Twilio: cio diz que ROI de IA não deve ser medido por percentual da receita

Shweta Gummidipudi, CIO da Twilio, argumenta que benchmarks de gasto em IA baseados em receita são enganosos e propõe medir investimento por maturidade operacional.

A Twilio defende, por meio de sua CIO Shweta Gummidipudi, que o gasto corporativo em inteligência artificial não deve ser avaliado como percentual da receita, mas sim pela maturidade operacional da empresa. Em artigo publicado no Forbes Technology Council, a executiva afirma que três anos após a adoção empresarial significativa de IA, o mercado ainda negocia orçamentos "sem uma régua" confiável.

Por que o percentual da receita falha como benchmark de IA

O gasto em nuvem levou anos para ganhar uma referência que equipes financeiras pudessem usar: custo de infraestrutura como percentual da receita, comparado entre empresas de porte semelhante. Segundo Shweta Gummidipudi, CIO da Twilio, a inteligência artificial não tem equivalente.

Estamos três anos dentro da adoção empresarial significativa de IA sem resposta confiável sobre quanto uma empresa de determinado tamanho deveria gastar, o que transforma toda conversa de orçamento em "uma negociação sem régua", onde normalmente vence a opinião mais alta da sala.

O benchmark mais próximo disponível é descritivo, não prescritivo. O relatório de janeiro de 2026 do Boston Consulting Group apontou que empresas de tecnologia planejavam elevar o gasto com IA para cerca de 2,1% da receita. O número mostra o que as companhias fazem, mas nada diz sobre se estão certas. Um relatório de 2026 da Gartner destacou que 59% das iniciativas de IA nunca chegam à produção, o que torna estranho usar a média de um grupo ainda em fase de experimentação como âncora de orçamento.

O argumento central: receita é o denominador errado

Duas empresas com receita idêntica podem estar em posições completamente diferentes, argumenta a CIO da Twilio. Uma tem plataforma de dados unificada, governança em vigor e profissionais do conhecimento construindo agentes sobre sistemas confiáveis.

A outra tem dados espalhados por uma dúzia de warehouses, sem observabilidade do uso de modelos e com pilotos que nunca vão escalar. Se ambas gastam o mesmo percentual da receita, uma está investindo e a outra está queimando dinheiro. O percentual não revela qual é qual.

O que determina se um dólar gasto em IA produz algo é a maturidade operacional, e é contra ela que o mercado deveria se medir. Não existe benchmark publicado para quanto cada estágio deveria gastar, o que faz parte do problema. Mas por que o formato da distribuição importa mais do que qualquer número isolado? Porque a resposta define se o investimento vira capacidade produtiva ou evapora em pilotos.

Os quatro estágios de maturidade propostos pela cio da twilio

Se a média do setor de tecnologia gira em torno de 2% da receita, Shweta Gummidipudi esboça como a maturidade deveria distribuir esse gasto. O modelo tem quatro estágios, e cada um carrega uma lógica própria de investimento.

O estágio legacy descreve a empresa de 20 anos que cresceu por aquisições e nunca terminou a integração: meia dúzia de sistemas disputando a propriedade do registro do cliente, nenhuma definição compartilhada e infraestrutura de IA quase inexistente. Gastar pesado aqui é a forma mais comum de desperdiçar dinheiro com IA, porque não existe base para tornar o gasto produtivo. O dinheiro pertence à fundação, não aos modelos.

O estágio AI-assisted concentra a maioria das empresas hoje: todos têm licença de copiloto, algumas equipes motivadas construíram algo útil e a fundação de dados está parcialmente pronta. O gasto é moderado e deveria estar subindo, porque é nessa fase que se financia a infraestrutura que destrava o próximo salto.

Ai-Enabled e ai-first: quando o gasto alto se justifica

No estágio AI-enabled, os dados estão unificados, a governança e os controles de custo se sustentam e um profissional do conhecimento consegue construir um agente sobre sistemas confiáveis sem abrir chamado. O gasto sobe de forma significativa e deve subir, porque a infraestrutura ao redor converte dinheiro em resultado. No estágio AI-first, a capacidade está madura e a organização inteira é construída em torno dela: os orçamentos são grandes e a capacidade de absorver uma aposta errada também. Pouquíssimas empresas estão de fato aqui, e muitas que se dizem nesse ponto descrevem uma ambição.

A consequência prática é direta: duas empresas separadas por dois estágios não deveriam gastar o mesmo. A mais avançada deveria gastar mais. Julgada por um benchmark de receita, essa empresa parece indisciplinada. Julgada pela própria maturidade, está fazendo exatamente o que deveria. Na avaliação do Mercado de TI, essa leitura explica parte do fenômeno já documentado no portal de que dos pilotos de IA falham por causa dos dados, não dos modelos: o problema raramente é orçamentário, é estrutural.

O que os números mostram sobre a medição de ROI

Nada disso resolve a pergunta mais difícil: o que o gasto em IA retorna. A lacuna é nítida. Um relatório de 2025 da IBM apontou que 29% dos executivos ouvidos disseram conseguir medir o ROI de IA com confiança, enquanto 79% acreditavam estar vendo ganhos de produtividade. Já uma pesquisa de 2026 do CIO.com indicou que apenas 19% dos líderes de TI afirmaram que suas iniciativas de IA atingiram ou superaram as metas de negócio.

"Sentimos o benefício e ainda não conseguimos prová-lo em termos que o financeiro aceite, e qualquer CIO que afirme o contrário está descrevendo impacto e chamando isso de retorno", escreveu Shweta Gummidipudi, CIO da Twilio, no Forbes Technology Council.

O cenário se conecta a outros sinais do mercado: a PwC já alerta para custos ocultos de infraestrutura gerados por agentes de IA, e a falta de observabilidade continua sendo um dos gargalos citados em análises como a do CEO da Jabali AI sobre por que os pilotos de IA generativa falham.

O que fazer quando o CFO perguntar se o gasto se justifica

A recomendação prática da CIO da Twilio é colocar controles sobre o consumo antes de definir metas de orçamento. É possível impor um teto hoje, mas não dá para fixar um orçamento crível antes de saber o que uma unidade desse gasto produz. E ela avisa: muitos fornecedores venderão frameworks que presumem o contrário.

Arraste para o lado para ver toda a tabela.

Quando a tentação de responder com um percentual aparecer, a orientação é resistir. Em vez disso, pergunte em qual estágio a organização está, se o gasto corresponde a esse estágio e o que precisaria ser verdade para alcançar o próximo. É uma conversa mais difícil e consideravelmente mais útil, e pode ser feita com honestidade hoje.

Fonte: Forbes Technology Council