Quase toda empresa já usa IA em alguma área, e quase toda diretoria faz a mesma pergunta: quanto isso devolveu? A resposta costuma ser “economizamos horas”, o que não é um número que o financeiro aceite. Horas economizadas só viram dinheiro quando reduzem custo, evitam contratação ou liberam capacidade que gera receita.
Os dados mostram a distância entre uso e retorno. Na pesquisa da McKinsey sobre o estado da IA, com 1.719 respondentes em 97 países, 80% disseram que a IA melhorou sua produtividade pessoal, mas só 37% atribuem algum impacto no EBIT (lucro antes de juros e impostos) à tecnologia, e cerca de 6% se enquadram como empresas de alto desempenho.
Este guia mostra como estimar o custo total de um projeto de IA, converter benefícios em reais, calcular ROI e payback com um exemplo completo, montar a medição com linha de base e evitar os erros que fazem um projeto parecer bom no piloto e fraco no balanço.
O que é ROI de IA e por que é difícil medir
ROI (retorno sobre investimento) é a razão entre o ganho líquido e o que foi investido: ROI = (benefícios − custos) ÷ custos × 100. Já o payback é o tempo para recuperar o investimento inicial: investimento inicial ÷ benefício líquido mensal. As fórmulas são antigas. A dificuldade da IA está em duas pontas: os custos estão espalhados (tokens, pessoas, integração) e os benefícios aparecem em indicadores operacionais, não direto no caixa.
O impacto da IA é totalmente mensurável, mas precisa ser medido com o mesmo rigor de qualquer outro investimento de capital.
McKinsey, “From promise to impact”
Segundo esse artigo da McKinsey, ROI só se sustenta quando benefícios e custos aparecem no mesmo registro. É a regra deste guia: tudo em reais, por mês, com a mesma base de comparação.
Custo total de um projeto de IA
O custo de tokens é o mais visível e quase nunca é o maior. A tabela lista as categorias a incluir antes de qualquer cálculo.
| Categoria | O que entra | Natureza |
|---|---|---|
| Uso do modelo | Tokens de entrada e saída, ferramentas, busca | Variável, cresce com o volume |
| Plataforma e licenças | Assinaturas, fornecedores, infraestrutura | Fixa mensal |
| Implantação | Diagnóstico, configuração, integração com sistemas e dados | Única |
| Preparação de dados | Base de conhecimento, higienização, permissões | Única, com revisão contínua |
| Revisão humana | Conferência das respostas e correção de erros | Variável, cresce com o volume |
| Governança e segurança | Política de uso, LGPD, auditoria, monitoramento | Fixa |
| Manutenção e treinamento | Atualização de base, ajuste de prompts, capacitação do time | Contínua |
Sobre tokens, a documentação de preços da Anthropic mostra mecanismos que afetam a conta: entrada e saída são cobradas separadamente por milhão de tokens, e a saída costuma custar mais; a leitura de cache de prompt custa uma fração da entrada normal; o processamento em lote tem desconto de 50%; e definições de ferramentas também contam como tokens. A página registra ainda que um tokenizador mais novo gera cerca de 30% mais tokens para o mesmo texto, o que altera o custo real sem mudar a tabela de preços. Como os preços costumam ser em dólar, a variação cambial entra no custo em reais. Para entender como o mercado está migrando para cobrança por consumo, veja preço de IA por consumo.
Como estimar o custo por tarefa
Use: custo por tarefa = (tokens de entrada × preço de entrada + tokens de saída × preço de saída) ÷ 1.000.000. Com preços hipotéticos de US$ 3 por milhão de tokens na entrada e US$ 15 na saída, uma tarefa de 4.000 tokens de entrada e 800 de saída custa US$ 0,012 + US$ 0,012 = US$ 0,024. A 10.000 tarefas por mês, são US$ 240, ou R$ 1.320 com câmbio hipotético de R$ 5,50. Meça os tokens reais no piloto, porque o histórico enviado e as ferramentas elevam a entrada.
