leadership

LEADERSHIP

negociacao-2

NEGOCIACAO

gestao-3

GESTAO

consultoria-2

CONSULTORIA

falandobem

FALANDOBEM

financasessenciais

FINANCASESSENCIAIS

Seja Premium e tenha acesso ao nosso arsenal de cursos

Administradores PREMIUM

Eu sei que esse título incomoda. Faz parte.



Durante anos, o relatório foi o símbolo de um gestor preparado. Quem chegava à reunião com os números na ponta da língua, com o dashboard aberto, com a análise bem montada, era visto como alguém que dominava a operação. E era, de certa forma. Porque naquele modelo, dominar a operação significava dominar os dados, e dominar os dados exigia exatamente isso: tempo, esforço e muita navegação por sistemas.



O problema é que esse modelo ficou para trás. E muita gente ainda não percebeu.



<h2 class="wp-block-heading">O relatório nunca foi o objetivo</h2>



O relatório é um meio, não um fim. Ele existe para que uma decisão seja tomada. Para que uma ação seja executada. Para que um resultado seja alcançado.



Mas ao longo dos anos, em muitas organizações, o relatório virou o produto final. O ciclo passou a ser: coletar dados, montar o relatório, apresentar o relatório, discutir o relatório, aguardar o próximo ciclo. A decisão, quando vinha, chegava tarde. O mercado já havia mudado. O fornecedor já havia falhado. A oportunidade já havia passado.



Não estou culpando os gestores. Estou descrevendo um modelo que foi construído assim, porque era o único possível. Quando os dados viviam em sistemas diferentes, quando não havia integração entre processos, quando a única forma de ter uma visão consolidada era alguém passar horas construindo-a manualmente, o relatório era de fato o melhor recurso disponível.



Esse tempo acabou.



O relatório foi a melhor solução para um problema que a tecnologia já resolveu. Continuar dependendo dele não é prudência: é inércia.



<h2 class="wp-block-heading">O custo invisível de esperar o relatório</h2>



Existe um custo que raramente aparece nos indicadores de desempenho de uma área de compras: o custo das decisões que não foram tomadas a tempo.



O fornecedor que começou a dar sinais de fragilidade financeira dois meses antes de falhar, mas o alerta só chegou quando alguém rodou o relatório mensal. A concentração de gasto em um único parceiro que todo mundo sabia que existia, mas que ninguém quantificou até a auditoria trimestral. O desvio de política que virou hábito porque o ciclo de análise era lento demais para pegar o problema enquanto ele ainda era pequeno.



Esses são custos reais. Eles aparecem no resultado, na margem, no risco operacional. Mas não aparecem no campo &#8216;motivo&#8217; de nenhum relatório, porque o relatório, por definição, registra o que já aconteceu. Ele não tem como registrar o que poderia ter sido evitado se a informação tivesse chegado mais rápido.



Velocidade de decisão não é uma vantagem competitiva apenas em mercados dinâmicos. Em compras corporativas, onde cada dia de atraso em uma negociação tem impacto direto sobre custo, onde a ruptura de um fornecedor pode paralisar uma operação inteira, onde a janela para capturar uma condição comercial favorável pode durar horas, decidir rápido é decidir bem.



Informação que chega tarde não é informação. É história. E gestores não são historiadores: são tomadores de decisão.



<h2 class="wp-block-heading">O que mudou e por que importa agora</h2>



A inteligência artificial mudou a equação de forma irreversível. Não porque ela seja mais inteligente do que os gestores, mas porque ela elimina o gargalo que sempre existiu entre o dado e a decisão: o tempo de compilação manual.



Quando um sistema consegue responder, em segundos, qual fornecedor apresentou mais variação de prazo no último trimestre, qual categoria tem mais compras fora de política ou qual unidade de negócio está com o maior volume de pedidos emergenciais, ele não está fazendo o trabalho do gestor. Ele está liberando o gestor para fazer o trabalho que só ele pode fazer.



Isso muda o perfil do que se espera de uma liderança de compras. O gestor que se diferencia não é mais o que tem o relatório mais bem construído. É o que faz as perguntas mais inteligentes, que enxerga conexões que os dados sozinhos não mostram, que usa a velocidade da informação para agir antes que o problema se instale.



Esse gestor não espera o relatório. Ele pergunta ao sistema e age.



<h2 class="wp-block-heading">A desculpa que não funciona mais</h2>



Já ouvi muitas vezes a justificativa de que dados em tempo real são para empresas grandes, com orçamento de tecnologia robusto, com equipes especializadas em analytics. Que para a realidade da maioria das empresas brasileiras, o relatório ainda é o caminho.



Essa justificativa foi verdade por muito tempo. Hoje ela é uma desculpa.



As plataformas de procurement modernas já entregam esse nível de acesso à informação como parte da operação padrão, não como um módulo avançado para quem pode pagar mais. A integração de dados ao longo do ciclo de compras, que era o grande obstáculo técnico para a análise em tempo real, já está resolvida em ferramentas acessíveis a empresas de médio porte.



O que falta, na maior parte dos casos, não é tecnologia. É a decisão de parar de esperar o relatório e começar a perguntar.



A tecnologia já resolveu o problema do acesso à informação. O que falta agora é a coragem de mudar o modelo de como as decisões são tomadas.



<h2 class="wp-block-heading">Uma provocação para levar para o próximo ciclo</h2>



Na próxima reunião de resultados da sua área de compras, observe quanto tempo é gasto apresentando o que aconteceu e quanto tempo é dedicado a decidir o que vai acontecer.



Se a maior parte da reunião foi sobre o passado, o modelo precisa mudar. Não porque o passado não importe: ele importa. Mas porque o papel da liderança é construir o futuro, e construir o futuro exige tempo para pensar, não para compilar.



O gestor que ainda precisa de um relatório para decidir não está errado. Ele está usando a melhor ferramenta que conhece. O problema é que essa ferramenta já tem substituta. E quem ainda não encontrou essa substituta está deixando tempo, velocidade e resultado na mesa.



E em compras corporativas, essas três coisas têm preço.

