Shelfware de IA: por que a maioria não vê retorno

Shelfware de IA é a licença de inteligência artificial que a empresa comprou, ativou e paga todo mês — mas que o time não usa de verdade no dia a dia. O termo vem do mundo do software corporativo (o software "que fica na prateleira") e hoje descreve o padrão mais caro da adoção de IA no Brasil: segundo a Deloitte, 87% dos líderes empresariais brasileiros acreditam que a IA vai impulsionar o crescimento da receita, mas apenas 22% já viram esse crescimento acontecer de fato. Este guia é para diretoria e C-level que já aprovou orçamento de IA e precisa de uma resposta honesta: quanto desse investimento já virou shelfware, por que isso acontece e o que separa quem captura retorno de quem só gastou.

O que é shelfware de IA, exatamente

Shelfware é um termo consagrado no mercado de software corporativo desde antes da nuvem: designa qualquer licença comprada, mas nunca de fato colocada em uso — o software que fica na prateleira enquanto a fatura continua chegando. Aplicado à IA, o conceito é o mesmo, só que o ciclo de compra é mais rápido e o número de ferramentas lançadas por mês tornou o problema maior: o comercial fecha o pacote, o jurídico assina os termos, a TI provisiona os acessos — e, semanas depois, o uso real fica restrito a um punhado de early adopters, enquanto o resto da licença comprada nunca chega a ser usado.

Vale separar shelfware de IA do problema espelhado, que costuma aparecer na mesma empresa ao mesmo tempo: shadow AI é o uso de ferramentas de IA não autorizadas — gente usando IA por fora do que a empresa comprou. Shelfware é o oposto: a empresa comprou e autorizou, mas ninguém usa. As duas situações compartilham a mesma causa raiz — ausência de processo e capacitação ao redor da ferramenta — só que aparecem em direções opostas do orçamento.

Os dados: o Brasil já está pagando a conta do shelfware de IA

O gap entre expectativa e resultado real de IA no Brasil não é opinião — é o retrato que a pesquisa mais recente do setor mostra, com convergência entre fontes independentes.

• 87% dos líderes empresariais brasileiros acreditam que a IA vai impulsionar o crescimento da receita da própria empresa — acima da média global, de 74%. Mas apenas 22% das empresas brasileiras já observam esse aumento de receita atribuível à IA de fato (contra 20% da média global), segundo o estudo State of AI 2026, da Deloitte Brasil.
• O mesmo estudo mede o gargalo específico do shelfware — a distância entre testar e efetivamente colocar em produção: 58% das empresas brasileiras levaram, no máximo, 20% dos seus experimentos de IA para produção, e só 23% conseguiram escalar 40% ou mais dos pilotos testados, segundo a Deloitte.
• Um dado ilustra o tamanho do prêmio de quem sai do piloto e redesenha o trabalho ao redor da IA: segundo a edição revisada de Rewired, o livro da McKinsey relançado em abril de 2026, empresas que redesenharam processos inteiros em torno da IA — em vez de só inserir a ferramenta no fluxo antigo — alcançaram até dez vezes mais velocidade operacional pela metade do custo, conforme reportagem do Portal Information Management.

A leitura combinada: a maioria das empresas brasileiras já pagou pela IA e ainda não colheu o resultado — não porque a tecnologia não funciona, mas porque a conta de "comprar" e a conta de "usar de verdade" seguem desconectadas.

Por que o shelfware de IA acontece (não é sobre a ferramenta)

O padrão de shelfware não é exclusivo do Brasil nem exclusivo de IA generativa — ele aparece com força ainda maior nos projetos mais ambiciosos, os de IA agêntica, mostrando que o problema cresce junto com a complexidade da ferramenta, não diminui com ela:

• Mais de 40% dos projetos de IA agêntica serão cancelados até o final de 2027, segundo previsão da Gartner — as três causas citadas são custo crescente, valor de negócio pouco claro e controles de risco inadequados. Nenhuma das três é um problema que um modelo mais inteligente resolveria sozinho.
• Globalmente, a proporção de empresas que abandonam a maior parte de suas iniciativas de IA saltou de 17% para 42% em um único ano, e a organização média descarta 46% dos pilotos de IA antes de eles chegarem à produção, segundo pesquisa da S&P Global Market Intelligence (Voice of the Enterprise: AI & Machine Learning), conforme reportagem do CIO Dive.

O denominador comum entre os dados brasileiros e os globais é o mesmo: a compra da ferramenta sempre acontece; o redesenho do trabalho ao redor dela, na maioria das vezes, não. É o argumento que já detalhamos em por que projetos de IA falham — confundir acesso com transformação é a causa mais recorrente, e o shelfware é o sintoma financeiro direto desse erro: a fatura chega mesmo quando o uso não acontece.

