Por que 95% dos pilotos de IA fracassam, e o que os 5% de fato fazem

"95% dos pilotos de IA fracassam" é um dos números mais repetidos quando se fala de IA nas empresas. Também é um dos mais mal interpretados. O dado vem de um relatório de 2025 ligado ao MIT, e o que ele de fato diz é mais restrito. Noventa e cinco por cento das organizações não viam retorno mensurável no que gastavam com IA. Isso não é o mesmo que dizer que 95 por cento dos pilotos morrem antes de chegar ao uso real.

A distinção muda a pergunta que você deveria fazer. Para a maioria das empresas, o fracasso não está em a ferramenta nunca ter sido lançada. Está em ela ser lançada e nada mensurável acontecer. No funil que o relatório traça para ferramentas voltadas a uma tarefa específica, 60 por cento investigam, 20 por cento pilotam e 5 por cento chegam a uma implementação bem-sucedida. Já as ferramentas de chat de uso geral chegaram ao uso real numa proporção muito maior, cerca de 83 por cento, ainda que seu efeito sobre o lucro fosse, muitas vezes, incerto.

• The GenAI Divide : State of AI in Business 2025 (MIT NANDA)
• State of AI in Business 2025, full report PDF

Três cadeiras, um só ciclo

Para destrinchar a questão, a Polora colocou o mesmo problema diante de vários modelos de IA, cada um com um ponto de vista diferente. Um argumentou pelo fluxo de trabalho, outro pelo escopo, outro pela governança.

O modelo que defendia o fluxo de trabalho, gpt-5.6-sol, sustentou que uma demo só prova que um modelo consegue produzir uma resposta impressionante sob condições cuidadosamente escolhidas. Produção é outra coisa : exige redesenhar a forma como o trabalho é de fato feito em torno da ferramenta. O modelo que defendia o escopo, gemini-3-7-flash, rebateu que o problema errado costuma ser escolhido já no início. Os 5 por cento escolhem uma tarefa pequena o suficiente para que o pior dia do modelo ainda seja operacionalmente aceitável, e desenham o plano de contingência antes de pensar no cenário ideal. O modelo que defendia a governança, grok-4-6, colocou em primeiro lugar a questão de quem é o dono. Tratou a demo como um evento político, que morre pelo caminho a menos que um responsável de verdade controle o orçamento, a aprovação de risco e o caminho das exceções.

Pressionados, nenhum dos três tratou o próprio fator como suficiente. Cada um admitiu que os outros dois eram condições necessárias. Eram três portas de entrada para o mesmo ciclo, não três teorias rivais.

O eixo com que ninguém começou

O que reformulou o debate foi um quarto eixo que nenhum dos três havia colocado no centro. Um modelo na cadeira do pesquisador, gpt-5.6-sol, voltou ao relatório e apontou que a barreira central descrita ali não é nem processo nem política. O relatório chama isso de lacuna de aprendizado : a questão é se o sistema retém o feedback e se adapta ao contexto, ou se fica congelado na qualidade de uma demo.

Essa é uma pergunta diferente das outras três. Escopo é o tamanho do problema, fluxo de trabalho é o processo em torno da ferramenta, patrocínio é quem a protege. Nenhum deles pergunta se a ferramenta melhora com o uso. Uma ferramenta de escopo estreito, bem patrocinada e profundamente integrada, mas que nunca fica mais inteligente, ainda assim cai nos 95 por cento.

Um teste para o seu próprio piloto

O modelo moderador, claude-sonnet-5, recusou-se a ordenar os quatro fatores em uma hierarquia, já que o relatório os descreve como um conjunto que interage, e não como uma escada. Seu teste final para quem for avaliar o próprio piloto se resumiu a quatro perguntas. O escopo é pequeno o suficiente para que o fracasso saia barato? Alguém com autoridade real é dono do orçamento e do caminho das exceções? O fluxo de trabalho muda de fato quando a IA funciona? E o sistema melhora quanto mais é usado?

Essa última pergunta é a que este debate havia subestimado. Os dados do relatório, observou o moderador, mostram que organizações fracas nesse ponto permanecem no grupo dos 95 por cento mesmo quando as três primeiras estão sólidas. Outro trabalho do MIT aponta na mesma direção. Ele descreve a adoção bem-sucedida como uma mudança pequena e direcionada, que tira o trabalhador da execução da tarefa e o põe a supervisionar a ferramenta. É um redesenho do cargo, e não apenas a instalação de um modelo.

• Practical AI implementation, MIT Sloan
• Humans in the Loop, the evolution of work with generative AI (MIT IPC)

Números para guardar como intuição, não como fato

Vários números marcantes circularam ao longo da conversa. Que o modelo é apenas 20 por cento de um sistema em produção. Que uma taxa de erro de 2 por cento obriga a 100 por cento de verificação humana. Que estreitar o escopo transforma um esforço de 18 meses em três semanas. O modelo pesquisador marcou cada um deles como regras de bolso plausíveis de quem opera, e não como algo que a pesquisa do MIT de fato tenha estabelecido. Servem como intuição. Não valem como conclusões para citar.

Your AI pilot wowed everyone in the demo and then quietly died before it reached real use, the fate of roughly 95% of them by MIT's count. What do the 5% that make it to production actually do differently: redesign the workflow, narrow the scope, keep executive sponsorship, or something the demo hides?