O gestor que ainda precisa de um relatório para decidir está atrasado

Eu sei que esse título incomoda. Faz parte. Durante anos, o relatório foi o símbolo de um gestor preparado. Quem chegava à reunião com os números na ponta da língua, com o dashboard aberto, com a análise bem montada, era visto como alguém que dominava a operação. E era, de certa forma. Porque naquele modelo, [&hellip;]

O gestor que ainda precisa de um relatório para decidir está atrasado | Administradores

https://cdn.administradores.com.br/app/uploads/2026/07/13143819/CAPAS-MATERIA-SITE-GRANDES-2000px-1-7.jpg

Home

Artigos

Informação e Educação para líderes e suas equipes. Notícias, artigos, cursos, palestrantes, mentorias e treinamentos personalizados para profissionais e empresas

Administradores

https://cdn.administradores.com.br/app/uploads/2023/06/06200454/Logo-administradores.png

Administradores | Conhecimento para Resultados

Em uma negociação de compras, preço é apenas uma parte da resposta. A proposta mais barata pode vir de um fornecedor com baixa capacidade de entrega. O prazo mais agressivo pode ser oferecido por uma empresa financeiramente pressionada. A condição comercial mais atraente pode esconder uma dependência operacional que aumentará o custo no futuro.



Ainda assim, muitas decisões são tomadas como se todas as informações importantes estivessem na proposta recebida.



O poder do comprador não nasce apenas do volume negociado, da concorrência entre fornecedores ou da capacidade de pressionar preços. Ele nasce, sobretudo, da qualidade da informação disponível no momento em que a decisão precisa ser tomada.



É nesse ponto que o monitoramento contínuo de fornecedores muda a negociação. Ele permite que o comprador deixe de olhar apenas para preço, prazo e condição de pagamento e passe a considerar também mudanças recentes no perfil de risco, no desempenho e na capacidade do parceiro.



Uma empresa pode ter processos sofisticados de homologação, compliance e análise financeira. Se essas informações não estiverem acessíveis durante a cotação ou a aprovação, seu valor estratégico diminui.



Imagine que uma área identifique uma alteração relevante no fornecedor, mas o registro permaneça em uma planilha ou em um sistema separado. Enquanto isso, compras compara propostas e escolhe a menor oferta sem conhecer o novo cenário. A organização fez a análise, encontrou o risco e, ainda assim, tomou a decisão como se nada tivesse mudado.



Esse é um dos grandes pontos cegos do procurement: a distância entre quem identifica a informação e quem decide a compra.



Monitorar continuamente significa acompanhar informações capazes de alterar o perfil do fornecedor e conectá-las às etapas em que elas podem produzir uma resposta. Isso inclui seleção para cotações, comparação de propostas, negociação de condições, aprovação de pedidos e renovação de contratos.



O risco deixa de ser um relatório consultado depois e passa a ser um elemento da decisão.



Uma negociação de qualidade não busca apenas reduzir o valor unitário. Ela procura construir a melhor relação entre custo, capacidade de entrega, continuidade, qualidade, governança e exposição.



Quando o comprador conhece o histórico e o cenário atual do fornecedor, pode interpretar a proposta de maneira mais realista. Uma redução de preço pode ser uma oportunidade legítima, mas também pode refletir pressão de caixa. Um prazo excepcional pode representar eficiência, mas pode ser incompatível com a capacidade operacional demonstrada. Uma dependência crescente de um único fornecedor pode tornar uma economia imediata muito cara no médio prazo.



Informação de risco não existe para impedir negócios. Existe para melhorar a negociação. Dependendo do caso, ela pode justificar a revisão de prazos, garantias, volumes, formas de pagamento, limites de exposição ou planos de contingência.



O comprador informado não precisa escolher apenas entre contratar ou bloquear. Ele pode negociar condições proporcionais ao risco.



Há uma ideia equivocada de que acompanhar riscos torna a relação com fornecedores mais desconfiada ou punitiva. Na prática, o efeito pode ser o oposto. Quando os critérios são claros e as decisões têm base objetiva, a conversa fica menos sujeita a percepções isoladas e mais orientada a fatos.



Um alerta não precisa resultar em exclusão. Pode abrir espaço para esclarecimento, atualização documental, plano de recuperação, ajuste contratual ou reforço de controles. Isso permite preservar relações relevantes sem ignorar sinais que exigem atenção.



O fornecedor também se beneficia de uma gestão mais previsível. Em vez de ser surpreendido por uma decisão baseada em rumores ou avaliações informais, ele conhece os critérios, apresenta contexto e pode demonstrar como pretende responder à mudança identificada.



Boa negociação não é aquela em que um lado esconde mais informação. É aquela em que riscos, responsabilidades e condições estão suficientemente claros para que a relação seja sustentável.



Plataformas de procurement podem reunir dados de cadastro, documentos, fontes públicas, parceiros especializados e registros de desempenho. Também podem organizar alertas e critérios conforme a criticidade do fornecedor. Mas o ganho não está em acumular dados.



O ganho está em inserir a informação no fluxo real de trabalho. Quando o comprador enxerga uma mudança antes de convidar uma empresa para a cotação, durante a comparação das propostas ou antes da aprovação final, ele pode adaptar sua estratégia. Quando descobre depois, resta administrar o impacto.



É importante lembrar que processos, restrições, alterações cadastrais ou sinais financeiros não devem ser interpretados isoladamente como prova de incapacidade. A análise precisa considerar contexto, natureza do evento, estágio da ocorrência e impacto sobre a contratação.



A tecnologia amplia a visibilidade. A política de riscos define o que é relevante. A análise humana transforma informação em decisão.



Durante muito tempo, o poder de compras foi medido pela capacidade de obter desconto. Esse indicador continua importante, mas é incompleto. Uma área madura também precisa saber evitar custos futuros, proteger a continuidade e escolher condições compatíveis com a realidade da cadeia.



O monitoramento contínuo fortalece esse papel porque reduz a assimetria de informação. Ele permite que o comprador faça perguntas melhores, compare propostas com mais contexto e negocie de acordo com o risco efetivo, não com uma fotografia antiga do fornecedor.



Decisão segura não é decisão sem risco. Isso não existe. Decisão segura é aquela em que o risco conhecido foi considerado no momento certo.



Quando informação e negociação passam a fazer parte da mesma jornada, compras deixa de reagir apenas ao preço apresentado e passa a conduzir a relação com mais inteligência. Esse é o poder que realmente transforma procurement em estratégia.

