Vinte Por Cento
O comunicado de imprensa do Eurostat saiu em Dezembro de 2025. O título: 20% das empresas da UE adoptaram IA. O LinkedIn celebrou. Os comentadores declararam progresso. O número entrou em rotação — citado em pitch decks, discursos da Comissão Europeia e relatórios de consultoria como evidência de que a adopção europeia de IA está a acelerar.
O número é real. Também é enganador exactamente na forma que importa.
O Que o Título Esconde
O valor de 20% vem do Inquérito Comunitário do Eurostat sobre a Utilização de TIC nas Empresas, conduzido anualmente em todos os 27 Estados-Membros da UE. O inquérito abrange empresas com 10 ou mais trabalhadores. Dez ou mais. Esse limiar exclui 99% de todas as empresas da UE.
A UE tem aproximadamente 33 milhões de empresas. Dessas, cerca de 32,7 milhões — 99,1% — são micro-empresas: menos de 10 trabalhadores, menos de 2 milhões de euros de volume de negócios anual. São as padarias, os gabinetes de contabilidade, os operadores logísticos, os pequenos fabricantes, as consultorias, o retalho especializado. São a grande maioria da economia europeia. E são invisíveis no título do Eurostat.
O inquérito inclui desagregações por dimensão, e é aqui que a história muda. Entre grandes empresas (250+ trabalhadores), a adopção de IA atinge 55%. Entre médias empresas (50-249 trabalhadores), cai para aproximadamente 30%. Entre pequenas empresas (10-49 trabalhadores), o valor é 17%.
Entre micro-empresas? O Eurostat não as inquere rotineiramente. Os dados não existem em escala. O título de 20% descreve uma população que exclui a grande maioria das empresas europeias.
Isto não é uma crítica ao Eurostat. A metodologia do inquérito é sólida, o desenho amostral é rigoroso e a exclusão por dimensão está documentada nas notas técnicas que ninguém lê. É uma crítica à forma como o número é usado — como medida de preparação europeia para a IA quando é na realidade uma medida de despesa em IA das grandes empresas.
A Diferença por Dimensão É Arquitectónica
A diferença entre 55% de adopção em grandes empresas e 17% em pequenas empresas não é uma lacuna tecnológica. Não é uma lacuna de conhecimento. Não é uma lacuna de competências, embora as competências importem. É uma lacuna arquitectónica.
As grandes empresas adoptam IA porque têm três coisas que as pequenas não têm:
Infra-estrutura de TI dedicada. Um fabricante de 500 pessoas tem um departamento de TI. O departamento avalia ferramentas, gere integrações, trata de avaliações de segurança e negoceia contratos com fornecedores. O custo de avaliar uma ferramenta de IA é absorvido pelo orçamento e ritmo operacional existentes do departamento. Para uma empresa de logística de 30 pessoas, o “departamento de TI” é uma pessoa que também gere o sistema telefónico, o CRM e as impressoras. Avaliar uma ferramenta de IA não é o trabalho dessa pessoa. É uma interrupção ao trabalho dessa pessoa.
Orçamento para experimentação. As grandes empresas podem alocar 50.000 € a um projecto-piloto sem risco material. Se o piloto falha, a perda é um erro de arredondamento. Para uma pequena empresa com 3 milhões de euros de volume de negócios anual, 50.000 € é 1,7% da receita — um compromisso significativo que requer justificação, aprovação e resultados. A assimetria não é sobre riqueza. É sobre o rácio de investimento experimental face ao risco operacional.
Campeões internos. A adopção de IA em grandes empresas tipicamente começa com um gestor intermédio ou líder técnico que identifica um caso de uso, constrói um business case e defende o projecto internamente. Esta pessoa existe porque as grandes organizações têm diversidade de funções suficiente para incluir alguém cujo trabalho intersecta com IA. Numa empresa de 30 pessoas, o trabalho de toda a gente é operacional. Não há função com a folga para avaliar, defender e gerir uma implantação de IA. A lacuna de campeões é o factor mais subestimado na disparidade de adopção.
Estes três factores — infra-estrutura, rácio orçamental e campeões internos — são estruturais. Não mudam com campanhas de sensibilização, programas de formação ou marketing. Mudam com intervenção arquitectónica: reduzir o custo de avaliação, reduzir o encargo técnico de integração e fornecer campeonato externo onde os campeões internos não existem.
