ROI de IA: como medir se a IA está dando resultado

O ROI de inteligência artificial aparece quando o uso da IA está ligado a um processo que a empresa já mede, com linha de base registrada antes do piloto, custo completo na conta e um indicador que o financeiro reconhece no resultado. A maioria das empresas mede outra coisa: quantas licenças estão ativas e quantas horas o fornecedor estima que cada pessoa economizou. Esses números mostram acesso e boa vontade do time, e nenhum deles chega ao DRE. Eu organizo a medição em três camadas, que são adoção e uso, eficiência do processo e resultado de receita ou custo. Cada camada tem fonte de dado própria e prazo diferente para mostrar movimento, e boa parte da frustração das diretorias com IA vem de cobrar na quarta semana o que só a terceira camada pode responder.

Na Iasbeck&Co a gente implanta CRM e agentes de IA em operações B2B e treina os times que trabalham com eles. No workshop que fiz em outubro, uma das dúvidas mais frequentes no chat foi quanto custa cada ação de um agente e como saber se o gasto compensa. Expliquei que cada agente consome créditos conforme a complexidade do pedido, e que o consumo médio se planeja antes de ligar o agente. Escrevi este texto para a diretoria e o financeiro, que aprovam o orçamento, para as lideranças de vendas, marketing e CS, que respondem pelos indicadores, e para o RH, que vai precisar mostrar o efeito da formação.

Por que licenças ativas e horas economizadas não medem o ROI de IA?

A pesquisa global da McKinsey sobre IA de 2026 mostra a distância entre as duas medidas. Oito em cada dez respondentes disseram que a IA melhorou a sua produtividade individual, e 37% atribuíram algum impacto no EBIT da empresa ao uso de IA, uma proporção quase igual à de 2025. A pessoa sente o ganho na tarefa, e a empresa não encontra esse ganho no resultado. No mesmo levantamento, as organizações que a McKinsey classifica como de alto desempenho em IA têm o dobro de chance de ter processos definidos para medir o impacto das suas iniciativas.

Licença ativa mede acesso. Um vendedor que abre o assistente uma vez por dia para reescrever um e-mail conta como usuário ativo, e o painel do fornecedor não diz se aquele e-mail mudou alguma coisa na negociação. A hora economizada tem outro problema, porque ela vira dinheiro só se alguém decidir o que fazer com ela. Se o analista de CS economiza quatro horas por semana na preparação de reuniões e a liderança não aumenta a carteira dele nem adia a próxima contratação, as quatro horas se dissolvem na rotina e a folha continua do mesmo tamanho.

Como medir o resultado da IA em três camadas?

O financeiro quer saber qual linha do resultado vai mudar e em quanto tempo, e a liderança da área precisa saber qual comportamento do time move essa linha. As camadas ligam as duas respostas e se encadeiam: sem uso no processo certo, a eficiência não muda, e sem eficiência, o resultado não tem por onde se mover.

Camada 1: adoção e uso

O indicador que importa é o uso dentro do processo escolhido, medido no CRM ou na ferramenta onde o trabalho acontece. Em vendas, conte quantas reuniões tiveram resumo gerado pelo agente e quantos rascunhos de follow-up o vendedor aprovou sem editar. No atendimento, meça quantos chamados receberam classificação automática e quantas dessas classificações o analista corrigiu. A taxa de edição e de correção diz mais que o número de usuários, porque mostra se o contexto que o agente lê está bom o bastante para o time confiar nele.

Camada 2: eficiência do processo

A segunda camada compara o processo antes e depois, no mesmo time e em período comparável. O tempo entre a reunião e o registro do próximo passo e o número de propostas paradas há mais de 15 dias são indicadores que o CRM já registra, desde que a base tenha datas confiáveis. Essa camada costuma se mover entre a quarta e a oitava semana, e ela serve de ponte para a conversa com o financeiro, porque um ciclo de venda menor antecipa receita e libera horas do vendedor para mais oportunidades.

Camada 3: resultado de receita ou custo

A terceira camada reúne os números que o financeiro reconhece: conversão de proposta em ganho, receita por vendedor, taxa de renovação e custo por chamado resolvido. Ela demora mais porque depende do ciclo de venda e do ciclo de renovação, e porque preço, campanha e sazonalidade mexem nos mesmos números. Por isso pede grupo de comparação ou, no mínimo, uma linha de base de vários meses. Numa venda B2B com ciclo de 90 dias, espere efeito em conversão a partir do terceiro mês e em renovação só no ciclo seguinte.

