Por que 42% das empresas abandonam projetos de IA antes da produção

A proporção de empresas que abandona a maioria de suas iniciativas de IA passou de 17% para 42%. O problema pode começar antes da tecnologia: definição do problema, dados, métricas, ROI e capacidade de transformar uma prova de conceito em valor empresarial.

A inteligência artificial está ficando mais capaz. Mas isso não significa que as empresas estejam ficando melhores em transformá-la em resultado.

Dados da S&P Global Market Intelligence mostram um movimento que merece atenção: a proporção de empresas que abandona a maioria de suas iniciativas de inteligência artificial antes de chegar à produção passou de 17% para 42% em apenas um ano.

Mais significativo ainda é o que acontece entre a experimentação e a operação. Em média, 46% das provas de conceito de IA são descartadas antes de alcançar a produção.

Estamos diante de um paradoxo. Enquanto modelos, infraestrutura e ferramentas evoluem rapidamente, uma parcela considerável das organizações continua tendo dificuldade para transformar experimentação tecnológica em valor empresarial.

O problema pode começar antes da primeira linha de código

Existe uma diferença fundamental entre demonstrar que uma tecnologia funciona e demonstrar que ela resolve um problema economicamente relevante.

Uma prova de conceito pode produzir uma previsão, gerar um texto, classificar clientes ou automatizar uma tarefa e ainda assim não justificar sua implementação.

Por isso, a pergunta inicial de um projeto de IA não deveria ser “Qual inteligência artificial podemos utilizar?”. Deveria ser: “Qual resultado empresarial queremos modificar e como saberemos se isso aconteceu?”

Essa mudança altera toda a lógica do projeto.

Da tecnologia para o problema

Projetos de IA podem começar com uma inversão metodológica. Primeiro escolhe-se a tecnologia. Depois procuram-se aplicações. Em seguida são coletados os dados disponíveis. Somente posteriormente aparecem as perguntas sobre integração, adoção, custos, indicadores e retorno.

Quando isso acontece, a empresa corre o risco de construir uma solução tecnicamente interessante para um problema que nunca foi suficientemente definido.

Antes da escolha do modelo deveriam existir quatro definições: resultado esperado, o que deverá mudar no negócio; baseline, qual é o desempenho atual; meta, qual alteração justificaria economicamente o projeto; e prazo, em quanto tempo o resultado deverá aparecer.

Sem essas referências, até um projeto tecnicamente bem executado pode terminar sem uma resposta para a pergunta mais importante: valeu a pena?

O dado é anterior à inteligência

A IA não cria retroativamente dados que a organização nunca coletou.

Imagine uma empresa que queira utilizar inteligência artificial para identificar quais características dos clientes aumentam a probabilidade de recompra. A tecnologia pode existir. O modelo pode existir. A infraestrutura pode existir. Mas se a organização nunca registrou adequadamente histórico de compras, perfil do cliente, origem do lead, interações comerciais ou motivos de cancelamento, parte do problema não é de inteligência artificial. É de maturidade informacional.

Por isso, antes de avaliar a prontidão para IA, talvez seja necessário avaliar a prontidão dos dados.

O verdadeiro teste acontece depois da prova de conceito

Uma demonstração pode funcionar com centenas de registros. Uma operação empresarial precisa funcionar continuamente com milhares ou milhões deles.

Precisa ainda lidar com integração aos sistemas existentes, segurança, privacidade, governança, comportamento dos usuários, atualização dos dados, custos computacionais e situações não previstas durante o desenvolvimento.

É nessa passagem entre PoC e produção que parte relevante dos projetos desaparece.

PoC responde: funciona?

Produção responde: funciona dentro da empresa, continuamente, com segurança e retorno econômico?

São perguntas diferentes.

O ROI precisa nascer antes do projeto

Há ainda uma inversão frequente: tentar calcular o retorno depois que a solução já foi construída. O caminho deveria ser o contrário.

Considere um projeto de IA para reduzir perdas comerciais. Se atualmente a empresa perde R$ 500 mil por ano em determinada operação, possui uma meta de redução de 20% e estima que a solução custará R$ 60 mil no primeiro ano, existe uma hipótese econômica que pode ser testada.

Baseline: R$ 500 mil em perdas.
Meta: redução de 20%.
Valor econômico potencial: R$ 100 mil.
Investimento: R$ 60 mil.
Prazo: 12 meses.

