O Banco Central Europeu perguntou a cerca de 20.000 trabalhadores por mês, em 11 países da área do euro, quanto tempo a IA lhes poupa. O utilizador mediano respondeu três horas por semana — cerca de 7,7% do tempo de trabalho mediano. Depois o BCE fez aquilo que quase nenhuma apresentação comercial faz: dividiu por todos. Como apenas 48,8% dos trabalhadores usam IA e poupam tempo com ela, o ganho de eficiência para o conjunto da economia aproxima-se dos 3,8% (BCE, 2026).
O mesmo inquérito. Os mesmos inquiridos. Dois números separados por um fator próximo de dois.
O seu business case de produtividade da IA está quase de certeza construído sobre o primeiro. É esse o erro, e não é um erro de arredondamento: é um erro de denominador, e determina se as horas prometidas ao diretor financeiro alguma vez aparecem.
O que o BCE mediu de facto
Os dados vêm do Consumer Expectations Survey do BCE, um painel mensal de cerca de 20.000 pessoas em 11 países da área do euro — um instrumento sobre a população em geral, não uma lista de clientes de um fornecedor. Isso importa, porque capta quem experimentou IA e desistiu, e quem nunca começou. A maioria dos dados de produtividade de IA que vê não faz isso.
A tendência de adoção é genuinamente acentuada. A proporção de trabalhadores que usa IA no trabalho passou de 26% em 2024 para 41% em 2025 e 52% em 2026, e os utilizadores dizem recorrer a ela cerca de três dias por semana. A adoção é desigual, como seria de esperar: 61% entre trabalhadores com formação superior contra 37% entre os de níveis de escolaridade mais baixos, com os mais jovens cerca de 20 pontos percentuais à frente dos colegas mais velhos.
Mas, uma vez dentro, a intensidade converge. As médias por grupo de utilização semanal situam-se entre 2,5 e 2,9 dias, independentemente da idade ou da escolaridade (BCE, 2026).
Guarde esse formato, porque define a sua alavanca. A variância na sua organização não depende sobretudo da intensidade com que os adotantes usam a ferramenta. Depende de quantos são de facto adotantes.
O denominador é todo o argumento
Esta é a aritmética que o seu business case está a fazer implicitamente.
Os fornecedores citam poupanças por utilizador — as três horas, os 7,7%. A área financeira multiplica pelo efetivo. O número resultante é uma afirmação sobre uma organização em que toda a gente usa a ferramenta e toda a gente poupa tempo. Os dados do BCE dizem que cerca de metade do efetivo pertence a essa população.
O BCE é também cuidadoso num ponto que vale a pena repetir a quem construa o modelo: o tempo poupado só se transforma em produtividade se as horas libertadas forem convertidas em output, e essa conversão depende de o empregador conseguir colocar a capacidade extra a trabalhar. Horas poupadas que caem numa agenda sem procura por trás não são um ganho. São capacidade ociosa.
Para dar escala, o BCE nota que as estimativas atuais de crescimento anual adicional de produtividade com IA num horizonte de dez anos variam entre 0,1% e 3,4%, e a própria estimativa do BCE para a área do euro é de cerca de 0,35 pontos percentuais por ano. Se o seu caso interno implica um salto uma ordem de grandeza acima disso, o ónus da prova é seu, não dos economistas.
O mesmo desvio, medido nos Estados Unidos
Se fosse um inquérito único numa só união monetária, poderia descontá-lo. Não é o caso.
Alexander Bick, Adam Blandin e David Deming, com a Federal Reserve Bank of St. Louis, conduziram inquéritos representativos a nível nacional sobre uso de IA generativa nos EUA e encontraram uma poupança média de 5,2% das horas de trabalho entre utilizadores — cerca de 2,1 horas para quem trabalha 40 horas por semana — mas de 1,4% do total de horas assim que os não utilizadores são incluídos. O ganho agregado de produtividade estimado pelo modelo para o uso atual: 1,2% (Bick, Blandin & Deming, 2024).
Dois continentes, duas metodologias, dois anos de intervalo. Ambos encontram um número por utilizador que parece transformador e um número ajustado pela participação que parece incremental. A razão entre os dois não é ruído. É a forma do fenómeno.
O retorno está onde a utilização não está
A segunda conclusão dos dados do BCE é a que devia mudar o que faz na segunda-feira, não apenas aquilo em que acredita.
Os ganhos de eficiência variam muito por tarefa, e os maiores não vêm dos usos mais comuns. Gerar ou depurar código rende quase oito horas por semana — mas apenas cerca de 8% dos trabalhadores usam IA para isso. Análise de dados, automação de tarefas rotineiras e criação de conteúdos áudio ou visuais seguem o mesmo padrão: retorno elevado, uso escasso. Entretanto, os usos mais citados — pesquisa, recolha de informação, escrita e edição de texto — poupam consideravelmente menos (BCE, 2026).
Uma ressalva que o BCE assinala e que repito: os inquiridos que poupam muito tempo tendem a selecionar mais tarefas, o que inflaciona mecanicamente as médias por tarefa. Trate a ordenação como fiável e as horas absolutas como generosas.
Mesmo descontada, a ordenação é acionável. A maioria das organizações passou dois anos a promover a adoção dos usos de baixo retorno porque são os mais fáceis de demonstrar numa formação. Os usos de alto retorno exigem acesso a sistemas, dados e código — o que é um problema de permissões e integração, não de entusiasmo.
