Boards de grandes empresas vêm aprovando uma meta parecida: elevar em mais de 30% a produtividade das operações industriais em dois a três anos. É uma projeção ambiciosa, e alcançá-la depende de duas frentes que a maioria das companhias ainda não construiu. Uma é a arquitetura necessária para que agentes de IA operem. A outra é a capacidade humana de avaliar o resultado polido que a IA entrega. Nenhuma das duas tem dono claro no organograma. É essa a decisão que o C-level vem adiando.
O Boston Consulting Group descreve o que COO e CIO precisam fazer para liderar uma empresa AI-first. A MIT Sloan Management Review examina o custo humano dessa transição e por que ela pode não ter fim. Separadamente, os artigos parecem recomendações. Lidos em conjunto, revelam o mesmo descompasso: a ambição avançou mais rápido do que a capacidade da empresa de entregá-la.
A promessa e sua letra miúda
Além do ganho de mais de 30% em dois a três anos, o BCG projeta produtividade mais que triplicando em cinco anos e custos caindo mais de 60%. São estimativas de cenário, não resultados auditados. Ainda assim, mostram o tamanho da promessa que está entrando nos planos das empresas. Para chegar lá, o estudo recomenda que o COO redesenhe processos a partir do zero, substitua operações reativas por preditivas e assuma o controle do próprio stack tecnológico, em vez de depender dos fornecedores.
A projeção mostra até onde o ganho pode chegar. Os três artigos seguintes ajudam a explicar o que separa a empresa média desse teto.
Gargalo 1: a arquitetura que trava o agente
O BCG Platinion identifica o primeiro obstáculo na infraestrutura. Grande parte dos redesenhos de IA emperra por uma razão simples: os sistemas que operam a empresa foram construídos para pessoas clicarem em botões, não para agentes tomarem ações.
Quando um agente precisa ler dados, agir e concluir uma transação diretamente entre sistemas, encontra três barreiras. A informação está espalhada por plataformas que não compartilham uma única versão do cliente, do produto ou do fornecedor. Os sistemas não foram preparados para serem operados por máquinas. E os modelos de segurança ainda não tratam o agente como um ator, com cadeia de autorização e trilha de auditoria quando é ele, por exemplo, quem lança um registro contábil.
Essas são três das quatro perguntas que o Platinion coloca na mesa do CIO. A quarta é sobre fornecedores.
SAP, Oracle, Salesforce e Microsoft já não são escolhas intercambiáveis. Cada uma está fazendo sua própria aposta sobre como será a era dos agentes. Escolher entre um ecossistema mais controlado, que privilegia conformidade e previsibilidade, e uma plataforma mais aberta, que favorece velocidade e flexibilidade, tornou-se decisão de conselho. O Platinion estima uma janela de 18 meses para fazê-la.
Nenhum dos caminhos precisa ser definitivo. Escolher uma direção agora não significa permanecer para sempre com o mesmo fornecedor. Por isso, o estudo recomenda negociar portabilidade dos dados e condições de saída antes de assinar. O ponto central é outro: a escolha precisa ser consciente. Quando a decisão fica um nível abaixo do CEO, a empresa pode fazer uma escolha estratégica sem perceber que estava escolhendo.
É aí que aparece uma tensão entre os próprios estudos do BCG. O texto sobre o COO diz que operações deve assumir o stack. O texto sobre o CIO diz que tecnologia deve levar a decisão de arquitetura ao C-suite. São dois mandatos avançando sobre o mesmo território, sem uma fronteira clara. O Platinion ainda coloca o CIO ao lado de CFO e COO na responsabilidade pelo crescimento, e não apenas pela entrega de TI. Operações passa a depender de tecnologia para redesenhar processos, tecnologia entra no desenho operacional e no crescimento, e RH cuida de uma competência que depende das ferramentas que TI fornece e das tarefas que Operações redesenha. A responsabilidade deixa de caber inteira em qualquer das caixas atuais do organograma.
As finanças são um dos primeiros lugares onde essas escolhas começam a aparecer. Em uma operação redesenhada, o chefe de planejamento financeiro inicia o dia examinando o que os agentes fizeram durante a noite, as variações que encontraram e os cenários que recalcularam, em vez de começar abrindo o sistema de planejamento.