O Que “Adopção” Realmente Mede
O inquérito do Eurostat mede adopção com uma pergunta específica: “A sua empresa utiliza alguma tecnologia de IA?” A pergunta lista categorias: aprendizagem automática, processamento de linguagem natural, reconhecimento de imagem, automação robótica de processos, sistemas autónomos. Uma empresa que usa qualquer uma destas é contada como tendo “adoptado IA”.
A pergunta não mede profundidade de adopção. Não distingue entre uma empresa que usa um chatbot gratuito para pedidos ocasionais de clientes e uma empresa que integrou aprendizagem automática no seu fluxo de produção central. Não mede se a ferramenta de IA está em uso diário, uso ocasional ou uso de abandonámos-depois-do-período-de-teste.
É a mesma questão metodológica que afecta todos os inquéritos de adopção tecnológica. Adopção binária (sim/não) oculta o espectro de experimental a integrado. Uma empresa que assinou uma licença de ChatGPT Enterprise em Janeiro e se esqueceu dela em Março é contada da mesma forma que uma empresa que usa previsão de procura automatizada para gerir toda a sua cadeia de abastecimento.
O relatório da OCDE de Dezembro de 2025 sobre adopção de IA em PME abordou isto categorizando as empresas em quatro níveis de maturidade: Novatos em IA, Exploradores de IA, Optimizadores de IA e Campeões de IA. A medida binária do Eurostat junta Novatos e Exploradores com o resto. O impacto operacional — a parte que importa para produtividade, competitividade e crescimento económico — vive nas categorias de Optimizadores e Campeões.
A conclusão da OCDE é directa: a maioria da adopção de IA em PME permanece numa fase nascente ou piloto. As empresas experimentam com ferramentas de IA mas enfrentam obstáculos estruturais na integração nas operações centrais. A distância entre “usamos IA” e “a IA muda a forma como trabalhamos” é onde a maioria da despesa em IA é desperdiçada.
Vinte por cento adoptaram IA. Uma fracção integrou-a. A distância entre esses números é o problema inteiro.
A Geografia Dentro do Número
A média de 20% da UE oculta variação ao nível dos países que vai de 9% a 39%. Dinamarca, Finlândia e Países Baixos lideram. Roménia, Bulgária e Grécia ficam para trás. A variância não é aleatória. Correlaciona-se com três indicadores de infra-estrutura mais fortemente do que com o PIB per capita:
Maturidade dos serviços públicos digitais. Países com sistemas de identidade digital avançados, serviços públicos interoperáveis e infra-estrutura de governo electrónico têm maior adopção de IA. O sistema NemID/MitID da Dinamarca, o Suomi.fi da Finlândia, o DigiD dos Países Baixos — estes criam uma base de infra-estrutura digital que torna a integração de ferramentas de IA mais fácil. A empresa não precisa de construir confiança digital do zero. A infra-estrutura pública já a estabeleceu.
Qualidade da penetração de banda larga. Não apenas conectividade — qualidade. A cobertura de fibra óptica até às instalações na Dinamarca excede 75%. Na Roménia, cai abaixo de 30% em áreas rurais onde muitas PME operam. Ferramentas de IA que requerem conectividade consistente e de baixa latência são arquitectonicamente incompatíveis com banda larga intermitente. A ferramenta funciona em Copenhaga. A ferramenta dá timeout em Constanța.
Base de digitalização das PME. A adopção de IA é um efeito de segunda ordem. O de primeira ordem é a digitalização básica: contabilidade na nuvem, CRM, gestão digital de inventário. As empresas que não digitalizaram as suas operações básicas não conseguem adoptar ferramentas de IA porque não há infra-estrutura de dados a que a IA se possa ligar. Uma proporção significativa das PME da UE ainda depende de registos predominantemente em papel para pelo menos uma função empresarial central — a percentagem exacta varia por país, mas o padrão é consistente no Sul e Leste da Europa.
Estes três factores explicam mais da variância ao nível dos países do que qualquer medida de “cultura de inovação” ou “mentalidade empreendedora”. O fabricante de 30 pessoas em Braga, Portugal, não carece de cultura de inovação. Carece de fibra óptica e de um sistema de facturação digital.
A Dimensão de Género Que os Dados Mostram
Uma dimensão que os dados do Eurostat captam mas poucos comentadores discutem: entre empresas lideradas por mulheres, a adopção de IA é 7 pontos percentuais inferior à das empresas lideradas por homens, após controlar para sector e dimensão. A diferença persiste em todas as classes de dimensão.
