O Maior Custo Oculto do AI Não é o Processamento. São as Pessoas.

Todos estão falando sobre o custo do AI. Normalmente, eles estão falando sobre GPUs, licenças de modelo ou consumo de tokens. Acho que eles estão procurando no lugar errado.

O maior custo do AI empresarial pode acabar sendo as pessoas necessárias para supervisioná-lo.

Um estudo recente encontrou que os funcionários economizam cerca de 11 horas por semana usando AI, mas gastam mais de seis horas verificando saídas, corrigindo erros, adicionando contexto ausente e garantindo que os resultados sejam realmente úteis. Alguém cunhou o termo “botsitting” para isso. É um nome atraente, mas aponta para um problema muito maior.

AI foi projetado para reduzir o trabalho. Em vez disso, muitas organizações estão criando uma categoria entirely nova de trabalho em torno da gestão do AI em si. Isso não é um problema de tecnologia. É um problema de modelo operacional.

Uma Sequência Mais Rápida para a Era do SaaS

Eu já vi esse filme antes.

Há quinze anos, as organizações adotaram o SaaS porque tornou o software mais fácil de comprar e implantar. As unidades de negócios podiam resolver problemas sem esperar pela TI. A produtividade aumentou. A inovação acelerou. Então, surgiu o Shadow IT.

De repente, ninguém sabia quantos aplicativos os funcionários estavam usando, onde os dados da empresa estavam sendo armazenados ou quem tinha acesso a eles. A TI ainda era responsável, mas não tinha mais visibilidade ou controle. O AI se sente incrivelmente semelhante, mas a diferença está na velocidade.

Um aplicativo SaaS pode expor uma dúzia de sistemas; um agente de AI pode se conectar a dezenas no primeiro dia. Ele pode ler documentos, resumir contratos, gerar código, atualizar registros e acionar fluxos de trabalho antes que a maioria das organizações tenha sequer documentado que ele existe.

A tecnologia está se movendo mais rápido do que o modelo operacional construído para gerenciá-la.

É por isso que não fiquei surpreso com o estudo recente da IBM mostrando que dois terços dos CIOs e CTOs são responsáveis por sistemas de AI que eles não controlam totalmente. A maioria dos respondentes também disse que o AI está se espalhando mais rápido do que a governança pode acompanhar. Isso não é porque os CIOs tenham se tornado menos capazes. É porque o AI não se encaixa perfeitamente nos modelos tradicionais de propriedade.

A segurança é dona do risco.
O jurídico é dono da conformidade.
Os desenvolvedores constroem integrações.
As unidades de negócios são donas dos resultados.
Os fornecedores controlam peças da infraestrutura subjacente.

Enquanto isso, o AI corta através de todos eles. Quando algo dá errado, todos são donos de uma parte da resposta, mas ninguém necessariamente é dono do sistema inteiro. Isso cria uma lacuna, e as organizações quase sempre preenchem essa lacuna com pessoas.

Alguém revisa relatórios gerados por AI antes que eles sejam enviados aos clientes.
Alguém verifica o código escrito por AI antes que ele seja implantado.
Alguém verifica as recomendações antes que as decisões sejam tomadas.
Alguém investiga o comportamento inesperado.

Algumas dessas supervisões são exatamente o que queremos. O AI não deve operar sem julgamento humano, especialmente em indústrias regulamentadas ou ambientes de alto risco. O problema é quando as pessoas se tornam o controle principal.

De Chatbots para Agentes Autônomos

Pense sobre o que acontece quando as organizações vão além dos chatbots.

Hoje, um assistente de AI ajuda alguém a redigir um e-mail.
Amanhã, um agente de AI o envia.

Hoje, o AI sugere uma atualização de um registro de cliente.
Amanhã, ele faz a alteração sozinho.

Hoje, o AI recomenda a próxima etapa em um processo de negócios.
Amanhã, ele inicia o fluxo de trabalho automaticamente.