Camada	Área	Indicador	Fonte	Quando esperar movimento
1. Adoção e uso	Vendas	Reuniões com resumo do agente; rascunhos aprovados sem edição	CRM, registro de atividades	2 a 4 semanas
1. Adoção e uso	Marketing	Percentual de envios personalizados pelo agente	Ferramenta de automação	2 a 4 semanas
1. Adoção e uso	Atendimento e CS	Chamados classificados pelo agente e correções do analista	Help desk integrado ao CRM	2 a 4 semanas
2. Eficiência	Vendas	Tempo entre reunião e próximo passo; propostas paradas há mais de 15 dias	CRM, datas de atividade e de etapa	4 a 8 semanas
2. Eficiência	Marketing	Tempo de produção de campanha; leads aceitos por vendas	Automação e CRM	4 a 8 semanas
2. Eficiência	Atendimento e CS	Primeira resposta nos urgentes; preparação da renovação	Help desk e agenda	4 a 8 semanas
3. Resultado	Vendas	Conversão de proposta em ganho; receita por vendedor	CRM e financeiro	1 a 2 ciclos de venda
3. Resultado	Marketing	Grupo personalizado contra o padrão; oportunidades geradas	Automação e CRM	1 ciclo de venda
3. Resultado	Atendimento e CS	Custo por chamado resolvido; taxa de renovação	Help desk e financeiro	1 ciclo de renovação

As camadas 2 e 3 dependem de uma base que registre data, etapa e origem com disciplina. Se o time move negócios de etapa para melhorar o relatório da semana, o ciclo de venda que o CRM calcula não vale como linha de base, e o ROI que sair dali vira estimativa com cara de número. Esse é o assunto de como tomar decisões baseadas em dados, e os usos de IA que já rendem em cada área estão em IA em vendas, marketing e CS.

Quanto custa a IA de verdade?

A proposta do fornecedor mostra a licença. O resultado da empresa sente também os créditos consumidos por ação de agente, a implantação, a organização dos dados, o treinamento e o tempo que as pessoas passam revisando o que o agente produz. O Gartner previu em 2025 que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027 por custos crescentes, valor de negócio pouco claro ou controles de risco inadequados. Os dois primeiros motivos aparecem quando a empresa compra sem caso de ROI e descobre o custo real no quarto mês.

Item de custo	O que entra	Natureza	Quem costuma esquecer
Licença ou assento	Plano com IA, assentos adicionais, mudança de edição	Recorrente	Ninguém, é o item da proposta
Créditos por ação de agente	Consumo por resumo, e-mail personalizado, classificação de chamado	Recorrente e variável	Quem estimou pelo volume do piloto
Implantação	Configuração dos agentes, contexto da empresa, regras de aprovação, integrações	Única	Quem achou que bastava ativar
Organização de dados	Deduplicação, campos padronizados, datas e etapas confiáveis	Única, com manutenção	Quem não olhou a base antes
Treinamento	Formação de líderes, operadores e administrador do CRM	Única, com reciclagem	Quem contou só o tutorial do fornecedor
Revisão humana	Horas de quem aprova rascunho, corrige classificação e audita amostras	Recorrente	Quem calculou a hora economizada sem descontar a revisão

Nas plataformas que cobram por ação de agente, estime o consumo pelo volume do processo. Se o atendimento recebe 400 chamados por mês, a triagem roda 400 vezes, e se a nutrição dispara 20 mil e-mails, o percentual de cobertura que o gestor define no agente decide quanto desse volume consome crédito. A revisão humana também muda com o tempo: nas primeiras semanas o time confere tudo, e depois que a taxa de correção cai, a liderança pode passar para auditoria por amostra. Coloque essa redução no plano com data e critério, porque ela faz o custo do segundo trimestre ficar abaixo do primeiro.

Como montar o caso de ROI de IA antes de comprar?

O caso de ROI é um documento de duas páginas que a diretoria, o financeiro e o líder da área assinam antes da compra. Ele fixa o processo, a linha de base, a hipótese e o critério de parada, e tira a avaliação do projeto das mãos da impressão pessoal de quem gosta ou desgosta da ferramenta.

Escolha um processo. Comece por um processo com volume alto, que trabalhe sobre texto que a operação já produz e que tenha dono claro, como follow-up de propostas ou triagem de chamados. O raciocínio para escolher os primeiros usos está em IA para empresas, e o desenho de cada agente, com o que ele lê, o que executa e quem aprova, está em agentes de IA.

Registre a linha de base. Tire do CRM os indicadores das três camadas dos últimos três a seis meses, no mesmo time que vai participar do piloto. Se o dado não existe ou não é confiável, a primeira etapa do projeto passa a ser registrá-lo por quatro semanas antes de ligar o agente.

Escreva a hipótese e o ponto de equilíbrio. Defina quanto uso você espera na camada 1, quanto o processo deve ganhar na camada 2 e qual movimento a camada 3 precisa mostrar para pagar o custo completo de 12 meses, com os itens únicos amortizados no período.