Como converter benefícios em reais
| Tipo de benefício | Como medir | Cuidado |
|---|---|---|
| Tempo liberado | Horas economizadas × custo da hora × percentual realmente realocado | Horas soltas não são caixa |
| Custo evitado | Atendimentos, terceirizações ou contratações que deixaram de ocorrer × custo unitário | Comparar com a linha de base |
| Receita incremental | Conversão, ticket ou retenção acima do grupo de controle × margem | Exige controle, não correlação |
| Qualidade e risco | Retrabalho, erros e reclamações evitados × custo médio | Medir antes e depois |
Veja o caso de tempo. Cinco pessoas economizam 6 horas por semana cada. Em um mês de 4,33 semanas, são 5 × 6 × 4,33 = 130 horas. A R$ 60 por hora (salário mais encargos), o valor teórico é R$ 7.800. Se apenas metade dessas horas for redirecionada para trabalho produtivo, o benefício real é R$ 3.900. O fator de realização é o número que mais divide times de tecnologia e financeiro, e deve ser acordado antes do projeto. Uma reportagem da Fortune sobre o relatório do MIT aponta que o maior retorno de IA generativa identificado está na automação de back-office e na redução de custos externos, e não só em ganhos de tempo individuais.
Exemplo completo: IA no atendimento de primeira linha
Uma loja recebe 3.000 atendimentos por mês, a R$ 8 de custo cada. Um agente de IA resolve 35% sem humano. Os custos mensais do projeto somam R$ 4.900 e a implantação custa R$ 18.000. Os números são ilustrativos.
| Item | Cálculo | Valor |
|---|---|---|
| Atendimentos resolvidos pela IA | 3.000 × 35% | 1.050 |
| Benefício mensal (custo evitado) | 1.050 × R$ 8 | R$ 8.400 |
| Custo mensal: plataforma | Fixo | R$ 2.500 |
| Custo mensal: tokens | Estimativa do piloto | R$ 600 |
| Custo mensal: revisão humana | 20 h × R$ 60 | R$ 1.200 |
| Custo mensal: manutenção da base | 10 h × R$ 60 | R$ 600 |
| Custo mensal total | 2.500 + 600 + 1.200 + 600 | R$ 4.900 |
| Benefício líquido mensal | 8.400 − 4.900 | R$ 3.500 |
| Payback | 18.000 ÷ 3.500 | 5,1 meses |
| ROI em 12 meses | (100.800 − 76.800) ÷ 76.800 | 31,3% |
Em 12 meses, o benefício é R$ 8.400 × 12 = R$ 100.800 e o custo, R$ 18.000 + R$ 4.900 × 12 = R$ 76.800. O retorno parece bom, mas depende de uma premissa: os 35%. Teste a sensibilidade.
Payback por taxa de resolução da IA (meses)
Com 30% de resolução, o benefício mensal cai para R$ 7.200 e o líquido para R$ 2.300, e o payback vai para 7,8 meses. Com 25%, o líquido é R$ 1.100 e o payback sobe para 16,4 meses. Com 20%, o benefício (R$ 4.800) fica abaixo do custo mensal (R$ 4.900), e o projeto nunca se paga. Por isso, a taxa de resolução é a primeira métrica a medir no piloto, e a base de conhecimento é a principal alavanca para elevá-la.
A Athena é a plataforma de BI para e-commerce da Analytikos que reúne loja, GA4 e mídia em um só painel, com teste de 30 dias grátis.
Como montar a medição: das métricas técnicas ao financeiro
O mesmo artigo da McKinsey propõe cinco camadas de métricas, cada uma com um responsável. A tabela traz exemplos para um projeto de marketing ou atendimento.
| Camada | Pergunta | Exemplos |
|---|---|---|
| 1. Desempenho técnico | O modelo funciona bem? | Taxa de erro, latência, custo de tokens por interação |
| 2. Adoção | O time usa? | Usuários ativos, taxa de aceitação das respostas |
| 3. Operacional | O trabalho mudou? | Tempo de ciclo, retrabalho, resolução no primeiro contato, custo por caso |
| 4. Estratégica | O cliente percebe? | Satisfação, retenção, prazo de entrega |
| 5. Financeira | Aparece no resultado? | Receita incremental, custo evitado, margem, custo total |
Quatro práticas tornam a medição defensável:
- Registre a linha de base antes de ligar a IA. Custo por atendimento, tempo de ciclo, conversão e retrabalho, por pelo menos quatro semanas.
- Defina o valor esperado e o critério de decisão. Por exemplo: payback abaixo de 8 meses e satisfação igual ou superior à atual.
- Isole o efeito. A McKinsey cita testes A/B e implantação escalonada. Mantenha um grupo sem IA enquanto for possível.
- Feche um pacote mensal de evidências com benefícios, custo total, adoção e saúde técnica, e use portões de decisão em cada fase (piloto, MVP, escala).
