Quando a eletricidade chegou às fábricas, por volta de 1882, os empresários trocaram a fonte de energia, mas não a planta da fábrica. As máquinas continuaram enfileiradas em linha reta, como se ainda dependessem do eixo da máquina a vapor que distribuía a energia mecânica pelas máquinas por meio de correias instaladas no teto. “Ninguém parou para pensar: por que a gente organiza a fábrica desse jeito? Por causa da correia”, diz Pedro Waengertner, cofundador e CEO da ACE Ventures. O resultado: “Demorou 40 anos para a eletricidade começar a dar ROI.”
Essa pequena aula de história foi o fio condutor e agente provocador da apresentação de Waengertner no “Beyond AI 2026: Building the Intelligence Ecosystem”, evento promovido pelo MATH Group na quinta-feira (12/11), no Museu do Futebol, em São Paulo. Um bom jeito de alertar quem está levando IA para dentro das empresas sobre o risco de plugar a nova tecnologia numa estrutura desenhada para outra época.
Um organograma de mais de cem anos
Waengertner começou sua palestra bem longe da tecnologia, resgatando a organização das legiões romanas, que chegaram a quase 400 mil homens e eram divididas em grupos de oito pessoas, com tarefas e graus de autonomia bem definidos. Napoleão mobilizou cerca de um milhão de pessoas e deu a seus corpos de exército liberdade para decidir como cumprir uma ordem, mantendo um comando central que dizia onde agir. O primeiro organograma de que se tem registro veio das ferrovias e seguia o trilho do trem: mais do que hierarquia, mostrava por onde a informação precisava passar.
Em todos esses casos, diz ele, a liderança fazia duas coisas: dava contexto e orquestrava. “Os líderes sempre criaram estruturas para dar contexto de maneira centralizada e orquestrar o que iam fazer”, argumentou. “O nosso organograma é basicamente o organograma da Revolução Industrial. A maneira como a gente gere as nossas empresas não é muito diferente da maneira como os romanos geriam as suas legiões.”
Quando executar deixa de ser o gargalo
Para Waengertner, cada era tem seu gargalo: primeiro os átomos, depois o custo de processar informação, depois a inteligência. Com a IA removendo este último, os átomos voltam ao centro, agora via robótica. Ele citou a Atoms, empresa que Travis Kalanick, fundador do Uber, lançou em março, absorvendo a CloudKitchens, e também a padaria perto da casa da sua sogra, em Pirituba, que já tem totem de autoatendimento e robô para levar os pedidos à mesa. “Quando a gente conecta inteligência com o mundo real, vamos ver uma revolução no mundo físico.”
No escritório, a conta é direta. “O que a gente faz na frente da tela do computador vai ser substituído por IA”, afirmou. Pesquisar, produzir, coordenar e monitorar vão para as máquinas; decidir, só em parte; relacionar-se com pessoas continua sendo tarefa humana. E o ritmo acelera. Ele mencionou os relatórios do METR, organização que mede a duração das tarefas que os modelos completam sozinhos. Pelas estimativas mais recentes, esse horizonte passou a dobrar a cada três meses e meio, contra sete meses na estimativa original. “Aquilo que a gente achava que ia ser em 2030 vai acontecer no próximo ano, para o bem e para o mal.”
A consequência é que o gargalo migra da execução para o julgamento. “Vamos pensar numa planilha e ela vai surgir diante dos nossos olhos. Então, como é que a gente vai decidir sobre as coisas?” O CEO da ACE relatou que programadores estão registrando taxas mais altas de burnout justamente por isso: com cinco, seis, dez instâncias de codificação abertas ao mesmo tempo, cada pedido de input exige uma decisão. “É uma coisa de alta demanda cognitiva. Eu saio de uma alta demanda para outra, para outra, para outra.”
O laboratório do software
Não por acaso, as empresas de software são as primeiras a explorar essa mudança. Para Waengertner, desenvolvimento de software é o caso de uso perfeito porque “o contexto está dentro do código”: basta o modelo ler a base para entender como o produto funciona.
O executivo cita o caso da italiana Bending Spoons, que compra empresas de software “vintage”, como Evernote, Vimeo, WeTransfer e AOL, entre outras, e as reestrutura a partir de Milão. Segundo Waengertner, antes de ser comprada, a Evernote faturava US$ 100 milhões com 300 funcionários e hoje fatura o dobro com cerca de dez pessoas. A Bending Spoons não divulga o quadro do Evernote, mas os dados públicos apontam na mesma direção: a empresa demitiu a maior parte da equipe original após a aquisição, em 2023, e afirma em seu prospecto de abertura de capital que a receita do aplicativo cresceu desde então — impulsionada também por aumentos de preço.
Mais interessante que os números é o fluxo de trabalho. O gerente de produto pede uma mudança de tela à IA interna, recebe duas versões, dispara um teste A/B e escolhe a vencedora. Um profissional de tecnologia só entra no fim do funil, para checar se nada vai quebrar antes de a mudança ir ao ar. “O gerente de produto tem que produzir o produto. Não é mais só pensar o produto e produzir PowerPoint.”
