The AI Value Realization Gap: a lacuna que seu dashboard não mostra

Quatro números de 2025 contam a história:

• 88% das organizações já usam IA em pelo menos uma função (McKinsey, State of AI).
• Apenas ~6% são high performers: atribuem ≥5% do seu EBIT à IA (McKinsey).
• 95% dos pilotos de GenAI não mostram impacto mensurável no P&L (MIT NANDA, The GenAI Divide).
• 42% abandonaram a maioria das suas iniciativas de IA em 2025; eram 17% em 2024 (S&P Global).

Adoção massiva. Valor escasso. Essa distância tem nome.

O que é

A IA não gera valor diretamente. Gera potencial de inteligência.

O AI Value Realization Gap é a distância entre o valor que a IA torna tecnicamente possível e o que a organização efetivamente materializa. No working paper, tem forma precisa:

V = α · P · Γ · Φ

Onde V é o valor realizado; P, o potencial técnico da IA; Γ, quão perto a firma está da fronteira da sua indústria (o que o AITG de Dean Barr mede); e Φ, a eficiência de conversão organizacional, que é o que o AVRT modela. A lacuna é a fração que não se converte: (1 − Φ).

Duas firmas com o mesmo P e o mesmo Γ divergem por Φ. E Φ não é tecnologia: é capacidades, governança e liderança. Complementos, não substitutos.

Como se mede

Φ é observado na cadeia de conversão. Um exemplo ilustrativo:

Um banco gera 200 alertas de risco com IA por mês.

• 80 mudam uma decisão real → DCR = 40%
• 56 são executadas como ações → ACR = 70%
• 28 produzem valor mensurável → VCR = 50%

Conversão end-to-end: 0,40 × 0,70 × 0,50 ≈ 14%. 86% do potencial evaporou, não por causa do modelo, mas por causa de decisões, execução e medição.

Essa é a lacuna. E por isso o dashboard não a mostra: medimos usuários, prompts e pilotos. Atividade, não conversão.

O que vem a seguir

Cada métrica da série instrumenta um componente da equação: ALDI = 100 · (1 − Φ), DCR, ACR, VCR e AIRR. A Parte 3 trata da AI Value Chain, o framework central da teoria.

Se amanhã pedissem para você quantificar que fração do potencial da sua IA se converteu em resultados, você teria como responder?

Fontes

McKinsey, The State of AI (nov 2025; pesquisa jun–jul 2025, n>1.900) · MIT NANDA, The GenAI Divide: State of AI in Business 2025 · S&P Global Market Intelligence (mar 2025). As metodologias diferem e os 95% do MIT foram debatidos; o que é robusto é o padrão convergente: adoção alta, captura de valor baixa. O exemplo do banco é ilustrativo.