Porque é que a outra metade não adere
O BCE perguntou diretamente aos não utilizadores, e as respostas não são as que a maioria dos planos de implementação assume.
Um terço diz que a IA é irrelevante para as suas tarefas atuais. Outros preferem os métodos existentes, ou são travados por preocupações de exatidão e fiabilidade, ou referem que o empregador não disponibilizou as ferramentas. E 41% simplesmente não manifestam interesse pela tecnologia — incluindo 34% dos gestores. Questionados sobre o que os faria mudar de ideias, cerca de metade aponta melhor formação e uma melhor compreensão de onde a IA é de facto útil.
Do lado da oferta, cerca de metade das empresas planeia investir em formação em IA nos próximos 12 meses, segundo o inquérito SAFE do BCE — o que significa que cerca de metade não planeia.
O sentimento também está a andar no sentido errado: a percentagem de trabalhadores que vê a IA de forma positiva caiu de 43% para 41% face ao ano anterior (BCE, 2026).
É essa a sua taxa de participação, descrita mecanicamente. Não é um mistério nem um défice de motivação. Cerca de um terço dos seus não utilizadores está a identificar corretamente que a IA não ajuda nas tarefas que têm hoje — e só um redesenho dessas tarefas, e não uma licença, muda isso.
O contra-argumento honesto: são autodeclarações
Agora a ressalva que enfraquece o meu próprio argumento, porque é melhor ouvi-la de mim do que do seu diretor financeiro.
Todos os números acima são declarados pelos trabalhadores. Ninguém usou cronómetro. E no único contexto em que ganhos de IA autodeclarados foram confrontados diretamente com ganhos medidos, as autodeclarações perderam claramente.
O ensaio aleatorizado controlado da METR com programadores open-source experientes concluiu que, usando ferramentas de IA do início de 2025, demoravam 19% mais tempo — acreditando ao mesmo tempo que tinham acelerado. O inquérito seguinte da METR a 349 trabalhadores técnicos quantifica o enviesamento: no estudo do início de 2025, os participantes sobrestimaram o efeito da IA no tempo gasto nas tarefas em 40 pontos percentuais em média (METR, 2026).
A leitura honesta é, portanto, que os 3,8% para o conjunto da economia podem ser o extremo otimista do intervalo, e não o pessimista. O número por utilizador não está apenas diluído pela não participação: pode estar inflacionado na origem.
Existe uma verificação ao nível das empresas. O inquérito McKinsey State of AI 2026 conclui que a percentagem de inquiridos que atribui à IA pelo menos algum impacto no EBIT está praticamente inalterada face ao ano anterior, nos 37%, com os AI high performers estagnados em cerca de 6% (McKinsey, 2026). A adoção acumula-se. O impacto financeiro reportado não. É exatamente a assinatura que se esperaria se as horas por utilizador fossem reais mas nem universais nem convertidas.
Nada disto significa que a IA não poupe nada. Significa que o número que põe no business case deve ser construído, não citado.
Reconstruir o business case de produtividade da IA: participação × retorno por tarefa
Substitua a multiplicação por utilizador por uma estimativa de três termos. Leva uma tarde e sobrevive ao contacto com a área financeira.
- Meça a participação, não as licenças. Conte as pessoas que usaram IA para trabalhar na última semana e dizem ter poupado tempo — a construção dos 48,8% do BCE, aplicada ao seu efetivo. Os lugares contratados são uma métrica de compras; não são um denominador.
- Pondere por tarefa, não por departamento. Estime as horas poupadas separadamente para o trabalho de alto retorno (geração e depuração de código, análise de dados, automação de tarefas rotineiras) e para o trabalho de alta frequência (pesquisa, escrita, edição). Não os funda numa única média — é a mistura que esconde a oportunidade.
- Aplique um fator de conversão. Decida explicitamente que parte das horas libertadas se torna output em vez de capacidade ociosa, e nomeie a procura que essas horas vão absorver. Se não a conseguir nomear, o fator de conversão é zero e convém dizê-lo.
Depois tome a decisão estratégica que os dados do BCE realmente colocam, e tome-a de uma vez em vez de a deixar à deriva: alargar a participação ou aprofundar o retorno. Alargar significa trazer os 41% desinteressados — lento, cultural, filtrado pelos gestores e bloqueado de frente por aquele terço de trabalhadores para quem as ferramentas hoje realmente não servem. Aprofundar significa dirigir a IA aos 8% de trabalho de alto retorno, o que exige acesso a dados e integração de sistemas mas não encontra qualquer resistência motivacional.
A maioria das equipas de operações do mid-market fez uma versão diluída das duas coisas e chamou ao resultado um rollout. Escolha uma para os próximos dois trimestres. Instrumente-a. Reporte ao conselho o número ajustado pela participação, ao lado do número por utilizador, e deixe que a diferença entre os dois faça a argumentação.
O que decidir neste trimestre
O BCE deu-lhe a mesma conclusão duas vezes, a duas altitudes: três horas por semana para a pessoa, 3,8% para a economia. Ambas são verdadeiras. Só uma se fará sentir na sua demonstração de resultados.
Antes de este trimestre fechar, extraia a sua taxa real de participação — usou IA para trabalhar na semana passada e poupou tempo — e coloque-a no mesmo slide das horas por utilizador em que assenta o seu business case de produtividade da IA. Se os dois números estiverem muito afastados, não tem um problema de produtividade. Tem um denominador que nunca olhou.
