Justificar investimento em IA para o board exige traduzir a proposta em três elementos que o conselho reconhece: o problema de negócio com valor mensurado antes do gasto, o dono nomeado que responde pelo resultado, e a data em que a prova será apresentada. Projetos aprovados sem esses três itens são os que aparecem depois nas estatísticas de cancelamento.
Por que o conselho passou a questionar o gasto em IA?
A pressão vem da distância entre adoção e retorno demonstrável. Segundo a pesquisa Solvd com 500 CIOs e CTOs de grandes empresas americanas, mais de quatro em cada cinco relatam que o conselho questiona o valor destinado a IA. O ciclo em que anunciar o uso de IA bastava como justificativa terminou.
Os números do retorno explicam a mudança de postura. O Global AI Pulse do segundo trimestre de 2026, da KPMG, encontrou 76% dos executivos afirmando que a IA já cria valor relevante, contra apenas 7% de empresas com retorno claro sobre o investimento. No Brasil, o estudo da consultoria Insi com a Fundação Dom Cabral, publicado em agosto de 2026 com mais de 100 executivos de nível C, apurou que 5% das organizações percebem retorno claro e 8% convertem IA em vantagem competitiva sustentável.
O contraste com o volume aplicado é o que torna a cobrança inevitável. O mesmo estudo estima gasto global de US$ 1,43 trilhão em infraestrutura de IA em 2026. Um conselho que aprova aporte nessa ordem de grandeza sem indicador definido está tomando decisão de alocação de capital por percepção.
O que o board realmente pergunta em uma proposta de IA?
O conselho avalia risco de alocação de capital, não qualidade de modelo. As perguntas que decidem a aprovação são quatro: qual problema de negócio isso resolve, quanto custa esse problema hoje, quem responde pelo resultado, e em que data a evidência será apresentada. Nenhuma delas é técnica.
A pesquisa Split Decisions, do Boston Consulting Group, divulgada em maio de 2026 com 625 líderes, mostra o tamanho da cobrança. CEOs estimam que 35% de sua avaliação de desempenho depende de bater metas de retorno em IA. Conselheiros das mesmas companhias estimam 27%. A diferença de oito pontos mede o descompasso entre a exigência sentida e a exigência reconhecida.
A mesma pesquisa expõe a lacuna de método. Enquanto 56% dos CEOs apontam o vínculo pouco claro entre iniciativas de IA e resultado financeiro como principal barreira, apenas 14% definem o impacto no resultado para todas as iniciativas. São 42 pontos percentuais entre diagnosticar o problema e corrigi-lo.
Como conectar o projeto de IA aos objetivos estratégicos da empresa?
A conexão se faz pelo processo, não pela ferramenta. A proposta identifica um processo que já consta do plano estratégico, mede o custo atual desse processo e apresenta a IA como alteração no desenho dele. Propostas que abrem pela tecnologia e procuram aplicação depois são as que perdem no comitê.
O dado que sustenta esse recorte vem da McKinsey. A edição 2026 do estudo The State of AI, com 1.719 participantes em 97 países, encontrou 44% das organizações escalando IA e apenas 37% relatando impacto positivo no EBIT. A conclusão do estudo é que as empresas que capturam mais valor redesenham processos em vez de adicionar IA aos existentes. O BCG estima que 70% do valor da IA depende de mudanças no modelo operacional.
O estudo Insi e Fundação Dom Cabral identifica o mesmo padrão nas empresas classificadas como líderes: elas começam pela estratégia, não pela tecnologia. Nessas organizações o engajamento da alta liderança é cinco vezes maior que a média da amostra, e mais de 60% acompanham de forma rigorosa o valor econômico das iniciativas.
Quais métricas usar na apresentação executiva?
A apresentação precisa de quatro métricas, nesta ordem: linha de base documentada com data de captura, impacto projetado no resultado, custo total de operação em escala real e prazo até a evidência. Métricas de volume, como número de usuários expostos ou modelos em produção, não sustentam decisão de aporte.
A linha de base é o item mais negligenciado. Sem um ponto de partida registrado antes do gasto, calcular melhoria vira comparação entre o presente e uma lembrança imprecisa. É a segunda das três armadilhas que a Konia Tecnologia identifica em empresas cobradas por resultados que não conseguem demonstrar, ao lado das métricas de vaidade e do desalinhamento entre quem constrói e quem defende o orçamento.
O custo de operação separa quem prova retorno de quem não prova. A KPMG apurou que apenas 35% das empresas compreendem plenamente seus custos operacionais de IA. Entre as que têm visibilidade completa de custo, 15% alcançam retorno claro. Entre as que não têm, 3%. A diferença de cinco vezes está na contabilidade, não no modelo.
| Elemento | O que o board aceita | O que o board rejeita |
|---|---|---|
| Problema | Processo do plano estratégico, com custo atual medido | Oportunidade genérica de modernização |
| Métrica | Linha de base com data, meta e prazo | Volume de dados, usuários ou modelos |
| Custo | Custo total em escala, incluindo operação e integração | Preço de licença na fase de piloto |
| Responsabilidade | Um nome, com mandato e prazo | Comitê ou área |
| Encerramento | Critério de parada definido na aprovação | Reavaliação futura sem data |
Como apresentar o custo total sem subestimar?
