Quase toda empresa que comprou IA neste ano fez o mesmo investimento: uma boa ferramenta, em cima de um processo que ninguém tocou. O fluxo continua com as mesmas etapas, a aprovação continua subindo os mesmos quatro níveis, o painel continua medindo as mesmas coisas, e a surpresa chega na reunião de resultados, quando o impacto não aparece em lugar nenhum.
A resposta curta: a IA acelera o que existir. Se o que existe é o processo da empresa de ontem, você comprou velocidade para uma estrada velha. O grupo que de fato captura valor não usa modelos diferentes: mudou cinco coisas no modelo operacional, e nenhuma das cinco é tecnologia.
Quão estreito é o funil de verdade?
Bem mais estreito do que o discurso de adoção sugere, e a queda acontece depois que a ferramenta já está em uso.
Vale organizar os números reais, porque esse dado circula em versões enfeitadas. A pesquisa State of AI, com 1.993 respondentes em 105 países, mede quatro degraus [1].
Dados
| Degrau | Organizações |
|---|---|
| Usam IA com regularidade em ao menos uma função | 88% |
| Experimentam com agentes ou os estão escalando | 62% |
| Relatam algum impacto no EBIT | 39% |
| Alto desempenho: mais de 5% do EBIT atribuído à IA | 6% |
A queda interessante não está entre 0 e 88, que é o degrau que todo mundo já subiu. Está entre 88 e 39, e de novo entre 39 e 6. Ali não há problema de acesso à tecnologia: todos os da primeira barra já a têm.
O que esses 6% fazem de diferente?
Mudam a empresa, não apenas a ferramenta. E há um número que resume isso.
Dados
| Grupo | Redesenharam fluxos |
|---|---|
| Alto desempenho (6%) | 50% |
| Todos os demais | 17% |
Cinquenta contra dezessete. Não é uma diferença de orçamento nem de talento escasso: é a disposição de mover o trabalho de lugar. E o mesmo grupo tem três vezes mais probabilidade de escalar agentes entre funções e de ter a alta liderança empurrando de verdade, não patrocinando de nome [1].
Quais são as cinco mudanças?
Cinco, e nenhuma se compra. Cada uma tem um sinal claro de que você a pulou.
1. Redesenhar o fluxo, não acelerá-lo
Acelerar é pedir ao modelo que faça a etapa sete mais rápido. Redesenhar é perguntar se a etapa sete deveria existir. O teste honesto é contar: se o processo tinha doze etapas antes da IA e tem doze depois, você não redesenhou nada, comprou uma etapa mais rápida.
Sinal de que você pulou: você consegue descrever a melhoria em percentual de tempo, mas não consegue nomear uma etapa que desapareceu.
2. Mover os direitos de decisão para perto do trabalho
Um agente que resolve o caso em dois segundos e depois espera quatro dias para alguém com cargo suficiente confirmar não resolveu nada: moveu a espera. Se a IA vai operar na ponta, a autoridade para decidir precisa chegar à ponta com ela.
Sinal de que você pulou: o tempo de resposta do modelo caiu de minutos para segundos e o tempo de ciclo total continua igual.
3. Encurtar as rotas de aprovação, mantendo só as irreversíveis
Esta é a que se faz mal nas duas direções. Uns deixam todas as aprovações intactas e matam o ganho; outros tiram todas e descobrem o problema quando uma ação irreversível sai sem revisão. O critério não é valor nem hierarquia, é reversibilidade: o que pode ser desfeito não precisa de assinatura prévia, o que não pode, precisa.
Sinal de que você pulou: ninguém sabe dizer qual ação do processo é impossível de reverter.
4. Mudar o KPI antes da ferramenta
Enquanto a equipe for medida por volume de atividade, vai usar a IA para produzir mais atividade. É racional: está otimizando o que você pediu. Esta é a mais barata das cinco mudanças e a que reordena as outras quatro sozinha.
Sinal de que você pulou: o painel revisado toda segunda-feira é exatamente o de antes do projeto.
5. Levar a IA para a operação central, não para o laboratório
Um centro de excelência de IA rodando de lado, com orçamento próprio e métricas próprias, produz demonstrações excelentes e zero mudança na operação. Dois terços das organizações ainda não começaram a escalar IA no nível da empresa [1], e essa é boa parte do motivo.
Sinal de que você pulou: os casos de uso de IA vivem numa apresentação separada da revisão de operações.
Por onde começar quando não dá para mudar tudo?
Pela quarta. É a mais barata e a que arrasta as demais.
| Mudança | Custo político | Velocidade do efeito | Quando fazer |
|---|---|---|---|
| Mudar o KPI | Baixo | Imediato | Primeiro, sempre |
| Redesenhar o fluxo | Médio | Um ciclo | Depois de medir a linha de base |
| Encurtar aprovações | Médio | Imediato | Junto com o redesenho do fluxo |
| Mover direitos de decisão | Alto | Um trimestre | Quando o fluxo novo já funciona |
| Levar a IA ao centro | Alto | Um ano | Quando dois casos já rodam na operação |
A ordem importa mais que a velocidade. Mover direitos de decisão antes de ter redesenhado o fluxo é distribuir autoridade sobre um processo que vai mudar de qualquer forma, e é a maneira mais rápida de gastar capital político em algo que se desfaz sozinho.
Isso significa cortar pessoal?
Não automaticamente, e os dados não sustentam essa leitura.
Vale dizer, porque é a primeira pergunta que aparece na sala quando se fala em redesenhar o modelo operacional. Na mesma pesquisa, 32% esperam redução de pessoal, 43% não esperam mudança e 13% esperam aumento, e a maioria das organizações contratou para funções de IA mesmo esperando automação [1].
O que sempre muda é a descrição do trabalho: quem decide, quem revisa, quem responde pelo resultado. Um redesenho que não toca nisso não é um redesenho.
Como aplicamos isso na MasterDragon
Perguntamos quem assina antes de perguntar qual modelo usar.
Na prática, a primeira sessão de um projeto mapeia três coisas do processo atual: onde ele espera, quem aprova, e qual ação seria impossível de reverter. Isso já nos diz quanto do valor virá do modelo e quanto virá de mover a decisão, que quase sempre é a parte maior e a que ninguém orçou.
Também pedimos o KPI novo antes de escrever código. Se a equipe não consegue dizer com qual número vai julgar isso em noventa dias, o projeto ainda não está pronto para começar, por melhor que seja a ideia.
Se você está prestes a investir em IA e quer que o resultado apareça na operação e não só no demo, fale com nossos engenheiros. Você pode começar por como construímos seu software e ver nosso portfólio de produtos AI-native já lançados. Por que usar a ferramenta não basta desenvolvemos em adoção não é adaptação, o que está por baixo de um agente que aguenta produção em as 13 camadas de um sistema de IA real, e quanta autonomia dar a cada agente em autonomia projetada.
Referências
- McKinsey & Company. (2025, 5 de novembro). The state of AI: Agents, innovation, and transformation. Pesquisa com 1.993 respondentes em 105 países. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai