Como montar o caso de ROI de um produto de IA

Por Brian Tr · Atualizado em 6 de outubro de 2026

Um caso de ROI para um produto de IA precisa responder a uma pergunta mais difícil do que no caso de um software comum. O comprador não pergunta apenas "o benefício é maior do que o preço?". Ele pergunta se o benefício é real, se vai aparecer em uma linha que a equipe financeira consegue ver e se o custo real, que varia com o uso e exige pessoas para supervisioná-lo, foi contabilizado com honestidade.

Esta página foi escrita para o fornecedor de IA e para o champion dentro do comprador que precisa defender a compra. Ela aborda as alavancas de valor, por que "horas economizadas" sozinhas costumam falhar, como definir uma baseline, como é o custo total de propriedade (TCO) para IA, como montar cenários conservador, esperado e otimista, e como as evidências devem mudar da estimativa pré-venda para o piloto e para a renovação. Para a fórmula genérica e a estrutura do documento, veja ROI e criação de business case. Esta página trata do que é específico da IA.

As seis alavancas de valor

A maioria dos business cases de IA se baseia no mesmo punhado de alavancas. Nomeá-las separadamente importa, porque cada uma é medida de um jeito e cada uma convence uma pessoa diferente do comitê de compra.

Um caso crível geralmente começa por uma ou duas alavancas e trata as demais como potencial adicional que não entra na conta. Um caso que reivindica as seis ao mesmo tempo parece uma lista de desejos, e um revisor financeiro vai cortá-lo até sobrar apenas o que ele consegue verificar.

Por que "horas economizadas" sozinhas raramente sobrevivem a um CFO

Tempo economizado é a afirmação mais natural para um produto de IA e a mais fácil de derrubar. O motivo é simples: tempo economizado não é custo eliminado.

Se uma ferramenta economiza 30 minutos por dia de cada pessoa, nada muda na demonstração de resultados a menos que algo aconteça com esse tempo. Ou a empresa precisa de menos pessoas (uma redução de quadro ou de terceiros, ou um plano de contratação que não precisa mais de uma vaga), ou as mesmas pessoas lidam com mais trabalho (volume), ou elas passam para um trabalho que gera receita. Até que uma dessas coisas aconteça, a economia é real para o funcionário e invisível para o CFO.

Então a pergunta a colocar no caso não é "quantas horas são liberadas?", mas "para onde essas horas vão?". Boas respostas são específicas:

• Um backlog que hoje exige duas contratações extras não vai precisar delas.
• Uma equipe que recusa trabalho por estar no limite da capacidade vai assumi-lo.
• Os vendedores ganham mais 30 minutos para vender, e o caso declara o que se espera que esse tempo produza.

O fornecedor que responde a isso antes de o CFO perguntar geralmente é o que passa pela revisão. A mesma disciplina aparece em value selling: valor é o resultado que o comprador consegue descrever nos próprios termos, não a atividade que o seu produto acelera.

Mais uma ressalva. Um número de tempo economizado que chega sem população ou tarefa associada é a evidência mais fraca da sala. O que nos leva às pesquisas publicadas.

O que as evidências publicadas sustentam e o que não sustentam

Três estudos amplamente citados oferecem a fornecedores e champions números reais com que trabalhar. Cada um mede uma população específica em um tipo específico de tarefa, e o caso deve dizer isso.

Agentes de suporte ao cliente. Brynjolfsson, Li e Raymond estudaram a introdução escalonada de um assistente conversacional de IA generativa usando dados de 5.179 agentes de suporte ao cliente. No working paper do NBER, o acesso à ferramenta aumentou a produtividade, medida em chamados resolvidos por hora, em 14% em média, incluindo uma melhoria de 34% para trabalhadores iniciantes e menos qualificados, com impacto mínimo sobre trabalhadores experientes e altamente qualificados. Trata-se da operação de suporte de uma única empresa. Os 14% se aplicam a chamados resolvidos por hora entre esses agentes, não a outras funções.

Tarefas de redação profissional. Noy e Zhang conduziram um experimento online pré-registrado com 444 profissionais com ensino superior realizando tarefas de redação específicas de suas ocupações, com incentivos, sendo que metade foi exposta aleatoriamente ao ChatGPT. No working paper (março de 2023, sem revisão por pares nessa versão), o tempo gasto caiu 0,8 desvio-padrão e a qualidade da produção subiu 0,4 desvio-padrão, e a distribuição de produtividade foi comprimida porque os trabalhadores de menor habilidade se beneficiaram mais. São efeitos sobre tarefas curtas de redação de nível intermediário em um experimento, não sobre uma semana inteira de trabalho.

