Os melhores CEOs não conseguem explicar completamente como tomam decisões. Articular esse raciocínio é como tentar descrever como se anda de bicicleta. O custo dessa opacidade fica evidente quando um grande CEO deixa a empresa. Segundo a McKinsey, a maioria dos sucessores passa meses reconstruindo um padrão de julgamento que antes era dado como certo, e as equipes continuam tentando se calibrar por critérios que conseguiam sentir, mas nunca definir. Mas que pela primeira vez, poderia ser alcançado graças à IA.
No último ano, a McKinsey diz ter explorado essa ideia com CEOs de diferentes setores. Claro, com uma ressalva: quem mais aproveita a IA nesse contexto não busca substituir o julgamento humano, mas ampliá-lo, no topo e no restante da organização. No artigo “Turning executive judgment into organizational intelligence: Leveraging AI in CEO leadership”, os sócios seniores Kurt Strovink e Sangeeth Ram partem de um ponto que atormenta toda liderança: tempo. Eles citam o estudo de 12 anos de Michael Porter e Nitin Nohria, da Harvard Business School, segundo o qual o CEO médio trabalha 62,5 horas por semana, mas menos da metade desse tempo é dedicada a avançar prioridades estratégicas. Além disso, há um problema de alcance: o julgamento do CEO chega ao restante da empresa de forma indireta, por meio de quem esteve na reunião (ou quem esteve com quem esteve na reunião) ou aprendeu, por tentativa e erro, o que costuma ser aprovado.
Esse alcance importa ainda mais agora: com a IA tornando a informação mais acessível, os funcionários que antes buscam respostas junto às lideranças, hoje estão em busca de julgamento e senso crítico: contexto em vez de conteúdo, direção em vez de dados. Se o julgamento se torna o recurso escasso, distribuir esse bem valioso é que passa a ser estratégico.
As cinco partes de uma “IA Executiva”
A maioria das lideranças, segundo a McKinsey, ainda está nos estágios iniciais de usar a IA para ganhar produtividade pessoal, com síntese, preparação e reconhecimento de padrões. A oportunidade mais relevante, porém, não é a aceleração, mas a amplificação: tornar o melhor pensamento do líder disponível para toda a organização. Para isso, a consultoria propõe uma “IA Executiva”, uma camada contínua com contexto, memória e registro persistente, construída sobre grafos de conhecimento pessoais e organizacionais. Ela tem cinco partes.
1.Direcionar a atenção. Um grafo de conhecimento vivo reúne as decisões, pessoas, compromissos e sinais que compõem a função, atualizado com documentos, notas de voz, e-mails e atas do próprio líder. O sistema faz a triagem do que merece atenção. O ganho, dizem os autores, não é só tempo, mas atenção mais bem distribuída entre pessoas, talentos, organização, estratégia e stakeholders.
2.Codificar o conhecimento implícito. É o núcleo da proposta: traduzir modelos mentais, padrões de inferência e padrões de excelência das lideranças para uma forma que outros consigam aplicar quando o líder não está na sala, incluindo como avaliam opções, testam decisões e calibram o nível de evidência exigido. Sobre essa base, o sistema registra uma “trilha de pensamento” datada, ligada às decisões, que captura o que normalmente se perde, como uma reformulação que muda a maneira de colocar um problema. Para a McKinsey, codificar já é uma intervenção: dar nome ao que significa “bom” abre conversas sobre padrões que muitas empresas seguem há anos sem explicitar.
3.Ampliar as decisões em tempo real. Para cada decisão, o sistema monta uma espécie de dossiê virtual. Quando a recomendação chega ao líder, as opções e os trade-offs já estão articulados e as primeiras perguntas que ele faria já foram respondidas, o que libera o debate para as questões com menos precedentes.
4.Treino de confronto. O líder pode testar decisões com base nos padrões de pensamento documentados de outros executivos da empresa, por exemplo, vendo como o maior especialista interno em um tema dissecaria aquela escolha. Pode também ensaiar a explicação de suas decisões com personas sintéticas do conselho ou de investidores. A ressalva da McKinsey é que isso só tem valor se alimentar o debate com o time, por exemplo, com estruturas de “red team” e “blue team”.