Decisão segura é decisão informada

Existe uma pergunta que eu faço mentalmente toda vez que entro em uma reunião de planejamento com líderes de compras: essa pessoa veio para decidir ou veio para apresentar dados?



A diferença parece sutil. Não é.



O gestor operacional chega à reunião com o relatório na mão. Ele sabe o que aconteceu. Consegue explicar os números, detalhar as variações, justificar os desvios. É competente, organizado, dedicado. Mas a maior parte do tempo que ele passou antes daquela reunião foi navegando por sistemas, exportando planilhas, consolidando informações de fontes diferentes para montar aquela apresentação.



O gestor estratégico chega à reunião com uma posição. Ele não apenas sabe o que aconteceu: sabe o que isso significa, o que precisa mudar e o que vai propor. O tempo que ele passou antes daquela reunião foi pensando, não compilando.



Essa distinção define o que separa um perfil do outro. E ela está sendo acelerada, de forma silenciosa, pela inteligência artificial.



<h2 class="wp-block-heading">O tempo que a análise manual rouba da liderança</h2>



Durante anos, confundimos acesso à informação com capacidade de decidir. Implementamos sistemas, criamos dashboards, estruturamos relatórios. Achamos que, ao colocar os dados na tela, estávamos equipando nossas lideranças para decidir melhor.



O que na prática aconteceu foi diferente. Criamos líderes muito bons em ler dados e muito ocupados para interpretar o que eles significam. O acesso à informação cresceu, mas o tempo para pensar sobre ela encolheu na mesma proporção.



Um estudo da McKinsey aponta que líderes de compras gastam em média mais de 40% do tempo em atividades de coleta e organização de dados, tarefas que não exigem julgamento estratégico, mas consomem exatamente o tempo em que esse julgamento poderia estar sendo exercido. Não é uma questão de competência. É uma questão de modelo.



O problema não é que os gestores não saibam analisar dados. É que eles gastam tempo demais coletando e organizando informações que deveriam chegar prontas para análise.



<h2 class="wp-block-heading">O que a inteligência artificial muda nessa equação</h2>



A IA não torna o gestor mais inteligente. Ela devolve a ele o tempo que o modelo manual de análise roubou.



Quando um sistema de procurement consegue responder, em segundos e em linguagem natural, qual fornecedor apresentou mais desvios de prazo no último trimestre, qual categoria concentra mais gasto fora de política ou qual unidade de negócio tem o maior volume de pedidos emergenciais, ele elimina a etapa de compilação e deixa o gestor fazer o que só ele pode fazer: interpretar, contextualizar e decidir.



Esse é o movimento que estamos chamando de procurement conversacional. E ele não é apenas uma evolução tecnológica: é uma redefinição do que significa liderar uma área de compras.



O gestor que antes precisava de dois dias para preparar uma análise de spend agora pode ter essa análise em minutos. Não porque o trabalho ficou mais fácil, mas porque a parte mecânica dele foi automatizada. O que sobra é o trabalho que realmente exige liderança.



<h2 class="wp-block-heading">Por que isso é uma questão de posicionamento estratégico</h2>



Líderes que ainda dependem do modelo manual de análise estão, sem perceber, se posicionando como operadores em um mercado que começa a valorizar estrategistas.



Não estou falando de habilidade técnica. Estou falando de onde o tempo e a atenção do líder estão sendo alocados. Se a maior parte do esforço vai para a construção da análise, sobra pouco para a qualidade da decisão. E em compras corporativas, decisões de baixa qualidade têm impacto direto sobre margem, risco e resultado.



As empresas que estão avançando mais rápido em eficiência de procurement não são necessariamente as que têm as equipes maiores ou os sistemas mais sofisticados. São as que conseguiram libertar suas lideranças da análise manual e colocá-las para trabalhar no que realmente diferencia: visão de mercado, gestão de fornecedores estratégicos, construção de política de compras com impacto de longo prazo.



Dados são matéria-prima, não produto final. O papel do líder é transformar dados em decisão, não em relatório.



<h2 class="wp-block-heading">O que o gestor estratégico faz diferente</h2>



Observando líderes de compras que já operam com esse novo modelo, algumas diferenças de comportamento se destacam.



O primeiro ponto é que eles fazem perguntas melhores. Quando a análise é automatizada, o gestor para de se perguntar 'como vou montar esse relatório?' e começa a se perguntar 'o que esse dado está me dizendo que eu ainda não entendi?'. A qualidade da pergunta determina a qualidade da decisão.



O segundo ponto é que eles constroem posições, não apresentações. A reunião deixa de ser o momento de mostrar o que aconteceu e passa a ser o momento de defender o que precisa acontecer. Isso muda a dinâmica com a alta liderança e eleva o nível de influência da área de compras no negócio.



O terceiro ponto, talvez o mais importante, é que eles antecipam. Com mais tempo para pensar e dados chegando mais rápido, o gestor estratégico detecta tendências antes que elas se tornem problemas. Identifica concentração de fornecedores antes da ruptura. Percebe desvios de política antes que virem hábito. Age antes de ser cobrado.



<h2 class="wp-block-heading">A escolha que está sendo feita agora</h2>



A adoção da inteligência artificial em compras não é uma questão de futuro. É uma questão de presente. E as escolhas que líderes e empresas estão fazendo agora vão determinar quem ocupa a posição de referência nesse tema daqui a dois ou três anos.



Isso não significa implementar tecnologia pela tecnologia. Significa entender qual é o problema que precisa ser resolvido: o tempo que a análise manual consome, a velocidade com que as decisões precisam ser tomadas e a pressão crescente por resultados que só uma liderança verdadeiramente estratégica consegue entregar.



A pergunta que cada gestor precisa responder é simples: nas últimas semanas, quanto do meu tempo fui dedicar a compilar informações e quanto dediquei a pensar sobre elas?



A resposta a essa pergunta revela muito mais sobre o modelo de liderança de uma área de compras do que qualquer indicador de desempenho.

Liderança que decide com dados: o que separa gestores operacionais de gestores estratégicos

Existe uma pergunta que eu ouço com frequência em conversas com líderes, especialmente nos últimos dois anos: "Como faço para manter o time entregando no nível que a empresa precisa sem destruir as pessoas no processo?"



A pergunta em si já diz muita coisa. Ela revela que a liderança moderna chegou a um ponto onde desempenho e bem-estar deixaram de ser tratados como opostos, mas ainda não aprendemos, de verdade, a conciliá-los.