Converta em dinheiro pela margem. O ganho que entra no ROI é a margem de contribuição sobre a receita nova ou o custo que a empresa deixou de ter, e o financeiro valida essa conversão antes do piloto.

Defina o critério de parada. Escreva o que faz o projeto ser ampliado, ajustado ou encerrado no dia 90. Encerrar um agente que não se pagou também é boa gestão, e com o critério escrito ninguém precisa defender a ferramenta por orgulho.

Exemplo ilustrativo: agente de follow-up de propostas

Os números abaixo são hipotéticos, montados para mostrar a conta, e não representam média de mercado nem caso de cliente. Imagine uma operação com dez vendedores que envia 100 propostas por mês, com conversão de 22% de proposta em ganho na média dos últimos seis meses, ticket médio de R$ 15.000 e margem de contribuição de 40%. A diretoria quer um agente que liste as propostas paradas e escreva o follow-up de cada uma para o vendedor aprovar.

Linha do caso	Valor mensal hipotético
Licenças e assentos adicionais	R$ 2.500
Créditos de agente	R$ 1.500
Implantação (R$ 24.000 amortizados em 12 meses)	R$ 2.000
Organização de dados (R$ 12.000 em 12 meses)	R$ 1.000
Treinamento (R$ 12.000 em 12 meses)	R$ 1.000
Revisão humana (10 vendedores, 2 horas por mês, R$ 80 a hora)	R$ 1.600
Custo total	R$ 9.600
Conversão sobe de 22% para 24%: 2 negócios a mais	R$ 30.000 de receita
Margem de contribuição sobre esses 2 negócios	R$ 12.000
Resultado mensal (margem menos custo)	R$ 2.400

Calculado sobre a receita, o projeto parece devolver mais de três vezes o custo, e esse é o número que costuma ir para a apresentação. Calculado sobre a margem, o retorno é de 25% sobre o custo total no mês. Se a conversão subir só um ponto, para 23%, a margem adicional cai para R$ 6.000, abaixo dos R$ 9.600 de custo, e o projeto dá prejuízo. O ponto de equilíbrio fica em 1,6 negócio adicional por mês, ou conversão de 23,6%, e é esse número que a diretoria acompanha na revisão de 90 dias.

A conta por horas economizadas daria outro número. Se o fornecedor estimar quatro horas por vendedor por semana, são 160 horas no mês, ou R$ 12.800 a R$ 80 a hora, um retorno maior que o da margem e que não põe nenhum real no caixa. Essas horas entram no caso quando a liderança as converte em mais propostas por vendedor ou numa contratação adiada, e o efeito aparece na camada 3.

Como fazer a revisão de 30, 60 e 90 dias?

A revisão é uma reunião de 45 minutos com o líder da área, o financeiro e o administrador do CRM, sobre o mesmo painel em cada marco. O painel fica dentro do CRM, com os indicadores das três camadas e o consumo de créditos, para que ninguém leve número de planilha própria.

Marco	Pergunta da revisão	O que olhar	Decisões possíveis
30 dias	O time usa a IA no processo escolhido, e o agente acerta?	Camada 1: uso, taxa de edição e de correção, créditos contra o teto	Ajustar contexto e instrução, corrigir campos, rever a cobertura
60 dias	O processo ficou mais rápido ou ganhou volume?	Camada 2 contra a linha de base; custo real contra o previsto	Ampliar a cobertura, trocar revisão total por amostra, rever o teto de créditos
90 dias	O resultado se moveu o bastante para pagar o custo completo?	Primeiros sinais da camada 3; distância até o ponto de equilíbrio	Escalar para outros times, ajustar e rodar mais um ciclo, ou encerrar

Cobrar receita no dia 30 leva a liderança a cancelar projetos que ainda não tiveram tempo de mudar o processo. No dia 60, se o processo não mudou contra a linha de base, a causa costuma estar no contexto que o agente lê ou num time que aprova sem conferir. No dia 90, a camada 3 começa a falar nas operações com ciclo curto, e nas de ciclo longo a decisão se apoia na camada 2 e na projeção do ponto de equilíbrio, com nova revisão marcada para o fim do primeiro ciclo de venda.

Quais são os erros comuns na medição de IA?

Medir o piloto com o melhor time

Começar pelo time mais engajado facilita a adoção e distorce a comparação. Se o piloto roda com os três melhores vendedores e a linha de base é a média da empresa, o ganho medido mistura a IA com o talento de quem participou. Compare o time do piloto com ele mesmo antes do piloto, ou monte um grupo de comparação com perfil parecido.