5.Fechar o ciclo de aprendizagem. Após cada decisão ou reunião importante, o sistema gera um balanço curto sobre o que importou, o que faltou e o que deveria mudar. Com o tempo, forma um retrato comportamental do líder mais honesto e direto do que seus subordinados conseguiriam oferecer, apontando, por exemplo, se decisões sobre pessoas estão sendo delegadas sob pressão.
Aqui entra um detalhe metodológico importante: perguntar aos líderes como pensam revela menos do que observá-los em seu dia a dia. Por isso, a McKinsey recorre a acompanhamento presencial e entrevistas de reação para capturar o que o líder investiga primeiro, quem consulta antes de decidir e como dá um feedback difícil.
O que o CEO não pode delegar
A grande maioria (89%) das organizações relatam uso regular de IA em ao menos uma função, mas a parcela das que atribuem ao menos 5% do Ebit à tecnologia segue estável em cerca de 6%. Essa distância pode esconder uma lacuna de liderança. Pesquisas anteriores da McKinsey apontam o engajamento e o exemplo da alta liderança como o principal preditor de sucesso na implementação de IA. Ainda assim, 70% dos funcionários se dizem prontos para usar IA, mas apenas 27% das lideranças afirmam que suas organizações estão prontas para as mudanças necessárias.
O artigo “The CEO’s singular impact on the success—or failure—of AI in organizations” considera que a tecnologia pode dar aos líderes a capacidade de intervir em tudo, mas os melhores CEOs usam essa transparência para delegar mais e criar condições de confiança. Eles constroem uma arquitetura de confiança ao lado da arquitetura tecnológica.
Um estudo do BCG (Boston Consulting Group) vai na mesma linha. Em “AI for CEOs: Amplifying Time and Judgment at the Top”, os autores apontam que 72% dos CEOs já são diretamente responsáveis pelas decisões sobre IA em suas empresas, mas apenas 15% geram valor relevante com ela. Esses pioneiros dedicam pelo menos oito horas por semana a desenvolver a própria capacidade em IA, embora o BCG faça a ressalva de que o importante mesmo é como usam e para que usam a IA. A fronteira, diz a consultoria, está migrando para sistemas agênticos personalizados para a alta liderança, ainda muitas vezes improvisados. O objetivo é fazer o CEO entrar na sala pronto para decidir, e não para ser informado.
Os contrapontos: quando a amplificação vira eco
O próprio artigo da McKinsey lista ao menos quatro armadilhas.
- A primeira é o reabastecimento: as horas liberadas podem ser ocupadas por trabalho igualmente marginal se o modelo operacional não mudar.
- A segunda é a convergência: se o CEO e o time se calibram pelo mesmo sistema, ideias anômalas, justamente as que mudam resultados, podem ser filtradas antes que alguém as veja. O remédio é instrumentar o sistema para a divergência, registrando o que foi rejeitado e por quê e exigindo uma opinião externa nas grandes decisões.
- A terceira é a herança: um sistema ajustado a um líder pode entregar dogmas ao sucessor, por isso deve guardar as condições e o raciocínio por trás de cada padrão, não só as conclusões.
- A quarta é a governança: o que é capturado ou excluído, por quanto tempo, quem pode ler cada camada e como tudo isso é tratado em processos judiciais.
O BCG reforça o risco de convergência: as respostas uniformes da IA Generativa podem reduzir em 41% a diversidade de pensamento de um grupo. A literatura acadêmica vai na mesma direção. Um estudo de Anil Doshi e Oliver Hauser publicado na Science Advances em 2024 mostrou que ideias geradas por IA tornaram contos mais criativos individualmente, mas mais parecidos entre si. Se o objetivo é distribuir o julgamento do CEO, o risco é distribuir também seus pontos cegos, com escala e aparência de rigor.
Existe ainda a tentação de confundir familiaridade com especialização e velocidade com julgamento, já que, nas palavras do BCG, “a IA sempre tem uma resposta”. E alerta para a sobrecarga cognitiva: em um estudo com 1.488 trabalhadores norte-americanos, 14% dos usuários de IA relataram “fritura cerebral por IA”, fadiga mental causada pelo uso ou pela supervisão excessiva da tecnologia, com índices de cerca de 6% em profissões jurídicas a aproximadamente 26% em marketing. O que nos faz lembrar que a IA pode informar uma decisão, mas não pode ser responsabilizada por ela. A decisão final é sempre humana.
