Consultoria de IA para médias empresas brasileiras: por onde começar sem queimar orçamento

O número que viralizou em 2025 é o seguinte: cerca de 95% das organizações que gastaram em IA generativa não viram impacto mensurável no resultado. A manchete vendeu pânico. A metodologia conta uma história mais útil. O dado vem do MIT, do relatório State of AI in Business de julho de 2025: revisão de mais de 300 iniciativas públicas, 52 entrevistas, e 153 respostas de uma pesquisa colhida em conferências. Não é uma amostra probabilística, e a métrica não é "o projeto deu pau". A métrica é "mexeu no P&L de um jeito que dá pra medir". O próprio relatório diz que cerca de 5% das empresas estão tendo aceleração rápida de receita, e crava onde está o problema: "não é a qualidade dos modelos de IA, mas o gap de aprendizado, tanto das ferramentas quanto das organizações". Leia o 95% como direção, não como percentual cirúrgico. A direção é clara o bastante.

Esse texto é sobre o que fazer com essa direção se você toca uma média empresa brasileira. A pergunta de quem me procura raramente é "IA funciona?". É "consultoria de IA para PMEs existe de verdade, ou é o mesmo deck das grandes com um zero a menos no preço?". A resposta honesta é que existe, mas não se parece com o que o mercado vende. O que segura o projeto de pé não é o modelo. É escolher o caso certo e ter dado confiável embaixo dele. O resto é teatro.

O que é consultoria de IA, na real

Consultoria de IA, para uma empresa de 40 a 300 pessoas, não é treinar modelo do zero, não é montar um time de cientistas de dados, e não é o roadmap de transformação de dois anos que a big four apresenta em PDF de 80 páginas. É três coisas, nessa ordem de importância: julgamento sobre onde a IA traz retorno e onde ela só queima dinheiro; fundação de dados em condição de o modelo ler sem inventar; e a escolha de um ou dois casos de uso estreitos o suficiente para entregar antes do orçamento acabar.

Repare no que não está na lista. Não está "escolher o melhor LLM", porque essa decisão é barata de reverter e raramente é o gargalo. Não está "construir uma plataforma de IA própria", porque quase nenhuma média empresa precisa, e a que precisa não está lendo este post. O trabalho de verdade é menos glamouroso e mais decisivo. É dizer não para o caso de uso grande demais, e sim para o pequeno que ninguém acha estratégico mas que devolve seis horas por semana de um time.

Onde a média empresa brasileira está de verdade

Antes de falar de por onde começar, vale calibrar onde o mercado local está, porque a imprensa pinta um quadro de "Brasil perdido" que os dados não sustentam. A pesquisa de referência é a TIC Empresas 2024 do Cetic.br, federal, com 4.453 empresas de 10 ou mais pessoas ocupadas, campo entre março e novembro de 2024. Resultado: 13% das empresas brasileiras usaram IA em 2024, número estável em relação a 2021 e 2023. Treze por cento soa baixo até você lembrar que a média da União Europeia ronda os 13,5%. O Brasil não está fora da curva. Está dentro dela, e atrás das grandes do próprio país.

O agregado esconde a parte que importa. A adoção de IA sobe junto com o porte da empresa, e a média empresa não está na ponta nem no fundo dessa escala. Está no meio do caminho, muito à frente da pequena e atrás da grande, exatamente no ponto em que escolher bem por onde começar decide o resultado.

A média nacional de treze por cento engana: ela fica abaixo até da própria média empresa, puxada para baixo pelo peso das pequenas, que são a maioria das companhias do país. Quem lê "13% do Brasil" e conclui que o mercado parou está olhando a média, não a escada: a grande empresa já roda em 38%, quase o triplo do agregado.

