A IA é real. Os modelos funcionam. Os casos de uso existem. E ainda assim, 2025 foi o ano em que o mundo percebeu que prometeu demais — e entregou de menos. Não porque a tecnologia falhou. Porque a expectativa foi apontada para o lugar errado, na velocidade errada, para o público errado.
O problema nunca foi a IA. Foi o que as pessoas decidiram que ela deveria ser em 18 meses.
Goldman Sachs disse o que ninguém queria ouvir
Em março de 2026, o economista-chefe do Goldman Sachs, Jan Hatzius, confirmou o que os dados já mostravam: a IA contribuiu “basicamente zero” para o crescimento do PIB dos EUA em 2025 — apesar de mais de US$ 500 bilhões em investimento projetado. Menos de 20% das empresas americanas usam IA em qualquer função de negócio.
O mesmo Goldman encontrou algo mais revelador: IA gerou +30% de produtividade em dois casos de uso específicos. Dois. De centenas prometidos.
Isso não é fracasso da tecnologia. É fracasso de escopo. A IA funciona cirurgicamente. Ela foi vendida como solução universal.
A bolha que ninguém quer comparar com a bolha .com
A MacroStrategy Partnership fez a comparação que incomoda: a bolha de IA atual é 17 vezes maior que a bolha dot-com e 4 vezes maior que a bolha subprime de 2008. As 10 maiores empresas do S&P 500 estão mais sobrevalorizadas hoje do que nos anos 90.
O paralelo com a bolha .com é mais útil do que parece — não como catástrofe iminente, mas como mapa de comportamento coletivo:
- Tecnologia real, com aplicações genuínas
- Capitalização de mercado desconectada da adoção real
- Narrativa de “quem não entrar agora vai ficar para trás”
- Corrida de investimento antes da criação de valor
A internet sobreviveu à bolha .com. A IA vai sobreviver à bolha da IA. O problema são as empresas que tomaram decisões estratégicas baseadas no ápice do hype — não na capacidade atual da tecnologia.
2025 foi o “vibe check” da IA
O MIT Technology Review descreveu 2025 como o ano em que “a narrativa de transformação imediata bateu no muro da adoção real”. O descompasso entre o que foi prometido e o que se materializou em produtividade ficou visível demais para ignorar.
A pergunta que empresas precisariam ter feito desde o início — e que poucas fizeram — era simples: em qual processo específico, com qual dado, para qual decisão?
Em vez disso, a maioria perguntou: como podemos dizer que estamos usando IA?
O ciclo se repete: 2026 vai “finalmente” ser o ano da adoção real
A TechCrunch documentou algo que merece atenção: VCs e analistas preveem que 2026 será o ano em que a IA sai do hype e entra no pragmatismo. O problema? Disseram exatamente isso em 2024. E em 2025.
Isso não invalida a previsão. Significa que o processo de maturação é mais lento e mais seletivo do que o mercado precificou. E que quem apostou na transformação universal em 18 meses construiu sobre expectativa, não sobre fundação.
O que isso muda na prática para médias empresas
Para empresas que não precisam justificar valuation para investidores, a bolha tem um efeito diferente: ela cria pressão para “usar IA” como posicionamento, não como solução.
O risco não é financeiro. É estratégico. Empresas que implementam IA para parecer modernas — sem problema claro, sem dado disponível, sem processo mapeado — não apenas não ganham produtividade. Criam fricção, resistência interna e descrédito para os casos de uso onde a IA genuinamente funcionaria.
A distinção que importa:
- IA como ferramenta cirúrgica: problema definido, dado disponível, processo mapeado — funciona
- IA como sinalização: adoção para mostrar modernidade — não funciona, e contamina o ambiente para quando funcionar
Expectativa desalinhada não é otimismo excessivo — é negligência de diagnóstico
O problema das expectativas infladas de IA não é que as pessoas são ingênuas. É que o mercado criou incentivos perversos para não fazer o diagnóstico correto.
Fornecedores de IA têm incentivo para vender universalidade. Consultores têm incentivo para vender urgência. Investidores têm incentivo para precificar potencial máximo. O único que tem incentivo para fazer a pergunta difícil — “isso realmente resolve meu problema?” — é o comprador.
E é exatamente essa pergunta que o hype treinou as pessoas a não fazerem.
O que não muda: a IA vai continuar aqui e vai continuar evoluindo
Dito tudo isso: a tecnologia é real. Os modelos de linguagem, os sistemas multimodais, a automação de processos cognitivos — funcionam. Em casos de uso específicos, com dado adequado e processo desenhado para isso, os resultados são concretos e mensuráveis.
A bolha vai corrigir. Algumas empresas vão falir. Muitas valuations vão comprimir. E a IA vai continuar existindo e sendo integrada em operações reais — de forma mais lenta, mais seletiva e mais durável do que o ciclo de hype sugeriu.
O ponto não é evitar IA. É parar de tomar decisões baseadas no que o mercado de capitais precificou como potencial máximo e começar a perguntar o que, especificamente, ela pode fazer pelo seu negócio hoje.
Essa é uma pergunta de diagnóstico. Não de tendência.
Na Posicionamento Digital, não vendemos IA. Fazemos diagnóstico de onde ela gera resultado real para o negócio do cliente. Se quiser saber o que isso significa na prática, agende 30 minutos.
Perguntas frequentes
A IA está em bolha? Quando vai estourar?
A valorização de empresas de IA está descolada da adoção real — isso os dados confirmam. “Estourar” pressupõe colapso brusco; o mais provável é uma correção gradual de valuations enquanto casos de uso reais se consolidam. A tecnologia não desaparece. O preço que o mercado colocou nela vai se ajustar.
Devo parar de investir em IA na minha empresa por causa da bolha?
Não. A bolha é um fenômeno de mercado de capitais. O que você deve fazer é separar “investimento em IA porque o mercado está precificando alto” de “implementação de IA em um problema específico com ROI claro”. O segundo é válido independente do ciclo de hype.
Por que a IA não gerou produtividade geral se funciona em casos específicos?
Porque produtividade agregada exige adoção em escala, com processo redesenhado, não apenas ferramenta disponível. O Goldman identificou +30% em dois casos de uso porque esses casos tinham dado estruturado, processo claro e integração adequada. Os outros casos não tinham.
O que diferencia as empresas que estão tendo resultado real com IA das que não estão?
Diagnóstico antes de implementação. As empresas com resultado começaram pelo problema — dado disponível, processo mapeável, decisão que a IA pode informar. As que não têm resultado começaram pela ferramenta — “temos que usar IA” — e buscaram problema depois.
Leia também
- GEO para profissionais liberais: como coaches, corretores e fotógrafos aparecem (ou somem) nas respostas do ChatGPT
- O dia que o Claude Code quebrou meu SaaS: bastidores reais da construção de um produto com IA
- Claude Managed Agents chegou: o que mudou na prática e o que ninguém está explicando sobre o custo real
