Resumo em 30 segundos. A maioria dos projetos de IA não morre por causa do modelo. Morre por causa do dado: espalhado, desatualizado, contraditório. O Gartner projeta que 60% dos projetos de IA serão abandonados por falta de dado pronto para uso. Quem escopa o projeto pela ferramenta, e não pela fundação de dados, descobre isso tarde, no terceiro mês, com o orçamento gasto. Este texto é sobre escopar antes, cobrar pela fundação e a pergunta única que separa projeto viável de teatro caro.
A maioria dos projetos de IA morre por um motivo que ninguém coloca no slide de venda: dados.
O Gartner projeta que, ao longo de 2026, as empresas vão abandonar cerca de 60% dos projetos de IA por falta de dado pronto para uso. Não por falta de modelo, de orçamento ou de talento. Por falta de dado em condição de ser usado. Seis em cada dez projetos morrem por causa da fundação, não da tecnologia que aparece na demo.
O projeto que morre no terceiro mês
O cenário típico em serviços é sempre o mesmo. O cliente quer "um agente que responde dúvidas técnicas com base na documentação interna". A firma topa, começa a construir, e três meses depois descobre que essa documentação está espalhada entre SharePoint, Confluence, e-mails antigos e wikis abandonadas, boa parte desatualizada e parte contraditória. O agente passa a alucinar com confiança. O projeto morre, e a culpa cai no "modelo que não funciona".
O modelo funcionava. O alicerce é que não existia.
Essa troca de culpa é o erro mais caro do mercado agora. O modelo é a parte visível, então é onde todo mundo olha quando dá errado. A fundação é invisível, então ninguém audita antes de assinar. E o que ninguém audita é exatamente o que derruba o projeto.
A conta que reprecifica o projeto
A BCG resume isso num princípio que virou referência de board, o 10-20-70: só 10% do resultado de uma iniciativa de IA vem do algoritmo, 20% vem da tecnologia e dos dados, e 70% vem de pessoas e processos. Traduzindo para o orçamento de um projeto: se o dinheiro e o cronograma estão quase todos no modelo, estão no lugar errado.
Quem trata IA a sério parte de uma premissa incômoda: a maior parte do esforço de um projeto de IA vai para dado e para gente, não para a ferramenta. Se essa conta não cabe no projeto, o projeto não é viável. Ponto. É melhor descobrir isso na proposta do que no terceiro mês.
Vender o telhado, ser processado pela fundação
Isso muda a conversa comercial inteira. Vender "um agente" é vender o telhado. É a parte que impressiona na reunião, que fecha o contrato rápido, que todo mundo entende. A fundação, o dado organizado que faz o agente funcionar, é a parte cara e invisível que ninguém quer ver na fatura.
O cliente que só quer pagar pelo telhado, e acha caro pagar pela fundação, é o cliente que vai te processar quando a casa cair. Não por má-fé. Porque comprou uma coisa achando que era outra, e ninguém corrigiu a expectativa na hora certa: na proposta.
Cobrar pela fundação é o que garante um projeto que funciona, em vez de uma demo que envelhece em três meses.
A pergunta única antes de aprovar
O meu conselho para quem vai aprovar ou propor um projeto de IA nos próximos meses: antes de discutir qual modelo, qual ferramenta, qual fornecedor, faça uma pergunta única. O dado que vai alimentar isso existe, está organizado e está atualizado?
Se a resposta honesta for "mais ou menos", você já sabe qual é o primeiro projeto: dados, não IA. Está tudo bem cobrar por ele, ou investir nele: é o único que torna o segundo possível.
É pergunta de negócio, não de tecnologia, e é ela que separa o projeto que vira produto do projeto que vira slide.
A demo e a fundação
A parte sexy da IA é a demo. A parte que dá lucro é a fundação que ninguém filma.
Quem entende isso escopa diferente, cobra diferente e entrega diferente. Quem não entende vende telhado, e passa o ano seguinte explicando por que a casa caiu.
Perguntas frequentes
Por que a maioria dos projetos de IA falha? Na maior parte das vezes, não é o modelo, é o dado. O Gartner projeta o abandono de cerca de 60% dos projetos de IA por falta de dado pronto para uso. Dado espalhado, desatualizado ou contraditório faz a IA responder com confiança coisas erradas, e o projeto morre com a culpa no lugar errado.
De quem é a culpa quando o "agente" de IA alucina? Quase sempre da fundação de dados, não do modelo. Se a documentação que alimenta o agente está espalhada, desatualizada ou se contradiz, nenhum modelo entrega resposta confiável. O modelo funciona; o alicerce é que não existe.
Quanto do orçamento de um projeto de IA deve ir para dados? A maior parte. A BCG estima, no princípio 10-20-70, que só 10% do resultado vem do algoritmo e 20% da tecnologia e dos dados; os outros 70% vêm de pessoas e processos. Se a conta do seu projeto está quase toda no modelo, provavelmente não é viável, e o primeiro passo deveria ser um projeto de dados.
Faz sentido cobrar um cliente por um projeto só de dados? Faz, e é o mais honesto. Se o dado não está pronto, o projeto de dados é pré-requisito do de IA. Cobrar por ele (ou investir nele) na proposta evita a alternativa: gastar o orçamento inteiro no modelo e descobrir no terceiro mês que a fundação não existia.
Fontes: Gartner, "Lack of AI-Ready Data Puts AI Projects at Risk" (fev/2025); BCG, princípio 10-20-70 (10% algoritmos, 20% tecnologia e dados, 70% pessoas e processos), citado em publicações da BCG sobre adoção de IA em escala (2024–2026).
Se o seu caso é o de uma PME adotando IA (e não o de uma firma que constrói IA), a versão aplicada deste tema, com o ângulo de letramento em dados, está em Dados e IA em PMEs: a fundação que decide o resultado.