E essa é uma das tensões mais honestas da gestão contemporânea.



Durante décadas, o mundo corporativo operou sob uma lógica simples: quem aguenta a pressão, sobe. Quem não aguenta, sai. O burnout era tratado como fraqueza individual, não como falha sistêmica. A resiliência era medida pela capacidade de absorver volume, urgência e caos sem reclamar.



Esse modelo gerou resultados. Também gerou uma geração de líderes esgotados que lideram times esgotados, numa cadeia de exaustão que muita empresa ainda chama de cultura de alta performance.



Não é. É alta entrega com prazo de validade.



O problema não é exigir resultados. O problema é confundir intensidade com produtividade, e volume de trabalho com valor entregue. Quando uma organização não consegue distinguir essas coisas, ela começa a consumir as pessoas mais comprometidas primeiro, porque são elas que absorvem a diferença entre o que foi planejado e o que a realidade exige.



<h2 class="wp-block-heading">O que a ciência já sabe e a gestão ainda ignora</h2>



A neurociência e a psicologia organizacional há anos apontam para o mesmo caminho: a performance sustentável depende de ciclos. O cérebro humano não foi projetado para operar em estado de alerta contínuo. Quando operamos sob pressão crônica, a capacidade cognitiva cai, a criatividade desaparece e a tomada de decisão piora, justamente nas áreas que uma liderança mais precisa.



Isso significa que o líder que não descansa toma decisões piores. O time que não tem espaço para respirar entrega soluções mais rasas. A empresa que não cuida dos seus ritmos não está sendo exigente: está sendo ineficiente.



Alta performance de verdade não é sprint permanente. É saber quando acelerar e quando recuperar.



A maioria dos líderes que conheço já sabe disso racionalmente. O problema é que saber não basta quando a cultura da empresa recompensa quem trabalha mais horas, responde mensagens no fim de semana e aparece em reunião mesmo doente.



Enquanto os incentivos apontarem para um lado e o discurso apontar para outro, nada muda de fato.



E aí chegamos ao verdadeiro dilema: não é como equilibrar performance e bem-estar. É como criar ambientes onde o bem-estar seja parte da estratégia de performance, não o seu oposto.



Isso exige que líderes façam coisas desconfortáveis. Dizer não a demandas irreais. Proteger o tempo do time mesmo sob pressão de cima. Modelar comportamentos saudáveis em vez de apenas pregar sobre eles. Reconhecer entregas, não horas trabalhadas.



Exige, acima de tudo, coragem para questionar práticas que a empresa sempre teve como normais.



Uma das causas menos discutidas do burnout é a ambiguidade. Quando as pessoas não sabem exatamente o que é esperado delas, qual é a prioridade real, o que conta como sucesso, elas tendem a fazer tudo ao mesmo tempo, com medo de errar. E fazer tudo ao mesmo tempo, sem critério, é uma das formas mais rápidas de esgotamento.



Clareza não é microgestão. É respeito pelo tempo e pela energia das pessoas.



Quando um líder define bem o que importa, o que pode esperar e o que pode ser descartado, ele não está sendo menos exigente. Ele está sendo mais inteligente na forma de extrair o melhor do time.



Em vez de "como faço para que o time entregue mais?", a pergunta deveria ser "o que está impedindo o time de entregar melhor?"



Essa inversão parece simples, mas muda tudo. A primeira pergunta assume que o problema é quantidade. A segunda assume que o problema pode ser qualidade do ambiente, da comunicação, dos processos ou das expectativas.



E na maioria das vezes, é.



O líder que aprende a fazer essa segunda pergunta, e age sobre as respostas que recebe, está construindo algo raro: um time que entrega de forma consistente porque quer, não porque teme.



Essa é a diferença entre performance com prazo de validade e performance que dura.



O dilema não vai desaparecer. A pressão por resultados é real e legítima. Mas a liderança que vai sobreviver e prosperar nos próximos anos não será a que mais exigiu. Será a que melhor entendeu que pessoas não são recursos. São a própria vantagem competitiva.



E vantagem competitiva precisa ser cuidada.

