A Distância de Trinta e Oito Pontos
Em 2024, a diferença de adopção de IA entre grandes e pequenas empresas da UE era de 30 pontos percentuais. Em 2025, é de 38. As ferramentas ficaram mais baratas. As interfaces ficaram mais simples. A distância cresceu.
Isto não é uma previsão. É uma medição. O comunicado do Eurostat de 11 de Dezembro de 2025 indica que 55% das grandes empresas (250 ou mais trabalhadores) utilizaram tecnologias de IA em 2025, contra 17% das pequenas empresas (10-49). Um ano antes, o mesmo inquérito mostrava 41% e 11%. A distância alargou-se no ano em que as ferramentas deviam democratizar-se.
Isto não é um problema de sensibilização. É um problema de arquitectura.
O Que Dizem os Números
O Inquérito Comunitário do Eurostat sobre a Utilização de TIC nas Empresas é a referência europeia. Amostra: cerca de 157 000 empresas nos 27 Estados-Membros, com pelo menos 10 trabalhadores. A vaga de 2025 foi publicada a 11 de Dezembro de 2025. O título — 20% das empresas da UE utilizam IA — foi repetido por toda a parte. A desagregação por dimensão não.
Eis os dados por classe de dimensão, ano a ano:
As pequenas empresas passaram de 11% para 17% — seis pontos de crescimento. As grandes empresas passaram de 41% para 55% — catorze. As médias (50-249) passaram de 21% para 30%. Todas as classes cresceram. As maiores cresceram mais depressa.
O relatório Ipsos Making AI Work for Europe, encomendado pela Google e publicado em Março de 2026 por Reece Decastro e Nathan Bransden, nomeia o padrão numa frase: “As grandes empresas têm uma probabilidade consideravelmente maior de adoptar IA do que as pequenas e médias empresas (PME), com esta distância a alargar-se de 30 pontos percentuais em 2024 para 38 pontos em 2025.” Os autores apoiam-se em cerca de 70 estudos e 15 entrevistas com peritos em 13 Estados-Membros da UE. Chegam à mesma conclusão que os microdados do Eurostat já mostravam, e dão-lhe nome.
O Inquérito de Investimento do BEI 2025 — metodologia diferente, ferramentas de IA por marca em vez de categorias técnicas — reporta 28% das PME e 44% das grandes empresas a utilizar IA. Números absolutos diferentes. Mesma forma. As PME estão atrás, e a distância não se fecha.
A geografia da distância é tão nítida quanto a dimensão. Os valores por país do Eurostat para 2025 vão de 42% na Dinamarca, 37% na Finlândia, 35% na Suécia — a 5% na Roménia, 8% na Polónia, 8% na Bulgária, 9% na Grécia. A variância não é aleatória. Segue a infra-estrutura digital, não o PIB. O mesmo se passa por sector: 63% das empresas de informação e comunicação utilizam IA; 40% dos serviços profissionais, científicos e técnicos; 17% da indústria; 11% dos transportes e armazenagem; 11% da construção. O documento de discussão da OCDE de Dezembro de 2025 para a reunião ministerial do G7 em Montreal observa o mesmo padrão nas economias do G7: 40% das empresas com 250 ou mais trabalhadores utilizavam IA em 2024, contra 20,4% das empresas entre 50 e 249, e 11,9% entre 10 e 49. Os nomes dos países mudam. A forma estrutural, não.
Porque Cresce a Distância Quando as Ferramentas Ficam Mais Fáceis
A intuição é que ferramentas mais fáceis fecham distâncias. Uma interface de chatbot é uma interface de chatbot, esteja o utilizador na Siemens ou numa PME de logística de 30 pessoas em Tarragona. As licenças têm preços comparáveis. As APIs de cloud são idênticas.
A intuição está errada, e a razão é estrutural.
As grandes empresas têm três coisas que as pequenas não têm. A primeira é infra-estrutura digital dedicada. Um industrial de 500 pessoas tem um departamento de TI que avalia ferramentas, gere integrações, trata da revisão de segurança e absorve o custo numa linha orçamental existente. Uma PME de logística de 30 pessoas tem uma única pessoa que gere o telefone, o CRM, as impressoras — e a quem agora se pede que avalie ferramentas de IA, interrompendo o seu trabalho real.