Há também o risco de confundir “codificar o julgamento” com “clonar o líder”. Em abril de 2026, o Financial Times revelou que a Meta desenvolvia uma versão em IA de Mark Zuckerberg para que funcionários pudessem consultá-la quando não conseguissem falar com o CEO de verdade. Iniciativas assim despertam ceticismo. À Axios, a pesquisadora Julie Carpenter avaliou que clones de executivos podem sinalizar que os líderes de topo não prestam contas. Um estudo de pesquisadores da Carnegie Mellon baseado em oficinas com gestores e funcionários, identificou quatro papéis possíveis para “clones de gestores”, entre eles o de amplificador de liderança, mas também riscos individuais, interpessoais e organizacionais. Os participantes defenderam limites claros sobre o que esses agentes podem fazer.
É importante ressaltar que a proposta da McKinsey é bem diferente de criar um avatar do CEO para dar conselhos a gerentes ou tirar dúvidas de quem acabou de entrar na empresa. Essa IA Executiva não pretende falar em nome do CEO, e sim tornar explícitos seus critérios para que outros decidam melhor. Um sistema que explica o padrão fortalece a autonomia de quem decide. Uma IA que imita o chefe pode enfraquecer seu papel e seu conhecimento.
Larry English, CEO da Centric Consulting, escreveu neste artigo na Forbes que treinar modelos com o conhecimento da organização, como documentos de estratégia, retrospectivas e discussões da liderança, permite que as conversas estratégicas comecem mais adiante. Citando Kent Johnson, CEO da Highlights Education, “as ferramentas nos levam mais longe na conversa, mais rápido”. Johnson, porém, aponta o outro lado, que dialoga com o risco de herança: “A maior ameaça para nós são as coisas que eu sei que sei, e precisar desaprendê-las tão rápido quanto aprendo coisas novas”. Um sistema que codifica o julgamento do líder precisa registrar também quando esse julgamento muda.
A governança tem ainda implicações jurídicas concretas. Há algum tempo, os advogados corporativos vêm alertando para os riscos de assistentes de IA que transcrevem reuniões. Em fevereiro de 2026, um juiz federal de Nova York decidiu que conversas de um réu com um aplicativo de IA, nas quais buscava orientação jurídica, não estavam protegidas pelo sigilo entre advogado e cliente. Um sistema que registra em detalhe o raciocínio do CEO é exatamente o tipo de acervo que pode ser requisitado em um litígio. Isso reforça o alerta da própria McKinsey: decidir o que não será capturado é tão importante quanto decidir o que será.
Como começar
A recomendação da McKinsey é provar antes de escalar. Os primeiros ciclos criam uma linha de base a partir de decisões reais e de três a seis meses de materiais. Depois, definem-se os limites de escalonamento, ou seja, o nível a partir do qual uma decisão chega ao líder, e o sistema é calibrado ao ritmo real do gabinete. Segundo a consultoria, o apoio à decisão começa a devolver tempo útil no primeiro mês, e o modelo operacional fica pronto para ser recalibrado após dois a três meses.
O uso também deve acompanhar as fases do mandato. Quem assume o cargo pode testar sua narrativa e identificar as prioridades não declaradas do conselho; no meio do mandato, a prioridade é injetar perspectivas externas em um sistema que tende ao viés de confirmação; perto da saída, o foco passa a ser transferir as nuances do próprio raciocínio antes da transição.
As perguntas propostas pelo BCG servem de teste para qualquer iniciativa desse tipo:
- A IA está me ajudando a decidir melhor ou só mais rápido?
- Sei o suficiente para perceber quando ela erra?
- Quem está contestando as respostas dela?
- Como sei se ela está me tornando melhor no meu trabalho?
Um CEO pode determinar a adoção da IA com ferramentas, treinamentos e metas. O que não pode determinar é o desenvolvimento que acontece quando as pessoas veem, repetidamente e de perto, um julgamento excelente em ação.