Você entra na reunião com o diretor para contar o que o time entregou no trimestre. Subiu um cluster, otimizou um pipeline, derrubou a latência de uma query pela metade. Fala com orgulho, porque foi trabalho duro de verdade.
E ele olha para você e responde: "Beleza. E?"
Aquele silêncio de dois segundos é o assunto deste texto. O problema não é que o diretor desvalorize o que você fez. É que você falou em um idioma que ele não fala. O idioma dele tem três palavras: dinheiro, tempo e risco.
O ROI é o tradutor entre esses dois mundos.
O que o ROI resolve
ROI é a sigla em inglês para retorno sobre investimento. O nome é importado, mas a ideia é a coisa mais intuitiva do mundo: quanto uma iniciativa devolveu comparado ao que ela custou.
Imagine que você comprou uma máquina de fazer pão por R$ 1.000. No primeiro ano de panificadora, o pão dessa máquina faturou R$ 1.500. Você recuperou os mil e ficou com R$ 500. Esses R$ 500 em cima do que foi investido são o retorno. É tão simples quanto isso.
Em uma das empresas por onde passei, nenhum projeto começava sem o que eles chamavam de value estimation. O projeto precisava ter um valor estimado antes de a primeira linha de código existir: quanto de receita, quanto de economia, quanto de produtividade. Se não desse para estimar o que aquilo ia mudar na empresa, o projeto não saía do papel. E isso era antes da IA generativa, com modelagem tradicional mesmo.
Parece burocracia. Não é. É o que faz a área de dados deixar de ser vista como centro de custo, aquele time caro que gasta com nuvem e com token de modelo, e passar a ser vista como área que gera valor. Isso muda tudo na hora do orçamento. E resolve o outro problema crônico do time técnico, que é a fila de pedidos sempre maior do que a capacidade de entrega. Quando você consegue estimar o valor de cada projeto, você tem um critério para escolher. Este aqui rende três vezes mais do que aquele. Começa por este.
Aqui costuma aparecer uma objeção, e ela é até razoável: "eu sou da área técnica, medir dinheiro é papel do gestor". Vou discordar com carinho. Quem constrói a solução é quem entende o que ela realmente faz. Se você não ajuda a colocar valor no próprio trabalho, alguém que entende menos vai fazer isso por você, e provavelmente vai subestimar. Aprender a falar de retorno não transforma ninguém em economista. É autopreservação profissional. É a diferença entre o profissional que só executa a tarefa que chega e o que supervisiona o resultado, e você já sabe qual dos dois é escolhido por último quando a empresa precisa cortar.
Nem todo retorno cabe em uma nota fiscal
Antes da conta, uma separação que confunde muita gente.
O retorno tangível é o que vira dinheiro com facilidade. Receita nova, custo reduzido, horas economizadas, menos erro, menos fraude, menos retrabalho. Se você poupou 500 horas de trabalho e sabe quanto custa a hora, multiplica e pronto, virou dinheiro sem ginástica nenhuma.
O retorno intangível é onde todo mundo escorrega. Melhor experiência do cliente, decisão mais rápida, menos risco, mais conformidade, cultura mais orientada a dados. Esses ganhos são absolutamente reais. Ninguém duvida de que um cliente satisfeito vale dinheiro. O problema é que eles são indiretos, e não chega uma nota fiscal escrita "valor da satisfação do cliente".
E aí vem o erro clássico: a pessoa mede só o tangível e finge que o intangível não existe. Descarta o projeto inteiro porque "esse benefício é difícil de medir". Só que, com frequência, o intangível é justamente o maior valor do projeto.
Pense em um iceberg. A ponta fora da água é o tangível, é o que todo mundo vê e aponta. A massa embaixo é o intangível. Um banco que cria um modelo antifraude soma facilmente cada fraude evitada. O que fica submerso é o cliente que não teve o cartão clonado, continuou confiando no banco e não foi embora. Essa retenção pode valer mais do que a fraude barrada. Quem contou só as fraudes viu a pontinha.
O tangível você mede. O intangível você não ignora, você estima. Daqui a pouco eu mostro como.
A fórmula, e os três ingredientes que ela esconde
Respire, porque aqui só tem soma, subtração e divisão:
ROI (%) = (benefício − custo) ÷ custo × 100
Um projeto que custou R$ 100.000 e gerou R$ 150.000 em benefícios tem ganho líquido de R$ 50.000, dividido pelos R$ 100.000 investidos, vezes 100. ROI de 50%.
Agora traduza isso para gente. Cinquenta por cento significa que cada real investido voltou como R$ 1,50. O seu real de volta mais cinquenta centavos de lucro. Em uma apresentação, "cada real virou um e cinquenta" comunica muito melhor do que "ROI de 50%".
O segredo não está na fórmula, está nos três ingredientes dela. O benefício, que é o ganho gerado. O custo, que é tudo que o projeto consumiu, e a palavra-chave ali é tudo. E o período, que quase todo mundo esquece, porque 50% em um mês é maravilhoso e os mesmos 50% em dez anos são péssimos. O tempo até o projeto se pagar tem um nome bonito, payback, e é só isso que ele quer dizer.