Agora existe uma discussão empresarial. Sem baseline, meta e prazo, existe apenas uma discussão tecnológica.

Também é preciso saber quando encerrar

Existe outro componente pouco discutido na gestão de projetos de IA: o critério de interrupção.

Encerrar um projeto que não produz retorno não significa necessariamente fracassar. Continuar financiando indefinidamente uma iniciativa sem evidência de geração de valor pode ser uma decisão mais problemática.

Por isso, o critério de encerramento deveria fazer parte da aprovação inicial. Se determinado indicador não atingir um patamar mínimo em determinado período, o projeto é revisado, redimensionado ou encerrado.

Isso transforma o abandono de uma iniciativa em uma decisão de gestão baseada em evidências.

Da prova de conceito para a prova de valor

Talvez as empresas precisem adicionar uma nova etapa à adoção de inteligência artificial. Não apenas Proof of Concept (PoC), mas Proof of Value (PoV).

A primeira demonstra que a tecnologia consegue executar determinada tarefa. A segunda demonstra que essa capacidade modifica um indicador relevante para o negócio.

Essa distinção tende a ganhar importância à medida que os orçamentos corporativos passam da fase de experimentação para uma fase de maior cobrança por resultados.

Antes de contratar um projeto de IA, responda cinco perguntas

Qual problema empresarial estamos tentando resolver?

Qual é o indicador atual desse problema?

Qual resultado mínimo justificaria o investimento?

Temos dados suficientes e confiáveis para medir esse resultado?

Em qual condição o projeto será ampliado, revisado ou encerrado?

Se essas respostas não estiverem claras, talvez a organização ainda não tenha um projeto de inteligência artificial. Ela tem uma hipótese tecnológica. E existe uma diferença considerável entre as duas coisas.

A visão da UIN

Na UIN, entendemos que projetos de inteligência artificial precisam começar pela inteligência do negócio, e não pela escolha da tecnologia.

Dados, processos, objetivos, métricas, governança e retorno precisam formar uma arquitetura única.

A questão deixou de ser simplesmente quem utiliza IA. A questão empresarial passa a ser quem consegue transformar IA em capacidade organizacional e resultado mensurável.

Fonte: S&P Global Market Intelligence, 451 Research, Voice of the Enterprise: AI & Machine Learning, Use Cases 2024 e 2025.


Sua empresa está pronta para investir em IA? A UIN analisa dados, processos e oportunidades antes do investimento tecnológico.

Da tela ao carrinho: como a Amazon está transformando filmes e séries em pontos de venda

A integração entre o Prime Video e o comércio eletrônico reduz a distância entre desejo e compra. A UIN analisa como cenas, personagens e emoções podem formar tendências e alterar decisões de consumo.

Assistir a uma série e desejar a roupa de um personagem, o móvel de um cenário ou o objeto utilizado em uma cena não é um comportamento novo. A novidade está na possibilidade de identificar e comprar esses produtos no momento em que o desejo é despertado.

A Amazon anunciou, em setembro de 2026, a ampliação das ferramentas de compra integradas ao Prime Video. O recurso Shop the Show, que estava disponível em aproximadamente 1.300 títulos, passou a alcançar mais de 8 mil filmes, séries e transmissões esportivas nos Estados Unidos.

A empresa também incorporou uma área de compras ao X-Ray, ambiente que já apresentava informações sobre atores, personagens, músicas e curiosidades relacionadas ao conteúdo. Em determinados dispositivos, o espectador poderá acessar produtos associados ao que está assistindo sem precisar iniciar uma pesquisa convencional.

Outra novidade é o Shop the Scene. O recurso utiliza a tecnologia de reconhecimento visual Amazon Lens para identificar roupas, acessórios e itens de decoração semelhantes aos presentes nas cenas. Inicialmente, essa funcionalidade está disponível nos Estados Unidos para mais de 600 títulos em dispositivos com sistemas iOS e Android.

A mudança parece simples, mas representa uma transformação na relação entre entretenimento, publicidade e comércio eletrônico.

O desejo passa a ser capturado no momento em que nasce

No modelo tradicional de product placement, uma marca insere seu produto em um filme ou série esperando que o consumidor perceba, reconheça e se lembre dele.

