Estudos posteriores, como um da RAND Corporation, enfatizaram que mais de 80% dos projetos de IA não entregam o valor prometido, e a S&P Global constatou que a taxa de empresas que abandonaram suas iniciativas de IA saltou de 17% para 42% em um ano. O problema não foi a falta de tecnologia, mas sim a ausência de um planejamento adequado e fundamentação sólida.
Hoje, uma nova onda de IA se forma, mais pragmática e focada em resultados tangíveis. As empresas começam a se perguntar não só “onde podemos aplicar IA?”, mas sim “isso gera receita? Reduz custos? Melhora a experiência do cliente?”. Os Grandes Modelos de Linguagem (LLMs) estão no centro desta transformação, mostrando-se eficazes em tarefas como análise de contratos e avaliação de crédito. Exemplos de sucesso, como a implementação do LLM Suite pelo JPMorgan Chase, revelam o potencial dessas tecnologias quando utilizadas corretamente.
Todavia, a aplicação de agentes autônomos, que vão além de responder consultas e podem tomar decisões, enfrenta desafios que ainda necessitam ser superados. Muitos projetos não avançaram devido à falta de preparação dos dados, governança e segurança. Recentemente, algumas empresas têm revisado suas abordagens, colocando humanos em pontos críticos do processo, especialmente no setor financeiro, onde responsabilidades sobre decisões automatizadas permanecem com as instituições.
Assim como Ulisses, que sobreviveu ao canto das sereias ao se proteger e assumir a coordenação da tripulação, as empresas agora precisam ter uma visão clara e estratégica. A segunda onda de IA deve priorizar a integração de dados, compliance, governança e métricas de desempenho, fugindo da superficialidade de simplesmente afirmar que têm IA. A metamorfose necessária é rumo a um uso mais criterioso da tecnologia, onde a atuação humana e a automação coexistem de forma harmônica e eficaz.