Vale também saber ler o número quando ele dá ruim. Se o mesmo projeto de R$ 100.000 gerasse só R$ 80.000, o ROI seria de −20%: para cada real investido, voltaram oitenta centavos. O projeto destruiu valor. E não tem problema nenhum descobrir isso. O problema é descobrir tarde. Um ROI negativo bem medido cedo economiza uma fortuna que seria queimada nos meses seguintes.
O custo que você esqueceu
A conta que mais infla o ROI sem querer é a dos custos. E existe uma sigla que evita passar vergonha em reunião: TCO, custo total de propriedade.
Comprar um carro não é só o preço do carro. Tem seguro, combustível, IPVA, revisão, o pneu que fura. Quem decide se vale a pena ter carro olhando só a etiqueta da loja toma uma decisão furada.
Em dados e IA funciona igual. O erro clássico é olhar apenas o custo óbvio: a licença da ferramenta de BI custa R$ 30.000 por ano, então o projeto custa R$ 30.000. Faltou o resto. Falta o custo de tecnologia inteiro, com nuvem, armazenamento e APIs. Falta o custo das pessoas, que costuma ser o maior de todos e o mais esquecido, porque um projeto que consome dois meses de um time de quatro pessoas custa uma fortuna em salário mesmo que a ferramenta seja de graça. E falta a manutenção, a operação contínua depois que aquilo sobe para produção, com monitoramento, ajuste e retrabalho quando quebra. Modelo de IA não é fazer e esquecer. Ele vai precisar ser retreinado mês após mês.
Um padrão que se repete muito com nuvem: a empresa calcula o custo olhando a fatura do piloto, quando havia pouco dado e pouca gente usando. O projeto escala, o volume explode, e a conta que era R$ 2.000 vira R$ 15.000. O ROI vai derretendo justamente quando o projeto dá certo. Quando for estimar infraestrutura, projete também o cenário de sucesso, porque custo de nuvem tem essa característica traiçoeira de crescer junto com o uso.
Se você esquece parte dos custos, o ROI parece maior do que é, o seu chefe decide em cima de um número mentiroso, e quando a realidade chega a sua credibilidade vai junto.
Os quatro baldes do benefício
Com o custo, o risco é subestimar. Com o benefício, o desafio é o inverso: você precisa quantificar, porque "melhorou bastante" não entra em conta nenhuma.
Na prática, quase todo benefício cai em um destes quatro baldes:
- Receita adicional. Vendas novas, mais conversão, cliente que ficou em vez de ir embora. Se o projeto aumentou a conversão em 2%, multiplique esses 2% pelo ticket médio.
- Custo evitado. Menos horas manuais, menos fraude, menos multa. Se a automação eliminou 500 horas por ano, multiplique pelo custo da hora.
- Produtividade. A mesma equipe entregando mais no mesmo tempo. O relatório que levava um dia inteiro passou a levar dez minutos: multiplique pela frequência e veja o tamanho do ganho.
- Risco reduzido. O mais difícil dos quatro. Mede-se pela perda que deixou de acontecer, estimando quanto custaria um vazamento de dados ou uma multa por descumprir uma regra.
Um bom projeto costuma tocar em mais de um balde ao mesmo tempo. Uma previsão de demanda para estoque traz receita adicional, porque para de faltar produto na prateleira, traz custo evitado, porque para de sobrar produto encalhado, traz produtividade, porque o comprador deixa de passar horas adivinhando na planilha, e traz risco reduzido, porque diminui a chance de ruptura em uma data comemorativa. Somar os quatro é o que deixa o ROI sólido.
E não estime isso sozinho, trancado na sua sala. Converse com produto e com o negócio, porque são eles que têm os números que você precisa e, principalmente, porque o número que o negócio ajudou a construir é o número que o negócio vai defender junto com você.
Uma última coisa sobre o que medir: escolha uma métrica que já existe e que já importa para a empresa. Se eles acompanham o custo por chamado, ancore o seu projeto de IA nesse número. Se acompanham retenção ou NPS, use esses. Você não precisa criar uma régua nova, e vale conhecer bem como se define métricas e KPIs para avaliar um projeto antes de inventar indicador. Fuja das métricas de vaidade, aqueles números bonitos que não pagam conta nenhuma. O dashboard teve 10 mil visualizações. O modelo processou 1 milhão de registros. Faça sempre a pergunta seguinte: isso vira o quê? Se não vira dinheiro, tempo ou risco, não entra na conta. E acurácia de modelo não é ROI. Ninguém no negócio se importa se ele acerta 92% ou 99%.
Um exemplo com números na mesa
Uma empresa monta um dashboard de BI para parar de fazer relatório no Excel na mão. Horizonte de 12 meses. Os valores abaixo são ilustrativos, redondos para ficar didático.
Do lado do custo, a licença da ferramenta sai por R$ 30.000 no ano, e as horas do time para montar e depois manter o dashboard somam R$ 40.000. Repare que as pessoas custaram mais do que a ferramenta, e isso é comum. Custo total: R$ 70.000.
