Os ganhos de produtividade têm valor limitado se o trabalho continuar a passar pelos mesmos comités, aprovações, transferências e silos funcionais. A principal limitação passa a ser, cada vez mais, a latência organizacional: o tempo que uma organização demora a tomar decisões, alterar processos e converter novas capacidades em resultados empresariais.
O trabalho que antes exigia vários especialistas, departamentos ou semanas de esforço pode ser concluído muito mais depressa. Isto muda a forma como as equipas colaboram, como as decisões são tomadas e onde é necessária especialização.
Os benefícios concretizam-se plenamente quando as organizações revolucionam a sua estrutura e repensam os fluxos de trabalho, a governação, os incentivos, os fluxos de conhecimento e as estruturas de decisão, para que os ganhos de produtividade proporcionados pela IA se multipliquem em toda a empresa.
As organizações nativas de IA precisam de uma base estável e de uma periferia adaptável, aproveitando as competências humanas mais valiosas para avaliar e coordenar ações.
Há muito debate no LinkedIn, no Substack e noutros fóruns que se resume a «Não vejo o retorno do investimento em IA». À medida que a adoção efetiva acelera, vemos muito retorno das soluções de IA e da adoção de ferramentas prontas a utilizar, como ChatGPT, Codex e Claude. Ainda assim, é uma posição compreensível. Embora sejam possíveis ganhos individuais de produtividade consideráveis, estes acabam por ficar limitados se os fluxos de trabalho da organização não mudarem. A estrutura da organização tem de evoluir.
Infelizmente, não é possível preparar uma organização para qualquer cenário futuro, sobretudo dada a rapidez com que a IA evolui. Ninguém pode afirmar com confiança como deverá ser, daqui a três anos, um banco, uma seguradora, um retalhista, uma empresa de energia ou uma consultora otimizada para a IA. A tecnologia, a economia e os padrões de trabalho estão a mudar demasiado depressa, tornando a capacidade de adaptação numa das vantagens determinantes da próxima década.
Mas, se a inteligência especializada estiver disponível de imediato e os agentes de IA puderem trabalhar autonomamente durante horas, é necessário assumir que a forma de trabalhar mudará — e deverá mudar. Isso significa que o modelo operacional terá de mudar para tirar partido da tecnologia. As organizações dispostas a adaptar-se mais depressa a novos padrões de trabalho e às aplicações emergentes desta tecnologia serão as que mais poderão beneficiar.
A forma mais simples de compreender o impacto organizacional da IA é partir de um pressuposto básico. Partamos do princípio de que a inteligência especializada está disponível de imediato para qualquer pessoa da organização. Há dois anos, era difícil imaginar isto, mas agora já é praticamente uma realidade. E, embora ainda não seja perfeita, é razoável pressupor que estará perto disso num futuro muito próximo.
Acrescentemos um segundo pressuposto. Partamos do princípio de que agentes autónomos podem trabalhar em conjunto durante horas, dias e, por fim, semanas para realizar conjuntos de trabalho relevantes. Não uma tarefa ou algumas tarefas, mas uma sequência de trabalho verdadeiramente substancial que abrange várias disciplinas. Uma equipa multidisciplinar integrada numa equipa de agentes capazes de definir autonomamente o respetivo fluxo de trabalho.
Se estes dois pressupostos estiverem minimamente certos, a forma de trabalhar mudará — terá mesmo de mudar. O tempo de execução diminui, a colaboração interna evolui e o ritmo da mudança acelera.
Uma mudança a este ritmo favorece a descentralização, a autonomia e a inovação, enquanto a maioria das grandes organizações assenta na ideia oposta.
As grandes empresas centralizam o poder em departamentos organizados por função. Separam a estratégia, a tecnologia, os dados, o risco, as operações, as finanças, os recursos humanos e o negócio em estruturas distintas, cada uma com as suas prioridades, incentivos e, sobretudo, controlos.
A mudança é regida por comités de investimento e de direção, conselhos de arquitetura, avaliações de risco, etapas de conformidade, processos de contratação, ciclos anuais de planeamento e casos de negócio. Algumas equipas de gestão da mudança também servem de intermediárias da informação entre as partes interessadas, sem lhe acrescentarem valor.
Mais uma vez, nada disto é irracional e estes mecanismos existem por boas razões. Embora façam a gestão do risco, aloquem capital, evitem duplicações, protejam os clientes e criem responsabilização, também impõem um ritmo. Esse ritmo será provavelmente demasiado lento num mundo onde os concorrentes nativos de IA conseguem testar, aprender e reformular o trabalho muito mais depressa.
