ou um especialista de TI, não relataram usar nenhuma das 7 tecnologias de IA listadas e disseram que os custos pareciam altos demais.[1][2][8]

Analisamos a TIC Empresas 2025, realizada de fevereiro de 2025 a janeiro de 2026 entre empresas privadas formais com pelo menos 10 pessoas ocupadas, nos setores abrangidos pela pesquisa. O grupo principal contém 547 registros publicados. A implicação prática é perguntar sobre a tarefa proposta, as pessoas que revisariam o trabalho e as informações necessárias, junto com o preço. É uma orientação de planejamento baseada em preocupações relatadas, não uma evidência de que reduzir preços ou oferecer treinamento causaria adoção.

Uma proposta de IA chega à mesa de quem dirige uma empresa e esbarra no preço. A próxima reunião poderia se transformar em uma busca por uma ferramenta mais barata. Mas vale fazer outra pergunta antes: o que seu uso exigiria da equipe?

Essa cena é ilustrativa, não uma entrevista da pesquisa. Ela explica por que fomos além de uma lista de desafios comuns na adoção de IA. Queríamos saber se as mesmas empresas que apontavam preocupação com os custos também apontavam preocupações com pessoal e dados.

A distinção importa para uma equipe de marketing que considera uma nova tarefa. É possível comparar um preço em uma planilha. As pessoas que vão verificar o trabalho e as informações em que vão se apoiar precisam de uma conversa própria. Nossa análise descreve como essas preocupações se sobrepõem; o exemplo resolvido abaixo mostra uma forma de transformar a distinção em um briefing útil para decidir.

A proposta e o trabalho ao redor dela

Um caderno com moedas, cartões de tarefas em branco, figuras de madeira, uma prancheta de revisão e pastas de informações dispostos sobre uma mesa ilustrada.
Uma ilustração de uma decisão de planejamento, não dados da pesquisa. Uma tarefa proposta precisa de um preço, de alguém que possa revisar o trabalho e de informações adequadas.

Como as preocupações com pessoal e dados se sobrepõem

Entre as 547 empresas elegíveis que citaram custos altos de IA, 197 também relataram tanto falta de pessoal com as habilidades necessárias quanto dificuldades com a disponibilidade ou a qualidade dos dados. Com os pesos da pesquisa, a estimativa é de 37,5%. A parcela sem ponderação é de 36,0%.[1][8]

Os 2 percentuais usam as mesmas empresas e respostas. O valor sem ponderação conta cada empresa igualmente. O valor ponderado dá a cada registro a contribuição atribuída pelo desenho da pesquisa; por isso, é nossa estimativa principal. A ponderação muda a estimativa, não quais respostas contam como relato das 2 preocupações.

Preocupações com pessoal e dados relatadas em conjunto entre empresas que citam custos

Empresas com área, departamento ou especialista de TI, sem uso relatado das 7 tecnologias de IA listadas e com preocupação com custos percebidos como altos. Medimos a parcela que relatou explicitamente as 2 preocupações, com pessoal e dados.

Tabela de dados: preocupações com pessoal e dados entre empresas que citam custos altos de IA
Grupo da pesquisaCom os pesos da pesquisaSem os pesos da pesquisaIntervalo de 95%: limite inferiorIntervalo de 95%: limite superiorEmpresas no grupo amostral
Empresas elegíveis que citam custos altos de IA37,5%36,0%29,8%45,2%547
Brasil, entrevistas de fevereiro de 2025 a janeiro de 2026. O denominador é de 547 registros publicados; as respostas desconhecidas sobre pessoal ou dados continuam incluídas. A estimativa ponderada e seu intervalo amostral de 95% usam o desenho nativo da pesquisa. A estimativa sem ponderação usa os mesmos registros com contribuição igual. Esses percentuais descrevem esse grupo definido, não todas as empresas.

O intervalo amostral de 95% vai de 29,8% a 45,2%. Essa amplitude é um motivo para descrever o resultado como cerca de 4 em cada 10, em vez de sugerir que 37,5% é uma medida exata de todas as empresas semelhantes.

Como as 3 respostas vêm do mesmo registro, a análise mede a sobreposição diretamente. Podemos ver se as empresas que apontaram preocupação com os custos também relataram explicitamente preocupações com pessoal e dados.

A análise também mantém em aberto as outras respostas. Uma empresa fora do grupo com as 2 preocupações confirmadas pode relatar uma delas, nenhuma ou uma resposta desconhecida. O grupo complementar não pode ser descrito como tendo apenas o preço como problema. O questionário também contém outros motivos, e nosso destaque não os classifica.

O percentual descreve esse grupo histórico da pesquisa brasileira. Uma empresa de outro lugar pode usar a distinção para formular sua própria pergunta de pesquisa.