A segunda são dados. O documento de discussão da OCDE AI adoption by small and medium-sized enterprises, publicado em Dezembro de 2025 por Flavio Calvino e colegas para a reunião ministerial Indústria, Digital e Tecnologia do G7 em Montreal, lista quatro alavancas de adopção de IA: conectividade, recursos que habilitam a IA, competências e financiamento. Recursos que habilitam a IA significam dados — estruturados, acessíveis, em volume suficiente, com governação suficiente para alimentar um modelo. As grandes empresas atravessaram esse limiar há uma década, quando implementaram ERP e armazéns de dados na cloud. As pequenas, na maioria, não. Uma ferramenta de IA que precisa de entrada estruturada não pode trabalhar contra um quadro branco.
A terceira é a capacidade de definir um caso de uso. O relatório IA Révolution da Bpifrance de 2024 concluiu que 72% dos dirigentes de PME em França ainda não têm uma aplicação prática de IA para o seu negócio. Não “ainda não implementaram” — não têm. O caso de uso, em si, não existe na cabeça deles. Ouviram falar de IA. Não conseguem apontar a tarefa que ela substituiria.
Quando as ferramentas se simplificam, quem já tinha infra-estrutura, dados e caso de uso avança mais depressa. Quem não tinha nenhum dos três continua onde estava. Ferramentas mais baratas não geram casos de uso. Interfaces mais simples não produzem dados estruturados. Uma API sem fricção não dá a uma PME de 30 pessoas a margem para desenhar um fluxo de trabalho.
A distância cresce porque os pré-requisitos crescem primeiro.
A História das Competências É Metade da História
Metade de toda a discussão política europeia sobre a distância de adopção volta-se para competências. O relatório Ipsos cita um inquérito da OCDE em quatro países do G7: 50% das PME relatam que os seus trabalhadores não têm competências para utilizar IA generativa. O próprio inquérito D4SME da OCDE, com quase 1 000 respondentes em seis países do G7, encontrou mais de 50% a citar a falta de conhecimento sobre como utilizar IA generativa como barreira à adopção — com forte variação nacional, de 80% no Japão a 40% no Reino Unido e na Alemanha.
O número é real. Também é incompleto.
Uma sondagem da Public First a dirigentes europeus, também citada no relatório Ipsos, encontrou apenas 14% a citar “não temos a experiência para introduzir IA” e 12% a citar “não temos competências para utilizar IA” como barreiras principais — bem abaixo das preocupações com cibersegurança (26%), inexactidão (24%) e custo (22%). Perguntado de uma forma, a competência é a barreira dominante. Perguntado de outra, é uma barreira entre várias.
O que os dados realmente mostram, lendo através dos inquéritos em vez de dentro de cada um, é isto: as competências estão correlacionadas com adopção, mas as competências estão a jusante da estrutura. Um académico entrevistado para o relatório Ipsos disse-o de forma directa: “Não é a dimensão… está mesmo ligado à maturidade digital.” Um representante de think tank belga no mesmo estudo: “As PME já são mais lentas na digitalização básica, portanto construir IA por cima é ainda mais difícil.”
O inquérito da OCDE acrescenta o facto operacional que determina tudo: menos de 30% das PME que já usam IA generativa relatam que os seus trabalhadores participam em formação relacionada com IA. O intervalo vai de 11,3% no Japão a 29,4% no Canadá. O problema de formação não é que a formação não exista. O problema é que o tempo para a frequentar não existe — porque as PME não conseguem libertar trabalhadores de actividades que geram receita para aprenderem. A distância de competências é, em parte, uma distância de tempo disfarçada de distância de aptidão.
Não se fecha uma distância estrutural com campanhas de sensibilização. Fecha-se com arquitectura.
O Que a Arquitectura Quer Dizer na Prática
Num contexto de PME, “arquitectura” não é um slide com cinco caixas e setas. São quatro decisões operacionais, tomadas por ordem.
