IA ainda não aumenta lucros fora das Big Techs, aponta Apollo

O alerta da Apollo sobre a inteligência artificial nas empresas

Em nota publicada em 24 de outubro de 2026, Torsten Slok, economista-chefe da Apollo Global Management, afirmou não encontrar sinais de retorno financeiro amplo da IA fora do setor de tecnologia. A leitura compara as chamadas “Magnificent Seven” — grupo que reúne as maiores empresas americanas de tecnologia — com as outras 493 companhias do índice S&P 500.

Segundo os gráficos apresentados, a receita por trabalhador e as margens de lucro subiram no grupo tecnológico, mas ficaram praticamente estáveis no restante do índice. Slok também argumenta que ainda não há evidência macroeconômica clara de aceleração da produtividade atribuível à IA.

Por que a análise não é um veredito contra a IA

A Apollo apresenta uma interpretação de dados agregados, não um experimento capaz de isolar causa e efeito. Uma empresa pode melhorar atendimento, reduzir erros ou acelerar desenvolvimento sem que isso apareça imediatamente na margem total. Juros, salários, energia, competição e demanda também afetam o resultado.

Os dados oficiais dos Estados Unidos mostram que a produtividade do setor empresarial não agrícola cresceu 1,4% no segundo trimestre de 2026. O número confirma algum avanço, mas não permite atribuí-lo diretamente à IA. Por isso, é mais seguro dizer que o efeito macroeconômico ainda é difícil de separar — não que a tecnologia tenha produzido benefício zero em todos os casos.

A lacuna entre produtividade individual e lucro empresarial

A pesquisa global de IA da McKinsey ajuda a explicar a contradição. Oito em cada dez participantes disseram que a IA melhorou sua produtividade individual, e metade relatou decisões melhores. Porém, apenas 37% associaram a tecnologia a algum impacto positivo no EBIT — o lucro operacional antes de juros e impostos.

O grupo de alto desempenho é ainda menor: cerca de 6% dos participantes atribuem à IA pelo menos 5% de impacto no EBIT e classificam o valor como significativo. Essas empresas têm uma característica comum: redesenham processos inteiros, em vez de simplesmente adicionar um chatbot ao fluxo antigo.

Métrica	O que demonstra	O que não demonstra
Horas economizadas	Eficiência de uma tarefa	Lucro ou receita adicional
Uso de ferramentas	Adoção	Qualidade do resultado
Receita por trabalhador	Produtividade financeira	Causa exclusiva da melhora
Margem operacional	Efeito no negócio	Valor de benefícios não financeiros

Onde os custos da IA começam a pesar

O preço de uma assinatura é apenas a parte visível. O custo real inclui integração com sistemas, limpeza de dados, segurança, revisão humana, treinamento, consumo de tokens e correção de respostas erradas. Em agentes capazes de executar ações, entram também controles, testes e trilhas de auditoria.

Na pesquisa da McKinsey, 20% dos participantes disseram que custos operacionais relacionados à IA já limitam o uso. Ainda assim, 60% esperam ampliar o investimento no próximo ano. O resultado é uma pressão crescente para provar quais projetos merecem escala e quais devem ser encerrados.

Esse debate se conecta à corrida por infraestrutura. O VSFast mostrou como data centers de IA estão impulsionando novas fontes de energia e como a SpaceX captou dívida para comprar GPUs. A conta do usuário final inclui, direta ou indiretamente, esse capital intensivo.

Como medir o retorno da IA de forma útil

1. Defina uma linha de base. Registre tempo, custo, taxa de erro e satisfação antes da implantação.
2. Escolha um resultado de negócio. Receita, custo evitado, conversão, prazo de entrega ou retenção — não apenas número de prompts.
3. Inclua o custo total. Licenças, tokens, integração, supervisão, retrabalho, segurança e treinamento.
4. Compare grupos ou períodos. Sem um controle razoável, qualquer melhora pode ser atribuída à ferramenta errada.
5. Meça qualidade e risco. Velocidade sem precisão pode transferir trabalho para revisão e aumentar exposição jurídica ou reputacional.
6. Defina uma regra de parada. Pilotos sem melhora verificável precisam ser ajustados ou encerrados.

Estudos recentes de uso empresarial mostram adoção crescente e grande variação entre companhias, funções e níveis de senioridade. Isso reforça que não existe “ROI médio” aplicável a qualquer organização: o retorno depende do processo escolhido, da maturidade dos dados e da capacidade de mudar o trabalho.

O que empresas devem fazer agora

A resposta não é abandonar a IA nem acelerar todos os projetos. A estratégia mais defensável é concentrar recursos em poucos casos de uso com volume suficiente, problema claro e resultado mensurável. Atendimento repetitivo, análise documental, suporte interno e desenvolvimento de software podem funcionar — desde que o ganho sobreviva aos custos de verificação.

Empresas também devem evitar usar quantidade de acessos como sinônimo de produtividade. Um indicador melhor combina tempo poupado, qualidade, satisfação do cliente e impacto financeiro. Quando a tecnologia muda apenas a forma de produzir o mesmo resultado, o benefício tende a ser limitado. Quando permite novo produto, receita ou processo, o potencial aumenta.

O debate também exige prudência com empregos. O caso do Barclays e seu plano de eficiência apoiado por IA mostra que redução de custos e transformação organizacional já caminham juntas. Mas projeções de cortes não devem ser tratadas como resultado garantido: pesquisas anteriores superestimaram a velocidade das reduções efetivas.

---

Continue lendo

• Banco do Japão alerta para riscos da IA a bancos e mercados
• ETFs de inteligência artificial: crescimento e riscos
• AWS tem capacidade de nuvem quase esgotada até 2027

Fontes

• Apollo: No Signs of AI Payoff Outside the Tech Sector
• McKinsey: The State of AI in 2026
• U.S. Bureau of Labor Statistics: Productivity
• How Organizations Use AI: Evidence from ChatGPT

Publicado em 26 de outubro de 2026. Conteúdo informativo; não constitui recomendação de investimento ou consultoria financeira.