Quando a análise custa zero, a vantagem passa a ser saber quais dados ignorar

Se houve um mantra que dominou sala de reunião na última década, foi “seja data-driven”. Construímos sobre painéis, indicadores e a promessa de que, com dados suficientes, chegaríamos à decisão perfeita.

A IA generativa não tornou essa promessa obsoleta. Tornou-a perigosamente fácil de seguir.

Hoje qualquer líder tem um cientista de dados disponível o tempo inteiro, pronto para otimizar, analisar e prever num volume que era impensável. E estamos ficando viciados nas respostas dessa máquina ao mesmo tempo em que paramos de fazer as perguntas certas. A vantagem competitiva deixou de ser ter os dados. Passou a ser ter a sabedoria de saber quais ignorar — e quando contrariar a solução ótima.

A armadilha da eficiência perfeita

A IA é brilhante em achar padrão em dado passado. Ela diz com precisão qual assunto de e-mail teve melhor taxa de abertura no trimestre, qual rota logística economiza mais combustível.

O problema é que ela sofre, por construção, de miopia de retrovisor. Otimiza para o que foi, não para o que poderia ser. Em mercado volátil — e o brasileiro é o exemplo à mão — apoiar a estratégia inteira no que funcionou ontem é receita para irrelevância incremental: você fica um pouco melhor a cada trimestre naquilo que está deixando de importar.

Confiar cegamente na otimização não é estratégia. É uma abdicação confortável da responsabilidade de liderar. E é confortável justamente porque tem um relatório para mostrar depois.

A IA é a resposta. O líder é a pergunta.

A IA não tem intenção. Não tem visão de futuro. Não entende contexto cultural, nuance moral, nem o efeito de uma decisão sobre o ânimo de uma equipe.

Executivos precisam parar de usá-la como calculadora glorificada e começar a usá-la como sparring intelectual. E isso muda literalmente o que se pergunta na sala. Em vez de perguntar quais são os dados, pergunte o que esses dados estão assumindo sobre o mundo. Em vez de pedir a solução ótima, peça o risco oculto e o custo de oportunidade que ela não mostra. Em vez de perguntar como usar IA para ganhar eficiência, pergunte se aquela eficiência se alinha com o que a empresa diz que é — ou se é um atalho que será pago caro depois.

Cultivar a fricção cognitiva

Chamo de fricção cognitiva o desconforto mental de quando a sua intuição, construída em décadas de leitura de cenário e percepção de nuance, colide de frente com a recomendação da máquina.

Durante anos fomos treinados para eliminar essa fricção. Confie nos dados, diziam. Deixe o achismo de lado.

Defendo o contrário: a principal função do líder passou a ser cultivá-la.

Quando a sua intuição de executivo — que é processamento não-linear que seu cérebro fez sobre contextos que o modelo não pode ver — diz que algo está errado, seu trabalho é parar tudo. Seu trabalho é ser o humano na sala.

Isso tem tradução prática. Significa auditar as perguntas antes de aceitar o painel pronto, cobrando quais dados foram excluídos para o gráfico ficar tão limpo e quem decidiu que aquela era a pergunta certa. Significa proteger o seu próprio feeling quando ele diz que demitir 10% da equipe para otimizar o resultado é péssima ideia de longo prazo, mesmo com o modelo provando eficiência — porque essa intuição é ativo estratégico, não ruído. E significa olhar primeiro para o que a máquina classificou como anomalia, já que ela é treinada para normalizar e a inovação quase sempre mora no ponto fora da curva.

O custo de ser apenas eficiente

A IA nos torna brutalmente eficientes. Mas eficiência não é estratégia. Eficiência é fazer a mesma coisa mais rápido e mais barato. Estratégia é fazer a coisa certa, e de preferência diferente de todo mundo.

Um relatório do McKinsey Global Institute sobre o estado da IA aponta que, embora a adoção esteja disparando, a maioria esmagadora das empresas usa a tecnologia para redução de custo, não para criação de mercado novo ou mudança de modelo de negócio. Otimização, não estratégia.

Esse salto não se automatiza. Ele exige alguém que faça uma aposta, assuma um risco ético e sustente uma visão que ultrapasse o próximo trimestre.

E o papel que sobra para o líder cabe em três palavras. Curadoria, porque a IA oferece opções e alguém precisa fazer escolhas. Contexto, porque ela analisa o dado e alguém precisa dizer o que aquilo significa aqui, com esta cultura, com estes clientes, agora. E coragem, porque ela recomenda o ótimo e alguém precisa ter estômago para contrariá-la.

Dessas três, só a última aparece na avaliação de desempenho de ninguém.

Na última vez em que a recomendação do modelo contrariou a sua experiência, você sustentou a discordância até o fim — ou cedeu porque discordar exigiria explicar, e o gráfico já estava pronto?