GenAI em 2025: 7 insights práticos do report da Capgemini

A adoção de GenAI saiu do “piloto” para o “core” em grandes empresas, mas custos, governança e preparo para colaboração humano-IA ainda são os grandes gargalos. 

Por que este report importa

A Capgemini analisou como organizações acima de US$1 bi de receita estão extraindo valor de IA tradicional, GenAI e AI Agents cobrindo adoção, investimento, ROI, governança e impacto na força de trabalho. É um termômetro útil para calibrar seu roadmap e suas metas de ROI.

7 insights que você precisa levar para o próxima reunião estratégica

1) Adoção de GenAI virou mainstream

A implementação saltou de 6% (2023) para 30% (2025), com 93% das empresas já explorando, pilotando ou escalando. Funções líderes seguem sendo Customer Ops, Marketing, Risco e TI. Satisfação com resultados já beira 80%.

O que fazer: priorize casos “core revenue/cost” nessas funções e crie um playbook de roll-out por domínio.

2) O dinheiro está indo para GenAI  e precisa ser bem gasto

88% das empresas aumentaram o investimento no último ano (+9% na média) e 61% planejam seguir aumentando, mas o report alerta para “bill shocks” de nuvem e defende SLMs como alternativa custo-eficiente quando possível.

O que fazer: institua FinOps para GenAI, com guardrails de custo por workload/modelo e benchmarking SLM vs LLM.

3) ROI está chegando e a percepção é positiva

79% estão satisfeitas com os resultados, com ROI esperado em 3,2 anos na média. Os ganhos mais relatados: diferenciação de produtos/serviços e vantagem competitiva.

O que fazer: padronize métricas de valor (tempo-até-insight, conversão, AHT, resolução 1ª chamada, defeitos por KLOC etc.) e acompanhe por “use case P&L”.

4) AI Agents saíram do hype para a prática, mas ainda no início

14% já operam agentes em escala parcial/total; 23% estão em piloto. Quase 85% dos executivos esperam que agentes assumam processos nos próximos 3–5 anos; ~45% dos que já escalam estão testando multi-agente.

O que fazer: selecione 2–3 processos de alto volume/repetição (ex.: triagem de tickets, reconciliação, alertas de risco) e desenhe workflows agentificados com human-in-the-loop e trilhas de auditoria desde o dia 1.

5) Confiança e governança ainda travam escala

71% dizem não confiar totalmente em agentes autônomos para uso corporativo; só 46% têm políticas de governança estabelecidas  e quase metade relata baixa adesão interna.

O que fazer: implemente AI Governance com escopo de atuação, rastreabilidade, avaliação de risco e compliance ético (comitê, auditorias, monitoramento contínuo).

6) Sustentabilidade: reconhecemos o problema, mas ainda medimos pouco

54% concordam que GenAI tem maior pegada de carbono que TI tradicional, porém só 20% medem especificamente o impacto ambiental de GenAI. Falta de transparência dos provedores é citada como barreira.

O que fazer: exija métricas de energia/carbono de fornecedores, priorize modelos menores, inference eficiente e energia renovável na arquitetura.

7) O fator humano virou prioridade operacional

A maioria das empresas ainda não redefiniu papéis, rituais e KPIs para times híbridos humano-IA. Ao mesmo tempo, 67% dizem que precisarão reorganizar estruturas para colaborar melhor com agentes, mas apenas 59% se sentem preparadas em skills.

O que fazer: crie um capability model (skills, responsabilidades, KPIs de agente), rituais de colaboração (ex.: AI-led standups) e Academia de IA para upskilling contínuo.

GenAI deixou de ser um experimento e virou infraestrutura estratégica e os vencedores serão os que tratarem a IA como um “sistema operacional” do negócio, não como um projeto paralelo. O report da Capgemini mostra que a direção é clara: focar em casos com impacto direto de receita/custo, controlar o TCO com FinOps e modelos enxutos, “agentificar” processos com governança e telemetria desde o dia 1, preparar pessoas e KPIs para times híbridos humano-IA e medir a pegada ambiental para crescer com responsabilidade.

Se você quer acelerar essa virada com baixo atrito, a Qintari pode conduzir um Value Sprint e um AgentOps Starter para colocar resultados em produção com segurança e previsibilidade.

Fontes: Capgemini Research Institute — “Harnessing the value of AI: Unlocking scalable advantage” (2025). 

Glossário rápido

Termo	Em uma frase	Por que importa
IA Generativa (GenAI)	Modelos que criam texto, imagens, código e outros conteúdos a partir de prompts.	Base dos casos de uso citados e do ganho de produtividade.
LLM vs. SLM	LLM: modelos grandes e versáteis; SLM: modelos menores/especializados.	Ajuda a equilibrar qualidade, custo e latência por caso de uso.
Agente de IA	Software autônomo que percebe, decide e executa tarefas com metas e ferramentas.	É o próximo passo além de chatbots: faz, não só responde.
Arquitetura Multiagente	Conjunto de agentes que cooperam (planejador, executor, validador etc.).	Escala processos complexos com qualidade e resiliência.
Human-in-the-Loop (HITL)	Pessoas supervisionam decisões da IA com aprovações/correções.	Reduz risco, melhora qualidade e acelera a adoção.
RAG	Busca dados confiáveis e injeta no prompt antes da geração.	Aumenta precisão, reduz alucinações e protege dados.
FinOps de IA	Governança de custos (orçamento, rate limiting, caching, “prompt budget”).	Evita “bill shocks” e melhora o TCO por workload/modelo.
AI Governance	Políticas, controles e auditorias para uso responsável da IA.	Necessário para conformidade, segurança e confiança.
Guardrails	Restrições técnicas/operacionais (escopo, filtros, checagens).	Mantêm a IA dentro de limites seguros e auditáveis.
AgentOps & Telemetria	Práticas e métricas para operar agentes (logs, avaliações, SLOs).	Permite medir desempenho, investigar falhas e iterar rápido.
TCO vs. ROI	TCO: custo total (infra, licenças, pessoas); ROI: retorno financeiro.	Define prioridades e comprova valor ao negócio.
P&L por caso de uso	Mini-demonstração de resultados por iniciativa de IA.	Dá visibilidade de receita, economia e payback por caso.
KPIs híbridos (Humano-IA)	Métricas que combinam produtividade de pessoas e de agentes.	Mostram efeito real na operação (ex.: AHT, FCR, NPS).
ESG & Pegada de carbono	Medição/gestão do impacto ambiental e social da IA.	Garante crescimento responsável e atende a exigências de clientes/reguladores.