ROI de automação com IA: como calcular antes de investir

Calcular o ROI de automação com IA antes de contratar é o que separa quem corta custo de quem só troca um gasto por outro. E a conta assusta: segundo o relatório da MIT 'The GenAI Divide: State of AI in Business 2025', 95% dos projetos de IA nas empresas não geram retorno nenhum — não por causa do modelo, mas porque ninguém mediu direito onde a automação ia se pagar.

A boa notícia é que ROI de automação não é adivinhação. É uma conta de padeiro com três números: quanto a tarefa custa hoje, quanto a automação custa pra rodar e quanto de trabalho ela realmente tira das suas costas. Este guia mostra a fórmula, os custos que quase todo mundo esquece e por onde começar pra o payback chegar rápido.

Por que 95% dos projetos de IA não dão retorno

O estudo da MIT ouviu mais de 300 iniciativas, 52 organizações e 153 executivos. A conclusão incomoda: o problema quase nunca é a qualidade do modelo. É que a ferramenta genérica não aprende o fluxo da empresa, e ninguém definiu qual número ela deveria mover. Sem meta de negócio, não dá pra saber se funcionou.

A pesquisa State of AI 2025 da McKinsey reforça o diagnóstico: cerca de 80% das empresas já usam IA em pelo menos uma função, mas só perto de 1% considera o uso 'maduro', e apenas 39% viram algum ganho de lucro — na maioria, abaixo de 5%. Ou seja: adotar é fácil, extrair retorno é o trabalho de verdade.

A fórmula do ROI de automação, sem mistério

ROI é benefício líquido dividido pelo custo. O benefício líquido anual sai de uma conta direta: horas economizadas por semana, vezes o custo real da hora, vezes 52 semanas, menos o que você paga pra construir e manter a automação. Se o resultado é positivo, é dinheiro que volta.

As três variáveis que você precisa medir

• Custo atual da tarefa: pegue as horas por semana gastas nela e multiplique pelo custo real da hora (salário + encargos + ferramentas, dividido pelas horas trabalhadas). Não use o salário 'seco' — ele esconde quase metade do custo.
• Custo da automação: build inicial (desenvolvimento ou setup) mais o custo mensal recorrente — API do modelo, plataforma de orquestração como o n8n, hospedagem e manutenção.
• Benefício líquido: (horas economizadas × custo da hora × 52) menos o custo anual da automação. É esse número que diz se há retorno.
• Payback: divida o custo de build pelo ganho líquido mensal. Abaixo de 9 meses costuma ser bom sinal; abaixo de 6, ótimo.

Um exemplo com faixas pra fixar. Se a automação tira 10 horas por semana de uma pessoa a R$ 40/hora real, são cerca de R$ 20 mil por ano de trabalho liberado. Se ela custou R$ 8 mil pra montar e R$ 500/mês pra rodar (R$ 6 mil/ano), o benefício líquido fica perto de R$ 14 mil no primeiro ano e o payback bate por volta de 5 a 6 meses. Troque os números pelos seus — a lógica é a mesma.

Os custos escondidos que derrubam o ROI

A conta simples engana quando você esquece os custos que não aparecem na proposta. É aqui que muito projeto vira prejuízo depois de assinado.

• Tokens do modelo: cada chamada a um LLM (Claude, GPT, Gemini) tem custo por token. Volume alto sem cache de prompt vira uma fatura mensal que ninguém previu.
• Manutenção e ajuste: prompt, integração e regras precisam de acerto contínuo. Reserve de 15% a 25% do custo de build por ano só pra isso.
• Curva de aprendizado: nos primeiros meses a automação resolve menos casos. O ganho pleno costuma chegar entre 6 e 12 meses, não na primeira semana.
• Erro e retrabalho: uma automação que responde errado gera custo de correção. Por isso ação crítica passa por revisão humana até os números fecharem.

O atendimento é onde o ROI aparece primeiro

Se você quer um caso com número redondo, comece pelo atendimento. Estimativas de mercado colocam o custo de um ticket resolvido por humano entre US$ 15 e US$ 20, contra US$ 1 a US$ 3 quando a IA resolve sozinha. Cada ponto de deflexão — chamado que a IA fecha sem passar pra pessoa — vira dinheiro direto no caixa. E a deflexão cresce: começa entre 20% e 40% no primeiro dia e passa de 60% em 6 a 12 meses, conforme a base de conhecimento melhora. Um chatbot de atendimento com IA que consulta pedido, agenda horário e responde no WhatsApp tende a se pagar mais rápido, porque o volume é alto e a tarefa é repetitiva.

Só cuidado com a métrica que engana. 'A IA respondeu 5 mil mensagens' não é ROI. O que paga a conta é: quantos atendimentos foram resolvidos sem humano, quanto o tempo médio de resposta caiu e quantos leads viraram venda. Meça o número que vira dinheiro, não o que vira slide bonito.

Por onde começar pra não entrar nos 95%

O padrão dos projetos que dão certo, segundo a própria MIT, é mirar onde há muita fricção e processo repetitivo — e conectar a IA aos sistemas que já rodam, via integrações via API, em vez de criar mais uma ilha isolada. Um passo a passo que funciona:

• Liste as cinco tarefas manuais mais repetidas da operação e o tempo semanal de cada uma.
• Escolha UMA com volume alto, regra clara e baixo risco: atendimento de primeiro nível, agendamento, triagem de lead.
• Defina antes o número que ela precisa mover (horas, tempo de resposta, taxa de resolução) e meça o estado atual.
• Rode a fórmula de ROI com faixas conservadoras. Se o payback passar de 12 meses, escolha outra tarefa.
• Suba em piloto pequeno, com log de tudo e revisão humana nas ações críticas, e só escale quando o número confirmar.

Automação não é sobre ter IA — é sobre mover um número que importa. Se você não sabe qual tarefa custa caro hoje, o problema não é a tecnologia. É a conta que ninguém fez antes de contratar.

Antes de investir, a pergunta certa não é 'qual IA usar' — é 'qual tarefa custa caro hoje e quanto ela devolveria automatizada'. A VELTRIX faz um diagnóstico gratuito: a gente levanta suas tarefas repetidas, roda o cálculo de ROI com faixas realistas e mostra qual automação com IA tende a se pagar primeiro — e qual é melhor deixar pra depois. Manda seu caso que a gente monta a conta com você.