Comparar períodos com sazonalidade diferente

Comparar dezembro com outubro, ou o mês de uma campanha grande com um mês comum, produz ganhos e perdas que a IA não causou. Use o mesmo período do ano anterior quando o negócio tiver sazonalidade forte, ou um grupo que não usa o agente no mesmo intervalo.

Trocar o indicador no meio do caminho

O projeto começa prometendo conversão, a conversão não sobe, e na apresentação do dia 90 o indicador passa a ser satisfação do vendedor. A troca pode ter motivo legítimo, desde que a liderança a registre como hipótese nova, com linha de base própria, separada da avaliação do projeto original.

Atribuir à IA o ganho que veio da arrumação

Para o agente funcionar, a empresa padroniza campos, define critério de etapa e escreve o ICP, e parte do ganho vem dessa arrumação. Esse ganho é retorno do projeto e entra no caso, só que a diretoria precisa saber a origem para decidir o próximo investimento. Em alguns projetos o maior retorno estava no processo, e a IA deu à empresa o motivo para organizá-lo.

Como o RH e o T&D medem o efeito do treinamento de IA?

O RH reconhece a necessidade de formação em sinais da camada 1. Licenças pagas com uso concentrado em poucas pessoas, taxa alta de edição dos rascunhos e líderes que não sabem dizer qual processo a IA deveria mudar indicam que o time recebeu a ferramenta sem receber o método. A pesquisa de satisfação ao fim da aula não capta nenhum desses sinais.

A formação que sustenta o ROI envolve públicos diferentes. Diretoria e financeiro aprendem a montar e revisar o caso de ROI, e os líderes de vendas, marketing e CS definem os indicadores de cada camada e as regras de aprovação dos agentes. Os profissionais de cada área praticam nos processos que vão usar, e o administrador do CRM ou o time de RevOps aprende a configurar agentes, controlar créditos e montar o painel das revisões. O conteúdo e o formato dessa trilha estão em treinamento de IA para empresas.

Para medir o efeito, o RH usa os indicadores do próprio projeto. Compare a camada 1 nas quatro semanas anteriores e nas quatro posteriores ao treinamento, com o percentual do time que usa a IA no processo escolhido e as taxas de edição e de correção.

O retorno da IA vem da capacidade da empresa de escolher o processo, registrar a linha de base e conduzir as revisões sem trocar de régua no meio. Esse é o trabalho do treinamento in company de IA aplicada, montado sobre o processo e os dados da empresa, com turmas para diretoria, lideranças e operação. Ele entrega a biblioteca de prompts por área e a arquitetura de agentes, com o que cada agente lê, o que executa sozinho e quem aprova o restante, junto com os indicadores que a liderança vai usar para medir o retorno.

Perguntas frequentes

Como calcular o ROI de inteligência artificial?

Escolha um processo, registre a linha de base no CRM e some o custo completo de 12 meses, com licença, créditos, implantação, organização de dados, treinamento e revisão humana. O ganho entra pela margem de contribuição da receita nova ou pelo custo evitado, e o ROI é esse ganho menos o custo, dividido pelo custo.

Quanto tempo leva para a IA dar retorno?

Uso e qualidade aparecem entre duas e quatro semanas, e a eficiência do processo entre a quarta e a oitava. O resultado em receita ou custo depende do ciclo do negócio, e numa venda B2B com ciclo de 90 dias o efeito em conversão começa a aparecer a partir do terceiro mês.

Quais métricas de IA a diretoria deve acompanhar?

Uma métrica de cada camada para cada processo: uso no processo com taxa de edição, um indicador de eficiência contra a linha de base e o indicador financeiro do caso de ROI com o ponto de equilíbrio. O consumo de créditos contra o teto entra no mesmo painel.

Horas economizadas servem para medir o resultado da IA?

Servem como indicador de eficiência da camada 2. A hora economizada vira dinheiro se a liderança a usar para mais volume por pessoa ou para adiar uma contratação, e esse efeito precisa aparecer em receita ou custo para entrar no cálculo do retorno.

Quanto custa um agente de IA no CRM?

Depende da plataforma, do volume do processo e da complexidade de cada ação, porque muitas plataformas cobram créditos variáveis por execução do agente. Além do consumo, some implantação, organização dos dados, treinamento e as horas de revisão humana, que no primeiro trimestre costumam pesar mais que a licença.

Como o RH mede o resultado de um treinamento de IA?

Compare os indicadores de uso no processo antes e depois do treinamento, no mesmo time: percentual de pessoas que usam a IA na tarefa escolhida, taxa de edição dos rascunhos e taxa de correção das classificações. Se esses números se movem, o treinamento mudou comportamento, e a camada de resultado mostra nos meses seguintes se isso chegou à receita.