Especialista en Rediseño de Flujos de Trabajo · gpt-5.6-sol

The surviving 5% do all three—but workflow redesign is the decisive difference. A demo proves that a model can generate an impressive answer under curated conditions. Production requires a system that changes how work gets completed every day. Successful teams therefore start with the operating process, not the model: - Map the real workflow: inputs, handoffs, approvals, exceptions, systems of record, and accountability. - Give AI a bounded role: one repeatable decision or task with measurable volume and value—not “transform the department.” - Redesign surrounding work: remove obsolete steps, define when humans review or override, and specify what happens when the model is uncertain or unavailable. - Integrate into existing tools: users should not need to copy data into a separate chatbot or remember a new destination. - Make outputs actionable: drafting text is insufficient if nobody owns verification, approval, execution, and recordkeeping. - Measure operational outcomes: cycle time, cost per case, error/rework rate, throughput, adoption, and business impact—not prompt quality or demo applause. - Assign a process owner: someone with authority ove…

Estratega de Enfoque y Alcance Operativo · gemini-3-7-flash

While workflow redesign is critical once you are building, the *reason* 95% of pilots never get to that point is an upstream failure: they chose the wrong problem to begin with. The decisive differentiator of the 5% that reach production is ruthless operational scoping—specifically, selecting a use case where the business friction of an AI mistake is near zero and the blast radius is strictly contained. The demo traps teams into pursuing high-visibility, "horizontal" transformations (e.g., "an AI assistant for all customer service" or "automated enterprise report generation"). These fail in production not because nobody redesigned the process, but because the scope is too wide to establish deterministic bounds. Here is what the 5% do differently regarding scope and operational focus: 1. They target asymmetric tolerance for error The 5% avoid tasks where a 2% failure rate requires 100% human verification (which destroys the ROI). Instead, they target: * High-volume, low-risk intermediate tasks: Summarizing internal notes, drafting first passes for expert review, or routing/categorizing structured requests. * Problems with automated ground-truth validation: C…

Analista de Gobernanza y Patrocinio Ejecutivo · grok-4-6

Executive sponsorship is the gate that the other two conditions never even reach without. Workflow redesign and narrow scope explain *how* the 5% operate once they have a live mandate. They do not explain why most impressive demos never get a budget line, a risk owner, or a calendar slot on the operating committee six months later. The MIT-style mortality is not primarily a modeling problem. It is a governance failure dressed up as a product failure. A demo is a political event: it produces applause, a slide, and a temporary champion. Production is a standing organizational commitment: capital, legal exposure, headcount, SLAs, and someone whose bonus depends on the outcome. The 5% treat that as the product, not the afterthought. What the 5% actually institutionalize 1. A named executive owner with a P&L or risk mandate—not a “sponsor” in the kickoff deck. Sponsorship that survives is not enthusiasm. It is an accountable executive who can force data access, waive or accept residual risk, kill competing pet projects, and keep the initiative on the quarterly business review after the novelty wears off. If the only champion is the innovation team or a VP of AI with…

Researcher · gpt-5.6-sol

Reality check The opening “95%” statistic needs qualification. The July 2025 Project NANDA report was labeled “preliminary findings,” based on more than 300 publicly disclosed initiatives, interviews at 52 organizations, and responses from 153 senior leaders. It did not establish that 95% of all AI pilots universally “died.” More precisely: - It reported that 95% of organizations were getting no measurable return, and that only 5% of integrated, task-specific enterprise AI pilots showed marked, sustained productivity or P&L impact. - Its funnel says 60% investigated task-specific tools, 20% piloted them, and 5% successfully implemented them. Thus, the often-repeated “95% of pilots fail” wording mixes denominators. - The report itself warns that these figures were directionally estimated from interviews—not audited company reporting—and that success definitions varied. - General-purpose LLMs were a different category: the report estimated an approximately 83% pilot-to-implementation rate, although their effect on enterprise P&L was often unclear. ([readwise-assets.s3.amazonaws.com](https://readwise-assets.s3.amazonaws.com/media/wisereads/articles/the-gen…

The Arbiter · claude-sonnet-5

Quick note on where this stands before the verdict step: all three specialists actually converge more than the framing suggests, and the Researcher's fact-check sharpens rather than undermines that convergence. The real disagreement was never "which one factor matters" — each debater, pressed, admits the other two are necessary conditions. The Especialista says narrow scope and sponsorship "help" but redesign is decisive. La Estratega says redesign and sponsorship matter but scope is the enabling gate. El Analista says redesign and scope are "downstream of" sponsorship. That's three people picking a different point of entry into the same causal loop, not three competing theories. What the Researcher adds that changes the picture: the report's own stated "core barrier" isn't any of the three — it's the learning gap: tools that don't retain feedback or adapt to context. That's a genuinely distinct axis none of the three debaters emphasized. Workflow redesign describes the *process* around the tool; scope describes the *size* of the problem; sponsorship describes *who protects it*. None of these directly addresses whether the system gets smarter with use — which MIT flags as the…

The Arbiter's Final Verdict · claude-sonnet-5

Verdict The premise needed correcting before the answer could be trusted, so start there: MIT's number isn't "95% of pilots die before production." It's 95% of organizations seeing no measurable P&L return, with a task-specific-tool funnel of 60%→20%→5% and general-purpose LLM pilots actually converting at ~83%. That reframes your question — the failure mode most of the time isn't "it never launched," it's "it launched and nothing measurable happened." Keep that in mind when you judge your own pilot: shipping isn't the finish line the report cares about. On the actual "what do the 5% do differently" — none of the three debaters is wrong, and none is complete alone. The report's own evidence supports all three as necessary, none as sufficient: - Narrow scope and workflow redesign are directly named in the report's success pattern (narrow high-value use case, deep integration, customization to process). - Executive/ownership accountability is also named — but the report frames it as accountability paired with *decentralized, frontline* implementation authority, not a single P&L executive as the master gate. El Analista's claim that sponsorship is upstream of the ot…