Há algumas semanas me sentei com o comitê diretivo de uma empresa mexicana que passava meses preparando o lançamento de um assistente de IA para atendimento ao cliente.
Tinham o orçamento aprovado, o fornecedor escolhido, até a data de início marcada no calendário. A única coisa que não tinham era uma resposta clara à pergunta com a qual abri a reunião: seu processo atual de atendimento funciona bem sem IA?
Silêncio, e depois começou uma discussão entre áreas: "bom, mais ou menos", "é que o problema era que…", até que alguém disse: "bom, mas isso já ficou no passado".
Essa cena se repete, com nomes e indústrias diferentes, na maioria dos processos de adoção de IA que já acompanhei. E é a origem de um dos erros mais caros e frequentes que vejo hoje nas organizações. Colocam tecnologia em cima do que já está quebrado, em vez de parar para redesenhar primeiro.
A inteligência artificial veio para hackear a forma como trabalhamos. E os hábitos de trabalho, sobretudo os que já estão enraizados há anos, não mudam com um treinamento de duas horas nem com uma licença nova. Antes de qualquer decisão tecnológica, as organizações precisam de um diagnóstico honesto de onde estão. Isso implica olhar os processos sem filtro e escutar quem os executa todos os dias, não só quem os desenhou num PowerPoint.
Os processos disfuncionais têm marcas reconhecíveis. Dependem da memória de uma pessoa em particular e não de um sistema, geram retrabalho porque a informação não flui entre áreas, arrastam etapas que ninguém lembra para que servem mas que ninguém se atreve a eliminar, e produzem frustrações que já ninguém registra porque se tornaram parte da paisagem. Nenhuma dessas características desaparece com IA. Pelo contrário, quando você agrega velocidade a um processo que já gerava confusão, a confusão se multiplica. A inteligência artificial não corrige um processo quebrado, na verdade o amplifica.
Não é intuição, os números confirmam. O Microsoft 2026 Work Trend Index sustenta que a mudança mais importante que a IA exige não é adotar novas ferramentas, mas reconstruir todo o modelo operacional. E, no entanto, segundo a ManpowerGroup, 45% dos funcionários globais já usam IA no dia a dia, mas a confiança para operá-la caiu 18% no mesmo período. A tecnologia avança mais rápido do que a capacidade organizacional de sustentá-la.
O resultado é um paradoxo de subutilização. Cresce o acesso, mas não a capacidade de convertê-lo em valor. Mais da metade da força de trabalho global não recebeu treinamento recente nem acesso a mentoria, e um relatório da OpenAI mostra que quase 80% do uso de ferramentas como o ChatGPT se concentra em apenas três atividades: perguntar, pedir conselho e editar texto. Temos acesso a uma das tecnologias mais poderosas da história e a estamos usando em uma fração mínima de seu potencial real. A conta disso também é mensurável. 95% dos pilotos de IA generativa atuais não conseguem impactar o resultado financeiro das empresas que os lançam. Não porque a tecnologia não funcione. Porque foi montada sobre processos que nunca foram redesenhados.
E há algo mais que muitos líderes preferem não nomear. Quando as grandes empresas anunciam demissões em massa justificando-as pela eficiência da IA, enviam uma mensagem clara e assustadora a milhões de trabalhadores. "Economizei horas, reduzo pessoal" não é apenas uma decisão linear e questionável do ponto de vista ético; é estrategicamente equivocada, porque ignora o reskilling de quem fica e sabota a capacidade de inovar de toda a organização. O caso da Klarna, a fintech sueca, mostra isso sem filtro. Seu assistente de IA chegou a gerenciar dois terços das conversas de atendimento ao cliente em seu primeiro mês, com uma melhora estimada de 40 milhões de dólares em lucros. Mas a empresa reduziu pessoal e, pouco depois, teve que voltar a contratar: descobriu que certas interações, aquelas que exigem conectar-se com emoções complexas, navegar situações delicadas e sustentar um vínculo humano real, a tecnologia não resolvia. Nem tudo em uma organização é "IA-able". Essa nuance é a que quase ninguém ainda está processando. Ninguém embarca com entusiasmo em uma transformação que percebe como ameaça direta ao seu emprego, e ignorar essa cultura do medo é um dos erros mais caros que uma empresa pode cometer hoje.
Na Olivia México trabalhamos com um modelo que parte de uma convicção simples. Se a IA muda a forma de trabalhar, a abordagem tem que ser integral. Não basta a tecnologia sozinha, nem um curso de treinamento isolado, nem gestão da mudança entendida como um par de e-mails internos. É preciso trabalhar três camadas ao mesmo tempo: o mindset que decide se as pessoas querem usar a ferramenta, o skillset que dá a elas as capacidades para fazê-lo e o toolset que torna possível executá-lo, tudo sob uma única lógica de adoção. E a ordem importa, e é sempre a mesma. Primeiro entender o processo real, identificar o que falha e redesenhá-lo. Depois, e só depois, avaliar qual parte desse processo redesenhado pode se beneficiar da IA.
Em um contexto onde a velocidade de adoção é percebida como vantagem competitiva, parar para diagnosticar parece um luxo que ninguém pode se dar. Essa percepção é compreensível. Também é a mais equivocada. Lançar-se sem diagnóstico não é velocidade, é urgência disfarçada de estratégia. E essa diferença se nota exatamente no momento em que a empresa tenta escalar e descobre que não há nada sólido por baixo.
Então, antes de aprovar o próximo orçamento de IA, vale a pena que seu comitê diretivo se faça as perguntas incômodas: esse processo funciona bem sem tecnologia? As pessoas que o executam hoje foram ouvidas antes de decidir automatizá-lo? Estamos redesenhando ou apenas acelerando o caos que já tínhamos?
Automatizar o que está quebrado não é transformação. É simplesmente fazer mais rápido o que já não funcionava.
Convidamos você a baixar o ebook: Transformação IA-Driven
Por Irene Marqués, sócia da Olivia México.