Em fevereiro de 2025, a Salesforce reportou receita anual de US$ 37,9 bilhões, crescimento de 9% ano a ano e lucro líquido de US$ 6,2 bilhões — alta de 50%. A métrica que chamou atenção dos analistas não foi nenhuma dessas. Foi o lucro por funcionário, que saltou de US$ 56,91 mil (fiscal 2024) para US$ 81,06 mil (fiscal 2025). Um crescimento de 42,44% em uma métrica onde crescer 5% já é notícia.
A leitura imediata foi atribuir o salto a demissões em massa — e não é mentira, a Salesforce cortou 1.000 cargos em fevereiro de 2024. Mas o aumento de 42% não cabe inteiramente em explicação de headcount. O que aconteceu, na leitura de analistas da Altimeter Capital e de dois relatórios internos da própria companhia, foi mais estrutural: a empresa implantou seus próprios agentes de IA em operação interna e reduziu custo operacional recorrente em áreas específicas. O capital de funcionários que restou ficou ocupado em trabalho de maior valor, enquanto a IA absorveu o trabalho de menor.
Esta matéria é sobre como esse padrão — Salesforce, Medtronic, Meta, Google DeepMind, dezenas de empresas médias americanas e brasileiras — pode e não pode ser replicado. O burn rate inteligente é real. Ele tem regras. E a maior parte das empresas que tenta segue os passos errados.
O número mediano que virou régua
O Enterprise Automation Index 2025, publicado pela Redwood Software, pesquisou 285 profissionais responsáveis por automação em empresas acima de 500 funcionários. A estatística distribuída em manchetes de mercado: 36,6% das organizações afirmam que automação reduziu custos em pelo menos 25%. Outros 12,7% reportaram redução acima de 50%. Ou seja, quase metade das empresas pesquisadas reportou ganho mensurável significativo. A outra metade, mais modesta — ganho abaixo de 25% ou dificuldade em mensurar.
A métrica complementar veio da McKinsey Global Institute, em estudo publicado em meados de 2025: IA pode entregar até 40% de redução de custo em setores específicos, automatizando tarefas e melhorando eficiência. “Até” é importante — é teto, não piso. Mas é um teto alto o suficiente para mudar quem pode competir com quem.
“O que era promessa de consultor em 2023 virou benchmark em 2025. A empresa que não atingir 20% de redução em custo de operação repetitiva até 2027 vai estar competindo contra um benchmark que ela mesma estabeleceu contra si.”
Três casos concretos, três modelos
Antes de abstrair padrão, vale olhar três casos documentados. Eles foram escolhidos porque representam estratégias distintas — não é o mesmo caminho feito em três cores diferentes.
Caso 1 — Medtronic: atendimento interno
A Medtronic, fabricante de equipamentos médicos com 95 mil funcionários globalmente, reportou em 2025 economia de US$ 6 milhões no primeiro ano de implantação de um agente de IA para suporte interno a colaboradores. O agente eliminou 36.000 horas de atendimento humano anual — o equivalente a 17 FTEs dedicados exclusivamente a dúvidas recorrentes sobre políticas de RH, viagens, e sistemas internos.
O detalhe interessante: os 17 FTEs não foram demitidos. Foram realocados para casos complexos que estavam na fila. A agenda de atendimento complexo, que tinha SLA de 72 horas, caiu para 18 horas. O US$ 6 milhões é a conta direta; o ganho de experiência interna, não mensurado oficialmente, provavelmente é maior.
Caso 2 — Global-Tech Manufacturing: operação financeira
A Global-Tech, fabricante com operação americana, implementou em 2024 um sistema de Intelligent Document Processing (IDP) para contas a pagar. O custo por fatura caiu de US$ 15,70 para US$ 3,90 — queda de 75,2%. Economia de 8.000 horas manuais por ano; economia monetária pública de mais de US$ 400 mil no mesmo período.
O padrão aqui é diferente do Medtronic — não é atendimento, é trabalho de escritório repetitivo. A máquina extrai, valida, aprova dentro de alçada; humano revisa exceções. A configuração é do tipo que se paga em menos de seis meses em empresas de médio porte.
Caso 3 — Google DeepMind: operação física
O caso mais antigo dos três, de 2022, continuou gerando economia em 2025. Google aplicou DeepMind AI aos centros de dados, reduzindo em 40% o consumo energético para refrigeração. A economia bruta, calculada anualmente, é na casa das centenas de milhões de dólares.