O sinal cultural também é importante. Em muitas organizações, os incentivos ainda recompensam quem se mantém dentro dos limites funcionais, por mais que um líder diga "têm autonomia para tomar decisões". Porquê? Proteger a equipa. Proteger o orçamento. Proteger o roteiro. Evitar falhas visíveis. Encaminhar decisões difíceis para um comité. Não nos afastarmos demasiado do processo aprovado.
Esta abordagem centralizada faz sentido quando experimentar é dispendioso e a mudança ocasional é evolutiva, não revolucionária. Mas torna-se um problema quando as capacidades melhoram substancialmente de poucos em poucos meses e as melhores oportunidades são descobertas pelas equipas mais próximas do trabalho.
Responder à IA com a centralização tradicional cria uma latência que impede um retorno do investimento significativo. Se todas as mudanças tiverem de passar por vários comités antes de chegarem ao trabalho real, a organização aprenderá demasiado devagar.
Para quem quer crescer e avançar mais depressa, limitar as oportunidades de aproveitar a IA torna a organização num local de trabalho menos atrativo.
A maioria das organizações começa pela fluência individual em IA. É o ponto de partida certo. As pessoas têm de saber dar instruções à IA, questioná-la, verificar o trabalho que produz, proteger informações sensíveis e perceber quando não a devem utilizar. Precisam de confiança, discernimento e experiência prática.
Mas a fluência individual tem um limite. Um analista pode produzir cinco vezes mais análises, mas o órgão de decisão continua a reunir-se mensalmente. Um programador pode gerar mais código, mas o processo de revisão e lançamento não mudou. Um profissional de marketing pode criar mais conteúdos, mas a aprovação da marca continua na mesma fila.
Mesmo ao nível da equipa, uma alteração do fluxo de trabalho não implica necessariamente maior rapidez se outras partes da organização continuarem a funcionar como sempre.
Assim, a pessoa trabalha mais depressa e talvez a equipa também, mas a velocidade dos resultados acaba limitada por outras partes do fluxo integral da organização. É por isso que o percurso da IA tem de passar da fluência individual para a fluência da equipa e, depois, para a fluência organizacional.
Quando a empresa consegue mudar as suas estruturas, incentivos, governação, fluxos de conhecimento e padrões tecnológicos, os ganhos locais alcançados por pessoas e equipas transformam-se em valor empresarial.
É um desafio difícil, mas é aí que está a oportunidade de gerar valor. As empresas nativas de IA criadas nos últimos anos, após o lançamento do ChatGPT, integraram desde logo a IA nos fluxos de trabalho, mantendo-se ágeis e com estruturas horizontais. Em contrapartida, as empresas maiores inseriram a IA nos processos existentes, criando uma manta de retalhos que não muda como o trabalho é realizado.
Ser nativo de IA não significa ser caótico, imprudente ou obcecado por ferramentas. Não significa que cada trabalhador utilize o modelo mais recente da forma que entender. E certamente não significa substituir a governação pelo entusiasmo, nem fingir que as pessoas deixaram de ser necessárias.
O antigo modelo de estrutura organizacional pressupõe que é possível definir um estado futuro, desenhar a estrutura, implementar a mudança e estabilizar. Isso é demasiado lento para a IA.
As organizações nativas de IA serão concebidas para uma mudança contínua. Uma organização nativa de IA é aquela que reformula continuamente o trabalho em torno das forças combinadas das pessoas, dos sistemas de IA, dos dados, dos fluxos de trabalho e da governação. Não apostarão tudo num único plano. Desenvolverão a capacidade de descobrir rapidamente que fluxos de trabalho devem mudar, que funções precisam de evoluir, que controlos são necessários, que competências ganham importância, que padrões podem ser reutilizados e que pressupostos já estão desatualizados.
Isto exige duas coisas em simultâneo: uma base estável e uma periferia adaptável. Em conjunto, proporcionam um equilíbrio entre a centralização e a autonomia das equipas mais próximas do trabalho.
A base estável dá confiança e escala à organização. Toda a empresa tem acesso a ferramentas aprovadas, padrões reutilizáveis, vias de acesso a dados, métodos de avaliação, controlos de segurança, princípios de governação, monitorização, infraestruturas de conhecimento e responsabilidades claras.
A periferia adaptável é onde o trabalho acontece e muda com frequência e sem obstáculos. Pequenas equipas multidisciplinares, próximas do problema, têm autoridade suficiente para reformular fluxos de trabalho, aplicar IA, testar novas formas de trabalhar e transmitir à organização aquilo que aprenderam.
