As cinco tendências de Davenport e Bean para 2026 e o que significam para lideranças que precisam decidir onde investir em IA.
Em janeiro de 2026, Thomas Davenport e Randy Bean publicaram na MIT Sloan Management Review a terceira edição anual das suas previsões sobre IA e ciência de dados. Davenport é professor do MIT Initiative on the Digital Economy e uma das vozes mais respeitadas em adoção empresarial de tecnologia. Bean assessora empresas Fortune 1000 há mais de quatro décadas e conduz anualmente a pesquisa AI & Data Leadership Executive Benchmark Survey com líderes de dados e IA das maiores organizações do mundo.
O título das suas cinco tendências para 2026 é pragmático. Mas a tese central é incômoda: a bolha de IA vai começar a deflacionar, IA generativa precisa deixar de ser brinquedo individual e virar recurso organizacional, e agentes de IA (apesar do hype) ainda não estão prontos para processos críticos.
Para quem dirige uma empresa e precisa decidir onde investir, quanto investir e o que esperar de retorno, esse é provavelmente o artigo mais importante publicado sobre IA corporativa no início de 2026.
Davenport e Bean não fazem rodeios: "É difícil não ver as semelhanças com a situação atual e a bolha dot-com. Valuations estratosféricos de startups, ênfase em crescimento de usuários ao invés de lucro, hype midiático, buildout de infraestrutura cara. A bolha vai estourar? Parece inevitável, e provavelmente em breve."
Eles citam a Lei de Amara aplicada à IA: "Tendemos a superestimar o efeito de uma tecnologia no curto prazo e subestimar no longo prazo." A tese deles é que IA é e continuará sendo uma parte importante da economia global, mas que sucumbimos à superestimação de curto prazo.
A esperança dos autores é que a deflação seja gradual, dando tempo ao mercado para se ajustar, investidores reposicionarem portfólios, e empresas absorverem as tecnologias que já têm. Uma deflação lenta também daria espaço para que usuários de IA busquem soluções que não exigem mais gigawatts do que todas as luzes de Manhattan.
Para quem não acompanha o mercado financeiro de tecnologia: essa previsão se materializou parcialmente em fevereiro de 2026, quando os plugins do Claude Cowork provocaram US$ 285 bilhões em perdas no mercado de ações de software em um único dia. O S&P software index teve a pior semana desde abril de 2025. A SAP perdeu 41% em relação ao pico. A Salesforce caiu 26% no ano. Na temporada de resultados, apenas 71% das empresas de software superaram expectativas de receita, contra 85% do setor de tecnologia como um todo.
A bolha não estourou de forma catastrófica. Mas começou a vazar. Exatamente como Davenport e Bean previram.
As empresas que mais avançaram em IA não tratam cada projeto como um esforço isolado. Elas construíram infraestrutura interna que permite a qualquer equipe criar e implantar soluções de IA de forma padronizada e escalável.
Davenport e Bean citam dois exemplos emblemáticos. A Intuit construiu o que chama de GenOS, um sistema operacional interno de IA generativa para a empresa inteira. Qualquer equipe que precisa construir uma aplicação de IA acessa ferramentas, dados, métodos e algoritmos através de uma plataforma centralizada, sem precisar reinventar a roda a cada projeto.
A Sanofi, gigante farmacêutica, criou uma competição interna no estilo "Shark Tank" onde funcionários da linha de frente propõem ideias para projetos de IA. Os melhores são financiados como iniciativas empresariais de escala.
Esse é um insight que merece atenção especial de lideranças de médio porte. O princípio se aplica a qualquer empresa que queira escalar IA além de projetos pontuais: sem infraestrutura padronizada, cada novo projeto começa do zero. Com infraestrutura, cada novo projeto começa de onde o último parou.
Quando a IA generativa se tornou amplamente disponível com o ChatGPT, a maioria das empresas simplesmente disponibilizou o acesso para quem quisesse usar. Em muitos casos, a ferramenta principal foi o Microsoft Copilot, que facilita a geração de e-mails, documentos, apresentações e planilhas. Cada funcionário usando individualmente, para suas próprias tarefas.
O problema, segundo Davenport e Bean: esses usos individuais resultaram em ganhos de produtividade incrementais, e na maioria dos casos, não mensuráveis. A empresa gastou com licenças, mas não consegue demonstrar o retorno.
