Antes de perguntar “qual é o ROI da IA agêntica”, vale perguntar uma coisa mais básica: você consegue, hoje, atribuir um resultado financeiro específico a uma ação que um agente autônomo tomou sozinho? Para a maioria das empresas, a resposta honesta ainda é não — e isso não é um detalhe técnico, é o próprio motivo pelo qual medir esse retorno é difícil.
O problema não é calcular. É atribuir.
Cálculo de ROI tradicional pressupõe uma linha relativamente clara entre custo e resultado: gastou X, ganhou Y. Com um agente de IA que toma decisões e executa ações de forma autônoma, essa linha fica embaçada em pelo menos três pontos: quanto daquele resultado teria acontecido de qualquer forma, sem o agente; quanto do custo é a execução em si versus a infraestrutura de governança que torna a execução segura de auditar; e em que horizonte de tempo o valor realmente aparece, já que a curva de adoção de agentes autônomos é consistentemente mais lenta do que a curva de adoção de IA em geral.
Já escrevemos sobre essa segunda curva mais lenta em detalhe no nosso Intelligence Brief sobre o Agentic Execution Gap: adoção de IA em geral chega a 88% das organizações (Stanford HAI, AI Index 2026), enquanto a maturidade de governança para agentes autônomos especificamente fica em torno de 21% (Deloitte, State of AI in the Enterprise, 2026). Esse mesmo levantamento da Deloitte lista explicitamente “a capacidade de demonstrar retorno financeiro” como uma das áreas mais imaturas — não como opinião nossa, mas como um dos achados do próprio estudo.
Três lugares onde a métrica de ROI quebra
O problema da atribuição
Se um agente executa uma tarefa que um humano também poderia ter feito, o “ganho” não é o valor total da tarefa — é a diferença entre o custo do agente e o custo do que teria sido feito de outra forma. Poucas organizações medem essa diferença; a maioria mede o valor bruto da tarefa, o que infla o resultado percebido.
O custo da governança não é opcional
Um portão de aprovação, um registro de execução auditável, um sistema de permissões granular — tudo isso tem custo de construção e manutenção. Ignorar esse custo no cálculo de ROI produz um número otimista que não sobrevive ao primeiro incidente que exige investigação.
O horizonte de tempo é mais longo do que o ciclo de orçamento
O investimento em infraestrutura de execução confiável acontece antes do valor aparecer. Cobrar retorno no mesmo trimestre em que o piloto começou é medir a coisa errada no momento errado — um padrão que aparece tanto no cancelamento de projetos quanto na taxa de abandono geral de iniciativas de IA, segundo a S&P Global Market Intelligence.
O que isso muda na prática
Não é um argumento contra medir ROI — é um argumento contra medi-lo do jeito errado. Uma métrica de retorno que não separa “valor gerado” de “valor que já existiria sem o agente”, que não inclui o custo real da governança, e que exige retorno no mesmo ciclo em que o investimento começou, não está medindo IA agêntica: está medindo a pressa de justificar um orçamento.
As estatísticas citadas (Stanford HAI, Deloitte, S&P Global) vêm do nosso próprio Intelligence Brief já publicado, com metodologia e fontes primárias linkadas naquele artigo.
Este artigo não propõe uma fórmula substituta de ROI nem afirma ter resolvido o problema de atribuição — ele descreve por que o problema existe. Uma metodologia de medição completa é um projeto à parte, ainda não publicado aqui.