O ensinamento: a economia maior vem de áreas onde o humano estava operando heurística sub-ótima, não onde o humano estava ausente. Refrigeração era operada por técnicos com base em ajustes manuais informados por experiência. A IA, tendo acesso ao histórico completo de temperatura/umidade/carga de processamento, encontrou configurações que os técnicos não tinham experimentado. Não substituiu o humano; substituiu a heurística.
Onde o custo realmente mora
Em auditoria de 29 empresas médias brasileiras conduzida entre 2024 e 2025 — fonte interna, não publicada — três categorias concentram 71% do custo operacional evitável. A distribuição é notavelmente consistente entre setores.
- Coordenação interna (28%): reuniões de alinhamento, reconciliação manual de dados entre sistemas, “triangulação” de informações entre áreas. Este item não aparece em orçamento como linha, mas consome entre 1,2 e 2,8 FTEs para cada 10 colaboradores operacionais.
- Trabalho repetitivo de baixo valor (26%): extração de dados, consolidação de planilhas, preparação de relatórios recorrentes, atendimento de primeira camada. É o equivalente ao que a Medtronic e a Global-Tech atacaram nos casos citados.
- Stack SaaS sobreposto (17%): licenças pagas para ferramentas com funcionalidades duplicadas ou em subutilização severa. Em estudos de 2025 (Productiv, BetterCloud), a taxa média de utilização de licenças SaaS em empresas médias é de 54%. O resto é gasto cego.
O dado desconfortável: o item 1 — coordenação — é o mais subestimado em exercícios de corte tradicional. Planilha de orçamento não tem linha “reunião”; tem linha “licença”. Corta-se o que aparece, não o que pesa. Empresas que cortam bem fazem o contrário: atacam o item 1 primeiro, o item 2 em seguida, e o item 3 por último — que é a ordem inversa da intuição.
A curva em J do ROI real
Todo gestor que já conduziu projeto de transformação operacional conhece a curva em J. O ROI não é linear — ele piora antes de melhorar. A forma é previsível:
Projetos que morrem morrem no T1 ou T2. Board olha o número negativo no fim do trimestre, conclui “parece não estar funcionando”, e pede recuo. O que acontece é exatamente o erro oposto de quem cobra ROI mensal de infraestrutura — a curva em J não respeita trimestre fiscal.
A discussão sobre quando medir é o que separa gestão competente de gestão reativa. A regra simples: o projeto estrutural de redução de custo operacional com IA deve ser medido em ciclo anual, nunca mensal. Se a pressão para mostrar ROI é mensal, o desenho do projeto já está errado.
“Cobrar ROI mensal de projeto estrutural é como colher tomate plantado ontem. A fruta existe, só não está pronta — arrancar agora é desperdiçar a safra.”
Corte saudável vs corte destrutivo
Nem todo corte funciona. Das 29 empresas brasileiras analisadas na auditoria de 2024–2025, 5 tiveram reversão parcial no décimo segundo mês — reabsorveram parte do custo cortado. Os padrões de falha se repetem.
Falha 1 — corte de licença sem substituir função
A empresa corta o SaaS, mas o trabalho que ele fazia não migra para lugar nenhum. O time volta a usar planilha e email. O custo reaparece — agora como tempo de coordenação, mais invisível mas igual na realidade.
Falha 2 — delegação para IA sem memória corporativa
Agentes funcionam nos primeiros meses, perdem qualidade quando o contexto muda e ninguém alimenta o sistema novamente. Em operações sem disciplina de context engineering, o declínio aparece em 9–12 meses. O que foi ganho é devolvido com juros.
Falha 3 — consolidação sem rito de migração
O sistema novo está lá, mas metade do time ainda usa o velho “para garantir”. O custo duplica até alguém tomar a decisão de desligar o antigo. Em 7 das empresas auditadas, o custo total ficou acimado baseline por 4 a 6 meses — a operação em paralelo é cara.
A matemática de uma operação brasileira
Para trazer a discussão para terra, vale correr os números em uma empresa concreta — representativa da média brasileira de porte relevante.
Considere uma empresa de serviços B2B com 120 colaboradores, faturamento de R$ 68 milhões, margem operacional bruta de 22%. Custo mensal com stack SaaS: R$ 48 mil. Custo estimado (modelo auditoria) com coordenação interna e trabalho repetitivo: R$ 210 mil/mês. Total operacional evitável: R$ 258 mil/mês, R$ 3,1 milhões/ano.
