O Último Quilômetro da IA: Por Que o Futuro É Personalizado, Não Um Tamanho Único

Durante a maior parte dos últimos cinquenta anos, o software foi construído para pessoas sentadas em escritórios. As plataformas tradicionais são basicamente bancos de dados estáticos com uma interface envolvida ao redor deles. Eles ficam lá, imóveis, e exigem que os humanos trabalhem ao seu redor: para alimentá-los com informações, para inserir dados neles, para navegar por sua lógica rígida e pré-definida. Nesse arranjo, o ser humano silenciosamente se tornou a cola manual, passando o dia de trabalho preenchendo as lacunas entre ferramentas fragmentadas.

Esse imposto operacional é mais doloroso em nossas vidas móveis. Imagine agendar uma reunião simples enquanto você está fora. Você abre um aplicativo de calendário, toca, digita, toca. Em seguida, você pula para o e-mail para recuperar a memória vaga de algumas palavras-chave, procurar pelo endereço correto, copiá-lo e pular de volta para o calendário. É uma experiência estranhamente desumanizadora. O usuário é forçado a seguir a lógica do software em vez de o software seguir a intenção do usuário, segurando o contexto quebrado na cabeça e costurando-o novamente à mão.

O ser humano como cola manual

Vimos isso claramente enquanto construíamos para dispositivos móveis no Google. O mundo só fez o problema mais agudo desde então. Cada vez mais trabalho de alto valor agora acontece no mundo real, em vez de em um setup de escritório estático. Ele acontece em conversas de café, em apresentações externas, em parcerias. E a unidade de negócios está diminuindo constantemente, desde a corporação até a equipe até o indivíduo.

Os dados comprovam isso. De acordo com o Escritório do Censo dos EUA, o número de empresas de uma pessoa nos Estados Unidos cresceu a uma taxa média de 2,7 por cento ao ano entre 2012 e 2023, mais do que o dobro da taxa de 1,1 por cento de empresas com funcionários, e agora representam a grande maioria de todos os negócios americanos. Estamos entrando na era do que eu considero o superindivíduo: um operador único que pode executar uma operação global com uma pequena frota de agentes fazendo o trabalho. Quando a unidade de trabalho diminui para o indivíduo, o design de nossas ferramentas tem que mudar. Em vez de humanos seguirem o software, o software tem que seguir os humanos.

O último quilômetro da IA

Assistentes gerais como ChatGPT e Gemini são um salto genuíno. Eles permitem que as pessoas alcancem mais, mais rápido, em uma gama extraordinária de tarefas. Mas há uma lacuna entre um modelo que é capaz em geral e uma ferramenta que realmente se ajusta à sua vida, e na IA essa lacuna é o último quilômetro. É onde a maior parte do valor real reside, e é a parte que quase ninguém resolveu.

Um modelo geral chega como um novo funcionário brilhante no primeiro dia. É fluente, rápido e amplamente lido, mas não conhece seus clientes, suas preferências, o jargão que você usa ou a maneira como você gosta que as coisas sejam feitas. Poderoso não é o mesmo que seu. Um modelo geral é, por design, o mesmo para todos que o abrem. O que as pessoas realmente precisam é o oposto: algo moldado para uma pessoa, que cresce mais seu ao longo do tempo que você o usa.

Historicamente, esse último quilômetro foi caro. Ser personalizado para uma pessoa significava contratar um assistente executivo ou um chefe de equipe, ou encomendar software personalizado, opções reservadas para grandes empresas e os ricos. Então, o resto de nós se contentou com ferramentas gerais e massificadas e silenciosamente nos treinou para se ajustar a elas. O custo do personalizado é o motivo pelo qual a maioria das pessoas nunca o teve. O que está mudando agora é o custo. À medida que ele diminui, a coisa que as pessoas sempre quiseram silenciosamente se torna possível na escala de um. As pessoas não estão realmente ansiando por mais capacidade genérica. Estão ansiando por algo que é seu.

Isso não é apenas uma questão de gosto, e a evidência é mais aguda do que parece. O valor da IA não é distribuído uniformemente por tarefas. Em um grande experimento de campo realizado pela Harvard Business School com o Boston Consulting Group, 758 consultores usando GPT-4 completaram cerca de 12 por cento mais tarefas, aproximadamente 25 por cento mais rápido, com maior qualidade, mas apenas para o trabalho que estava dentro do que os pesquisadores chamaram de fronteira tecnológica irregular. Em uma tarefa deliberadamente escolhida para estar fora dessa fronteira, as pessoas que usavam IA eram cerca de 19 por cento menos propensas a chegar à resposta correta. Os ganhos aparecem quando a ferramenta é ajustada de perto às contornos reais do trabalho, e eles desaparecem, ou até revertem, quando não é. O ajuste não é um toque final. É onde o valor vive.

