Resumo Executivo
A IA avança em velocidade extraordinária; pessoas e organizações evoluem em outro ritmo. A próxima etapa da adoção talvez tenha menos a ver com tecnologia — e muito mais com a forma como organizamos trabalho, decisões e responsabilidades. Este artigo argumenta que “prontidão para IA” é uma pergunta pequena demais: o desafio real é sociotécnico, e a oportunidade está em reduzir continuamente a distância entre o que uma organização sabe, o que decide, o que faz e o que aprende.
Um problema conhecido de gestão, em um contexto inteiramente novo
Há um contraste cada vez mais evidente dentro das organizações. A tecnologia avança em uma velocidade extraordinária. Pessoas e organizações, naturalmente, evoluem em outro ritmo.
A Gartner recentemente chamou atenção para esse descompasso ao indicar que 71% dos CIOs consideram que suas equipes ainda não estão preparadas para a IA. Ao tratar dessa prontidão, destaca competências como identificar bons casos de uso, desenvolver fluência tecnológica, interagir de forma eficaz com a IA generativa e, talvez a mais importante delas, exercer discernimento humano sobre aquilo que a tecnologia produz.
Esse último ponto merece atenção. Porque a questão já não é apenas se as pessoas sabem usar IA. A questão é se as organizações sabem trabalhar de forma diferente por causa dela.
Considere o que já começa a acontecer dentro das empresas. Um gestor recebe em minutos uma análise que antes exigia dias de trabalho. Uma equipe de atendimento dispõe de tecnologia capaz de investigar parte de um caso antes mesmo que alguém comece a tratá-lo. Uma operação consegue identificar uma possível ruptura, avaliar seus impactos e recomendar uma resposta quase imediatamente. Um analista financeiro pode investigar milhares de transações no tempo anteriormente necessário para examinar uma pequena amostra.
Nada disso parece particularmente futurista hoje. As perguntas difíceis começam depois.
O sistema deve apenas informar alguém ou também recomendar o que fazer? Pode iniciar uma ação? O que acontece quando há incerteza? Quem precisa ser envolvido? Quem pode interromper ou modificar uma decisão? E, quando algo dá errado, onde está a responsabilidade?
Essas não são perguntas sobre prompts. São perguntas sobre como o trabalho é organizado. E essa diferença é importante.
Podemos estar redesenhando o trabalho sem perceber
A maioria das empresas ainda opera sobre uma premissa que funcionou durante décadas: pessoas realizam o trabalho e tomam decisões; a tecnologia fornece informação, ferramentas e automação.
A automação alterou parte dessa relação ao permitir que máquinas executassem tarefas previamente definidas. A IA generativa alterou outra parte, tornando a interação com informação, linguagem e conhecimento muito mais natural. Agora, sistemas capazes de manter contexto, investigar situações, utilizar diferentes ferramentas, coordenar atividades e executar determinadas ações começam a deslocar essa fronteira novamente.
Isso não significa transformar máquinas em funcionários. Muito menos significa retirar pessoas das decisões. Significa algo mais pragmático: precisamos ser muito mais deliberados sobre como distribuímos o trabalho entre pessoas e tecnologia.
Essa é uma questão de gestão tanto quanto de tecnologia.
Uma ideia antiga volta a ser extremamente atual
Existe uma linha de pensamento em gestão que antecede em várias décadas a atual discussão sobre IA: a Teoria dos Sistemas Sociotécnicos. Sua ideia central continua surpreendentemente contemporânea: organizações funcionam melhor quando suas dimensões social e tecnológica são concebidas em conjunto, em vez de serem otimizadas separadamente.
Pesquisas recentes começam a revisitar esses princípios diante de ambientes de trabalho ampliados por IA, abordando temas como colaboração entre humanos e máquinas, autonomia adaptativa, confiança, alinhamento organizacional e desenho da tecnologia em torno das capacidades humanas.
Essa perspectiva oferece uma correção importante para parte do entusiasmo atual. O objetivo não deveria ser construir a organização mais autônoma possível. Deveria ser construir a organização mais eficaz possível.
