O transplante rejeitado: a cultura da empresa decide o destino da IA antes da tecnologia

No último ano, a corrida armamentista da IA corporativa girou em torno de uma métrica só: adoção. Quantas licenças foram compradas. Quantos processos foram automatizados. Com que velocidade a integração avançou.

São as métricas erradas. Medem instalação, não integração.

Por trás delas há um erro de categoria. Estamos tratando a IA como software, um upgrade de planilha, algo que se instala e passa a funcionar. Ela não se comporta como ferramenta. Comporta-se como um agente novo dentro do sistema: um colega de trabalho estrangeiro, com competência sobre-humana em alguns domínios e ingenuidade aterrorizante em outros.

E como em todo transplante, o perigo real não está na cirurgia. Está na rejeição.

O silêncio do oráculo

Pense na dinâmica de um comitê executivo. Durante décadas ela foi estável: a experiência falava mais alto, e a autoridade se construía sobre um histórico de decisões que deram certo — ou, no mínimo, sobre ter sobrevivido às que não deram.

Agora entra na sala um participante que processou dez petabytes antes do café.

Quando o modelo apresenta uma conclusão — fechar a divisão, sinalizar risco de churn no cliente, apontar que a estratégia B é 47% mais eficiente — algo acontece com o ar da reunião. O executivo sênior hesita. Contestar a IA parece contestar a própria aritmética: soa tolo, analógico, desatualizado. O líder mais jovem nem tenta. Vê um output complexo e presume que aquilo é a verdade.

Numa cultura hierárquica que pune o erro, e isso descreve a maioria das empresas, o cálculo que cada pessoa faz é simples e sempre dá no mesmo resultado. Se a IA acerta, o crédito é dela. Se erra e você seguiu, a culpa foi da ferramenta. Se erra e você a desafiou, a culpa é inteiramente sua.

O incentivo é óbvio: cale a boca e siga o algoritmo.

Não compramos uma máquina de acelerar raciocínio. Compramos um álibi caríssimo. E no caminho perdemos a coisa mais difícil de repor: a disposição das pessoas de discordar em voz alta.

O que muda no trabalho de quem lidera

Se a IA funciona como máquina de consenso, alguém precisa fabricar dissenso de propósito. Esse trabalho não existia antes e agora não tem dono.

Não é mais sobre ter a resposta certa. É sobre sustentar um ambiente em que a equipe se sinta segura para atacar a resposta certa da máquina.

Amy Edmondson, de Harvard, mostrou em sua pesquisa sobre segurança psicológica que equipes de alta performance não são as que erram menos — são as que se sentem seguras para relatar e discutir os próprios erros. O achado é antigo. O que mudou é a aposta: agora o erro que ninguém reporta é o de um sistema que a organização inteira presume infalível.

A tradução prática é desconfortável de tão simples. Alguém precisa ser o primeiro a dizer, na frente de todos, que viu o que o modelo recomendou e que sua intuição aponta para o lado oposto. Alguém precisa mandar um time passar o dia tentando quebrar a recomendação em vez de executá-la. Alguém precisa perguntar qual é o dado mais tosco em que aquele algoritmo brilhante pode ter se apoiado.

Nada disso funciona vindo de baixo. Se a pessoa mais sênior da sala nunca contesta o modelo em público, ninguém abaixo dela vai.

A vantagem humana não é conforto

Estamos tão concentrados na IA como instrumento de eficiência que esquecemos uma característica básica de como inovação acontece: ela vem do atrito.

A máquina otimiza. O humano complica. E é na complicação — no “mas e se”, no “não sei explicar, mas tem algo errado aí” — que mora o valor estratégico. A IA é o maior acelerador que já tivemos, e acelera exclusivamente na direção para onde a apontamos. Apontada para um consenso medíocre, ela nos leva à mediocridade mais rápido.

A vantagem humana, quando existe, é a nossa capacidade de agarrar o volante e dar uma guinada brusca a partir de algo que a máquina não processa: intuição, valores, leitura de sala, teimosia com fundamento.

Mas ela só existe se a cultura deixar. Se o transplante não for rejeitado antes.

E aqui está o que torna esse fracasso tão difícil de corrigir: ele nunca aparece com esse nome. O relatório vai dizer que a ferramenta não entregou o retorno esperado, que faltou maturidade de dados, que o caso de uso não era o certo. Nenhuma dessas frases é mentira. Todas param uma camada acima do lugar onde a decisão realmente foi tomada — que foi no silêncio de alguém que discordou e escolheu não falar.

Numa reunião recente da sua empresa, quando o modelo recomendou algo que contrariava o instinto de quem estava na mesa: alguém falou? E se ninguém falou, você saberia?