Caso o espectador se interesse pelo item, precisa interromper o que está fazendo, identificar o produto, abrir um mecanismo de busca, comparar alternativas e encontrar uma loja. Cada uma dessas etapas cria uma possibilidade de desistência.

A proposta da Amazon reduz essa distância. A plataforma passa a conectar o estímulo emocional provocado pela narrativa à identificação do produto e à possibilidade de compra.

O consumidor não precisa saber o nome da marca, o modelo da roupa ou o fabricante do objeto. A tecnologia pode reconhecer a cena e apresentar itens originais, licenciados, relacionados ou visualmente semelhantes.

A jornada deixa de ser apenas conteúdo, interesse, lembrança, busca e compra. Ela passa a funcionar como conteúdo, desejo, identificação e compra.

A consequência é a transformação do streaming em um espaço de comércio contextual.

Não se trata apenas de vender o produto exibido na cena

O aspecto mais relevante da tecnologia não é a comercialização exata da roupa, do móvel ou do acessório utilizado na produção. O maior potencial está na compreensão dos elementos que despertam o desejo do consumidor.

Uma cena pode gerar interesse por uma jaqueta específica, mas também revelar a procura por determinada cor, estilo, tecido ou faixa de preço. Um ambiente pode aumentar a busca por um móvel, mas também antecipar uma tendência de decoração. Uma viagem apresentada em uma série pode estimular pesquisas por destinos, restaurantes, hospedagens e experiências.

Nesse contexto, filmes e séries deixam de ser observados apenas como canais de exposição. Eles passam a funcionar como ambientes de formação e detecção de tendências.

A Amazon poderá observar quais cenas despertam mais interesse, quais personagens provocam maior identificação, quais categorias recebem mais acessos, quais faixas de preço convertem melhor e quanto tempo existe entre a exposição e a decisão de compra.

Esses dados permitem diferenciar audiência, atenção, desejo e conversão.

O personagem pode se transformar em uma nova variável de segmentação

Tradicionalmente, o comércio eletrônico recomenda produtos a partir do histórico de buscas, compras anteriores, características demográficas e comportamento de navegação.

A integração com o streaming acrescenta uma nova camada: o contexto narrativo.

Duas pessoas com perfis semelhantes podem assistir à mesma série e se interessar por produtos diferentes. Uma pode desejar o figurino da protagonista. Outra pode se identificar com a decoração da casa. Uma terceira pode pesquisar a música, o destino ou os alimentos apresentados na cena.

Isso permite que a recomendação deixe de considerar somente quem é o consumidor e passe a analisar o que ele estava sentindo quando demonstrou interesse.

O produto deixa de aparecer isoladamente. Ele é associado a um personagem, a uma situação, a uma emoção e a um estilo de vida.

Essa associação pode modificar a percepção de preço, a intenção de compra e a importância atribuída ao produto. O consumidor pode não estar comprando apenas um vestido. Ele pode estar comprando uma aproximação simbólica com a personagem, com a história ou com a identidade representada naquela cena.

Da análise de sentimentos à análise de intenção

As manifestações digitais relacionadas às produções podem revelar diferentes níveis de interesse comercial.

Comentários como “adorei o figurino”, “onde encontro essa roupa?”, “quero uma igual”, “parece muito caro” e “compraria uma versão mais barata” não representam o mesmo comportamento.

Uma análise limitada à classificação positiva, negativa ou neutra não seria suficiente.

É necessário identificar admiração, desejo, curiosidade, intenção de compra, percepção de preço, busca por alternativas, identificação com o personagem e rejeição à presença comercial dentro da experiência de entretenimento.

Esse tipo de análise permite separar repercussão cultural de potencial comercial. Uma personagem pode gerar muitas conversas, mas pouca intenção de compra. Outra pode receber menos menções e, mesmo assim, provocar maior número de buscas, comparações e conversões.

Um novo indicador para o comércio narrativo

A UIN propõe acompanhar esse fenômeno por meio de um Índice de Conversão Narrativa.

O indicador avaliaria a capacidade de uma produção, personagem ou cena de transformar exposição audiovisual em comportamento comercial.

O cálculo poderia considerar a relação entre visualizações, abertura da área de compras, visualização do produto, salvamento, pesquisa, compartilhamento, inclusão no carrinho e compra.

A análise também poderia comparar o desempenho de um mesmo produto em diferentes contextos. Uma bolsa apresentada em uma cena de trabalho pode produzir um comportamento diferente da mesma bolsa utilizada em uma viagem ou celebração.