O custo que o conselho precisa ver é o de operação em escala, não o de licença no piloto. Projetos de IA generativa apresentam desvio relevante entre o custo estimado no teste e o custo real em produção, porque o consumo cresce com o uso e a integração consome mais esforço que o modelo.
O sinal de mercado é consistente. A KPMG encontrou 49% das empresas adiando, reduzindo ou reprogramando planos de agentes de IA quando o custo esperado passou a superar o valor previsto. A McKinsey registra cerca de 20% dos respondentes afirmando que o custo de operação, incluindo consumo de tokens, limita o uso da tecnologia.
Apresentar esse risco antes que o conselho o encontre fortalece a proposta. Um pedido que inclui a faixa de custo em escala, o gatilho de revisão e o teto de gasto autorizado é mais defensável que um pedido com número único e otimista. O caso do Itaú Unibanco mostra que o custo é gerenciável quando entra na conta: o banco reduziu em 65% o custo com tokens entre 2024 e 2025, operando mais de mil modelos disponíveis por uma plataforma central.
O que é o custo de oportunidade e como usá-lo na defesa?
O custo de oportunidade é o valor que a empresa deixa de capturar enquanto o processo permanece como está. Ele se calcula com o mesmo dado da linha de base: se o processo custa um valor conhecido por mês, cada mês sem decisão é esse valor gasto de novo. Essa é a forma de apresentar urgência sem apelo retórico.
O argumento tem apoio nos dados de defasagem competitiva. A pesquisa Amcham Brasil e Humanizadas, de agosto de 2026 com 629 executivos, encontrou 84% das empresas usando IA e 77% investindo nada ou até 2% do orçamento. Apenas 9% destinam mais de 5%. A adoção declarada é quase universal, o compromisso orçamentário é raro, e o intervalo entre os dois é onde a vantagem se acumula para quem decide antes.
O KPMG Global Tech Report 2026, com 2.500 executivos de tecnologia em 27 países e 150 líderes no Brasil, quantifica a diferença: entre as organizações de alto desempenho, o retorno médio foi de 4,5 vezes o valor investido em tecnologia. Entre as que adotaram IA tardiamente, o retorno foi até duas vezes menor. No Brasil, 57% apontam que a dívida técnica comprometeu o retorno de projetos digitais.
Que cases brasileiros funcionam como referência na apresentação?
Os cases mais úteis são os que trazem indicador de processo, não anúncio de adoção. Quatro exemplos brasileiros documentados cobrem setores distintos e servem como parâmetro de ordem de grandeza para um conselho que pede referência de mercado.
A Gerdau reduziu o tempo de atendimento na cotação de matéria-prima de 51 para 16 dias, com 95% de assertividade, e opera 40% das descargas sem intervenção humana. No reconhecimento SAP Innovation Awards 2026, a empresa registrou queda de 97% no tempo de planejamento, de cinco dias para cerca de 70 minutos por semana, e redução de 38% em rupturas de estoque em três meses sobre aproximadamente 52 mil itens.
A Vale investiu R$ 200 milhões em um piloto na Usina Conceição II, em Itabira, com 51 soluções aplicadas. O resultado declarado é aumento de 25% em produtividade, capacidade de 9 para 11,2 milhões de toneladas por ano e redução de 26% nas perdas de ferro no rejeito. O Sicredi reduziu a liberação de crédito para máquinas agrícolas de três dias para 20 minutos. O Itaú Unibanco reporta R$ 1 bilhão de margem financeira líquida no primeiro ano de crédito com IA e aumento de 30% na acurácia do risco de crédito.
Como estruturar a apresentação, seção a seção?
A estrutura que sobrevive ao comitê tem seis seções e cabe em dez minutos. A ordem importa: o problema abre, a tecnologia aparece no meio, o pedido de recurso fica no fim. Inverter essa ordem é o erro mais comum em propostas de IA.
- O processo e seu custo atual. Um processo nomeado, o volume que ele movimenta, o custo hoje e a data em que esse número foi medido.
- O que muda. A alteração concreta no desenho do processo, descrita em linguagem operacional, sem nome de modelo ou fornecedor.
- O impacto projetado. A meta numérica, o intervalo de confiança e a referência de mercado que sustenta a projeção.
- O custo total. Implantação, operação em escala, integração e capacitação, com teto autorizado.
- Governança. O dono nomeado, o comitê de acompanhamento, a política de uso de dados e o registro de decisão.
- O critério de encerramento. Qual evidência, em qual data, autoriza a parada do projeto.
A sexta seção é a que mais aumenta a chance de aprovação, por ser contraintuitiva. Um projeto que chega com critério de parada definido transfere o risco da decisão do conselho para o método. Abandono planejado contra critério acordado é governança funcionando. Abandono após dezoito meses porque ninguém sabe dizer o que seria sucesso é perda integral.
Que erros derrubam uma proposta de IA no conselho?