A diferença não é sobre aptidão técnica ou interesse. O Women in Digital Scoreboard da Comissão Europeia — publicado anualmente desde 2019 — rastreia disparidades estruturais no uso de internet, competências digitais e emprego especializado. Os factores estruturais por trás da diferença de adopção incluem acesso a financiamento para investimento tecnológico (os empreendimentos liderados por mulheres recebem consistentemente uma fracção do financiamento total de venture capital — menos de 3% nos últimos anos, segundo dados da PitchBook) e acesso a redes de pares onde o conhecimento sobre adopção de IA circula. São falhas de infra-estrutura, não falhas individuais.
Não são falhas individuais. São falhas de infra-estrutura. A mesma lacuna arquitectónica que separa grandes empresas de pequenas separa fundadores bem conectados de fundadores sub-conectados. O problema não é quem se é. O problema é que infra-estrutura está disponível.
O Que os Outros 80% Realmente Precisam
Os 80% de empresas da UE que não adoptaram IA não precisam de sensibilização. Sabem que a IA existe. Não precisam de inspiração. Viram as demos. Não precisam de ferramentas mais baratas. Muitas ferramentas de IA têm versões gratuitas.
Precisam de três coisas:
Custo de avaliação reduzido. O custo de avaliar se uma ferramenta de IA se adequa a uma necessidade empresarial específica é demasiado alto para uma empresa sem pessoal de TI dedicado. A avaliação requer análise técnica, revisão de segurança, testes de integração e análise de fluxo de trabalho. Para uma grande empresa, este custo é marginal. Para uma empresa de 30 pessoas, é proibitivo. A intervenção são ferramentas pré-qualificadas, pré-avaliadas, com percursos de integração documentados para sistemas empresariais comuns. Não ferramentas genéricas “IA para negócios”. Ferramentas específicas para tarefas específicas: processamento de facturas para PME que usam Sage, classificação de pedidos de clientes para empresas que usam Zendesk, previsão de procura para lojas WooCommerce.
Campeonato externo. Se ninguém na empresa tem a função, o tempo ou a competência para defender uma implantação de IA, alguém de fora da empresa deve preencher esse papel temporariamente. Isto não é consultoria. A consultoria produz relatórios. O campeonato produz implantação. O campeão externo trabalha com a equipa, implanta a ferramenta, observa como as pessoas a usam, ajusta a configuração e sai quando a ferramenta está em uso diário.
É isto que a Bluewaves faz. Não estratégia de IA. Não consultoria de transformação digital. Implantação. Uma ferramenta funcional nas mãos das pessoas que a vão usar, em três semanas.
Validação de pares. As grandes empresas adoptam IA porque outras grandes empresas adoptam IA. Os casos de estudo existem. Os pontos de prova circulam. Para uma empresa de logística de 30 pessoas em Tarragona, o caso de estudo relevante não é “como a Siemens implementou IA na sua cadeia de abastecimento”. O caso de estudo relevante é “como uma empresa de logística de 35 pessoas no Porto implementou IA na gestão do seu armazém e reduziu erros de picking em 22%”. Mesmo sector, mesma dimensão, mesmas restrições. O ponto de prova está em falta porque ninguém documenta implantações em PME.
Os dados do Eurostat dizem-nos onde está a adopção. Não dizem porque é que a adopção pára. As razões são arquitectónicas, não atitudinais.
A Dimensão Sectorial
O título de 20% oculta variância ao nível sectorial que é tão significativa como a variância por dimensão.
As empresas de informação e comunicação (secção NACE J) reportam adopção de IA acima de 40%. As empresas de serviços financeiros e seguros (secção NACE K) reportam acima de 35%. São os sectores onde a infra-estrutura digital pré-existe, onde os fluxos de dados já estão estruturados, onde o custo de integração de uma ferramenta de IA é marginal porque o fluxo de trabalho digital já existe.
A indústria transformadora (secção NACE C) — a espinha dorsal da produção económica da UE, representando 15% do PIB — reporta adopção de IA a aproximadamente 12%. A construção (secção NACE F) reporta abaixo de 8%. A agricultura (secção NACE A) mal se regista.
A variância mapeia directamente para maturidade digital, não para preparação para IA. Um fabricante cujo planeamento de produção ainda funciona num quadro branco não pode adoptar uma ferramenta de previsão de procura com IA — não porque a IA não esteja disponível, mas porque os dados que a IA precisa não existem em formato digital. A ferramenta de IA requer input estruturado. O quadro branco não produz input estruturado.
É a cascata de infra-estrutura: a digitalização básica permite a recolha de dados, a recolha de dados permite a análise, a análise permite a IA. Saltem qualquer passo e os passos seguintes falham. A taxa de adopção de 12% na indústria transformadora não é uma falha de sensibilização para a IA. É uma falha de digitalização básica — e a falha precede a IA em uma década.
