Entre novembro e dezembro, comitês executivos costumam aprovar o plano estratégico e o orçamento do ano seguinte. Geralmente, o processo segue um roteiro conhecido: a equipe gera uma dúzia de ideias, corta para três ou quatro e gasta semanas debatendo as finalistas. Matrizes 2×2 e as cinco forças de Porter ajudam a organizar problemas complexos em estruturas que quem decide consegue manejar. Felipe Csaszar, professor de estratégia da Ross School of Business, da Universidade de Michigan, trata o limite da capacidade humana de processar informação como o gargalo central da estratégia. É a racionalidade limitada descrita por Herbert Simon, Nobel de Economia em 1978.
Para Csaszar, os grandes modelos de linguagem mudam essa equação porque estratégia é trabalho com palavras. Entram conversas com clientes e notícias; saem discursos, e-mails e planos de negócio. Na reportagem de capa da edição de setembro-outubro de 2026 da Harvard Business Review, ele descreve como a IA pode ampliar a capacidade de análise em três tarefas cognitivas de qualquer decisão estratégica: buscar opções, representar o ambiente e agregar o julgamento de várias pessoas. Trabalhos do BCG Henderson Institute e do Fórum Econômico Mundial (WEF) exploram também o uso da IA na construção de cenários e na antecipação de mudanças.
Mas o próprio Csaszar alerta para um possível efeito colateral. Em pesquisa ainda não publicada, ele descreve o que chama de imaginação correlacionada: empresas que fazem a mesma pergunta aos mesmos modelos, do mesmo jeito, podem receber as mesmas respostas e chegar a estratégias parecidas. Cada uma amplia o próprio leque. O conjunto pode convergir.
O que a IA amplia
Na busca de opções, a IA reduz o trabalho de gerar e triar alternativas, permitindo examinar um conjunto maior de possibilidades. Em caso relatado pela McKinsey, uma empresa de software usou uma plataforma de prospecção com IA, apoiada em uma base de mais de 40 milhões de companhias, para classificar mais de 500 alvos de aquisição em menos de um dia. A lista caiu para 15 candidatos, e três compras foram concluídas meses depois. A recomendação de Csaszar é dividir o trabalho: a IA amplia a lista longa; a liderança aplica o julgamento na lista curta.
Na representação do ambiente, a IA permite combinar mais variáveis e atualizar análises com maior frequência. Segundo a HBR, o MYbank, banco digital do Ant Group, substituiu as poucas variáveis da análise de crédito tradicional (receita, garantias, histórico) por mais de 3.000, que incluem transações, cadeia de fornecimento e imagens de satélite. O modelo mais detalhado tornou visível um segmento de clientes que a análise tradicional deixava de fora. A HBR cita ainda a Unilever, que cruza previsão do tempo com dados de cerca de 3 milhões de freezers conectados para antecipar a demanda de sorvete e relata ganho de 10% na precisão das previsões na Suécia.
Na agregação de julgamentos, Csaszar propõe o que chama de deliberação sintética. Reuniões de estratégia são moldadas por hierarquia e falta de tempo; a opinião do mais sênior pesa demais e o grupo converge cedo. Com agentes de IA em papéis distintos, um defende a proposta, outro a ataca e um terceiro simula a reação de concorrentes e reguladores. Outro tipo de colaboração foi testado em experimento de campo com 776 profissionais da Procter & Gamble, publicado pelo NBER em 2025: pessoas trabalhando sozinhas com IA alcançaram a qualidade média de duplas sem IA, e a ferramenta aproximou as propostas das áreas comercial e de P&D.
Na previsão estratégica, os seis especialistas em prospectiva que assinam o artigo do WEF de 15/07/2026, entre eles os responsáveis pela área na AXA e na Salesforce, tratam a IA como um instrumento de pesquisa poderoso e falível. Os usos que listam vão do monitoramento contínuo de sinais em grandes volumes de dados à identificação de fatores de mudança em várias línguas, passando por cenários adaptados a públicos diferentes e painéis de especialistas simulados por agentes. O resultado, segundo os autores, são futuros em primeira versão: rascunhos para alimentar a deliberação humana.
Esses ganhos ampliam a capacidade de análise de cada empresa. Por si, não demonstram que alguma delas formulou uma estratégia diferente das concorrentes. É nesse intervalo que se coloca o risco descrito por Csaszar.