O fechamento mensal pode cair de dez para dois dias, enquanto uma equipe menor faz o trabalho que antes exigia três vezes mais pessoas. Os números vêm de casos relatados pelas próprias empresas, e não de auditorias independentes. Mas há um padrão relevante: nenhum fornecedor entrega toda essa integração pronta. A integração continua sendo responsabilidade da empresa, e acaba na mesa do CIO.
Gargalo 2: a competência que desaparece sob o resultado polido
O segundo obstáculo não está nos sistemas. Está nas pessoas, e é bem mais difícil de enxergar.
Um estudo conduzido por Anthrome Insight e Axialent, relatado por Melissa Swift, Teryluz Andreu e Dolores Hernández na MIT Sloan Management Review, descreve o que chama de uma miragem de capacidade. A organização parece mais competente porque produz mais e entrega melhor. Por baixo desse resultado refinado pela IA, porém, a habilidade real das equipes pode estar se deteriorando.
A pesquisa sugere que a IA rompe uma relação que a gestão costumava dar como certa: mais produtividade significava mais capacidade. Como resume Gábor Szórád, presidente da AI Business Impact, a ferramenta “amplifica tudo o que você produz”, o bom e o ruim.
A produtividade pode subir enquanto a competência cai.
Isso muda a leitura da própria promessa do BCG: uma empresa pode entregar 30% mais e, ainda assim, terminar sabendo menos. Também complica a disciplina operacional defendida no estudo sobre o COO. Se a qualidade da entrega deixa de mostrar quem realmente domina o trabalho, gestão de desempenho e responsabilização perdem parte de sua régua.
A MIT SMR propõe, por isso, mudar a pergunta. Em vez de avaliar apenas se o trabalho ficou bom, a empresa precisa saber se a pessoa entende o que produziu e se está ficando melhor ao fazê-lo. Cedric Wells, chefe de inovação em TI da Gorilla Glue, resume a exigência: “Estabeleça normas claras de responsabilidade e verificação”.
O problema é especialmente delicado no início da carreira. Isabella Loaiza, pesquisadora da MIT Sloan, argumenta que a ordem importa: primeiro aprender, depois usar a ferramenta. Quem acumulou vinte anos de experiência pode usar a IA para ampliar o próprio alcance. Quem chega ao primeiro emprego recorrendo a ela desde o primeiro dia corre o risco de não desenvolver o julgamento que mais tarde precisará usar para avaliar a própria IA. A IA que aumenta a produtividade hoje pode comprometer a formação dos profissionais experientes de amanhã.
Há também um efeito sobre a confiança que muitas empresas ainda não conseguem medir. Profissionais escondem o uso de IA para atribuir o ganho de produtividade ao próprio esforço. A liderança passa a esperar uma eficiência que nem sempre se repete. Aos poucos, a adoção acumula desconfiança.
Sem saber qual combinação de trabalho humano e IA produziu cada entrega, gestores e colegas também perdem uma informação básica: quem realmente sabe fazer o quê. Quando a IA melhora a entrega, mas esconde a competência por trás dela, a empresa perde uma das informações de que mais precisa para decidir quem promover, desenvolver ou responsabilizar.
Até o nome da transformação provoca atrito. Toda a série do BCG se organiza em torno da ideia de uma empresa AI-first. Stephanie Antonian, presidente da Aestora, vê um problema nesse enquadramento: colocar a IA como primeiro princípio pode sinalizar aos funcionários que as pessoas deixaram de vir primeiro, uma mensagem particularmente difícil de administrar em um momento de insegurança sobre empregos. Duas instituições, no mesmo mês, chegam a discordar até sobre o nome da agenda.
A disrupção que não assenta
Também na MIT SMR, Rory McDonald, professor da Darden School da Universidade da Virgínia e coautor de trabalhos sobre disrupção com Clayton Christensen, e Will Drover, da Neeley School da Texas Christian University acrescentam uma dificuldade: talvez essa transformação não possa ser tratada como um esforço intenso seguido por um novo período de estabilidade. E chamam o fenômeno de “disrupção em estado estacionário”. Como cada geração de IA ajuda a treinar a seguinte, o intervalo entre as ondas diminui. A próxima mudança chega antes que a empresa termine de absorver a anterior.