Performance sem burnout: o novo dilema das lideranças modernas

A curva do Dunning-Kruger virou meme. Todo mundo já viu o gráfico: um pico de confiança logo no início do aprendizado ("eu sei de tudo"), um vale de desespero na sequência, e uma recuperação lenta até o platô do conhecimento real. É uma imagem tão repetida que perdeu a força, virou piada de LinkedIn pra zoar quem fala demais sobre o que entende pouco.O problema é que, tratado como piada, o efeito perde exatamente a parte que mais importa pra quem lidera equipe de tecnologia: ele não é sobre "aquele cara que acha que sabe tudo". É sobre decisões estruturais, de contratação, promoção e delegação, que empresas tomam todos os dias baseadas em confiança, não em competência. E como a confiança é visível e a competência não, o vetor errado normalmente vence.O que o estudo original realmente mostrouKruger e Dunning publicaram o estudo original em 1999, no Journal of Personality and Social Psychology, com um título que já resume a tese: pessoas sem competência técnica pra reconhecer o próprio erro tendem a superestimar sistematicamente sua performance. O motivo é estruturalmente simples: a habilidade de avaliar corretamente uma resposta em um domínio é, em grande parte, a mesma habilidade necessária pra dar a resposta certa nesse domínio. Quem não tem a competência técnica também não tem a régua pra medir a própria distância até ela.O espelho desse efeito é igualmente importante e é onde a maioria das discussões sobre DK erra a mão: especialistas de verdade tendem a&nbsp;subestimar a própria competência, porque enxergam a complexidade e as exceções que o iniciante simplesmente não sabe que existem. Isso tem nome dentro da própria pesquisa sobre times de engenharia: o padrão mais consistente observado em squads técnicas é júnior superestimando a si mesmo, sênior subestimando a si mesmo. E aí mora um problema de liderança sério, porque quem fala mais alto numa reunião normalmente não é quem sabe mais.Onde isso quebra decisões de gestão, com dados1. A promoção do melhor performer técnico é estatisticamente uma aposta ruimExiste uma pesquisa publicada na Harvard Business Review, conduzida por pesquisadores de Minnesota, MIT e Chicago Booth, que analisou dados de mais de 53 mil vendedores e 1.500 promoções em 214 empresas ao longo de seis anos. O achado é desconfortável pra quem lidera times técnicos: quanto melhor o vendedor era na função individual, pior ele se saía como gestor depois de promovido, e cada nível a mais de performance em vendas se correlacionava com queda mensurável na performance do time depois da promoção.Isso não é sobre vendas. É sobre o critério de promoção que praticamente toda empresa de tecnologia usa: promover o melhor engenheiro individual pra virar tech lead ou engineering manager, presumindo que competência técnica prevê competência de gestão. Os próprios pesquisadores nomeiam esse padrão de forma direta: empresas tendem a promover os melhores vendedores mesmo eles se tornando os piores gestores. A pesquisa é sobre vendas porque o dataset existia pra vendas, mas o mecanismo por trás, confundir performance individual com potencial de liderança, é exatamente o mesmo mecanismo que move promoções em engenharia.2. Gestores também sofrem do efeito, inclusive (e principalmente) em temas técnicos como IAUm estudo publicado em 2026 na European Management Review testou diretamente se gestores estão sujeitos ao efeito Dunning-Kruger, especificamente no domínio de transformação digital. A resposta foi sim, nos dois sentidos: parte dos gestores com exposição superficial a IA (conhecer os termos, ter usado uma ferramenta algumas vezes) superestimava sistematicamente sua real competência no tema, enquanto gestores com exposição mais profunda tendiam a se avaliar de forma mais conservadora, justamente por entenderem a complexidade real do problema.Isso é especialmente perigoso agora, porque decisões de investimento em IA dentro das empresas, quanto automatizar, o que terceirizar pra um agente, quando cortar headcount, estão sendo tomadas por gestores cuja confiança no tema muitas vezes não reflete competência real sobre ele.A IA não está resolvendo o problema. Está acelerando ele.Antes de 2023, o efeito Dunning-Kruger em desenvolvimento de software tinha um corretivo natural embutido: o vale do desespero. Você tentava construir algo complexo sozinho, batia de frente com sua própria falta de conhecimento, sentia a dor de não saber, e essa dor forçava aprendizado real. Era desconfortável, mas funcionava como mecanismo de calibração.Ferramentas de IA generativa removeram boa parte desse atrito, e a remoção do atrito removeu junto o mecanismo de correção. Se o código não funciona, a IA explica o erro. Se precisa refatorar, ela sugere o diff. Se falta contexto, ela resume a documentação inteira em segundos. O resultado é uma sensação contínua de "está funcionando" sem nunca passar pelo vale que costumava ensinar humildade técnica de verdade.Isso não é intuição solta. Um estudo publicado na revista científica Computers in Human Behavior em 2026 mediu exatamente essa desconexão: pessoas que usam IA em tarefas cognitivas relatam notas de autoavaliação mais altas depois de completar a tarefa do que pessoas que fazem a mesma tarefa sem IA, mesmo quando a qualidade objetiva do resultado não justifica essa diferença de confiança. A IA está tornando as pessoas mais capazes na tarefa pontual, sem torná-las mais sábias sobre os próprios limites.Existe até uma pergunta simples que separa quem realmente absorveu conhecimento de quem só absorveu velocidade: se você não consegue explicar a solução de forma convincente com a ferramenta fechada, você ainda não é dono dela, só usou emprestado por alguns minutos.O efeito colateral mais sério disso é organizacional, não individual. Uma equipe cheia de gente confiante numa tarefa que, na prática, só sabe operar dentro do que a IA sugere, tem uma aparência de competência elevada até o dia em que precisa lidar com algo fora do script, um incidente em produção, uma decisão de arquitetura sem precedente, uma negociação técnica com o cliente. Nesse momento, a diferença entre "sei fazer" e "sei prompt" fica cara.O que isso muda na prática pra quem lideraPare de usar confiança como proxy de competência em decisões de promoção. O caso das vendas na HBR é o exemplo mais bem documentado que existe de como esse atalho mental custa caro. Antes de promover o engenheiro mais confiante ou mais vocal pra uma posição de liderança técnica, vale perguntar: essa pessoa demonstrou competência em coordenar, delegar e desenvolver outras pessoas, ou só demonstrou competência em código?Trate silêncio ou cautela como possível sinal de expertise, não de fraqueza. Se o padrão comprovado é júnior superestimando e sênior subestimando, a pessoa mais hesitante na sala em discutir um tema técnico complexo pode ser exatamente quem entende melhor os riscos. Vale criar espaço explícito pra essa voz, porque ela não vai competir naturalmente com quem fala mais alto e mais rápido.Audite decisões de adoção de IA pela profundidade real de quem está decidindo, não pela familiaridade percebida. Se a pessoa que está decidindo cortar headcount ou automatizar um processo tem só exposição superficial à ferramenta, o risco de decisão mal calibrada é estruturalmente mais alto, segundo o próprio estudo sobre gestores e transformação digital.Construa o "vale do desespero" de volta, de forma deliberada. Times que usam IA de forma saudável continuam praticando resolver problemas do zero, sem assistência, com alguma frequência, exatamente pra manter viva a calibração entre confiança e competência real. Não é nostalgia por sofrimento, é manutenção de um sistema de feedback que naturalmente se perdeu.O insight que ficaO efeito Dunning-Kruger nunca foi sobre pessoas burras que acham que são espertas. É sobre um mecanismo cognitivo universal, presente em qualquer pessoa entrando em qualquer domínio nunca antes mapeado, que fica perigoso quando uma organização inteira constrói decisões de contratação, promoção e investimento em cima de confiança visível em vez de competência verificada.A tecnologia não vai resolver isso. Pelo contrário: ferramentas de IA generativa tiraram o atrito que, sem querer, funcionava como sistema de calibração pra gente inteira do mercado. Quem lidera equipe técnica agora tem uma responsabilidade que não existia com a mesma urgência há cinco anos: desenhar processos de decisão, promoção e avaliação que compensem ativamente esse viés, em vez de reforçá-lo.Porque a pergunta que realmente importa nunca foi "essa pessoa parece confiante". Sempre foi "essa pessoa consegue provar que sabe, sem precisar de mais ninguém, nem de mais nada, pra sustentar a resposta".

O efeito Dunning-Kruger não é sobre os outros. É sobre decisões de liderança em tech.