Quando os modelos concordam demais
Um estudo de Csaszar ajuda a entender de onde vem essa preocupação. No trabalho de 2026, feito com Aticus Peterson (NYU) e Daniel Wilde (Universidade de Indiana), ele pediu a cerca de 20 modelos de IA, a centenas de gestores e a três investidores que ordenassem 30 projetos de tecnologia do Kickstarter pelo valor que arrecadariam, com as campanhas ainda abertas. O melhor modelo chegou a uma correlação de 0,74 com o resultado real; o melhor investidor, a 0,45. Quanto mais próximo de 1, maior a correspondência entre a previsão e o resultado. As variantes do GPT-5 concordaram entre si com correlações de 0,80 a 0,97, com exceção da versão Nano, enquanto os avaliadores humanos pouco concordaram uns com os outros.
A concordância entre variantes de uma mesma família não permite concluir que modelos de fornecedores diferentes produzam avaliações igualmente semelhantes. O estudo também se limita a 30 projetos de um único setor, sem demonstrar que o desempenho se estenda a outras decisões estratégicas. Se os concorrentes passam a acessar previsões de qualidade semelhante, acertar o cenário pode se tornar uma capacidade básica. A diferença dependerá também das decisões que cada empresa toma a partir dele.
Mais cenários, menos variedade
Na construção de cenários, profissionais da área relatam um risco semelhante. Os mesmos autores do WEF registram que a IA “tende a produzir resultados coerentes, mas parecidos”. Segundo eles, a ferramenta amplia o número de participantes e estreita a imaginação, devolvendo visões familiares com acabamento convincente. Apontam também outros riscos: narrativas coerentes que fazem o futuro parecer mais previsível do que é e uma formatação impecável que dá aparência de rigor a raciocínios fracos. Levantamento do WEF com a OCDE, publicado em 19/11/2025 com 167 especialistas de 55 países, registra uma limitação compatível com esse relato: a IA se apoia no conhecimento existente e raciocina mal sobre o que ainda não aconteceu.
As evidências apresentadas ainda não demonstram que o uso da IA esteja levando empresas a adotar estratégias semelhantes. Há também objeções: estratégias semelhantes podem coexistir com diferenças de execução, distribuição, preço e relacionamento com clientes. As fontes reunidas apontam um risco: a convergência pode reduzir a diferenciação e pressionar as vantagens competitivas. A própria reportagem da HBR registra que o acesso ao mesmo modelo não distingue uma empresa por muito tempo e situa a vantagem durável em dados próprios, integração aos processos da empresa e velocidade de adaptação.
Onde construir a diferença
Em pesquisa com 175 diretores de estratégia, publicada em 13/08/2026, o BCG Henderson Institute sugere perguntar como os concorrentes usarão as mesmas ferramentas e onde surge vantagem quando várias empresas seguem recomendações parecidas. Quase 6 em cada 10 respondentes dizem que considerar os efeitos da IA já é central na função; três quartos admitem precisar desenvolver capacidades para isso.
O WEF recomenda abrir antes de fechar: equipes, prompts e enquadramentos diferentes explorando o mesmo problema em paralelo. O BCG propõe auditar as três hipóteses das quais o modelo mais depende e dar 48 horas a uma equipe para contestar a recomendação. A HBR sugere que nenhuma proposta relevante chegue ao comitê executivo sem três itens: a lista ampliada de alternativas consideradas e descartadas, um modelo atualizado do ambiente competitivo e o resultado de uma crítica estruturada.
O papel do estrategista muda junto. No podcast Business & Society, da Michigan Ross, em 21/10/2026, Csaszar resumiu a nova função do gestor: “definir qual tarefa deseja que a IA execute”, verificar o resultado, comunicá-lo e assumir o risco da decisão. Na HBR, ele chama esse perfil de estrategista híbrido: quem sabe formular a questão, desenhar o fluxo de trabalho de IA para respondê-la e reconhecer onde a máquina deve ceder ao julgamento humano.
Jeffrey Sanchez-Burks, professor da mesma escola, relata no mesmo programa que alunos de negociação que pediram à IA uma estratégia genérica receberam respostas de prateleira, porque a máquina nada sabia sobre eles. O exemplo ajuda a entender por que formular a questão exige levar à ferramenta o contexto e o conhecimento que a empresa acumulou.
Antes de aprovar o plano de 2027, vale perguntar o que, naquela estratégia, depende de conhecimento que a empresa construiu. E quanto dela qualquer concorrente conseguiria obter com a mesma ferramenta.