A adoção bem-sucedida da IA leva a uma segunda implementação para a qual as empresas raramente se preparam

Há cerca de três anos, assinei minha primeira assinatura paga de IA e comecei a testar o que ela realmente podia fazer por mim. Aos poucos, o que começou como uma experiência pessoal se transformou em um pequeno projeto interno, depois em assinaturas corporativas para toda a empresa e, por fim, em uma implementação de IA que alcançou quase todos os departamentos — desenvolvimento, finanças, jurídico, marketing e suporte.

A primeira fase, em linhas gerais, deu certo. Em cerca de seis meses, nossa velocidade de desenvolvimento interno aumentou aproximadamente cinco vezes. Ao mesmo tempo, outro número também subiu: nossos gastos com IA aumentaram cerca de 15 vezes.

Foi então que percebi que a adoção bem-sucedida da IA podia criar problemas próprios. Quando a tecnologia passou a ser amplamente usada, as regras que estabelecemos no início deixaram de funcionar. Os custos podiam sair do controle à medida que a IA passava a ter acesso a mais dados da empresa e a assumir mais tarefas, enquanto muitas das próprias ferramentas continuavam sob o controle de fornecedores externos.

Então, o que um CEO deve fazer quando a adoção da IA dá certo, mas a empresa já não tem controle total sobre como ela está sendo usada? Vamos tentar responder a essa pergunta.

Pare de confundir o uso ativo da IA com resultados para os negócios

O que percebi logo de início foi que, durante a primeira implementação, fazia sentido acompanhar métricas de adoção, como o número de usuários ativos ou a frequência de uso. Como líder, você quer saber se os funcionários estão usando as ferramentas, quais delas em particular e se a IA realmente economiza tempo. No entanto, quando o uso se dissemina por toda a empresa, esses números se tornam muito menos úteis.

Vimos isso acontecer. Quando as pessoas tiveram acesso a modelos poderosos, começaram a usá-los para quase tudo. Em certo momento, funcionários começaram a perguntar à IA que horas eram em Nova York. É claro que o exemplo é absurdo, mas mostra como o uso pode crescer rapidamente sem gerar valor substancial para a empresa.

A Shopify enfrentou um problema parecido depois de integrar a IA tão profundamente que seu agente interno, River, agora redige até metade das solicitações de integração de código de produção. Ainda assim, o CEO Tobi Lütke alertou recentemente para o que chama de “granadas de trabalho malfeito”: trabalhos gerados por IA que os funcionários repassam sem verificar adequadamente, deixando para outra pessoa a tarefa de revisar, corrigir ou até resumir o resultado.

Em outras palavras, mais atividade com IA pode facilmente gerar mais trabalho, em vez de mais valor. Uma empresa pode ter números de uso impressionantes e produzir grandes volumes, enquanto parte desse conteúdo simplesmente cria outra tarefa para alguém.

É isso que os CEOs precisam mudar. Prompts, logins e consumo de tokens mostram que há muita atividade no fluxo de trabalho. Ainda assim, não mostram se a IA está realmente se pagando.

A velocidade cria um novo gargalo

Há um ditado: a pressa é inimiga da perfeição. Acho que ele também se aplica à IA, pois aprendemos que tornar as pessoas “mais rápidas” com IA não significa necessariamente que, de repente, elas terão menos trabalho a fazer.

No desenvolvimento, a IA agora permite que nossa equipe produza muito mais código no mesmo tempo, mas o principal é que todo esse código ainda precisa ser verificado antes de entrar em produção. Sem dúvida, a revisão automatizada ajuda.

Ainda assim, estamos longe de poder confiar nela cegamente. Portanto, embora os desenvolvedores passem menos tempo escrevendo tudo por conta própria, agora têm muito mais conteúdo para revisar, testar e avaliar.

Em outras palavras, o trabalho não desaparece. Apenas assume outra forma.

Isso faz com que nosso aumento de cinco vezes na velocidade de desenvolvimento pareça um pouco menos impressionante, já que a quantidade de código que exige atenção humana cresce junto. O custo real de um fluxo de trabalho com IA também inclui o tempo gasto verificando o que ela produz e, acima de tudo, decidindo se é possível confiar nesse resultado.

A segunda implementação é imprescindível

Na minha visão, as empresas precisam do que eu chamaria de uma “segunda” implementação de IA.

A primeira implementação diz respeito principalmente à adoção: dar acesso às pessoas, identificar casos de uso e observar onde a tecnologia realmente ajuda e onde não ajuda. Mas, depois de vários meses de uso real, você já tem algo muito mais valioso do que suposições — evidências próprias sobre onde os custos estão aumentando, quais equipes produzem melhores resultados e onde as pessoas passam tempo demais verificando os resultados da IA.

Por isso, acho que este é o momento de reformular as regras para o uso da IA, em vez de simplesmente incentivar uma adoção mais ampla. Na prática, eu me concentraria em três aspectos:

• Escolha o modelo adequado para cada tarefa. Solicitações rotineiras podem ser encaminhadas a modelos menores e mais baratos, enquanto tarefas mais complexas podem ser direcionadas aos modelos que justificam o custo adicional. O objetivo final é evitar pagar preços de modelos de ponta por tarefas de baixo valor.
• Identifique em que situações a supervisão humana é obrigatória. No caso de código de produção, documentos jurídicos ou outros resultados de alto impacto, defina em que etapa uma pessoa precisa aprovar o resultado antes que ele avance no fluxo de trabalho. Separadamente, estabeleça regras de acesso a dados confidenciais para que os funcionários saibam quais modelos podem recebê-los e quais não podem.
• Elabore um plano de contingência, mesmo que ache que não vai precisar dele. Se um fluxo de trabalho crítico depender de um fornecedor externo, documente os prompts, as integrações, os fluxos de dados e as dependências específicas do modelo com detalhes suficientes para que a carga de trabalho possa ser migrada para outro fornecedor em caso de emergência.

Essa é a diferença entre a primeira e a segunda implantação de IA. A primeira pergunta: onde podemos usar IA? A segunda: onde devemos usá-la, sob quais regras e a que custo?

Audite a implantação antes de ampliá-la novamente

Quando a adoção da IA funciona e a primeira implantação parece ter sido bem-sucedida, eu não continuaria ampliando-a da mesma forma por mais um ano. Depois de aproximadamente 90 a 180 dias de uso real, eu pararia para auditar o que a empresa realmente construiu.

Isso significa medir os resultados de negócio aceitos, comparar o modelo e seu custo com o valor real da tarefa, identificar onde a revisão humana ainda é obrigatória e onde um fluxo de trabalho pode, de alguma forma, se aproximar mais da automação total.

A primeira implantação prova que a IA pode tornar a empresa mais rápida. A segunda é o que impede que essa velocidade se transforme em gastos desnecessários, acesso sem controle ou dependências de fornecedores com as quais a empresa nunca concordou conscientemente.