O que “custos”, “habilidades” e “dados” significam aqui

A pergunta sobre custos indaga se eles parecem altos demais. Ela não registra uma cotação de fornecedor, o valor que uma empresa poderia pagar nem qual despesa a pessoa tinha em mente. Por isso, falamos em uma preocupação com o custo percebido. As respostas não dizem quanto os preços precisariam cair nem se um desconto mudaria uma decisão.[2]

A pergunta sobre pessoal trata de pessoas dentro da empresa que tenham as habilidades para usar as tecnologias. O questionário primeiro verifica a existência de uma área, um departamento ou um especialista de TI. Ter esse apoio, por si só, não estabelece se as pessoas envolvidas têm as habilidades necessárias para uma tarefa de IA proposta.

A pergunta sobre dados combina disponibilidade e qualidade. Uma resposta afirmativa pode tratar da existência de informações adequadas, da possibilidade de usá-las ou de ambas. Como a pesquisa não separa essas possibilidades, ela não permite estabelecer de que tipo de preparação uma empresa específica precisa.

As 7 perguntas sobre uso de IA abrangem mais do que IA generativa. Elas incluem tecnologias como análise de texto, reconhecimento de fala, aprendizado de máquina e automação de fluxos de trabalho. O resultado, portanto, trata dessa lista mais ampla de tecnologias.

As respostas desconhecidas sobre pessoal ou dados permanecem no grupo completo que apontou preocupação com os custos. Nosso percentual principal conta a confirmação explícita das 2 preocupações; não preenchemos perguntas sem resposta com suposições. A elegibilidade também permite respostas desconhecidas ou ausentes sobre o uso de IA, então “não relatou usar” não deve ser interpretado como não uso confirmado.

Transforme uma objeção ao preço em uma pergunta de planejamento mais clara

Para quem dirige uma empresa ou lidera o marketing, a implicação prática é manter 3 perguntas separadas: quanto custa a tarefa proposta, quem pode avaliar o trabalho e de quais informações ela precisa. A sobreposição observada dá um motivo para fazer essas perguntas em conjunto. Para investigar desafios de implementação de IA na sua empresa, comece com uma tarefa definida e evidências das pessoas que fariam o trabalho.

Comece com uma descrição do trabalho que alguém possa verificar. “Usar IA no marketing” é amplo demais para revelar do que a equipe precisa. “Agrupar dúvidas recebidas sobre produtos em temas para a equipe de vendas revisar” identifica uma entrega e as pessoas que vão usá-la. A tarefa mais restrita permite discutir o preço de algo específico.

Depois, pergunte o que o preço proposto inclui. A assinatura de uma ferramenta e o tempo da equipe para preparar informações ou revisar um resultado são itens diferentes no planejamento. Essa é uma distinção sugerida para planejar, não uma composição de custos medida pela pesquisa. Uma equipe pode registrar esses itens sem presumir que uma tarefa desconhecida será cara ou economizará tempo.

Uma pergunta sobre revisão pode ser mais útil do que uma pergunta geral sobre confiança com IA. Quem reconheceria uma consulta agrupada incorretamente? Que fonte consultaria diante de uma resposta incerta? Quem decide se o resultado pode ser usado? Essas perguntas identificam responsabilidades em uma tarefa proposta; não diagnosticam as habilidades de uma pessoa a partir de uma estatística da pesquisa.

Mantenha a próxima etapa proporcional à decisão. Uma empresa pode precisar esclarecer uma cotação, localizar um documento oficial de produto ou pedir a um colega que revise um pequeno exemplo. Escolha a verificação que responda à pergunta específica ainda em aberto antes de se comprometer com um projeto maior.

3 perguntas para a tarefa proposta

3 grupos de objetos ilustrados: um livro de registros em branco com moedas; figuras de madeira ao lado de uma prancheta de revisão; e pastas com cartões de informações.
  1. Esclareça o custo

    Registre o que a cotação cobre e quais custos ou tarefas ainda precisam de resposta.

  2. Defina quem revisará

    Identifique quem pode avaliar o trabalho e onde verificará informações incertas.

  3. Verifique as informações

    Localize o material de origem atual e esclareça se seu uso é adequado.

Um apoio conceitual ao planejamento, não um modelo causal medido nem uma classificação das preocupações da pesquisa.

Um atacadista fictício examina 1 tarefa proposta

Considere um atacadista regional fictício cuja equipe de vendas recebe consultas sobre produtos pelo site, por email e por mensagens nas redes sociais. Um gerente propõe usar IA para agrupar essas consultas em temas. A equipe quer ver quais dúvidas pedem informações de produto mais claras e quais devem chegar a alguém de vendas. É um exemplo ilustrativo de planejamento, não uma empresa observada na pesquisa.