Ao escalar, recalcule. A revisão humana, a manutenção da base e o consumo de tokens crescem com o volume, e uma conta fechada no piloto pode mudar. Para o passo a passo da implantação, leia o guia prático de IA no marketing e a explicação de agentes de IA.
Erros comuns ao medir o retorno de IA
Os erros aparecem em três lugares: na conta de custos, na conta de benefícios e na gestão do projeto. A maioria faz o ROI parecer melhor do que é.
Erros na conta de custos
- Contar só licença e tokens. Implantação, dados, revisão e manutenção costumam pesar mais. No exemplo, os tokens são R$ 600 dos R$ 4.900 mensais, cerca de 12%.
- Ignorar a revisão humana. Se alguém confere cada resposta, esse tempo é custo. Ele tende a crescer com o volume.
- Esquecer câmbio e variação de preço. Preços em dólar, novos tokenizadores e mudança de modelo alteram o custo por tarefa sem aviso. Reestime a cada trimestre.
- Tratar a manutenção como zero. Base de conhecimento, prompts e integrações precisam de atualização. Sem ela, a taxa de resolução cai e o benefício desaparece.
Erros na conta de benefícios
- Transformar horas economizadas em dinheiro. Como mostra a McKinsey, 80% relatam ganho de produtividade pessoal sem impacto financeiro amplo. Aplique o fator de realização.
- Medir sem linha de base. Sem o “antes”, qualquer melhora vira atribuição. Registre os indicadores antes do projeto.
- Atribuir receita à IA sem grupo de controle. Sazonalidade e campanhas também mexem na venda. Compare com quem não usou.
- Confundir adoção com valor. Muitos usuários ativos mostram uso, não resultado. Se os indicadores operacionais não se movem, a IA pode estar ligada sem mudar o trabalho.
Erros de gestão
- Piloto sem critério de saída. A McKinsey chama de “pilot trap” os pilotos que nunca escalam. Defina antes quando o projeto avança, muda ou para.
- Apostar só em ferramentas genéricas. Chatbots e copilots melhoram a experiência, mas raramente alteram o P&L por si só. Ligue a IA a um processo com custo conhecido.
- Não ter dono financeiro. Se ninguém assina o número, o business case é reaberto a cada reunião. Defina um responsável de negócio e outro de finanças.
- Extrapolar o piloto sem testar a escala. Casos raros, revisão e carga mudam com o volume. Valide em um segundo grupo antes de projetar.
Checklist de ROI antes de aprovar o projeto
- Processo escolhido com custo unitário conhecido.
- Linha de base registrada por pelo menos quatro semanas.
- Custo total estimado com as sete categorias da tabela.
- Custo de tokens medido no piloto, em reais, com sensibilidade cambial.
- Fator de realização de horas acordado com o financeiro.
- Grupo de controle ou implantação escalonada definidos.
- Critérios de avanço, ajuste e parada escritos antes do piloto.
- Teste de sensibilidade nas premissas mais frágeis.
- Dono de negócio e dono financeiro nomeados.
- Revisão trimestral de custo e resultado.
Perguntas frequentes
Como calcular o ROI de um projeto de IA?
Some todos os benefícios em reais no período, subtraia o custo total (implantação, uso, revisão, manutenção) e divida pelo custo total. Multiplique por 100 para obter o percentual.
O que entra no custo de um projeto de IA?
Uso do modelo (tokens), plataforma e licenças, implantação, preparação de dados, revisão humana, governança e segurança, manutenção e treinamento. Os tokens costumam ser só uma parte pequena.
Horas economizadas contam como retorno?
Só na parte que vira dinheiro: redução de custo, contratação evitada ou capacidade usada em atividade que gera receita. Aplique um fator de realização, como 50%, acordado com o financeiro.
Quanto tempo leva para uma IA se pagar?
Depende do caso. Calcule o payback dividindo o investimento inicial pelo benefício líquido mensal e teste cenários. No exemplo do guia, de 5,1 a 16,4 meses, conforme a taxa de resolução.
Quanto tempo deve durar um piloto?
O suficiente para registrar linha de base, executar com um grupo definido e coletar dados para a decisão, em geral algumas semanas. Mais importante que a duração é ter critérios de decisão escritos antes de começar.
Por que muitos pilotos de IA não geram retorno?
Em geral por falta de ligação com um processo mensurável, ausência de linha de base e de dono financeiro, e pilotos sem critério de saída. Pesquisas como as da McKinsey e do MIT, noticiada pela Fortune, apontam a distância entre uso e impacto no resultado.