A discussão sobre armas autônomas deixou de pertencer exclusivamente aos estrategistas militares e passou a integrar um problema maior de governança tecnológica: quem responde quando uma decisão de vida ou morte é produzida por um sistema que nenhum ser humano escolheu individualmente no momento do ataque? A pergunta parece militar, mas sua estrutura é profundamente administrativa. Ela envolve delegação de autoridade, gestão de riscos, supervisão, accountability, controles internos e limites para decisões automatizadas.O problema ganha urgência porque a autonomia tecnológica avança mais rapidamente que a construção de mecanismos internacionais de controle. Em 2026, o Grupo de Peritos Governamentais da Convenção sobre Certas Armas Convencionais continua trabalhando sobre os elementos de um possível instrumento internacional, com nova sessão prevista para 31 de agosto a 4 de setembro e a Conferência de Revisão da Convenção marcada para novembro.A questão, portanto, não é simplesmente se máquinas podem decidir. É se uma organização pode legitimamente delegar a uma máquina uma decisão que, por sua própria natureza, exige responsabilidade humana.Autonomia não é apenas automaçãoUma arma automatizada executa uma função previamente delimitada. Uma arma autônoma, em sentido relevante para o debate jurídico contemporâneo, pode selecionar e engajar alvos sem intervenção humana adicional depois de ativada. O Comitê Internacional da Cruz Vermelha identifica justamente essa autonomia nas funções críticas de seleção e aplicação da força como núcleo do problema.A distinção é decisiva para a Administração.Automatizar uma decisão não significa necessariamente transferir responsabilidade. Delegar uma decisão a um sistema capaz de produzir resultados não antecipados é diferente. No primeiro caso, o algoritmo executa uma política. No segundo, a própria execução pode produzir uma escolha operacional que o decisor humano não determinou individualmente.Essa diferença também aparece fora do campo militar. Organizações já utilizam sistemas para crédito, recrutamento, detecção de fraude, segurança, logística e avaliação de riscos. A questão das armas autônomas radicaliza o problema porque revela seu limite extremo: há decisões que não podem ser tratadas apenas como problemas de eficiência computacional.O Direito já impõe limites antes de existir uma nova lei específicaNão existe atualmente uma regra internacional única e específica que resolva todo o problema das armas autônomas. Isso, porém, não significa ausência de Direito.O artigo 36 do Protocolo Adicional I às Convenções de Genebra estabelece a obrigação de verificar, no estudo, desenvolvimento, aquisição ou adoção de novas armas, meios ou métodos de guerra, se seu emprego seria proibido pelo próprio Protocolo ou por outras normas internacionais aplicáveis.Essa obrigação desloca a discussão para um ponto fundamental de governança: a legalidade precisa entrar no ciclo de vida da tecnologia, e não aparecer apenas depois do dano.A revisão jurídica de uma arma autônoma, portanto, não pode ser tratada como mera formalidade documental. Deve considerar previsibilidade, ambiente operacional, tipos de alvo, duração da operação, possibilidade de intervenção humana, limitações técnicas e capacidade efetiva de cumprir as regras de distinção, proporcionalidade e precauções no ataque.O próprio CICV sustenta que o Direito Internacional Humanitário continua aplicável às novas tecnologias de guerra e que o problema central consiste em assegurar que os sistemas possam operar em conformidade com essas normas.A tese da eficiência e o problema da responsabilidadeHá uma antítese importante.Defensores da autonomia militar podem sustentar que seres humanos também erram, sofrem fadiga, medo, vieses cognitivos e limitações perceptivas. Sistemas computacionais podem processar grandes volumes de informação, reagir rapidamente e, em determinadas circunstâncias, executar tarefas com maior consistência.Esse argumento não é juridicamente irrelevante. Uma governança responsável não pode presumir que toda decisão humana seja superior a toda decisão algorítmica.Mas existe um problema que a eficiência não resolve: quem responde pela decisão?Uma máquina não pode ser transformada em sujeito moral ou jurídico simplesmente porque produziu autonomamente determinado resultado. O sistema não possui mandato político, responsabilidade jurídica ou capacidade institucional de prestar contas. A responsabilidade permanece distribuída entre aqueles que projetaram, adquiriram, autorizaram, programaram, supervisionaram e empregaram a tecnologia.É exatamente essa dificuldade que torna inadequada a ideia de que o algoritmo poderia funcionar como uma espécie de “responsável operacional”. O CICV enfatiza que as obrigações do Direito Internacional Humanitário não podem ser transferidas para uma máquina ou programa.O paradoxo da delegaçãoToda organização conhece o princípio da delegação. Conselhos delegam poderes a executivos; executivos a gestores; gestores a equipes; equipes a sistemas.Mas delegação legítima pressupõe controle.É possível delegar uma tarefa sem delegar integralmente a responsabilidade por seus efeitos. O problema surge quando a organização transfere para o sistema não apenas a execução, mas também a capacidade material de determinar o resultado.