Imagine um executivo apontando para uma tela coberta de rabiscos. Pede ao time que “escale aquilo”. Ninguém sabe o que está na tela, inclusive ele. A cena é cômica até a hora em que se percebe que descreve, com algum exagero, a forma como muitas empresas estão tentando adotar iA.
O debate público sobre adoção empresarial de iA tem um problema de enquadramento. Pergunta-se quando os modelos serão bons o suficiente, quanto custa o token, qual stack escolher, se a infraestrutura comporta. Tudo isso importa em alguma medida. Nada disso explica por que tantas iniciativas de iA, conduzidas por times competentes em empresas com orçamento, terminam em pilotos órfãos, dashboards ignorados e relatórios que ninguém lê duas vezes.
A explicação mais incômoda é a mais simples. iA é execução. Empresa que não sabe o que quer executar transforma iA em ruído mais rápido. E a maioria das empresas, quando interrogada com seriedade, descobre que não sabe responder com consistência o que faz, para quem, com que custo, contra qual gargalo, sob qual métrica. Pergunte isso em janeiro e em julho do mesmo ano e receba duas histórias diferentes, contadas por dois departamentos que se ignoram.
Essa opacidade não é nova. Era tolerável por uma razão estrutural: a concorrência sofria do mesmo mal. Empresas medianas competiam contra empresas medianas, e a vitória pertencia a quem errasse menos vezes seguidas. O sistema funcionava como um campeonato de cegos jogando dardos, no qual o vencedor era aquele que acertava o muro. Agora alguém entrou na sala com óculos.
Os casos de sucesso com iA que circulam em painéis e conferências têm um traço em comum que raramente aparece no slide: as empresas que ganham com iA são as que já sabiam o que faziam antes da iA. O ganho não vem do modelo, vem da clareza prévia. Quando se sabe qual decisão repetitiva consome tempo de pessoas caras, qual processo trava o pipeline, qual métrica realmente move receita, a iA encontra alavanca. Onde nada disso está mapeado, ela amplifica improviso. E improviso amplificado vira teatro caro, com gráficos bonitos.
A pergunta que conselhos e times executivos vêm fazendo é qual a próxima onda de iA, qual modelo adotar, qual fornecedor contratar. A pergunta correta é anterior. Antes de perguntar o que iA pode fazer pela empresa, é preciso perguntar se a empresa está em condição de receber iA. Empresa em condição de receber iA é aquela que consegue descrever a si mesma com a mesma precisão com que descreve o concorrente em uma reunião de diretoria. Sabe seus processos, seus custos por unidade de trabalho, seus ciclos, seus pontos de fricção. Tem essa descrição escrita, atualizada, e os times concordam com ela.
A consequência prática dessa assimetria é que o tamanho deixou de proteger. Empresas pequenas com clareza de propósito agora operam com tração que historicamente exigia centenas de funcionários. A vantagem de escala, construída ao longo de décadas, encontra erosão acelerada quando concorrentes enxutos respondem mais rápido, com custo menor, atendendo melhor o mesmo cliente. A pressão competitiva sobre incumbentes opacos passa de incômodo gerencial a risco existencial em alguns setores. O vetor é claro mesmo quando o prazo varia.
Há aqui uma inversão de prioridade que vale registrar. Por anos, consultorias venderam transformação digital como projeto tecnológico com componente de gestão. Com iA, a equação se inverte. O componente tecnológico ficou comoditizado, acessível, barato. O componente gerencial, que era tratado como custo de overhead, virou condição de entrada. Sem autoconhecimento organizacional, qualquer investimento em iA é desperdício elegante.
Isso muda o que significa estar atrasado. O atraso que importa não é o de não ter chatbot, copiloto ou agente. É o atraso de não saber descrever a própria operação com clareza suficiente para que alguém, ou algo, possa otimizá-la. Empresas que vivem nessa neblina precisam, antes de qualquer iniciativa de iA, fazer um trabalho que parece banal e é o oposto disso: cartografar o que fazem, por que fazem, quanto custa, e o que aconteceria se parassem de fazer cada parte. Esse trabalho, feito com honestidade, costuma ser o ponto em que o projeto de iA descobre que estava endereçando o problema errado.
A iA chegou. O que ainda não chegou, na maioria dos lugares, é a empresa.
ousadia criativa. precisão estratégica. – por kim.