Um: prontidão de dados. Antes de qualquer ferramenta de IA, a empresa tem de saber que dados tem, onde vivem, como circulam e o que falta. A maioria das PME não consegue responder a estas quatro perguntas numa segunda-feira de manhã. O primeiro mês de uma implantação de IA não é um modelo. É uma auditoria de dados: facturas, registos de clientes, informação de fornecedores, registos operacionais. Onde estão. Como estão guardados. Quem é o dono. O que está partido. Enquanto isto não estiver mapeado, qualquer ferramenta de IA assenta numa fundação que ninguém inspeccionou.
Dois: um caso de uso definido, estreito o suficiente para entregar. Não “melhorar o atendimento ao cliente com IA”. Uma tarefa específica, uma pessoa específica, uma frequência específica: classificar e-mails de clientes por urgência, encaminhar para a equipa certa, fazê-lo em menos de sessenta segundos, medir taxa de escalada semanalmente. A taxonomia da OCDE no mesmo documento de Dezembro de 2025 distingue Principiantes, Exploradores, Optimizadores e Campeões de IA. O salto de Principiante para Optimizador não acontece porque as ferramentas melhoram. Acontece porque um caso de uso concreto é entregue e depois um segundo. Os casos de uso compõem-se. As estratégias, não.
Três: implantação por papel. As ferramentas de IA não são implantadas numa empresa. São implantadas num papel. A pessoa que classifica facturas precisa de uma ferramenta diferente, de uma interface diferente e de formação diferente da pessoa que escreve a comunicação ao cliente. Uma única “implantação de IA” dirigida à “equipa” produz uma única taxa de abandono: alta. A implantação por papel — um papel de cada vez, com o fluxo de trabalho examinado, a ferramenta configurada para esse fluxo e o utilizador treinado para a usar dentro do seu trabalho real — produz adopção. Não é uma preferência metodológica. É o que o corpo de casos de PME mostra que funciona.
Quatro: medição de adopção desde o primeiro dia. Não “implantámos”. As pessoas usaram-na na semana passada, no seu trabalho real, para a tarefa para que foi feita. Uso activo diário por papel. Métrica de resultado semanal — menos escaladas, tempos de resposta mais curtos, previsões mais precisas. O relatório Ipsos liga isto à capacidade organizacional: “A criação de valor por IA depende da capacidade organizacional.” Uma ferramenta que ninguém usou na semana passada não criou valor na semana passada, independentemente do que foi pago por ela.
Estes quatro pontos não são um programa de transformação. São a arquitectura mínima para uma única ferramenta de IA entregue. As empresas dos 17% fecharam o ciclo nestes quatro pontos. As dos 83% não — e as razões pelas quais não o fizeram são estruturais, não motivacionais.
Um Exemplo Concreto
Uma forma específica clarifica a abstracção. Um fabricante de especialidade de 40 pessoas no norte de Portugal — tipo real, anonimizado — queria “usar IA” para o atendimento ao cliente. A primeira conversa fez emergir o problema real: um único responsável de operações passava quatro a seis horas por semana a separar e-mails de clientes por urgência e a encaminhá-los para a equipa de fábrica certa. O volume estava a aumentar. O responsável era o estrangulamento.
Eis o caso de uso. Não “IA para o atendimento ao cliente”. Triar e-mails de clientes por urgência, classificar por família de produto, encaminhar para a equipa certa, medir tempo de resposta. Um papel. Uma tarefa. Mensurável numa semana.
A auditoria de dados levou cinco dias úteis. Os e-mails existiam numa caixa partilhada. A taxonomia de produto existia no ERP. As regras de encaminhamento existiam na cabeça do responsável. Duas das três não estavam em forma estruturada — as regras de encaminhamento tiveram de ser extraídas numa sessão de meio dia com o responsável, escritas e transformadas num esquema de classificação. O esquema é o entregável real da primeira semana. O modelo é o entregável da segunda.
A ferramenta, quando foi entregue, era pequena. Lia os e-mails recebidos, aplicava o esquema, atribuía um nível de urgência e uma família de produto, e empurrava a mensagem para a fila da equipa certa. O responsável manteve o botão de override. O uso activo diário começou no dia em que a ferramenta foi entregue. Métrica semanal: o tempo médio de resposta caiu de quarenta e uma horas para nove. O responsável recuperou quatro horas por semana. A equipa deixou de perder mensagens urgentes das maiores contas.