É nesse ponto que proponho o conceito de paradoxo da delegação letal: quanto maior a autonomia de um sistema sobre uma decisão irreversível, maior deve ser, e não menor, a exigência de governança humana sobre sua concepção, autorização, operação e responsabilização.Como bem aponta Northon Salomão de Oliveira: “Quanto maior a autonomia concedida à máquina sobre uma decisão irreversível, maior deve ser a responsabilidade humana sobre o sistema que tornou essa decisão possível.”A proposição tem consequência administrativa direta. A autonomia não deve ser avaliada apenas pelo ganho operacional que produz, mas também pela quantidade de poder decisório que desloca para fora do julgamento humano.Governança de risco: do algoritmo à cadeia de responsabilidadeO debate sobre armas autônomas oferece uma lição extraordinariamente útil para empresas e instituições.Um sistema de governança tecnológica minimamente robusto deveria responder, antes da implantação de qualquer sistema de alto impacto:- quem autorizou o sistema;- quais decisões podem ser automatizadas;- quais decisões permanecem obrigatoriamente humanas;- quais são os limites territoriais, temporais e operacionais;- quais variáveis podem alterar o comportamento do sistema;- como a organização detectará comportamento inesperado;- quem pode interromper a operação;- quais registros permitirão reconstruir uma decisão;- quem será responsabilizado por falhas;- e em quais circunstâncias o sistema deve ser retirado de operação.No campo militar, essas perguntas adquirem consequências extremas. Mas a arquitetura de governança é reconhecível em qualquer organização complexa.A verdadeira maturidade tecnológica não consiste em eliminar seres humanos do processo decisório. Consiste em saber exatamente onde a máquina pode decidir, onde deve apenas recomendar e onde jamais deve decidir sozinha.O debate internacional chegou a um ponto de inflexãoO cenário internacional demonstra que a controvérsia não está resolvida.O Pacto para o Futuro, adotado pelas Nações Unidas em 2024, estabeleceu como objetivo concluir até 2026 um instrumento juridicamente vinculante para proibir sistemas autônomos que selecionem alvos e apliquem força sem controle humano e regulamentar os demais sistemas para assegurar sua conformidade com o Direito Internacional Humanitário.Em 2025, António Guterres reiterou a defesa de um instrumento juridicamente vinculante e afirmou que decisões de vida ou morte não devem ser delegadas a máquinas.Ao mesmo tempo, o processo negociador permanece aberto. Na sessão de março de 2026 do Grupo de Peritos da CCW, os Estados continuaram discutindo elementos de um possível instrumento, inclusive conceitos relacionados a julgamento e controle humanos contextualizados. A segunda sessão de 2026 está programada para ocorrer entre 31 de agosto e 4 de setembro.O CICV, por sua vez, defende novas regras juridicamente vinculantes, incluindo a proibição de sistemas imprevisíveis e de sistemas destinados ou utilizados para aplicar força diretamente contra pessoas, além de restrições rigorosas para sistemas que não sejam proibidos.O conflito normativo, portanto, não é simplesmente entre tecnologia e Direito. É entre diferentes concepções de quanto risco uma sociedade está disposta a aceitar quando a eficiência tecnológica entra em contato com o poder de matar.A lição para empresas e administradoresEmbora armas autônomas pertençam ao domínio militar, sua estrutura decisória antecipa problemas que organizações privadas e públicas já enfrentam.Quanto maior o impacto de uma decisão automatizada, maior deve ser a preocupação com supervisão, explicabilidade, rastreabilidade, intervenção e responsabilização.A empresa que utiliza inteligência artificial para decidir crédito, contratação, demissão, segurança ou distribuição de recursos talvez não esteja diante de um problema comparável à guerra. Mas está diante da mesma questão estrutural: qual é o limite legítimo da delegação decisória a sistemas que seus próprios usuários podem não compreender integralmente?A experiência das armas autônomas demonstra que governança não começa quando ocorre o incidente. Começa na arquitetura do sistema.Isso exige uma mudança de mentalidade administrativa: tecnologia de alto impacto deve ser governada como infraestrutura crítica de decisão, e não simplesmente adquirida como ferramenta operacional.Síntese: a eficiência não pode substituir a responsabilidadeA tese de que máquinas podem aumentar precisão e velocidade possui fundamento operacional. A antítese revela, contudo, que precisão técnica não equivale automaticamente a legitimidade jurídica ou responsabilidade institucional.A síntese está em outro lugar.O problema não é escolher entre “homem” e “máquina”. É construir uma arquitetura na qual a autonomia tecnológica permaneça subordinada a limites jurídicos, finalidade legítima, supervisão proporcional ao risco e uma cadeia identificável de responsabilidade.Nas armas autônomas, essa exigência assume sua forma mais radical porque o erro pode ser irreversível. Mas o princípio é muito mais amplo: quanto maior o poder delegado a uma tecnologia, maior deve ser a qualidade da governança que permanece sobre ela.O futuro da tomada de decisão não será definido apenas pela capacidade das máquinas de decidir. Será definido pela capacidade das instituições de estabelecer quais decisões nunca devem deixar de ser humanas.E talvez essa seja a verdadeira fronteira da governança algorítmica: não descobrir até onde a máquina consegue decidir, mas determinar até onde uma sociedade juridicamente organizada aceita que ela decida.

