A IA pode baratear a execução e encarecer a desorganização
Quando a IA amplia a capacidade de produzir, o trabalho de revisar, coordenar e sustentar a entrega muda de lugar. A adoção precisa fazer sentido para o cliente e para a empresa que continuará operando depois do próximo trimestre.
Renata Goldfarb trouxe ao painel AI First uma mudança que merece mais atenção: sair do uso individual de inteligência artificial e construir uma forma de trabalhar com ela dentro da empresa. Uma pessoa pode encontrar ajuda numa ferramenta. Uma organização precisa conseguir transformar essa capacidade em um trabalho que outras pessoas entendam, consigam continuar e saibam avaliar.
A conversa aconteceu no Forbes Under 30 Summit, em São Paulo, em 29 de outubro. No painel seguinte, The Long Game, Edgard Corona discutiu as consequências de escolher o resultado de um trimestre em prejuízo do futuro do negócio. Manutenção e qualidade entraram nessa conta.
Aproximar as duas discussões me interessa porque a adoção de IA também exige decidir o que vamos preservar enquanto mudamos. Ganhar capacidade de executar afeta os custos, a distribuição de responsabilidades e o que passa a limitar o crescimento. A vantagem precisa aparecer no trabalho que chega ao cliente e nas condições para continuar entregando.
A capacidade individual precisa encontrar o trabalho coletivo
Renata falou de capacitação, transparência e clareza sobre as informações utilizadas. O ponto alcança a empresa inteira, da liderança à execução. Aprender a utilizar uma ferramenta ajuda a começar. Construir um processo exige definir o que entra, quem confere a saída e como o trabalho segue para a próxima etapa.
Penso numa diferença bastante prática. Se alguém encontra um jeito melhor de realizar uma atividade, esse aprendizado pode ficar restrito àquela pessoa. Quando a equipe compreende a solução, consegue reproduzi-la, identificar suas limitações e melhorá-la. A empresa passa a acumular conhecimento sobre o próprio trabalho.
Essa mudança também afeta a liderança. Conhecer as possibilidades da IA ajuda o gestor a perceber onde uma atividade pode ser reorganizada e onde o conhecimento de uma pessoa continua indispensável. Delegar envolve dar contexto e definir os limites da decisão, além de distribuir tarefas.
Quando o resultado de uma atividade serve de entrada para outra, essa combinação precisa ser considerada no teste. Um resumo pode estar correto e ainda faltar a informação de que o próximo responsável precisa. A utilidade aparece quando o trabalho segue adiante com contexto suficiente. É esse encaixe que o gestor precisa ajudar a construir.
A conta precisa chegar até o problema resolvido
O custo variável da utilização de IA apareceu no debate. Nas aplicações cobradas pelo uso, aumentar a atividade pode elevar a despesa. O que me parece decisivo é relacionar essa conta ao que o processo consegue devolver. Gerar uma resposta e resolver uma solicitação são momentos diferentes do trabalho.
Imagine, como exemplo hipotético, uma equipe comercial que utiliza IA para preparar propostas. O sistema organiza informações e produz mais versões em menos tempo. Se cada documento chega incompleto ao responsável pela aprovação, o volume maior pode aumentar a fila de revisão. A capacidade de escrever cresceu, mas outra parte do processo passou a exigir mais atenção.
Nesse caso, eu acompanharia quanto custa fazer a proposta chegar correta, aprovada internamente e encaminhada ao cliente. Entrariam nessa conta o uso da IA, o tempo de revisão, as correções e a busca por informações que faltaram. Se a produção acelera e a aprovação continua parada, o investimento seguinte precisa enfrentar essa passagem do trabalho. Essa é uma hipótese para testar no processo completo.
Essa comparação pode revelar que o ganho ficou com quem prepara o documento, enquanto a revisão ficou mais trabalhosa para outra área. A decisão seguinte depende de saber onde o processo parou: informação incompleta, critérios de aprovação pouco claros ou uma responsabilidade que continua concentrada. O esforço precisa ser observado onde ele reaparece.
A avaliação crítica das respostas também foi ressaltada no AI First. Para mim, esse cuidado precisa entrar no desenho do trabalho: o que será conferido, por quem e em quais situações a execução deve parar para que alguém decida. Rever faz parte da atividade e precisa aparecer na conta desde o teste.