Consultores e a "fronteira irregular". O resumo do Harvard Business School AI Institute sobre o estudo feito com a Boston Consulting Group abrange 758 consultores, cerca de 7% da força de trabalho de contribuidores individuais da empresa. Em tarefas dentro da fronteira da IA, a ferramenta aumentou a velocidade em mais de 25%, o desempenho avaliado por humanos em mais de 40% e a conclusão de tarefas em mais de 12%. Os pesquisadores descrevem uma "fronteira tecnológica irregular", em que a IA se destaca em algumas tarefas, mas fica aquém em outras. A lição prática é que o ganho depende de a tarefa do comprador estar dentro da fronteira, e ninguém deve presumir que está.

Três coisas a levar desses estudos ao montar um caso:

1. Corresponda à população. Um resultado de 14% com agentes de suporte é evidência para trabalho do tipo suporte, não para finanças ou engenharia. Diga a que tarefa o seu resultado se aplica.
2. Espere ganhos desiguais. No estudo de suporte, o benefício foi principalmente para os iniciantes. Se a equipe do seu comprador é majoritariamente experiente, o resultado médio pode não se transferir. O piloto do próprio comprador é a evidência que vale.
3. Trate a pesquisa externa como ponto de partida, não como promessa. Ela torna sua estimativa plausível. Não substitui a medição do fluxo de trabalho do comprador.

Defina uma baseline antes de qualquer coisa

Uma afirmação de ROI é uma comparação, e uma comparação precisa de um ponto de partida. Sem baseline, "melhorou 20%" é uma afirmação que ninguém consegue verificar.

Registre o estado atual da métrica antes de o produto tocar no fluxo de trabalho:

• Volume e mix: quantas tarefas, de que tipos, por período.
• Esforço por tarefa: tempo de atendimento ou custo por tarefa, medido e não estimado.
• Qualidade: taxa de erro, de retrabalho ou de escalonamento nessas mesmas tarefas.
• Custo total com encargos: salário mais benefícios e custos indiretos das pessoas que fazem o trabalho.
• Sazonalidade: um período anterior que inclui um mês tranquilo e um movimentado vai induzir ao erro.

Use os dados do comprador. Médias do setor servem para checar a coerência, mas um número que o comprador mediu é o que a equipe financeira dele vai confiar, como criação de business case também enfatiza.

Depois escolha como vai comparar. Há duas opções honestas:

O grupo de controle é o desenho mais robusto, e é uma versão dele que a implantação escalonada do estudo de suporte proporcionou aos autores. Onde um controle não for possível, uma comparação de antes e depois funciona se você também registrar o que mais mudou no período, como novas contratações, uma mudança de preço ou um pico sazonal.

Custo total de propriedade de um produto de IA

A fraqueza mais comum no caso de ROI de um fornecedor é um lado de custos que para na assinatura. Um revisor financeiro vai montar o quadro completo por conta própria, e o fornecedor que o mostra primeiro parece mais crível.

Dois itens merecem destaque.

Taxas variáveis mudam a resposta. Se parte do custo depende do uso, o sucesso aumenta a conta. Um caso deve mostrar o custo no volume esperado e em um volume maior, para que o comprador veja o que acontece se a adoção superar o plano. Precificação baseada em uso versus baseada em resultados explica como essas estruturas mudam a exposição do comprador.

A revisão humana é um custo real. Se uma pessoa ainda confere uma parte dos resultados, esse tempo pertence ao modelo. Deixá-lo de fora é a forma mais rápida de fazer um CFO desconfiar do restante dos números. A taxa de revisão também é algo que o piloto consegue medir, e é por isso que o piloto é o lugar certo para substituir suposições.

Um exemplo prático (apenas ilustrativo)

Os números abaixo são inventados para mostrar a aritmética. Eles não descrevem uma empresa real nem um produto real, e os seus números serão diferentes.

Suponha que uma equipe de suporte atenda 20.000 chamados por mês a 0,25 hora cada, o que dá 5.000 horas de atendimento por mês. O custo da mão de obra com encargos é de US$ 30 por hora, então o atendimento custa US$ 150.000 por mês.

Custos. Taxa de plataforma de US$ 48.000 por ano. Taxas de uso de US$ 0,15 por chamado atendido com a ferramenta, o que dá 20.000 x 12 x US$ 0,15 = US$ 36.000 por ano nesse volume. Revisão humana de 100 horas por mês a US$ 30 dá US$ 3.000 por mês, ou US$ 36.000 por ano. Os custos únicos são US$ 20.000 para integração e preparação de dados e US$ 12.000 para gestão de mudanças e governança. Isso resulta em custos contínuos de US$ 120.000 por ano (US$ 10.000 por mês), custos únicos de US$ 32.000 e um total de US$ 152.000 no primeiro ano.