Cinco erros concentram as rejeições: ausência de linha de base, custo apresentado em preço de piloto, responsabilidade atribuída a um comitê, prazo indefinido de retorno e métrica de volume no lugar de métrica de resultado. Todos são corrigíveis antes da reunião.
O erro de responsabilidade é o mais estrutural. O levantamento The Executive AI Leverage Report, com 421 executivos ouvidos em sete eventos em julho de 2026, indica que 47% das aprovações de investimento em IA cabem ao CEO, 26% ao financeiro e 21% ao CIO ou CTO. É uma fonte autopublicada, com amostra recolhida em eventos, e os números pedem cautela como retrato de mercado. O padrão que ela descreve, porém, é reconhecível: quem assina a aprovação raramente é quem carrega o ônus da prova seis meses depois.
O erro de prazo tem medida. Na mesma pesquisa, 62% dos respondentes da área financeira esperam retorno mensurável em seis meses e 79% em até um ano. Uma proposta que promete transformação em três anos sem entrega intermediária verificável está fora do ciclo orçamentário real. A alternativa é dividir o pedido em horizontes, com o primeiro produzindo evidência dentro da janela que o financeiro já espera.
O que fazer antes de pedir a aprovação?
O trabalho decisivo acontece antes da reunião. Quatro itens precisam estar registrados no documento de aprovação, não em um material à parte: a linha de base com a data de captura, o dono nomeado, a data de prova e o critério de encerramento. Um pedido que carrega esses quatro itens já está à frente da prática de mercado.
A referência de quanto pedir vem do orçamento. A McKinsey apurou que 28% das organizações já destinam mais de 10% do orçamento total de tecnologia e comunicação a IA, e 60% esperam ampliar o investimento nos próximos doze meses. No Brasil, o levantamento do IDC para a ABES, de agosto de 2026 com 107 tomadores de decisão de TI, aponta 86% das empresas ampliando o orçamento de tecnologia em 2026. O pedido não precisa ser grande. Precisa ser proporcional ao custo do processo que ele resolve.
O último item é diagnóstico. Uma proposta apresentada sem que a empresa saiba em que nível de maturidade opera tende a superestimar a própria capacidade de execução. A Gartner apurou em 2024 que 80% das grandes organizações declaram governança de IA ativa, mas menos da metade demonstra maturidade mensurável. Avaliar a maturidade em IA da organização antes de montar o pedido evita a proposta que promete o que a operação não sustenta, e os cinco níveis de maturidade em IA dão o vocabulário para posicionar a empresa diante do conselho.
Perguntas frequentes
Quem deve apresentar a proposta de IA ao conselho?
O dono do processo afetado, acompanhado da área financeira. Segundo a pesquisa Split Decisions do BCG, 47% dos CEOs dizem conduzir pessoalmente a implementação de IA, e o próprio relatório alerta que o CEO envolvido demais na execução tende a virar gargalo. A apresentação ganha quando quem defende é quem responde pelo indicador.
Em quanto tempo o board espera ver retorno de um projeto de IA?
Entre seis meses e um ano, na leitura das áreas financeiras. Prazos maiores exigem entregas intermediárias verificáveis. Um projeto de atendimento pode mostrar resultado em semanas. Um projeto de cadeia de suprimentos leva mais de doze meses, e a proposta precisa dizer isso na apresentação, não depois.
E se a empresa ainda não tem dados estruturados?
Esse é o pedido a fazer primeiro. O IDC para a ABES apurou que apenas 48% das empresas brasileiras têm dados bem estruturados e governados. A Gartner projeta que 60% dos projetos de IA apoiados em dados não preparados sejam cancelados até o fim de 2026. Pedir orçamento para a base de dados é mais defensável que pedir para um modelo que ela não sustenta.
Qual a diferença entre um projeto cancelado e um projeto que falhou?
O critério de parada definido na aprovação. A S&P Global Market Intelligence apurou que empresas descartam em média 46% das provas de conceito antes da produção e que 42% abandonaram a maior parte de suas iniciativas de IA em 2025. Encerrar contra critério acordado é decisão. Encerrar sem critério é prejuízo.
O conselho precisa entender de IA para avaliar a proposta?
A exigência já é declarada, mas ainda não virou processo. No Split Decisions, 79% dos CEOs e 80% dos conselheiros defendem exigir de candidatos a conselho a demonstração de entendimento sobre IA. Um levantamento da Deloitte com 106 empresas encontrou o critério em 14% dos processos de recrutamento de conselheiros e em 4% das avaliações formais. Na prática, a proposta precisa ser compreensível sem conhecimento técnico prévio.
Próximo passo
A aprovação de um investimento em IA depende menos da tecnologia proposta e mais do rigor com que a empresa mede o processo que pretende alterar. Empresas que definem o indicador antes de escolher a ferramenta compõem a minoria que demonstra retorno. Vamos conversar sobre como isso afeta a sua empresa. O Assessment de IA do Templo mapeia o estágio de maturidade da organização e produz a base de diagnóstico que sustenta o pedido de orçamento.