Do lado do benefício, as horas de relatório que deixaram de ser feitas na mão, somadas no ano e multiplicadas pelo custo da hora, dão R$ 90.000. Só isso já paga o projeto inteiro. Some a isso uma estimativa conservadora de R$ 45.000 em decisões tomadas mais rápido, que é o pedaço intangível da conta. Benefício total: R$ 135.000.
Na fórmula: (135.000 − 70.000) ÷ 70.000 × 100 = 93%. Cada real que a empresa colocou no dashboard voltou como quase dois reais no ano.
Agora o movimento que blinda a sua apresentação. Aquele benefício de R$ 45.000 é a parte mais incerta da conta. Jogue ele fora por segurança. O benefício cai para R$ 90.000, o custo continua R$ 70.000, e o ROI ainda fica em 28%. Mesmo no cenário pessimista, o projeto se paga. Isso se chama análise de sensibilidade, e é poderosa em reunião, porque mostra que até se você estiver errada na parte mais duvidosa da conta, a decisão continua de pé. Ninguém consegue chamar o seu número de chute.
Para efeito de comparação, um modelo de IA que prevê cancelamento de clientes, no mesmo exercício, custou R$ 125.000 e rendeu 140%. A IA costuma custar mais e render mais. Mas ela também carrega mais incerteza, e isso precisa ser comunicado com honestidade: a hora economizada pelo dashboard é garantida, o cliente retido pelo modelo depende de o time agir a tempo.
Como colocar preço no que não tem preço
Chegou a hora do intangível, e este é o pedaço mais valioso do assunto todo.
A saída é usar uma proxy, um número que fica no lugar daquele que você não consegue medir direto.
Você não sabe medir satisfação do cliente em reais. Mas sabe que cliente satisfeito fica por mais tempo, então a proxy é retenção, e retenção vira receita. Você não sabe medir decisão mais rápida em reais, mas sabe estimar custo de oportunidade, a venda que passou, o concorrente que chegou antes. Você não sabe medir "menos risco", mas sabe estimar quanto custaria um incidente e multiplicar pelos incidentes evitados. Até cultura orientada a dados tem rastro: em uma empresa que decide por evidência em vez de achismo, sobra menos retrabalho, menos campanha jogada fora, menos estoque comprado errado.
Todo retorno intangível deixa um rastro tangível em algum lugar. A sua missão é encontrar o rastro. E o atalho para achar é inverter a pergunta. Em vez de "quanto isso vale", pergunte "quanto custaria se isso não existisse".
Para não ter medo de errar, trabalhe com faixas. Nada de dizer que o benefício é de exatamente R$ 87.000, porque essa precisão é falsa e alguém vai desafiar. Diga que no cenário conservador fica em torno de R$ 50.000 e no otimista pode chegar a R$ 120.000. Um intervalo honesto passa mais maturidade do que um número inventado.
A receita de bolo, em cinco passos
- Defina o objetivo e o baseline. O que este projeto quer melhorar, e como está esse número hoje, antes de tudo começar.
- Liste todos os custos. Tecnologia, pessoas e manutenção, sem esquecer nenhum dos três.
- Identifique e quantifique os benefícios. Passe pelos quatro baldes e transforme cada ganho em reais, conversando com o negócio.
- Escolha o período e aplique a fórmula. Seis meses, doze meses, dois anos, e então (benefício − custo) ÷ custo × 100.
- Reavalie com dados reais. Depois que o projeto roda de verdade, compare o ROI que aconteceu com o que foi previsto. Se bateu, você ganhou credibilidade. Se não bateu, você aprendeu a calibrar.
O primeiro passo é o mais importante e é justamente o que todo mundo pula. Se você não sabe como estava antes, nunca vai conseguir provar que melhorou depois. Sem o antes não existe o depois. Se você esquecer os outros quatro e lembrar só desse, este texto já valeu.
Vale dizer que esse hábito não é estranho a quem faz modelagem. Em machine learning a gente começa sempre pelo modelo baseline, o mais simples possível, e vai melhorando a partir dali para saber se a complexidade nova está realmente entregando alguma coisa. É o mesmo raciocínio, aplicado ao negócio em vez de à métrica do modelo.
E se o baseline não existe documentado na empresa, estime. Se duas pessoas gastam duas horas por semana montando um relatório, você já tem dezesseis horas por mês para colocar na conta. Conta de padaria bem-feita vale mais do que número nenhum.
Medir retorno não é virar economista nem produzir relatório. É um hábito, e ele destaca quem tem, tanto em entrevista quanto em reunião de orçamento. Cada vez mais empresas estão colocando uso de IA nas metas do ano, e quem não souber dizer quanto aquilo está gerando de valor vai ficar em uma posição desconfortável.
Você já é bom em construir. Aprenda a dizer quanto aquilo vale, porque quando a pergunta "e aí, quanto isso rendeu?" chegar, a pior resposta possível é o silêncio.
Esse conteúdo foi desenvolvido na Live 169 da Escola de Dados Preditiva, com a professora Aline Soares. Assista à aula completa no canal do YouTube: youtube.com/@preditiva
.png)
.png){kind=small}