Benefícios. A ferramenta reduz o tempo de atendimento em 10%, 20% ou 30%, dependendo do cenário. Mas só parte do tempo liberado se torna custo eliminado ou trabalho extra absorvido: 40%, 60% ou 80%, respectivamente.

Resultados, primeiro ano.

O payback é o custo único de US$ 32.000 dividido pelo benefício mensal menos o custo contínuo mensal de US$ 10.000: US$ 32.000 / US$ 8.000 = 4 meses no cenário esperado, e US$ 32.000 / US$ 26.000 dá cerca de 1,2 mês no otimista. No cenário conservador, o valor mensal (US$ 6.000) fica abaixo do custo contínuo (US$ 10.000), então o investimento nunca se paga.

Essa última linha é a mais útil. Ela mostra aos dois lados em quais premissas todo o caso se apoia: o tamanho da redução do tempo de atendimento e a parcela do tempo liberado que se torna valor real. São esses os dois números que um piloto deve medir.

Análise de sensibilidade: mostre a faixa, não um ponto

Um único número de ROI convida a um único argumento. Três cenários convidam a uma conversa sobre quais premissas são críveis.

• Conservador: o limite inferior do que você defenderia se o piloto decepcionar.
• Esperado: o número que as evidências melhor sustentam.
• Otimista: o que acontece se a adoção e os resultados superarem o plano.

Varie as variáveis que mais importam e diga quais são. No exemplo, a taxa de realização mexeu no resultado tanto quanto o ganho de produtividade. Se a própria equipe financeira do comprador escolhe as premissas conservadoras, é um bom sinal: agora o caso é dela. Um caso que ainda funciona com os números dela é muito mais fácil de aprovar do que um que só funciona com os seus.

Como as evidências mudam ao longo do deal

O mesmo caso de ROI amadurece em três etapas, e cada etapa deve substituir suposições por medições.

Na etapa de pré-venda, o enquadramento honesto é "aqui está a faixa e as premissas por trás dela". Na etapa do piloto, o objetivo é substituir as duas ou três premissas mais arriscadas por medições, como descrito em por que demos importam mais para produtos de IA, incluindo uma regra de decisão por escrito. Na renovação, o comprador pergunta se valeu a pena, então o relatório de retorno é uma comparação dos resultados reais com o caso original, incluindo os pontos em que a realidade ficou abaixo. O fornecedor que relata isso com franqueza tem muito mais chance de ser levado a sério no ano seguinte. A página de pilotos a contratos trata de transformar essa evidência em um compromisso comercial, e vender IA para compradores céticos mostra como apresentá-la a pessoas que esperam se decepcionar. O financeiro também costuma fazer parte do comitê de compra de IA, então monte o caso pensando nesse leitor.

Um checklist para o caso de ROI

• O caso começa por uma ou duas alavancas, sem reivindicar as seis?
• Ele diz para onde vai o tempo liberado e quem confirma isso?
• Existe uma baseline medida com os dados do comprador?
• O método de comparação está declarado (grupo de controle ou antes e depois)?
• O lado de custos inclui taxas de uso, integração, preparação de dados, tempo de revisão, gestão de mudanças e governança?
• Existem cenários conservador, esperado e otimista com as premissas à mostra?
• Cada número externo corresponde à população e à tarefa de onde veio?
• O plano do piloto mede as duas ou três premissas de que o caso depende?

Fatos principais

• Agentes de suporte ao cliente: entre 5.179 agentes de uma empresa, o acesso a um assistente de IA generativa aumentou os chamados resolvidos por hora em 14% em média e em 34% para trabalhadores iniciantes e menos qualificados, com impacto mínimo sobre os experientes (Brynjolfsson, Li e Raymond, NBER w31161).
• Tarefas de redação profissional: em um experimento pré-registrado com 444 profissionais com ensino superior, o ChatGPT reduziu o tempo gasto em 0,8 desvio-padrão, elevou a qualidade em 0,4 desvio-padrão e comprimiu a distribuição de produtividade (Noy e Zhang, working paper de março de 2023).
• Consultores dentro da fronteira da IA: entre 758 consultores, as tarefas dentro da fronteira tiveram velocidade mais de 25% maior, desempenho avaliado por humanos mais de 40% maior e conclusão de tarefas mais de 12% maior, enquanto a IA fica aquém em outras tarefas (resumo do HBS AI Institute).
• Tempo economizado não é custo eliminado: uma economia só conta financeiramente quando a capacidade é realocada, o trabalho é absorvido ou uma contratação é evitada.
• O custo de propriedade vai além da assinatura: taxas de uso, integração, preparação de dados, revisão humana, gestão de mudanças e governança fazem parte do modelo.

Leitura relacionada

• ROI
• Criação de business case
• Framework de value selling
• Por que demos importam mais para produtos de IA
• Precificação baseada em uso vs baseada em resultados para IA