Com isso, empresas poderiam compreender não apenas quais produtos estão despertando interesse, mas em quais situações eles se tornam mais desejáveis.

Sua empresa precisa compreender quais conteúdos, contextos e emoções estão influenciando o comportamento do consumidor?

A UIN desenvolve estudos de inteligência de mercado, análise de concorrência e análise de sentimentos para apoiar decisões estratégicas.

A próxima disputa será pelo contexto do consumo

O YouTube já permite que criadores qualificados apresentem produtos próprios ou de outras marcas em vídeos, Shorts e transmissões ao vivo. Segundo a própria plataforma, vídeos com produtos identificados e links na descrição apresentaram 23% mais cliques nos produtos do que vídeos que utilizavam somente links na descrição.

A diferença é que a Amazon reúne conteúdo, identificação visual, recomendação, histórico de compra, meios de pagamento e infraestrutura de comércio eletrônico em um mesmo ecossistema.

Essa integração pode reduzir etapas da jornada, mas também cria questões importantes.

Até que ponto o consumidor aceitará a presença comercial dentro da experiência de entretenimento? A recomendação será percebida como conveniência ou interrupção? O interesse será direcionado ao produto utilizado na produção ou a alternativas patrocinadas? Marcas menores terão condições de competir pela recomendação?

Também será necessário observar os limites relacionados à privacidade, ao uso de dados comportamentais e à influência exercida sobre públicos mais jovens.

O que essa transformação representa para as empresas

A evolução do comércio integrado ao streaming exige que as marcas repensem product placement, licenciamento, presença em marketplaces, gestão de catálogo e monitoramento de tendências.

Não será suficiente aparecer em uma produção. Será necessário garantir que o produto possa ser identificado, encontrado, relacionado corretamente à cena e entregue quando o interesse surgir.

Isso aproxima áreas que tradicionalmente trabalham separadas, como entretenimento, marketing, inteligência de mercado, comércio eletrônico, produto e logística.

A nova pergunta não será apenas quantas pessoas assistiram à produção.

As empresas precisarão descobrir qual personagem despertou desejo, qual cena gerou procura, qual emoção antecedeu a compra, qual produto foi escolhido e quais alternativas ganharam espaço quando o item original não estava disponível.

O conteúdo audiovisual começa a deixar de ser somente mídia. Ele se transforma em ambiente de descoberta, pesquisa e transação.

A próxima etapa do comércio eletrônico poderá não ser recomendar produtos apenas com base no histórico do consumidor, mas identificar o desejo no momento exato em que ele é criado pela narrativa.

A UIN acompanhará esse movimento dentro de uma nova linha de estudos sobre Comércio Narrativo, analisando como filmes, séries, influenciadores, games e transmissões esportivas podem formar tendências e alterar decisões de consumo.

Fontes consultadas

Amazon Press Center, TechCrunch, YouTube Shopping e YouTube Shopping Affiliate Program.

Quer aplicar essa análise ao seu mercado?

Conte brevemente o desafio da sua empresa. A UIN entrará em contato para compreender o contexto e indicar como um estudo sob medida pode apoiar a decisão.

Ao enviar seus dados, você autoriza a UIN a entrar em contato sobre esta solicitação.

← Voltar

Agradecemos pela sua resposta. ✨

Plano Diretor de São Paulo: onde a cidade pode crescer e o que isso muda para os negócios

Estudo da UIN cruza Plano Diretor de São Paulo, zoneamento, mobilidade, infraestrutura e dinâmica econômica para identificar regiões sob pressão urbana e possíveis oportunidades para empresas e investidores.

Onde São Paulo tende a crescer nos próximos anos e o que essa transformação pode significar para varejo, serviços, saúde, educação, mercado imobiliário e decisões de investimento? A UIN está desenvolvendo uma leitura territorial que cruza o Plano Diretor de São Paulo com indicadores urbanos e econômicos para responder a essa pergunta.

O estudo em uma frase
O potencial de crescimento de um bairro não depende apenas do que pode ser construído. Ele depende da combinação entre regras urbanísticas, transporte, população, infraestrutura, serviços e atividade econômica.

Plano Diretor: por que uma regra urbana interessa às empresas?