A transição necessária é de IA como ferramenta individual para IA como recurso organizacional. Em vez de cada pessoa usando ChatGPT para reescrever e-mails, a empresa desenha fluxos de trabalho inteiros que integram IA generativa nos processos centrais do negócio.
O dado mais revelador da pesquisa: 90% dos respondentes reportam ter um Chief Data Officer (CDO), o maior percentual da história da pesquisa. E 70% acreditam que o papel do CDO é "bem-sucedido e estabelecido" na organização. Ao mesmo tempo, 38% já nomearam um Chief AI Officer (CAIO), sinalizando que IA está ganhando representação executiva própria.
Mas o sinal mais importante: virtualmente todos os líderes pesquisados são positivos sobre o papel da IA e planejam gastar mais. Ao mesmo tempo, os principais obstáculos continuam sendo humanos e organizacionais, não tecnológicos: mudança cultural, gestão de mudança e prontidão organizacional.
Essa é a tendência em que Davenport e Bean são mais honestos sobre seus próprios erros de previsão. No ano anterior, eles previram que IA agente estaria em ascensão. Reconheceram o hype e os desafios. Mas, como admitem: "Subestimamos o grau de ambos. Agentes se revelaram a tendência mais hypada desde, bem, IA generativa."
A posição deles para 2026: IA generativa já entrou no "trough of disillusionment" do Gartner (o vale de desilusão do ciclo de hype), e IA agente vai seguir o mesmo caminho durante o ano.
“Agentes de IA simplesmente não estão prontos para processos empresariais críticos. Experimentos demonstram que agentes cometem erros demais para que empresas confiem neles em processos que envolvem dinheiro significativo.”
— Davenport & Bean
Dados do Gartner reforçam: a previsão é de que agentes de IA levarão de 2 a 5 anos para sair do vale de desilusão e chegar à fase de produtividade. O Gartner também previu que 30% dos projetos de IA generativa seriam abandonados após prova de conceito.
Mas a recomendação deles é que empresas comecem agora a construir agentes confiáveis que possam ser reutilizados pela organização, pilotem agentes interorganizacionais com fornecedores e clientes cooperativos, e desenvolvam capacidades internas para criar e testar agentes que combinem IA generativa, analítica e determinística.
A quinta tendência é menos sobre tecnologia e mais sobre poder corporativo, mas tem implicações diretas na capacidade de uma empresa gerar valor com IA.
Quem deve liderar dados e IA dentro da organização? O CDO? O CTO? O CIO? Um novo CAIO? Davenport e Bean observam que as estruturas de reporte continuam diversas e conflitantes, e acreditam que essa fragmentação contribui para o problema generalizado de IA não entregar valor suficiente.
Para empresas de menor porte, a implicação é clara: alguém precisa ser o dono da estratégia de dados e IA, com mandato, recursos e acesso à liderança. Sem isso, projetos de IA viram feudos departamentais sem coordenação.
Lidas isoladamente, cada tendência oferece um insight útil. Lidas em conjunto, contam uma história coerente sobre o momento atual da IA corporativa.
A história é esta: o dinheiro está entrando em quantidades recordes (US$ 252,3 bilhões em investimento corporativo em 2024, segundo o Stanford AI Index). A adoção está acelerando (78% das organizações usam IA, contra 55% no ano anterior). Mas a realização de valor não está acompanhando o ritmo do investimento. Apenas 39% das empresas têm IA em produção em escala. Agentes de IA estão no auge do hype, mas a tecnologia tem limitações concretas. E as barreiras mais persistentes não são técnicas, são organizacionais.
“Tendemos a superestimar o efeito de uma tecnologia no curto prazo e subestimar o efeito no longo prazo.”
— Lei de Amara, citada por Davenport & Bean
IA vai transformar operações empresariais de forma profunda. Isso não está em debate. O que está em debate é a velocidade com que empresas individuais vão capturar esse valor. E essa velocidade depende menos da tecnologia disponível e mais de três coisas: infraestrutura interna, capacidade de medir resultados e clareza sobre quem lidera a iniciativa.
As empresas que acertarem essas três variáveis em 2026 vão se posicionar para capturar valor desproporcional nos anos seguintes. As que não acertarem vão continuar explicando por que seus pilotos de IA "precisam de mais tempo".
O tempo, como sempre, é o recurso que não se compra.