Os quatro sinais de que sua empresa já tem shelfware de IA

Shelfware de IA raramente aparece como uma linha isolada no orçamento — ele se esconde dentro de "licenças ativas" que ninguém audita. Quatro sinais concretos de que parte do investimento já virou shelfware:

1. Licença ativa, uso concentrado em poucas pessoas. Se menos de um quinto dos usuários licenciados loga com frequência semanal, o resto da licença já é shelfware — mesmo que o contrato continue sendo pago integralmente.
2. Nenhum processo foi redesenhado ao redor da ferramenta. O time recebeu acesso, mas continua fazendo o trabalho do jeito antigo, com a IA como opcional — não como parte do fluxo. É o padrão que a McKinsey aponta como o que separa quem ganha dez vezes mais velocidade de quem só comprou a licença.
3. Ninguém sabe dizer, com dado, se a ferramenta gerou resultado. Sem métricas de adoção de IA definidas desde o início, a pergunta "isso está funcionando?" não tem resposta — só opinião.
4. O piloto terminou e nada foi decidido. Nem escalado, nem descontinuado — só esquecido, com a fatura ainda chegando todo mês. É o retrato exato dos 46% de pilotos descartados sem produção que a S&P Global mediu.

Se dois ou mais desses sinais descrevem a sua empresa, vale rodar a conta antes de aprovar a próxima licença — não depois.

Shelfware de IA não é o mesmo que orçar errado ou não agir

Vale separar shelfware de IA de duas perguntas parecidas, que este blog já respondeu, porque a confusão entre as três leva a decisões erradas:

Pergunta	O que mede	Quando aparece
Quanto custa implementar IA na empresa	O orçamento correto para o investimento, antes de comprar	Antes da decisão de compra
Custo da inação em IA	O que se perde por não investir nada	Quando a empresa ainda não começou
Shelfware de IA	O investimento que já foi feito e não está gerando retorno	Depois da compra, quando a licença já está ativa

A diferença é prática, não acadêmica: uma empresa pode orçar certo (evitando o primeiro erro) e já ter agido em vez de esperar (evitando o segundo) — e ainda assim acumular shelfware, porque orçar certo e comprar na hora certa não garante que o time vá de fato usar a ferramenta depois. É exatamente o ponto cego que a maioria dos orçamentos de IA deixa passar: eles projetam o TCO de projetos de IA — quanto custa manter a solução rodando — mas raramente projetam o risco de a solução rodar sem ninguém usá-la.

Como sair do shelfware: redesenho de processo, não mais ferramenta

A resposta ao shelfware de IA não é comprar uma ferramenta melhor, nem trocar de fornecedor — é instalar, ao redor da ferramenta que já existe, a capacidade que faz o time usá-la de verdade. Três movimentos, na ordem que reduz o desperdício mais rápido:

1. Audite antes de comprar mais. Levante, por ferramenta, quantos dos assentos licenciados têm uso semanal real — não login isolado no mês. O painel de métricas de adoção de IA é o mesmo instrumento que serve para essa auditoria retroativa, não só para programas novos.
2. Redesenhe o processo, não só treine no clique. A diferença entre "saber onde fica o botão" e "trabalhar de um jeito novo" é o que a McKinsey mede como o fator que multiplica velocidade por dez — treinamento de ferramenta sozinho não fecha essa distância; redesenho de fluxo de trabalho fecha.
3. Dê dono e prazo para cada licença ativa, do mesmo jeito que se dá dono e prazo para qualquer outro investimento da empresa. Licença sem dono é a antessala do shelfware — ninguém é cobrado se o uso cair, então ninguém percebe até a renovação do contrato.

É esse o desenho por trás do método Flight Plan da Jetpacks: o Launchpad (diagnóstico que gera o mapa de impacto) já mapeia, entre outras coisas, ferramentas de IA já compradas e subutilizadas na empresa — porque resolver shelfware existente costuma custar menos e entregar retorno mais rápido do que comprar a próxima licença. A partir daí, o Flight Plan desenha o plano por área, o Booster capacita o time — ao vivo, gravado, presencial ou híbrido, pelos programas Foundations, Productivity, Leadership, Builders, Custom ou Premium, com certificação Jetpack Certified — e o Mission Control acompanha se o uso realmente se sustenta depois da primeira onda, evitando que a licença recém-ativada vire o próximo item da lista de shelfware. É o mesmo método aplicado em empresas como Hypera Pharma, Volvo, BMR Medical e C12 Brasil.

Antes de decidir qual investimento fazer em seguida, vale situar em que estágio a empresa está — uma empresa que já acumula shelfware normalmente está travada nos primeiros níveis do modelo de maturidade de IA nas empresas: usando ferramenta, mas sem processo, sem governança, sem métrica. O passo a passo completo de como sequenciar diagnóstico, capacitação, piloto e escala — a estrutura que evita gerar o próximo lote de shelfware assim que a licença seguinte for aprovada — está em como implementar IA na empresa: da estratégia à adoção.