São Paulo está em uma nova etapa de transformação urbana. A revisão intermediária do Plano Diretor Estratégico, sancionada pela Lei nº 17.975/2023, mantém como horizonte 2029 e reforça uma lógica central: aproximar moradia, emprego, serviços e transporte coletivo, ao mesmo tempo em que reorganiza instrumentos de adensamento, habitação, mobilidade e uso do solo.

Para uma empresa, porém, o efeito vai além do mercado imobiliário. Mudanças na densidade de uma região podem modificar a quantidade e o perfil dos consumidores, a demanda por serviços, os fluxos de deslocamento, a concorrência e até a atratividade de determinados pontos comerciais.

Adensamento próximo ao transporte pode redesenhar a economia dos bairros

Um dos elementos estruturantes do Plano Diretor é o estímulo ao adensamento nas áreas de influência dos sistemas de transporte coletivo de média e alta capacidade. Mais moradores podem significar novas demandas por supermercados, alimentação, saúde, educação, academias, serviços pessoais, mobilidade, entretenimento e conveniência.

Mas crescimento também pode produzir pressão sobre trânsito local, saneamento, drenagem, escolas, unidades de saúde e outros equipamentos públicos. Por isso, a UIN trabalha com uma distinção essencial: potencial de crescimento não é o mesmo que capacidade de absorção da infraestrutura.

O endereço passa a carregar uma nova camada de informação

Estudos tradicionais de mercado observam população, renda, concorrência e fluxo. A transformação urbana exige acrescentar outra pergunta: o que poderá acontecer com aquele território nos próximos anos?

Uma região com determinada densidade hoje pode receber novos empreendimentos e ampliar rapidamente sua demanda potencial. Uma área comercial consolidada pode ganhar milhares de consumidores residentes. Em sentido contrário, regiões que crescem sem expansão proporcional da infraestrutura podem enfrentar congestionamento, pressão sobre serviços públicos e deterioração de indicadores urbanos.

O que estamos cruzando no estudo

Uso do solo
Zoneamento, verticalização e potencial construtivo.
Mobilidade
Transporte coletivo, circulação e deslocamentos.
Demografia
População, densidade, renda e transformação dos bairros.
Infraestrutura
Saneamento, saúde, educação e equipamentos urbanos.
Economia
Empresas, empregos, comércio, serviços e demanda potencial.
Risco territorial
Pressão urbana, capacidade instalada e segurança regulatória.

Não existe uma única São Paulo

Os efeitos do Plano Diretor não são homogêneos. A mesma regra pode produzir consequências diferentes conforme renda, infraestrutura instalada, acesso ao transporte, equipamentos públicos, perfil imobiliário e estrutura comercial de cada região.

Para o varejo, interessa identificar onde poderá surgir concentração adicional de consumidores. Para saúde e educação, onde o crescimento populacional pode elevar a demanda. Para incorporadoras, instituições financeiras e investidores, infraestrutura futura e segurança regulatória passam a integrar a análise de risco.

Do mapa urbano para a decisão empresarial

Quando dados regulatórios são combinados com população, renda, empresas, deslocamentos, infraestrutura e serviços, torna-se possível procurar territórios com crescimento potencial, regiões sob maior pressão urbana e locais nos quais novas demandas econômicas podem surgir.

A pergunta central da UIN
Quais regiões estão acumulando condições para mudar e o que essa transformação pode representar para empresas, consumidores e políticas públicas?

Quer receber o estudo completo?

A UIN está aprofundando a análise com indicadores territoriais, comparações entre regiões e mapas. Se você quer receber o relatório completo quando estiver disponível, registre seu interesse.

Receba o estudo Plano Diretor de São Paulo

Envie seu nome, empresa, cargo e e-mail pelo canal de contato da UIN. Informe no assunto: Estudo Plano Diretor SP.

QUERO RECEBER O ESTUDO COMPLETO

Acompanhe as próximas análises

Este artigo apresenta uma síntese do projeto. As próximas etapas devem aprofundar comparações territoriais e indicadores capazes de mostrar onde crescimento urbano e capacidade de infraestrutura avançam juntos e onde começam a se distanciar.

Fontes institucionais de referência: Plano Diretor Estratégico do Município de São Paulo, Lei nº 16.050/2014 e revisão intermediária promovida pela Lei nº 17.975/2023, Prefeitura de São Paulo e Câmara Municipal de São Paulo.