O reflexo aparece no mercado de trabalho americano, onde, segundo ele, as vagas de front-end praticamente desapareceram e as de gerente de produto crescem com outro perfil. “Não é um problema de emprego. Vai ter uma concentração muito grande nas melhores pessoas do mercado. Elas vão estar sobrecarregadas, porque não vão precisar das outras que não são tão boas.”
O que as outras empresas podem copiar
Para quem não vende software, Waengertner ofereceu algumas ferramentas. A primeira é uma matriz atribuída ao MIT, que cruza risco e ambiguidade das decisões. Baixo risco e baixa ambiguidade: automatize. Alta ambiguidade e baixo risco: use a IA para ampliar a capacidade das pessoas. Alto risco e baixa ambiguidade: gerencie o que a IA pode resolver sozinha. Alto risco e alta ambiguidade: envolvimento humano total. E um alerta: “A gente confunde muito automação com IA. Não precisa de IA para tudo. A gente bota porque acha legal.”
A segunda é tratar agentes como se trata um gerente recém-contratado. “O maior medo das empresas é que o agente faça coisas que não deve. É a mesma coisa que ter medo de que o gerente faça o que não deve.” A receita é a mesma: pouca autonomia no início, monitoramento, indicadores. “Não é uma solução mágica, em que eu jogo meus agentes e o resultado começa a brotar. Não vai acontecer.”
A terceira, e mais importante, é uma arquitetura em três camadas: contexto, autoridade (o que o agente pode ou não fazer) e execução. “Contexto é tudo”, disse ele, descrevendo uma espécie de cérebro corporativo com metas, histórico e decisões já tomadas. Aqui está a distância entre as empresas de software e as demais. Numa software house, o contexto mora no código. Num banco, numa indústria ou num varejista, está espalhado por ERPs, e-mails, planilhas e pela cabeça das pessoas. “A gente ainda não tem consenso sobre o melhor jeito de construir o contexto corporativo”, admitiu. Para quem quer reproduzir o ganho do Evernote fora do mundo do software, é por aí que o trabalho começa.
Os casos apresentados por outras empresas no evento mostram como esse trabalho começa fora do software. Na Ford, a IA veio após uma iniciativa de estruturação de dados feita em parceria com a MATH Group. Em um hackathon de 30 dias, equipes multidisciplinares trabalharam nove casos de uso, que deram origem a quatro produtos e cinco funcionalidades, e os chamados para correção de dados caíram 80% entre 2025 e 2026. “O aprendizado foi entender que não adiantava acelerar a Inteligência Artificial se os dados não estavam preparados”, disse Renato Lopes, de Data Analytics e gerente de TI da Ford.
Na OCQ, grupo latino-americano da indústria química, a IA foi aplicada à pesquisa e ao desenvolvimento de produtos. Em um dos testes, o tempo de uma análise completa de formulação caiu de três a quatro dias para cerca de 47 minutos — com validação posterior dos especialistas, exatamente o papel de julgamento que Waengertner descreve. Já o Santander apresentou uma reorganização que integra diferentes áreas em torno das necessidades do cliente, com o objetivo de tirar as equipes de atividades operacionais e concentrá-las em decisões, análises e geração de valor.
A armadilha da eficiência
O trecho mais provocativo foi dirigido às lideranças corporativas brasileiras. “O Brasil reza no altar da eficiência operacional. O executivo brasileiro ganha bônus quando reduz custos”, disse Waengertner. “O herói brasileiro não é aquele que gera valor novo, que cria um produto novo. É aquele que otimiza.”
Dá para usar IA para cortar custos, diz ele, mas a vantagem é efêmera porque é facilmente replicável. “Se eu posso cortar custo e corto, o meu concorrente também vai fazer isso. Seis meses depois, ninguém mais tem esse custo.” Ele recorreu ao jargão do mercado financeiro, em que gerar alfa é obter retorno acima da média. “IA não gera alfa. IA só otimiza aquilo que já existe.”
O paradoxo de Jevons reforça o ponto: quanto mais barato um recurso, mais ele é usado. Com a queda no preço dos tokens, a IA estará na geladeira, no carro, em todo processo — “simplesmente porque pode”. Usar IA, portanto, não diferencia ninguém. O que diferencia é a pergunta que as empresas que mais crescem no Vale do Silício fazem: como fazer duas, três, quatro vezes mais com os recursos que já tenho? “A IA gera valor para cima, não para baixo. Pensar em como gerar mais valor para o seu cliente é onde eu acho que está o alfa.”
De volta à prancheta
A receita final é desaprender o organograma. “A gente tem que desaprender como construiu o organograma, voltar para a prancheta e pensar o que a organização tem que produzir e como usar inteligência da melhor maneira para isso.” Se a capacidade dos modelos só melhora e o custo só cai, a questão deixa de ser qual processo automatizar. “O que a gente pode fazer hoje que não dava para fazer ontem? Essa é a pergunta que a gente deveria se fazer.”
O CEO da ACE não tem um desenho pronto para os organogramas do futuro. Mas a lição de 1882 é clara: quem apenas trocar o vapor pela eletricidade, mantendo as máquinas enfileiradas sob correias imaginárias, pode levar décadas para ver o retorno. As empresas de software já estão tirando as correias do teto. As outras verticais precisam urgentemente descobrir onde estão as suas para prosperar na era da IA.