Esse equilíbrio entre o núcleo e a periferia é importante. Com demasiado controlo central, a organização aprende demasiado devagar. Com demasiada liberdade local, a organização fragmenta-se. A organização nativa de IA precisa de disciplina no núcleo e adaptabilidade na periferia.
A conclusão simplista sobre a automatização do trabalho é que a IA reduz a necessidade de pessoas. Em algumas áreas, assim será, como no trabalho intelectual repetitivo e com pouco contexto, que será reduzido ou eliminado. O trabalho sobretudo transacional — que colmata falhas dos sistemas, transfere informação, faz análises iniciais, produz primeiros rascunhos e dá respostas de 'valor acrescentado' limitado — ficará sob pressão.
Mas o reverso da medalha é que o 'contributo' humano sobe de nível: se a inteligência especializada estiver disponível de imediato, as qualidades humanas escassas que a IA não pode nem deve substituir passam a ser o discernimento, a criatividade, a responsabilização, o contexto e a confiança.
As organizações devem concentrar-se cada vez mais em pessoas capazes de tomar decisões em situações ambíguas. Pessoas que conheçam o domínio com profundidade suficiente para orientar a IA e perceber quando está errada. Pessoas capazes de fazer melhores perguntas. Pessoas capazes de articular as realidades comerciais, técnicas, operacionais e humanas. Pessoas capazes de criar relações, inspirar confiança e coordenar várias partes interessadas. E, sobretudo, a capacidade de mudar rapidamente de contexto e interpretar informação com rapidez e rigor torna-se ainda mais essencial quando imaginamos que uma semana de trabalho fica condensada numa manhã de segunda-feira.
Assim, os generalistas tornam-se mais valiosos, não menos, se conseguirem manter o contexto entre funções e coordenar trabalho apoiado por IA. Os especialistas podem tornar-se mais valiosos, não menos, porque trabalhar mais depressa cria mais momentos em que a qualidade e o discernimento são importantes. E os líderes terão de agir menos como controladores da atividade e mais como criadores de sistemas, contexto e ritmo.
As competências em que importa investir não são apenas «competências de IA». São as características humanas que ganham importância quando a IA assume mais tarefas básicas: curiosidade, discernimento, resiliência, clareza, criatividade, determinação, colaboração e à-vontade perante a ambiguidade. A organização deve começar já a contratar, desenvolver e recompensar essas características.
Condensar tanto trabalho é intenso, e as organizações nativas de IA não podem funcionar a um ritmo vertiginoso 100% do tempo. Terão de criar margem e tempo livre para as pessoas recuperarem e voltarem a estabelecer ligações. Para avaliar e decidir com eficácia, as organizações devem promover ambientes onde descobertas fortuitas possam dar origem a ideias inovadoras.
Hoje, muitas empresas demoram a utilizar a IA para fazer aquilo que já é possível. Isto cria um fosso cada vez maior entre a evolução das capacidades dos agentes e a evolução da sua utilização.
É normal. As grandes organizações absorvem lentamente a tecnologia devido a sistemas antigos, restrições regulamentares, resistência cultural, dados fragmentados, responsabilidades pouco claras e riscos reais que têm de ser geridos.
Mas, a certa altura, haverá líderes, equipas e concorrentes suficientes que perceberão como aplicar a IA a fluxos de trabalho reais de forma segura e repetível. Os padrões amadurecerão, a governação ficará mais integrada, os agentes tornar-se-ão mais fiáveis e a confiança das organizações aumentará. O fosso entre aquilo que a IA torna possível e o que as empresas realmente utilizam começará a diminuir.
Quando esse ponto de viragem chegar, a vantagem não será das empresas com os melhores modelos ou os maiores orçamentos de IA, mas das organizações capazes de mudar rapidamente a forma como o trabalho é realizado.
As empresas que centralizam todas as decisões, protegem todas as funções, gerem através de comités lentos e recompensam quem 'não agita as águas' terão dificuldade em acompanhar o ritmo.
As empresas que criarem uma base sólida e uma periferia adaptável aprenderão mais depressa. Descobrirão mais cedo melhores fluxos de trabalho, reafetarão uma combinação equilibrada de talento humano — generalistas, especialistas e líderes — a trabalho de maior valor e transformarão experiências locais em padrões reutilizáveis.
Por agora, a pergunta poderá ser "Como adotamos a IA com sucesso?", mas em breve terá de passar a ser "Com que rapidez consegue a nossa organização adaptar-se à medida que a IA transforma o trabalho?"
Uma organização lenta com IA poderosa continuará a ser lenta; uma organização adaptável com IA poderosa multiplicará os seus ganhos.