Em alguns contextos isso significará maior automação. Em outros, melhor suporte à decisão. Haverá situações em que o julgamento humano será indispensável. E, cada vez mais, haverá atividades em que pessoas e sistemas inteligentes trabalharão conjuntamente de formas que ainda estamos aprendendo a estruturar.
“Human in the loop” é um bom princípio. Não é um modelo operacional
A ideia de manter o ser humano no processo tornou-se parte importante da discussão sobre IA responsável. Mas há um problema prático: qual pessoa? Em qual momento? Com qual autoridade? Responsável por quê?
Um executivo aprovando um investimento estratégico está em uma situação completamente diferente de um profissional de operações avaliando uma exceção em um processo executado milhares de vezes por dia. Uma investigação de fraude exige um tipo de julgamento diferente de uma reposição de estoque. Uma ação operacional facilmente reversível pode admitir controles diferentes de uma decisão irreversível envolvendo clientes, segurança ou regulação.
Portanto, o papel da pessoa não pode simplesmente ser definido como “estar no processo”. Ele precisa ser desenhado. E o mesmo vale para o papel da tecnologia.
Organizações precisarão ser explícitas sobre autoridade, delegação, supervisão, escalonamento, intervenção e responsabilidade. Esses conceitos parecem pertencer à teoria organizacional tradicional porque, de fato, pertencem. A novidade é que começamos a aplicá-los a ambientes nos quais parte do trabalho pode ser realizada conjuntamente por pessoas e sistemas cada vez mais capazes.
A oportunidade real começa depois do insight
Existe ainda outra dimensão dessa transformação que recebe menos atenção. Nas últimas duas décadas, empresas investiram enormemente para se tornarem orientadas por dados. Construímos plataformas de dados, dashboards, capacidades analíticas e modelos cada vez mais sofisticados. Grande parte desse investimento procurava responder a uma pergunta fundamental: o que sabemos?
Agora surge uma pergunta mais difícil: o que fazemos com aquilo que sabemos?
Imagine uma operação capaz de perceber cedo uma mudança relevante. Compreender suas possíveis consequências. Identificar alternativas. Mobilizar as pessoas adequadas. Executar as ações autorizadas. E, posteriormente, observar se aquilo que foi decidido realmente produziu o resultado esperado.
O aspecto mais importante desse cenário não é nenhuma tecnologia isoladamente. É a continuidade entre evidência, compreensão, decisão e ação.
Hoje, essas etapas frequentemente vivem em sistemas diferentes e pertencem a equipes diferentes. A informação surge em um lugar, é interpretada em outro, discutida em reuniões, transformada em tarefas e, finalmente, executada por meio de outros sistemas e processos. Cada passagem acrescenta tempo, atrito e perda de contexto.
Talvez uma das oportunidades mais importantes da atual evolução tecnológica seja justamente reduzir essa distância. A distância entre saber e fazer.
Uma nova capacidade operacional
Isso nos leva a uma possibilidade que merece ser explorada. E se as organizações precisarem desenvolver uma capacidade operacional especificamente concebida para esse novo ambiente?
Não outro dashboard. Não uma sala cheia de telas. E certamente não um exército de agentes autônomos administrando a empresa.
Pense, em vez disso, em um ambiente operacional inteligente, no qual dados, conhecimento organizacional, pessoas e capacidades digitais possam se encontrar em torno de decisões e resultados reais do negócio. Um ambiente assim deveria ajudar a organização a perceber o que está acontecendo, identificar o que merece atenção, reunir o conhecimento necessário, compreender o contexto de uma decisão, determinar o que pode ser delegado e o que exige julgamento, coordenar ações e aprender com seus resultados.
Em determinadas situações, uma pessoa lideraria. Em outras, a tecnologia poderia cuidar do trabalho rotineiro enquanto uma pessoa supervisiona exceções. E, em situações cuidadosamente delimitadas, algumas ações poderiam acontecer autonomamente, com visibilidade, rastreabilidade e controles adequados.