Projeto desenhado em três fases ao longo de 15 meses: (1) consolidação de stack; (2) delegação de trabalho repetitivo; (3) agentes em coordenação. Custo do projeto: R$ 680 mil (licenças, implantação, consultoria de change management, tempo do time). Economia anual pós-projeto (medida no 15º mês): R$ 1,25 milhão/ano — redução de 40% do custo operacional evitável. Payback: 6,5 meses. ROI acumulado em 3 anos: 5,5x.
A matemática é severa, mas não é mágica. Depende de três premissas: o projeto atravessa o vale do T1/T2; a execução não resbala nas falhas 1, 2, 3 descritas acima; o board tem paciência para 12 meses antes de declarar veredito. Onde qualquer uma das três falha, o resultado é parcial ou negativo.
O que não conta como economia
Em projetos que passaram pela auditoria de 2024–2025, uma categoria de “economia” aparece consistentemente no pitch inicial e consistentemente some no resultado medido: ganho de produtividade em tempo de pessoa.
A equação é enganosa. “Vamos economizar 20 horas por semana por pessoa” não é economia a menos que essas 20 horas sejam efetivamente usadas para algo produtivo. Em maior parte dos casos, as horas liberadas se dispersam — Parkinson opera, o trabalho expande para ocupar o tempo disponível. Empresas maduras não contam essa economia como linha de orçamento; tratam como capacidade adicional disponível, e medem pelo que efetivamente produziram a mais, não pelo que a planilha original projetou.
Economia que conta é: licença desligada (direto); contrato de terceirização cancelado (direto); headcount não contratado que seria necessário para manter o padrão (contrafactual, mas rastreável); overhead operacional mensurado antes e depois em dashboard.
Três sinais de que o corte está sustentável
Como saber, no mês 6, se o corte que você fez está no caminho bom?
Sinal 1 — adoção acima de 70% no trimestre 2
Se só 40% das pessoas usam o sistema novo após 90 dias, o projeto está em risco. Adoção abaixo desse patamar indica treinamento ou ergonomia insuficientes; o stack antigo vai voltar por baixo da mesa.
Sinal 2 — tempo de resposta operacional caiu, não se igualou
Projeto funcionando: o tempo médio de ciclo de alguma função operacional chave cai mensuravelmente (não apenas “está igual, mas com menos gente”). Se a experiência interna é idêntica, o ganho não foi estrutural.
Sinal 3 — NPS interno subiu
Colaboradores que trabalham no sistema novo declaram trabalhar melhor. Se o NPS interno ficou igual ou caiu enquanto o custo caiu, você provavelmente cortou algo que doía menos do que parecia e criou dor nova que não aparece em planilha.
O padrão que vai definir 2026
O que está desenhando 2026 não é o padrão Salesforce — empresa gigante, recursos de sobra. É o padrão da empresa média que consegue entregar, em doze meses, a combinação que virou benchmark: 20% a 40% de redução de custo operacional evitável sem demitir ninguém, com NPS interno subindo, com margem operacional ganhando de 3 a 6 pontos percentuais.
Esse benchmark, em empresas de 100 a 500 pessoas, é alcançável. Os três casos citados no começo — Medtronic, Global-Tech, Google — são anedotas globais; os números médios brasileiros de 2025 mostram que o padrão funciona em escala menor também.
O que separa quem chega lá de quem não chega não é capital disponível. É a combinação de disciplina de execução (seguir as três fases, atravessar a curva em J), honestidade na medição (não contar ganhos fictícios de produtividade), e paciência de ciclo (medir em 12 meses, não em trimestre).
Burn rate inteligente é menos sobre coragem na planilha e mais sobre arquitetura na operação. A IA, bem aplicada, é habilitador — não é causa. Quem entende essa sequência ganha um diferencial que compostamente se distancia da concorrência. Quem confunde o habilitador com a causa vai comprar muita tecnologia e entregar pouca economia. E isso também é um dado de 2025.
Fontes consultadas: Redwood Software, Enterprise Automation Index 2025; McKinsey Global Institute, análise setorial de impacto de IA (2025); Salesforce Annual Report Fiscal Year 2025; MacroTrends e Bullfincher para dados financeiros da Salesforce (2024–2025); BCG, How Four Companies Capitalize on AI to Deliver Cost Transformations(2025); eMoldino, estudo de caso de IA em negociação de fornecedores (2025); Redwood Software, dados consolidados de 285 práticas de automação corporativa (2025); auditoria interna AOS de 29 médias empresas brasileiras (2024–2025, não publicada); Rand Group e MasterofCode para benchmarks de ROI em IA corporativa.