O contraste fica mais nítido num recorte só de indústria. A PINTEC Semestral do IBGE, divulgada em setembro de 2025, mediu o uso de IA na indústria brasileira de 100 ou mais pessoas e viu subir de 16,9% em 2022 para 41,9% em 2024: de 1.619 para 4.261 empresas, uma alta de 163% em dois anos. A média empresa ainda decide de qual lado dessa escada quer estar, e a decisão custa menos do que parece quando começa pelo lugar certo. Escrevi sobre esse estágio específico do mercado em o estágio que o mercado de consultoria ignora na média empresa brasileira.

Por que os pilotos emperram (não é o modelo)

Se a barreira não é capacidade técnica do modelo, é o quê? A resposta está numa pesquisa diferente. A McKinsey, no State of AI de 2024 (n=1.363), encontrou que cerca de 70% das empresas relatam dificuldades com dados: governança, integração do dado nos modelos, volume para treino. O gargalo não é o algoritmo. É o que o algoritmo lê. E o problema não se resolveu sozinho: na edição seguinte, de 2025 (n=1.491, 101 países), 51% das empresas relataram pelo menos uma consequência negativa de IA, sendo imprecisão o risco mais citado, por cerca de um terço delas. Só algo como 6% se qualificam como "high performers", com mais de 5% do EBIT atribuível à IA.

Imprecisão como risco número um é a pista que fecha o argumento. Um modelo de linguagem é uma máquina de soar confiante. Pergunte sobre o churn do trimestre e ele te dá uma frase fluente, independentemente de o número embaixo estar certo. Se duas tabelas no seu sistema definem "cliente ativo" de jeitos diferentes, o modelo escolhe uma, narra com convicção, e quem está do outro lado acredita. O piloto não morre numa reunião. Morre seis meses depois, quando o orçamento acaba e o dashboard que ninguém confiava é trocado, sem alarde, pelo do ano passado.

O abandono é mensurável. A S&P Global Market Intelligence, na pesquisa VotE: AI & ML (n=1.001, campo de novembro a dezembro de 2023, EUA e Europa, padrão global, não dado brasileiro), viu 42% das empresas abandonarem a maioria das iniciativas de IA, contra 17% no ano anterior, e 46% das provas de conceito descartadas antes de chegar à produção. Não é que as empresas desistiram de IA. É que descobriram, no meio do caminho, que tinham começado pelo lugar errado.

Consultoria de IA: por onde começar sem queimar orçamento

A sequência que funciona é o oposto do moonshot. Não é escolher o caso mais ambicioso e contratar para ele. É gastar pouco para descobrir o que é seguro, e só então gastar de verdade num ponto estreito. Três passos, nessa ordem.

Primeiro, um diagnóstico de prontidão barato. Antes de qualquer modelo, uma a duas semanas olhando o que você tem: onde o dado mora, quais métricas batem entre si e quais não batem, quem é dono de quê, e quais fluxos doem em horas por semana. Isso custa uma fração de um piloto e te poupa do erro caro, que é descobrir a bagunça de dados depois de já ter comprado a ferramenta. É a parte chata que os 95% pularam.

Segundo, um ou dois casos de uso estreitos com ROI claro. Não um programa de IA. Um caso. Triagem da caixa de suporte. Leitura de nota fiscal em PDF para alimentar contas a pagar. Pontuação de leads com base nos últimos doze meses de negócios fechados. O critério de escolha não é qual soa mais estratégico no slide, é qual tem a dor mais mensurável e os dados mais limpos. Você quer um número que mexa em 30 dias, não uma promessa para o ano que vem. Escrevi em detalhe sobre por que os pilotos estreitos sobem e os largos emperram em agentes de IA para pequenas e médias empresas.

Terceiro, compre o pronto e integre: quase nunca construa. Aqui o dado brasileiro é direto ao ponto. Na mesma TIC Empresas 2024, entre as empresas que usam IA, a forma de adoção mais comum é de longe o software já pronto, e a construção interna é a menos comum das três. A aplicação que mais aparece é automação de processos, em 63% das empresas, seguida de imagens, em 33%.