O relatório AI Watch do JRC sobre adopção de IA na indústria transformadora identificou a cascata explicitamente: entre fabricantes que tinham completado a digitalização básica (ERP na nuvem, inventário digital, reporting automatizado), a adopção de IA era uma ordem de grandeza superior à dos que não o tinham feito. A base de digitalização é o verdadeiro preditor, não a disponibilidade de ferramentas de IA.
Para os 88% de fabricantes da UE que não adoptaram IA, a intervenção não é formação em IA. É infra-estrutura digital — o trabalho aborrecido e nada glamoroso de migrar do papel para a nuvem, do quadro branco para a base de dados, do arquivo para dados estruturados. A IA vem depois. Não pode vir antes.
O Que a Bluewaves Vê
As empresas que contactam a Bluewaves caem em duas categorias. A primeira tem um caso de uso de IA específico, uma base de infra-estrutura digital e uma equipa disposta a usar uma ferramenta. Estas empresas implantam em três semanas. A ferramenta está em uso na semana quatro. O processo não é complicado porque os pré-requisitos estão cumpridos.
A segunda categoria tem interesse em IA, entusiasmo da liderança e nenhuma infra-estrutura digital. Nenhum dado estruturado. Nenhum fluxo de trabalho padronizado. Nenhum processo documentado. Estas empresas não conseguem implantar uma ferramenta de IA em três semanas porque não há nada a que ligar a ferramenta. O trabalho não é implantação de IA. O trabalho é digitalização — o pré-requisito que o título dos 20% assume como universal e não é.
Não aceitamos a segunda categoria. Não porque o trabalho não seja valioso — é. Porque chamar-lhe “implantação de IA” quando a necessidade real é “infra-estrutura digital” é desonesto, e a desonestidade é cara para todos.
Os 20% que adoptaram IA são as empresas que cruzaram o limiar da digitalização antes da IA chegar. Os 80% que não adoptaram são, em grande medida, empresas que ainda não cruzaram esse limiar. A IA está pronta. A infra-estrutura não está.
O Número Que Importa
Vinte por cento é um título. Dezassete por cento entre pequenas empresas é um ponto de dados. A fracção que verdadeiramente integrou IA nas operações centrais — os “Campeões de IA” da OCDE — é o número que importa.
A distância entre adopção e integração — entre “usamos IA” e “a IA muda a forma como trabalhamos” — é o espaço onde a maioria da despesa em IA é desperdiçada. É o cemitério de licenças de chatbot, dashboards abandonados e projectos-piloto que nunca foram lançados.
Fechar essa distância requer três coisas que nada têm a ver com tecnologia de IA: infra-estrutura que torne a avaliação barata, campeões externos que tornem a implantação real e evidência de pares que torne a adopção credível.
Os Dados Que Precisamos
O inquérito do Eurostat será conduzido novamente em 2026. Quando os resultados forem publicados, reportarão um novo número de destaque. Vinte e dois por cento, talvez. Ou vinte e cinco. O número será mais alto. O LinkedIn celebrará. Progresso será declarado.
O número continuará a ser enganador — a menos que a metodologia mude. Três adições tornariam o inquérito operacionalmente útil:
Primeiro: incluir micro-empresas. Os 99% de empresas da UE excluídos do inquérito são as empresas que mais precisam dos dados. Um módulo separado para micro-empresas sobre IA, mesmo se administrado a uma amostra em vez do censo completo, forneceria a linha de base que actualmente não existe.
Segundo: medir profundidade, não apenas amplitude. Ir além da adopção binária (sim/não) para uma taxonomia de maturidade como o enquadramento de quatro níveis da OCDE: Novatos, Exploradores, Optimizadores, Campeões. A distribuição entre níveis importa mais do que a contagem binária.
Terceiro: medir o efeito campeão. Perguntar não apenas “a sua empresa usa IA?” mas “a sua empresa tem uma pessoa cuja função inclui gerir a adopção de ferramentas de IA?” A presença ou ausência de um campeão interno é, na nossa observação, o mais forte preditor de adopção sustentável — mais preditivo do que orçamento, sector ou dimensão da empresa.
Estas três adições transformariam o inquérito de gerador de títulos em ferramenta operacional. Os dados existem para ser recolhidos. A metodologia existe para os recolher. O título dos 20% persistirá até que alguém decida que dados exactos importam mais do que dados optimistas.
Vinte por cento não é uma história de sucesso. É um ponto de partida. O trabalho está nos 80% que se seguem — e nos 2% que importam.