2030 é o novo "ano que vem" da IA?

Outra pesquisa, mais um número mágico no horizonte: 2030. É o ano em que quase 80% dos executivos esperam que a IA finalmente comece a gerar receita "significativa". Lendo a matéria do CIO Dive, baseada em um estudo da IBM, a primeira reação é um certo cansaço.

Não me entenda mal, o otimismo é necessário. Mas, como alguém que já viu alguns ciclos de hype tecnológico irem e virem, aprendi a olhar para o que não está na manchete. E o dado que realmente importa está escondido no meio do texto: apenas 24% desses mesmos executivos conseguem apontar de onde essa receita virá.

Isso, sim, é um problema. Mostra que estamos coletivamente apaixonados pela ferramenta, mas ainda um pouco perdidos sobre o que construir com ela. A tecnologia pela tecnologia. Já vimos esse filme antes.

O estudo também aponta que 68% dos líderes temem que problemas de integração façam as iniciativas de IA falharem. E aqui, eu não apenas concordo, como também afirmo: a falha não é uma possibilidade, é uma certeza se a integração for tratada como um detalhe técnico. A parte mais difícil da IA não é o algoritmo, é o encanamento. É fazer a nova plataforma de machine learning conversar com o CRM legado, com o ERP que roda há uma década e com a montanha de dados não estruturados que ninguém teve coragem de organizar.

É interessante notar a transição do foco de investimento. Hoje, 47% do dinheiro vai para ganhos de produtividade e eficiência. Entre 2026 e 2030, a expectativa é que 62% sejam direcionados para inovação em produtos e serviços. É uma evolução natural, mas perigosa. A otimização é um fruto baixo, fácil de colher e de justificar no budget. A inovação de verdade, aquela que cria mercados, é mais arriscada e o ROI é incerto. O CEO do Morgan Stanley foi honesto ao falar em "dores de crescimento". Eu diria que são mais como dores de parto.

No fim, a peça mais importante desse quebra-cabeça não é o silício, mas o carbono. A citação do SVP da Mercedes-Benz na Índia é a mais lúcida de todas: "Precisaremos de mais solucionadores de problemas que entendam tanto do negócio quanto dos modelos". É isso. A corrida não é por mais cientistas de dados, mas por tradutores. Pessoas que consigam sentar na mesa do CFO e explicar por que um modelo de propensão de compra é mais do que uma curiosidade estatística, e ao mesmo tempo, sentar com a equipe de engenharia e discutir a latência da API.

2030 não é uma linha de chegada. É um lembrete de que a tecnologia, por mais avançada que seja, não entrega valor sozinha. A receita não virá de um passe de mágica da IA. Virá da execução dolorosa, da integração bem-feita e, principalmente, da capacidade de conectar o potencial da ferramenta a um problema real de negócio. O resto é só mais uma demo bonita.