A arquitectura era o trabalho. O modelo eram doze linhas de chamadas API. O custo da construção não era o modelo — era o esquema, a auditoria, a definição do papel e o acordo sobre o que era o sucesso, antes de qualquer coisa ser implantada. Assim se fecha a distância à escala de uma unidade.
O Que a Bluewaves Vê
A primeira conversa com cada prospecto da Bluewaves passa pelos quatro pontos acima, por ordem. Cerca de um terço das conversas pára no primeiro. A empresa não tem dados estruturados, não tem um sistema de registo, não sabe onde vive a sua informação operacional. O trabalho de que precisa não é implantação de IA. É a fundação digital que a IA exige. Dizemo-lo. Não aceitamos a missão enquanto a fundação não estiver no lugar — ou até a empresa decidir que pôr a fundação no lugar é a missão.
Cerca de um terço pára no segundo. A empresa tem dados, tem interesse, tem orçamento, mas não tem um caso de uso suficientemente estreito para entregar em três semanas. O primeiro entregável para estas empresas não é um modelo. É um workshop de caso de uso com as pessoas que de facto usariam a ferramenta, desenhado para sair da sala com uma tarefa específica, estreita e mensurável. Depois construímos.
O último terço chega com os quatro pontos já no lugar — dados, caso de uso definido, papel identificado, vontade de medir. Estas implantações são entregues em três semanas e ficam em uso porque os pré-requisitos foram cumpridos antes de o código ser escrito.
Não é uma metodologia comercial. É a realidade operacional de porque a distância do Eurostat cresce. As empresas dos 17% atravessaram limiares que as dos 83% não atravessaram. A travessia não se compra com licenças de software.
A Posição Arquitectural
A distância cresce porque as condições para a fechar não estão nas ferramentas. Estão nas empresas. Uma API mais barata não produz prontidão de dados. Uma interface mais simples não produz caso de uso. Um chatbot mais simpático não dá a uma PME de 30 pessoas a margem para desenhar um fluxo de trabalho. A estrutura tem de vir primeiro, e a maioria das PME não recebeu qualquer ajuda para a construir — porque ajuda, na conversa política europeia, foi definida como formação, webinars, campanhas de sensibilização e financiamento de pilotos. Isso não é arquitectura. É comentário.
O relatório Ipsos cita trabalhos da Copenhagen Business School que nomeiam a arquitectura honestamente: “A criação de valor por IA depende da capacidade organizacional.” Eis a frase. A capacidade organizacional é o estrangulamento. A capacidade constrói-se com estrutura, não com conteúdo. O segundo princípio do relatório dirigido aos decisores públicos é coerente: “Apoiar o desenvolvimento da capacidade e prontidão organizacionais.” Não mais formação. Capacidade.
Se a vaga do Eurostat de 2026 for publicada em Dezembro e mostrar uma distância de 40 pontos, ninguém deve ficar surpreendido. As mesmas condições estão no lugar. Os mesmos pré-requisitos estão em falta. O mesmo aparelho de apoio continua a tratar da sensibilização em vez da arquitectura. A distância está a fazer exactamente o que as suas causas estruturais prevêem.
Fechá-la pede uma intervenção diferente. Não mais pilotos. Não mais casos de estudo. Não mais webinars. Ferramentas pré-qualificadas para casos de uso pré-definidos, pré-mapeadas para o papel e os dados que a empresa já tem. Liderança externa onde a interna não existe. Medição de adopção que começa no primeiro dia, não depois da terceira revisão trimestral.
Eis a correcção arquitectural. Tudo o resto é teatro. A distância é estrutural. A correcção é estrutural. As ferramentas mais baratas e as interfaces mais simples são reais — e continuarão a alargar a distância enquanto os pré-requisitos não forem tratados à mesma velocidade a que as ferramentas melhoram.
Trinta e oito pontos no ano passado. O número será maior no próximo, a menos que o apoio deixe de ser conteúdo e passe a ser estrutura.