O produto físico coloca outro ritmo nessa discussão
Eduarda Franklin descreveu uma atuação que combina o desenvolvimento de modelos e hardware com o uso de IA em pesquisa e em atividades internas. Sua participação ampliou a conversa sobre os diferentes lugares que a tecnologia pode ocupar numa empresa.
Essa combinação muda o que precisa ser testado. Uma alteração no modelo deve funcionar junto do dispositivo e nas condições de uso. Atualizar o software, trocar uma peça e manter o equipamento em operação exigem tempos e decisões diferentes. É uma consequência que eu consideraria ao planejar a entrega e sua manutenção.
O cliente pode mudar o projeto do founder
A história de Gabriel Ferreira, fundador da Bold, ajuda a trazer essa discussão para uma necessidade concreta. Ele contou que a empresa começou com suplementos voltados ao CrossFit, inspirados também no que observava fora do Brasil. A adesão ficou aquém do esperado. Depois, a experiência com barras de proteína levou o negócio a outra direção.
Na trajetória que descreveu, o sabor ganhou espaço na proposta da marca. Ao falar do que o motivava, Gabriel citou consumidores que relatavam o valor do produto na correria do dia. O cliente aparece ali como alguém tentando encaixar uma solução na própria rotina.
A conexão que faço com IA está na formulação do problema. Uma ferramenta pode tornar mais acessível desenvolver e experimentar uma ideia. A resposta de quem usa pode exigir uma mudança maior, inclusive no que o founder imaginava estar construindo. A capacidade de executar precisa permanecer aberta a esse aprendizado.
Se a equipe mede apenas a quantidade de atividades realizadas, pode deixar de perceber essa mudança. Eu procuraria entender o que a pessoa tentou fazer, onde a solução ajudou e o que ela precisou completar por conta própria. Esse acompanhamento dá outra qualidade à decisão sobre o próximo investimento.
O trimestre pode consumir a capacidade de continuar
Edgard Corona, fundador da Smart Fit, defendeu um horizonte de decisão que considere os próximos anos. Sua fala sobre manutenção e qualidade mostrava como uma melhora imediata pode ter consequências sobre a experiência do cliente e o valor que a empresa pretende preservar.
É a conexão que faço com a fala de Edgard. No exemplo comercial, a equipe poderia reduzir o tempo de preparação e aumentar o número de propostas. Se esses indicadores escondem mais correções na aprovação, parte do trabalho pode ter sido transferida. Se a tentativa de sustentar o volume leva a eliminar a revisão ou deixar de atualizar as informações, uma melhora no indicador de hoje pode consumir a capacidade de entregar amanhã.
Eu avaliaria se o custo menor preserva a revisão, o aprendizado e a manutenção do processo. No teste das propostas, isso inclui observar quais erros voltam, quem precisa corrigi-los e se a origem está sendo tratada. Quando esses trabalhos desaparecem da avaliação, parte do esforço pode reaparecer na equipe seguinte ou no problema que o cliente terá de resolver.
Também há trabalho cujo resultado precisa de tempo para aparecer: preparar a equipe, organizar dados e testar uma integração. Eu definiria sinais intermediários de melhoria e um momento para rever a iniciativa. A decisão de continuar ou interromper o investimento precisa considerar a despesa atual e o que ainda falta resolver no processo.
AI first exige uma ambição para a empresa inteira
Gabriel disse que procurava construir uma boa empresa com a qual poderia permanecer por muito tempo. Gosto dessa perspectiva para pensar também em IA: desenvolver uma operação que faça sentido continuar melhorando. O produto, os processos e a equipe precisam conseguir acompanhar o que será prometido ao cliente.
O investimento seguinte precisa responder ao que a aplicação revelou. Se a proposta fica parada na aprovação, pode ser hora de redistribuir decisões e esclarecer seus limites. Se o cliente recebe algo que precisa corrigir, a prioridade pode estar na qualidade da informação de entrada. Escolher essa próxima intervenção e acompanhar seu efeito ao longo do tempo é o que faz da adoção de IA um trabalho de gestão.
Artigo a partir dos painéis AI First e The Long Game, do Forbes Under 30 Summit 2026.