O objetivo não é eliminar a participação humana. É fazer com que a participação humana esteja concentrada onde realmente produz valor.
As competências organizacionais essenciais
Quando olhamos para esse ambiente de forma integrada, algumas capacidades começam a aparecer como particularmente importantes:
- Perceber e contextualizar sinais relevantes em meio a grandes volumes de dados e eventos.
- Transformar sinais em compreensão suficiente para decidir, conectando evidências, contexto e conhecimento organizacional.
- Coordenar pessoas e capacidades digitais, escolhendo quem — ou o quê — deve participar de cada atividade.
- Estabelecer autoridade e limites de delegação, incluindo aprovações, exceções, supervisão e escalonamento.
- Conectar decisões à execução operacional, evitando que inteligência termine apenas em uma recomendação ou em mais um dashboard.
- Preservar e utilizar a memória organizacional — políticas, processos, decisões anteriores, conhecimento especializado, experiências e resultados.
- Aprender com aquilo que acontece depois da decisão.
Essas capacidades formam algo maior do que um conjunto de funcionalidades tecnológicas. Formam uma capacidade organizacional de conectar:
Sinais e Dados → Contexto e Conhecimento → Decisão → Ação Coordenada → Resultados → Aprendizado
Pessoas e capacidades inteligentes podem participar de diferentes pontos desse ciclo. Governança, autoridade e responsabilidade estabelecem seus limites. E o resultado de cada ciclo melhora o próximo.
Talvez “prontidão para IA” seja uma pergunta pequena demais
Isso nos leva novamente à constatação de que tantas lideranças consideram suas equipes despreparadas. Treinamento é claramente necessário: as pessoas precisam compreender capacidades e limitações dessas tecnologias, experimentar, ganhar confiança e desenvolver discernimento suficiente para questionar aquilo que um sistema lhes apresenta.
Mas existe um risco quando tratamos prontidão apenas como um problema das pessoas. Também deveríamos perguntar: nossa organização está preparada?
- Sabemos quais decisões podem ser delegadas?
- As pessoas sabem quando devem exercer julgamento e quando podem confiar uma atividade à tecnologia?
- Nosso conhecimento organizacional está disponível no momento da decisão?
- É possível compreender por que determinada recomendação foi produzida?
- Uma ação automatizada pode ser interrompida?
- É possível reconstruir o caminho que levou a uma decisão?
- Sabemos quem responde pelo resultado?
- E, talvez mais importante: a organização aprende quando uma pessoa ou um sistema toma uma decisão equivocada — ou uma decisão excepcionalmente boa?
Se essas respostas não estiverem claras, mais treinamento em IA, sozinho, dificilmente resolverá o problema.
A organização continua humana. O ambiente operacional está mudando
Existe uma ansiedade compreensível em torno de sistemas cada vez mais autônomos no trabalho. Talvez parte dela venha da maneira como formulamos a questão. O objetivo não precisa ser descobrir quanto trabalho conseguimos retirar das pessoas.
Uma pergunta muito mais produtiva seria: como podemos organizar o trabalho para que as pessoas contribuam com aquilo em que o julgamento humano é mais valioso, enquanto a tecnologia assume aquilo que pode realizar de forma confiável, repetível e em escala?
Esse é, fundamentalmente, um desafio sociotécnico. Ele certamente exige tecnologia. Mas exige também desenho organizacional, liderança, conhecimento, governança, confiança, novas competências e uma compreensão muito mais clara sobre responsabilidade.
Por isso, as organizações que mais se beneficiarão dessa transformação talvez não sejam aquelas que acumularem mais ferramentas de IA ou o maior número de agentes. Serão, possivelmente, aquelas que aprenderem primeiro a organizar pessoas, conhecimento e tecnologia inteligente em torno de melhores decisões e melhores resultados.
No fim, talvez essa seja a transformação mais relevante. Não simplesmente adotar IA. Mas reduzir continuamente a distância entre o que uma organização sabe, o que decide, o que faz e o que aprende.