A primeira conversa trava no preço. Em vez de decidir que o custo explica tudo, o gerente registra o resultado proposto: uma lista de temas das consultas, com links para as mensagens originais para uma pessoa revisar. A proposta não inclui enviar respostas automáticas nem recomendar produtos aos clientes.

A responsável pelas vendas percebe que nomes de produtos semelhantes podem ser confundidos. Ela concorda em revisar o agrupamento com base no catálogo atual e sinalizar uma consulta quando seu significado não estiver claro. A pergunta relevante passa a ser se ela tem as informações e a familiaridade necessárias para essa revisão, e não se alguém na empresa é genericamente “bom com IA”.

Um colega verifica as informações que a tarefa usaria. As descrições dos produtos estão em mais de 1 documento, e algumas mensagens de consulta contêm dados de clientes. A equipe decide identificar a fonte atual dos produtos e verificar quais mensagens pode usar de forma adequada antes de preparar um exemplo.

O gerente agora pode pedir uma proposta mais específica. O que a ferramenta faz, o que uma pessoa precisa verificar e quais informações precisam ser preparadas? A equipe registra essas tarefas junto com o preço cotado.

A próxima decisão é se uma revisão limitada pode responder às perguntas restantes. A equipe pode prosseguir, rever a tarefa ou adiá-la. O gerente registra o motivo da decisão e quais novas informações levariam a outra revisão.

Copie este modelo antes da próxima proposta de IA

Copie este modelo para um briefing de projeto ou uma ata de reunião existente. Não é preciso ter uma conta no Influence. Preencha-o para 1 tarefa proposta.

1. Tarefa pretendida: [trabalho específico] → [resultado que alguém possa examinar] → [pessoa ou equipe que o usará]. Registre tanto o que está fora da proposta quanto o que ela inclui.

2. Questão de custo: [cotação ou estimativa em discussão] · [o que inclui] · [o que ainda não se sabe]. Registre separadamente o trabalho de preparação ou revisão da equipe, se for relevante; não invente uma economia para justificar a proposta.

3. Responsabilidade pela revisão: [pessoa responsável pela revisão] · [o que verificará] · [fonte que poderá consultar] · [o que acontece em caso de dúvida]. Um cargo, por si só, pode não responder a essas perguntas.

4. Informações necessárias: [documentos ou registros de origem] · [quem os mantém] · [se estão atualizados e se o uso é adequado] · [questão em aberto sobre disponibilidade ou qualidade].

5. Pequena verificação seguinte: [pergunta a resolver] · [responsável] · [evidência que ajudaria na decisão]. Descreva a verificação antes de interpretar seu resultado.

6. Registro da decisão: [prosseguir, rever ou adiar] · [motivo sustentado pela verificação] · [incerteza restante]. Mantenha uma preocupação distinta da evidência de que ela foi resolvida.

No exemplo do atacadista fictício, o resultado é uma lista de temas das consultas, a responsável pelas vendas a revisa e o catálogo atual fornece a referência dos produtos. A próxima verificação trata de saber se esse arranjo produz algo que a equipe de vendas consegue avaliar. Esses registros tornam a proposta mais concreta sem tomar emprestada uma taxa de sucesso de uma pesquisa sem relação com ela.

Como analisamos a pesquisa

Usamos os microdados públicos da TIC Empresas 2025 do NIC.br/Cetic.br, após tratamento de confidencialidade. As entrevistas ocorreram no Brasil de fevereiro de 2025 a janeiro de 2026. A pesquisa abrange empresas privadas formais ativas com pelo menos 10 pessoas ocupadas, nos setores definidos por ela.[1][3][4]

Nossa análise começa pela verificação do questionário sobre área, departamento ou especialista de TI. Em seguida, mantemos as empresas sem resposta afirmativa em nenhuma das 7 tecnologias de IA listadas e com resposta afirmativa à pergunta sobre custo percebido. O cálculo principal divide o peso amostral das empresas que relatam explicitamente as 2 preocupações, com pessoal e dados, pelo peso de todo esse grupo elegível que apontou preocupação com os custos. As respostas desconhecidas sobre pessoal ou dados permanecem nesse denominador.