Cada nova ação introduz outra decisão:

Deve o AI ser permitido fazer isso?

• Deve ele acessar esse sistema?
• Deve ele recuperar esses dados?
• Deve alguém aprovar primeiro?

A maioria das organizações responde a essas perguntas manualmente, e isso funciona quando você tem dez casos de uso de AI. Não funciona quando você tem centenas… ou milhares. A ironia é que as organizações estão investindo em AI para melhorar a produtividade, então pedindo que funcionários altamente remunerados passem seu tempo supervisionando-o.

Isso não é escalonar o AI. Isso é escalonar a sobrecarga.

A Microsoft chegou a uma conclusão semelhante em seu Índice de Tendências de Trabalho de 2026. Depois de analisar trilhões de sinais de local de trabalho e entrevistar 20.000 usuários de AI, a empresa encontrou que a maior barreira para o sucesso do AI não é a tecnologia; é a organização em torno dela.

Os funcionários estão adotando o AI mais rápido do que as empresas estão se adaptando. O desafio real agora é redesenhar como o trabalho é feito: decidir o que o AI deve fazer, o que as pessoas devem fazer e como os dois trabalham juntos. Acho que é exatamente a conversa que os líderes empresariais devem estar tendo. O AI não cria valor simplesmente porque está implantado. Ele cria valor quando está implantado com um modelo operacional claro que permite que as pessoas se concentrem no julgamento em vez da supervisão.

Reconsiderando a Governança do AI: Da Política às Operações

É aqui que a conversa sobre a governança do AI precisa mudar. Quando as pessoas ouvem a palavra governança, elas frequentemente pensam em políticas, comitês e documentação. Essas coisas importam, mas nenhuma delas toma uma decisão em tempo real.

Nenhuma delas impede que um agente de AI acesse dados que ele não deve ver ou pause um fluxo de trabalho que está se comportando de forma inesperada. Nenhuma delas explica, no momento em que uma ação é solicitada, se essa ação está alinhada com a política da empresa.

Essa é a lacuna.

As organizações não precisam de mais documentos de governança. Elas precisam de governança que opere. Ações rotineiras devem acontecer automaticamente quando caem dentro de políticas aprovadas; ações de alto risco devem exigir aprovação humana, e sistemas sensíveis devem ter limites claros sobre o que o AI pode e não pode fazer.

E se um processo de AI começar a se comportar de maneiras que ninguém esperava, deve haver uma maneira imediata de interrompê-lo. Não porque o AI não possa ser confiável, mas porque todo processo de negócios precisa de guardrails.

Posicionando os Humanos Onde Eles Importam

As empresas que obtêm mais valor do AI não estão eliminando os humanos da equação. Estão colocando os humanos onde eles são mais valiosos.

Não revisando cada saída.
Não verificando cada prompt.
Não babá cada agente.

Eles estão se concentrando nas exceções, nos casos de bordo e nas decisões que realmente exigem julgamento. Isso é um uso muito melhor da expertise humana.

A Verdadeira Pergunta Empresarial

O AI alcançou o ponto em que a tecnologia não é mais a maior pergunta. A maioria das organizações já provou que pode gerar conteúdo, escrever código, resumir informações e automatizar o trabalho repetitivo.

A pergunta mais difícil é se elas podem operar o AI com confiança em escala empresarial:

Podem ver o que ele está fazendo?

• Podem controlar o que ele tem acesso?
• Podem aplicar a política consistentemente?
• Podem explicar por que um sistema de AI tomou uma ação particular?

Essas são perguntas operacionais, e elas estão se tornando cada vez mais econômicas. Isso porque cada hora gasta supervisionando o AI reduz os ganhos de produtividade que justificaram o investimento no início. As empresas que vencem com o AI não serão as que executam mais modelos ou implantam mais agentes. Elas serão as que não precisam de um exército de pessoas observando-os.

O AI deve amplificar sua força de trabalho. Ele não deve se tornar silenciosamente um novo.