Aqui surge outra divergência. O estudo do BCG sobre o COO fala em liderar através de duas ondas, a agêntica e a física, como transformações que eventualmente se acomodariam. McDonald e Drover argumentam que não haverá esse ponto de chegada.
Isso muda também a forma de organizar a empresa. Estruturas desenhadas para administrar uma transformação temporária começam a falhar quando a transformação vira o estado normal da empresa. O choque que antes seria absorvido pela organização passa a chegar diretamente ao trabalhador. A pesquisa Global Human Capital Trends, da Deloitte, registra parte desse efeito: burnout e sobrecarga aumentam à medida que a colaboração com IA se aprofunda.
Daí nasce uma segunda divergência sobre desenho organizacional. O estudo do COO recomenda incorporar a IA ao trabalho cotidiano, em vez de isolá-la em um time central. McDonald e Drover defendem justamente uma unidade permanente de IA como primeiro passo.
Eles citam a Microsoft, cujo AI Center of Excellence, sob Qingsu Wu, tornou-se um ponto único de coordenação para decisões de arquitetura e segurança. E a Airtable, que dividiu o time de produto em dois ritmos: um entrega capacidades de IA quase toda semana; o outro cuida das apostas mais lentas de infraestrutura.
A terceira prática leva o aprendizado para dentro do próprio trabalho. A Salesforce usa uma plataforma interna para identificar lacunas de competência e oferecer treinamento no momento em que o funcionário precisa dele. Na Aon, o presidente Greg Case aposta que a IA ampliará o trabalho dos cerca de 60 mil funcionários, em vez de simplesmente substituí-los, e usa essa premissa para justificar o investimento contínuo em fluência.
Essa percepção importa. Se o profissional não enxergar ganho para a própria carreira, a empresa terá dificuldade para transformar treinamento em adoção.
Quem ganha, quem perde e o custo oculto
O custo escondido dessa transição aparece dos dois lados.
No técnico, sistemas antigos precisam ser adaptados antes de absorver cada nova capacidade oferecida pelos fornecedores. Sem esse trabalho de base, cada novo agente pode custar quase tanto esforço quanto o primeiro.
No humano, a IA pode esconder a perda de competência justamente porque melhora a aparência do trabalho. A lacuna só aparece quando uma situação fora do padrão exige uma habilidade que a organização imaginava ainda possuir. Ao mesmo tempo, burnout e sobrecarga corroem justamente o engajamento de que a adoção depende.
A vantagem estará com a empresa que definir claramente quem responde por essas duas frentes antes que as escolhas se acumulem por inércia, e que ataque a arquitetura na sequência sugerida pelo Platinion: direção, base de dados e integração, governança de agentes.
O risco está em tratar arquitetura como um projeto de TI e o impacto sobre as pessoas como um assunto de RH. Arquitetura fica com TI. Pessoas ficam com RH. E a decisão que conecta as duas pode ficar com ninguém.
Também é preciso considerar a natureza das evidências. Os quatro estudos são prospectivos ou prescritivos. Os 30% do BCG são uma projeção de cenário. Os casos de Microsoft, Airtable, Salesforce e Aon apresentados pela MIT SMR vêm das próprias empresas, não de medições independentes. Até setembro de 2026, ainda não há dados consolidados sobre quanto da produtividade prometida realmente se materializou, nem sobre a dimensão da possível erosão de competência.
O fato de estudos diferentes apontarem para tensões semelhantes torna o sinal relevante. Não o transforma em resultado comprovado.
Por isso, talvez o próximo indicador a acompanhar não esteja em um benchmark de IA nem no roadmap dos fornecedores. Está no organograma. E talvez ali não falte apenas um nome. Pode faltar uma função desenhada para responder por algo que hoje atravessa TI, Operações e RH ao mesmo tempo.
Resta saber qual nome, ou qual função, vai responder pela arquitetura que permitirá aos agentes operar e pela competência de quem terá de supervisioná-los. E em quanto tempo.
Enquanto essa resposta continuar sendo “ninguém”, os mais de 30% de produtividade continuarão sendo exatamente o que são hoje: uma projeção.