A leitura não é "ninguém constrói". É que a esmagadora maioria que adota com sucesso adota comprando e integrando, não treinando modelo. E isso bate com o que o MIT achou sobre o que dá certo: comprar de fornecedor especializado ou montar parceria funciona em cerca de 67% das vezes, enquanto a construção interna acerta cerca de um terço disso. O trabalho de consultoria de IA, então, não é escrever o modelo. É escolher qual produto de prateleira encaixa no seu fluxo e garantir que ele tem dado confiável para ler. Vendi muito menos software do que parceria de julgamento, e é assim que deve ser. É também o desenho da consultoria de IA que começa pelos dados, em vez de começar pela ferramenta.

A objeção que merece resposta de verdade

O contra-argumento mais forte é o custo. A própria PINTEC do IBGE, de setembro de 2025, mostra que, entre as indústrias que não adotaram tecnologias digitais avançadas, 74,3% citam o alto custo como barreira e 60,6% citam falta de pessoal qualificado. Vale a ressalva: esse recorte é sobre tecnologias digitais avançadas em geral, não só IA, e mede quem não adotou nada. Ainda assim, o medo é legítimo. Se você toca uma empresa de 80 pessoas, "investir em IA" soa como assinar um cheque em branco para uma promessa.

A resposta é exatamente a sequência acima. O custo só vira cheque em branco quando você começa pelo moonshot. Um diagnóstico de prontidão é barato por desenho, e existe justamente para você decidir com dado se vale seguir, antes de gastar com piloto. Um caso de uso estreito tem teto de custo conhecido e prazo curto, então o pior cenário é perder algumas semanas, não o orçamento do ano. A régua da casa para esse tipo de trabalho fica entre R$ 30k e R$ 100k, dependendo da bagunça que o diagnóstico encontrar, e o ponto inteiro de começar barato é que você compra essa informação antes de comprometer o valor cheio. Quem queima orçamento não é quem adota IA. É quem adota grande, de uma vez, sem ter olhado o dado primeiro.

O que fazer na segunda-feira

Se você leu até aqui e toca uma média empresa, a ação concreta não envolve escolher um modelo. Liste os fluxos do seu negócio que doem em horas por semana: a caixa de suporte que um gerente tria na mão, as notas fiscais que alguém redigita no ERP, os leads que demoram para chegar no vendedor certo. Para cada um, pergunte duas coisas: dá para medir a dor em horas, e o dado que alimenta esse fluxo está limpo? O fluxo que responde "sim" às duas é o seu primeiro candidato.

Depois, resista ao caso grande. O instinto de quem aprova orçamento é querer o projeto que justifica o investimento no comitê. Mas o projeto que sobrevive ao comitê seis meses depois é o estreito, o que entregou um número antes de a paciência acabar. Comece pequeno de propósito. Meça em 30 dias. Estenda só o que mexeu.

Fontes

MIT, State of AI in Business 2025, julho de 2025 (revisão de 300+ iniciativas públicas, 52 entrevistas, 153 respostas de survey): cobertura da Fortune sobre o relatório do MIT.

Cetic.br, TIC Empresas 2024 (n=4.453 empresas brasileiras com 10+ pessoas ocupadas, campo de março a novembro de 2024): release do Cetic.br.

IBGE, PINTEC Semestral, divulgada em 24 de setembro de 2025 (uso de IA na indústria brasileira de 100+ pessoas, amostra de 1.731 empresas; barreiras à adoção de tecnologias digitais avançadas): Pesquisa de Inovação Semestral (IBGE).

McKinsey, The State of AI: edição de 2024 (n=1.363) para dado como gargalo, e edição de 2025 (n=1.491, 101 países) para consequências negativas e high performers: McKinsey QuantumBlack State of AI.

S&P Global Market Intelligence / 451 Research, VotE: AI & ML (n=1.001, campo de novembro a dezembro de 2023, EUA e Europa): S&P Global Market Intelligence.