Há também dois tipos de empoderamento que vale a pena separar. Um ajuda você a fazer algo que você não podia fazer antes. O outro o liberta das coisas que seu tempo simplesmente se tornou muito valioso para gastar. Modelos gerais são muito bons no primeiro. O segundo é uma questão de ajuste, e o ajuste tem que ser personalizado. Essa é a diferença entre uma ferramenta que o torna mais capaz e uma ferramenta que se torna uma extensão de você.

De destino para sidecar

Se o personalizado é a propriedade, qual é a forma? Aqui ajuda a emprestar um termo da arquitetura de software. Em sistemas distribuídos, o padrão sidecar anexa um processo de ajudante a um serviço primário para lidar com o trabalho transversal: registro, configuração, rede, observabilidade. O serviço principal pode se concentrar em seu trabalho real enquanto o sidecar absorve silenciosamente a complexidade operacional ao lado.

Acredito que o mesmo padrão está vindo para as pessoas. Em vez de uma ferramenta que você visita, a próxima geração de software pessoal se comportará como um sidecar vinculado a você, trabalhando proativamente dentro dos aplicativos que você já habita. Não um destino. Um companheiro que cavalga ao lado, e um que é personalizado por natureza, porque está anexado a uma pessoa única e aprende apenas com ela. Um sidecar útil, em oposição a um chatbot que você aciona do zero todas as manhãs, descansaria sobre três pilares.

Três pilares de um sidecar pessoal

Ensino e memória persistente. Um sidecar não é uma ferramenta que você explica todos os dias. É algo que você ensina uma vez. Quando você descreve uma preferência ou um fluxo de trabalho, ele lembra, construindo uma loja privada de memória individual que viaja com você e captura a nuances de como você trabalha especificamente. Isso é o último quilômetro, acumulando.

Observação e agência. Um sidecar observa, pensa e age. Ele se move de saber fatos para fazer tarefas: filtrando o ruído, conectando os pontos, redigindo a resposta, segurando a trama de um projeto para que você não tenha que.

Exploração e transação. Ao longo do tempo, esse companheiro leva seu contexto e suas relações por diferentes peças de software. Ele ajuda você a encontrar a apresentação certa, a superfície da oportunidade certa e, eventualmente, até mesmo a transacionar em seu nome.

De saber para fazer

A mudança técnica mais profunda por trás de tudo isso é uma mudança de recuperação para ação. Geração aumentada de recuperação, a técnica de fundamentar a saída de um modelo em documentos relevantes que ele procura em tempo real, tornou os assistentes de hoje bons em saber coisas. O próximo passo é persistência e agência: companheiros projetados não apenas para responder, mas para executar.

A indústria já está se voltando nessa direção. A Gartner espera que, até o final de 2026, 40 por cento dos aplicativos de empresa incluirão agentes de IA específicos de tarefa, em comparação com menos de 5 por cento em 2025, uma mudança que ela descreve como uma mudança de assistentes que respondem para agentes que agem.

Há um benefício mais silencioso aqui também, um que as organizações tendem a subestimar: memória institucional. Em um mundo de alta rotatividade e parcerias fluidas, uma quantidade enorme de contexto sai pela porta todas as vezes que alguém deixa um papel. Um companheiro vinculado ao indivíduo captura a expertise e as relações que de outra forma seriam perdidas e mantém esse contexto intacto e útil.

Mas essa mesma abundância cria uma armadilha. À medida que os agentes permitem que as pessoas assumam mais, as pessoas silenciosamente assumem mais: mais para lembrar, mais para agir, mais para alternar, mais para segurar na cabeça ao mesmo tempo. Há um teto biológico para quanto disso uma pessoa pode carregar. O objetivo de um sidecar é sentar-se abaixo desse teto e absorver a carga, não empilhar mais em cima dela.

Rehumanizando o trabalho

O objetivo real não é automatizar as pessoas. É tirá-las do software e colocá-las de volta na sala. A pesquisa da McKinsey sobre trabalho de conhecimento encontrou que o trabalhador de interação médio gasta cerca de 28 por cento da semana em e-mail e quase mais 20 por cento caçando informações internas ou rastreando o colega certo, antes mesmo de adicionar reuniões internas e coordenação. Isso é a maior parte da semana gasta em imposto operacional, em vez de no trabalho em si.

Se um companheiro pode absorver essa camada administrativa estática, o tempo que ele retorna não precisa fluir de volta para a máquina. Ele pode voltar para as conversas de café, as parcerias e as decisões judiciais onde o valor real é criado. Isso não é sobre substituir o humano no loop. É sobre tirar o humano das partes do loop que nunca foram um bom uso de um humano para começar.

O futuro da IA provavelmente não é uma caixa que você fala, e não é um modelo que serve a todos da mesma maneira. É mais provável um companheiro que é inconfundivelmente seu: um que caminha ao seu lado, aprende como você trabalha e silenciosamente lida com as partes que você não deveria ter que.

Então, a pergunta que vale a pena sentar com é não como seu IA pode soar inteligente. É mais simples do que isso: quanto da sua semana é gasta sendo a cola, e o que você faria com esse tempo se o recuperasse?