Como calcular quanto shelfware de IA sua empresa já tem

Levar "temos shelfware" para a diretoria sem número vira opinião. A conta, em quatro passos:

1. Liste toda ferramenta de IA com licença ativa, com o número de assentos comprados e o custo mensal total — inclua o que foi comprado por qualquer área, não só o que passou pelo diagnóstico central.
2. Cruze com o uso real de cada ferramenta — usuários ativos semanais, não licenças emitidas. A maioria das plataformas corporativas de IA já expõe esse dado num painel de administração; se a sua não expõe, isso já é um sinal de governança fraca.
3. Calcule o custo do shelfware: (assentos comprados − assentos usados) × custo por assento × meses restantes de contrato. É um número defensável, não uma estimativa de mercado.
4. Decida, para cada ferramenta subutilizada, uma entre três rotas: redesenhar o processo e capacitar o time para elevar o uso; reduzir o número de assentos no próximo ciclo de renovação; ou descontinuar, se o caso de uso nunca foi validado. "Deixar como está" não é uma quarta opção — é a decisão que mantém o shelfware rodando.

Esse exercício de auditoria é, na prática, o primeiro diagnóstico honesto de quanto da "adoção de IA" registrada oficialmente é uso de verdade — o mesmo tipo de pergunta que sustenta o painel de métricas de adoção de IA deste blog.

FAQ

O que é shelfware de IA?

Shelfware de IA é a licença ou ferramenta de inteligência artificial que a empresa comprou, ativou e continua pagando, mas que o time não usa de forma consistente no dia a dia. O termo vem do software corporativo tradicional — software "que fica na prateleira" — aplicado agora ao ciclo mais rápido de compra de ferramentas de IA.

Qual a diferença entre shelfware de IA e shadow AI?

São problemas opostos. Shelfware é a licença autorizada e paga que ninguém usa; shadow AI é o uso de ferramentas de IA não autorizadas, por fora do que a empresa comprou. As duas costumam coexistir na mesma empresa — sinal de que falta processo e capacitação em ambas as direções, não só falta de acesso.

Por que empresas compram IA e depois não usam?

Porque a compra resolve o acesso, mas não redesenha o trabalho ao redor da ferramenta nem capacita o time para o novo fluxo. Segundo a McKinsey, empresas que redesenharam processos inteiros em torno da IA — não só inseriram a ferramenta no fluxo antigo — chegaram a dez vezes mais velocidade operacional pela metade do custo; a maioria fica no meio do caminho, com a licença ativa e o processo intacto.

Quanto do investimento em IA das empresas brasileiras vira shelfware?

Não existe um número único de "shelfware" medido diretamente, mas o proxy mais próximo é forte: segundo a Deloitte, 58% das empresas brasileiras levaram no máximo 20% dos seus experimentos de IA para produção — o restante, tecnicamente comprado e testado, nunca chegou a gerar uso real e sustentado.

Como saber se minha empresa tem shelfware de IA?

Cruzando o número de licenças ativas com o número de usuários que de fato usam a ferramenta toda semana — não login isolado no mês. Se a diferença for grande, ou se nenhum processo foi redesenhado ao redor da ferramenta, parte do investimento já é shelfware, mesmo que ninguém tenha nomeado o problema ainda.

Comprar uma ferramenta de IA melhor resolve o shelfware?

Não. Trocar de ferramenta sem resolver a causa raiz — falta de redesenho de processo e de capacitação real — só reinicia o mesmo ciclo com um fornecedor diferente. O que resolve shelfware é instalar capacidade ao redor da ferramenta que já existe, não substituí-la.

Shelfware de IA é um problema só de empresas grandes?

Não, mas se manifesta em escala diferente. Empresas grandes acumulam mais licenças por área, então o valor absoluto desperdiçado é maior; empresas menores sentem o impacto proporcionalmente mais rápido, porque cada assento não usado pesa mais no orçamento total de tecnologia.

O que fazer primeiro para reduzir o shelfware de IA já existente?

Auditar o que já foi comprado antes de comprar mais: listar licenças ativas, cruzar com uso real e decidir, ferramenta por ferramenta, entre capacitar o time para usar de verdade, reduzir assentos ou descontinuar. É a mesma lógica do diagnóstico que abre o método Flight Plan da Jetpacks.

Conclusão: a licença ativa não é a métrica que importa

Shelfware de IA é o retrato mais caro e mais silencioso da adoção de IA no Brasil hoje: a maioria das empresas já comprou, já ativou e já paga — e só uma fração pequena viu esse investimento virar receita, produtividade ou vantagem competitiva de fato. A causa não é a tecnologia; é a distância entre "ter acesso" e "ter processo e gente capacitada para usar esse acesso todo dia". Fechar essa distância, não comprar a próxima licença, é o que separa quem vai continuar pagando por shelfware de quem vai começar a ver retorno.

O diagnóstico gratuito da Jetpacks mapeia, em 30 a 45 minutos e sem custo, quanto do que sua empresa já comprou em IA está sendo usado de verdade — e onde o redesenho de processo e a capacitação fariam a licença ativa finalmente gerar retorno. Para levar essa conta à diretoria com a estrutura certa de investimento e risco, o business case de uma página organiza o argumento.