Calculamos a incerteza amostral com os 200 pesos de réplicas bootstrap combinadas fornecidos. Os intervalos descrevem a incerteza de estimativas individuais, não todas as possíveis fontes de erro. Exibimos apenas resultados que atendem às nossas regras predefinidas de suporte e divulgação; recortes omitidos não devem ser tratados como 0.[8]

Definimos a pergunta de pesquisa e os cálculos antes de examinar os resultados conjuntos. Durante a verificação das fontes, documentamos uma inconsistência nos códigos de resposta publicados fora do nosso grupo de análise e corrigimos uma comparação excessivamente precisa com as tabelas de referência publicadas. O download registra o que mudou e quando. As mudanças não alteraram a população de análise nem os cálculos-alvo. Um cálculo independente reproduziu o resultado publicado.[8]

O arquivo público passou por tratamento de confidencialidade. O Cetic.br verifica sua utilidade em relação às tabelas publicadas, mas isso não certifica que toda nova análise conjunta seja idêntica à que usaria as entrevistas originais.[7]

A ideia geral de que preocupações com pessoal, dados e finanças podem coexistir já está estabelecida. Pesquisas anteriores agruparam empresas por combinações de barreiras, e o relatório dos produtores da pesquisa de 2025 discute pessoas e dados entre os requisitos de implementação. Nossa contribuição é uma estimativa direta de preocupações selecionadas relatadas em conjunto nesse grupo específico que apontou preocupação com os custos, não a descoberta de uma nova causa de não adoção.[5][6]

Não exige cadastro. A tabela contém resultados históricos agregados. O pacote inclui explicações traduzidas sobre o método, as verificações das fontes e as salvaguardas de divulgação pública; não redistribui registros individuais da pesquisa.

Fontes e notas

  1. NIC.br/Cetic.br, microdados básicos públicos da TIC Empresas 2025 após tratamento de confidencialidade, versão 1.0, publicados em 15 de junho de 2026. Os dados de origem são atribuídos sob CC BY 4.0. Os percentuais aqui são cálculos do Influence IQ a partir dos registros publicados, não citações de um resultado de destaque publicado.
  2. Questionário da TIC Empresas 2025, H9 e H13. H9 abrange 7 tecnologias de IA após uma verificação de área/departamento ou especialista de TI. H13 se aplica quando nenhuma dessas respostas de uso é afirmativa, incluindo respostas de uso desconhecidas ou ausentes. H13_A trata de custos que parecem altos demais; H13_B trata das habilidades do pessoal; H13_D combina disponibilidade e qualidade dos dados.
  3. Relatório metodológico da TIC Empresas 2025. O universo abrange empresas privadas formais ativas com 10 ou mais pessoas ocupadas nos setores especificados do Cempre/CNAE. Não é uma amostra de todas as organizações brasileiras, microempresas, criadores individuais ou trabalhadores individuais. O módulo H foi coletado nas 3 ondas da pesquisa.
  4. Relatório de coleta da TIC Empresas 2025. O trabalho de campo ocorreu de fevereiro de 2025 a janeiro de 2026. O relatório lista 4.174 entrevistas concluídas; a base pública contém 4.171 registros. Os documentos examinados não explicam essa diferença. Usamos a versão pública fixada sem adicionar registros para igualar a contagem de entrevistas.
  5. Emerson Gomes dos Santos e Márcia Siqueira Rapini, Barreiras na Adoção Combinada de Tecnologias Digitais por Empresas Brasileiras: uma proposta de tipologia (2024). Essa análise anterior usa a TIC Empresas 2021 e agrupamento por clusters para estudar combinações de barreiras. Ela estabelece um trabalho anterior relevante, não uma estimativa diretamente comparável para nosso grupo condicional de 2025.
  6. Relatório dos produtores da TIC Empresas 2025, especialmente as páginas 94–95 na discussão de Natália Marroni Borges sobre adoção e institucionalização de IA. A discussão identifica dados, pessoas, capacidades e governança como aspectos da implementação. Nossa análise não afirma que essas ideias gerais sejam novas.
  7. As orientações do Cetic.br sobre microdados descrevem recodificação e supressão para proteger a confidencialidade, com utilidade avaliada em relação ao plano de tabulação publicado. Elas não estabelecem qual tratamento afetou um registro publicado específico nem garantem que toda nova relação conjunta permaneça inalterada em relação às entrevistas originais. O NIC.br/Cetic.br não endossa nossa análise ou interpretações.
  8. Pacote de método e reprodução do Influence IQ. Em 11 registros publicados, todos os 7 itens de uso de IA estavam marcados como não se aplica, enquanto os 9 campos de motivos usavam outros códigos de resposta; eles já estavam fora da população de análise definida. Todos os registros foram mantidos. Também revisamos uma comparação de precisão de controle após examinar as tabelas publicadas, antes de calcular o resultado principal. O pacote registra as 2 alterações, os cálculos de incerteza e as salvaguardas de divulgação pública. Não contém registros individuais.

O artigo e os rótulos das tabelas estão disponíveis em todos os idiomas do artigo. O questionário de origem está em português; o pacote técnico de reprodução inclui explicações traduzidas. A população brasileira e o período da pesquisa, de fevereiro de 2025 a janeiro de 2026, permanecem os mesmos em todas as versões.

Pesquisas relacionadas