Quando a Máquina Decide Matar: Armas Autônomas, Governança de Risco e o Futuro da Tomada de Decisão

A inteligência artificial já não ocupa apenas o departamento de tecnologia. Ela começa a participar de decisões sobre crédito, contratação, preços, riscos, atendimento, fraude, desempenho e alocação de recursos. Quando um sistema deixa de apenas executar uma ordem e passa a recomendar, classificar, priorizar ou rejeitar alternativas, uma transformação silenciosa ocorre dentro da empresa: parte do poder de decidir migra do indivíduo para a arquitetura algorítmica.O problema jurídico nasce exatamente nesse deslocamento. A empresa continua responsável por suas decisões quando o processo decisório foi parcialmente automatizado? Até onde o administrador pode confiar em uma recomendação algorítmica? E quando a eficiência produzida pela IA entra em conflito com transparência, não discriminação, proteção de dados, devido processo interno ou direitos fundamentais?A questão não é saber se a máquina substituirá o gestor. É compreender quem passa a exercer o poder quando o gestor decide seguir a máquina.A decisão empresarial deixa de ser exclusivamente humanaTradicionalmente, a decisão empresarial era atribuída a pessoas ou órgãos claramente identificáveis: diretor, gerente, conselho de administração, comitê de crédito, departamento de recursos humanos ou representante legal.A inteligência artificial introduz uma terceira camada entre informação e decisão: o sistema capaz de processar grandes volumes de dados, identificar padrões, produzir previsões e recomendar condutas.Isso não significa, necessariamente, que a máquina adquira poder jurídico próprio. Significa algo mais sofisticado: a arquitetura técnica passa a influenciar materialmente o exercício do poder organizacional.A Constituição brasileira protege simultaneamente a livre iniciativa, a valorização do trabalho humano, a livre concorrência, a defesa do consumidor e outros princípios que condicionam o exercício da atividade econômica. &nbsp;A eficiência empresarial, portanto, não existe em um vazio normativo.Nesse ponto, a IA modifica a própria natureza da governança. O administrador já não precisa apenas perguntar “qual decisão devo tomar?”. Precisa também perguntar:«“Que sistema está produzindo a informação que está moldando minha decisão, com quais dados, critérios, riscos e possibilidades de contestação?”»Essa mudança é administrativa antes de ser tecnológica e jurídica antes de ser meramente operacional.O conflito: eficiência algorítmica versus responsabilidade humanaHá uma tese empresarial intuitivamente poderosa: se a inteligência artificial consegue processar mais informações, reduzir custos e identificar padrões que escapam à percepção humana, sua utilização tende a tornar a organização mais eficiente.A lógica econômica é difícil de ignorar. Modelos preditivos podem auxiliar na identificação de fraudes, gestão de estoques, avaliação de riscos, recrutamento, precificação e distribuição de recursos. A automação também pode reduzir decisões impulsivas, inconsistentes ou influenciadas por vieses cognitivos individuais.Daniel Kahneman demonstrou, em sua investigação sobre julgamento e tomada de decisão, que seres humanos utilizam atalhos cognitivos que podem produzir erros sistemáticos. A promessa da IA, nesse contexto, parece sedutora: substituir parte da intuição humana por processamento estatístico.Mas a antítese é igualmente importante.O algoritmo pode reproduzir os erros existentes nos dados, amplificar desigualdades históricas ou produzir correlações estatisticamente eficientes, mas juridicamente problemáticas. A ANPD reconhece expressamente riscos relacionados à falta de transparência e a vieses discriminatórios em sistemas de IA e vem tratando a transparência algorítmica e a governança como elementos centrais da regulação do tema.Surge, então, um paradoxo empresarial: uma decisão pode ser tecnicamente eficiente e juridicamente defeituosa.A eficiência não elimina a responsabilidade. Em determinados contextos, pode justamente aumentar o dever de diligência, porque quanto maior a capacidade tecnológica da organização, maior tende a ser sua capacidade de prever, monitorar e controlar determinados riscos.O limite brasileiro: quando a decisão automatizada afeta pessoasA LGPD constitui hoje uma das principais fronteiras jurídicas para decisões empresariais apoiadas em inteligência artificial.O artigo 20 assegura ao titular o direito de solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses, inclusive decisões relacionadas a perfis pessoais, profissionais, de consumo e de crédito. A lei também prevê o direito de acesso a informações sobre critérios e procedimentos utilizados, observados os segredos comercial e industrial.O ponto decisivo é que a legislação não exige que a empresa abandone a automação. Ela cria uma fronteira entre automação eficiente e automatização juridicamente incontestável.A própria ANPD reconhece que a interpretação do artigo 20 ainda envolve questões complexas, inclusive sobre o significado de decisão “unicamente” automatizada, o alcance da revisão e a forma de exercício da contestabilidade. Em 2026, a autoridade mantém o tema em sua agenda regulatória.Isso produz uma consequência prática importante para a Administração: inserir um funcionário nominalmente em alguma etapa do processo não necessariamente resolve o problema jurídico se essa participação humana for meramente formal.Uma assinatura humana não transforma automaticamente uma decisão algorítmica em decisão humana.O novo conceito de governança: poder decisório auditávelÉ nesse ponto que proponho uma distinção útil para a gestão empresarial: governança algorítmica não deve significar apenas controlar a tecnologia; deve significar controlar o poder decisório exercido por meio da tecnologia.Essa diferença é fundamental.Uma empresa pode possuir excelentes políticas de segurança da informação e, ainda assim, ter uma governança deficiente se ninguém souber:- quem autorizou determinado sistema;- quais dados alimentam suas decisões;- quais objetivos foram definidos;- quais decisões podem ser automatizadas;- quais decisões exigem intervenção humana efetiva;- como erros e vieses são detectados;- quem pode interromper o sistema;- como uma pessoa afetada pode contestar determinado resultado;- quais registros permitem reconstruir posteriormente o processo decisório.A OCDE, ao tratar da responsabilização em IA, destaca justamente mecanismos de rastreabilidade, avaliação de impactos, definição de responsabilidades, treinamento, monitoramento e mecanismos de revisão e reparação.A governança, portanto, deixa de ser apenas um conjunto de regras sobre pessoas. Passa a incluir a arquitetura técnica por meio da qual essas pessoas exercem poder.O Direito começa a acompanhar a transformaçãoO movimento regulatório internacional confirma que essa transformação não é uma peculiaridade brasileira.O Regulamento Europeu de Inteligência Artificial adota uma abordagem baseada em risco e considera especialmente sensíveis determinados sistemas utilizados em emprego e gestão de trabalhadores, incluindo recrutamento, promoção, desligamento, distribuição de tarefas e monitoramento de desempenho.Em agosto de 2026, o AI Act entrou em sua fase geral de aplicação, embora determinadas obrigações possuam cronogramas específicos. Alterações legislativas europeias de 2026 também modificaram algumas datas de aplicação das obrigações relativas a sistemas de alto risco.O Brasil segue trajetória própria. O PL 2.338/2023 foi aprovado pelo Senado e remetido à Câmara dos Deputados em março de 2025, permanecendo como referência central do debate legislativo brasileiro sobre inteligência artificial.A diferença entre os sistemas não deve ser ignorada. O direito brasileiro não pode simplesmente importar categorias europeias. Mas o Direito comparado revela uma tendência relevante: quanto maior o impacto de determinado sistema sobre pessoas, maior a exigência de governança, transparência, controle e responsabilização.O problema administrativo que as empresas precisam enfrentarO risco mais perigoso talvez não esteja na utilização ostensiva da IA, mas na sua utilização invisível.Uma organização pode acreditar que possui decisões humanas porque seus gestores continuam formalmente responsáveis. Na prática, entretanto, o gestor pode estar apenas ratificando recomendações produzidas por sistemas que não compreende suficientemente.Isso cria o fenômeno que pode ser denominado delegação cognitiva algorítmica: o ser humano permanece juridicamente responsável, mas transfere progressivamente sua capacidade de julgamento para uma estrutura técnica.O perigo não está em utilizar a recomendação da máquina. Está em deixar de exercer julgamento próprio.Uma política empresarial minimamente madura deveria distinguir três níveis:1. IA como ferramenta: o sistema organiza informações, mas a decisão permanece substancialmente humana.2. IA como recomendadora: o sistema influencia materialmente a decisão, exigindo controles proporcionais ao impacto.3. IA como decisora operacional: o sistema produz ou executa automaticamente uma decisão com efeitos relevantes, exigindo governança, rastreabilidade, supervisão e mecanismos de revisão especialmente robustos.Essa classificação não substitui a análise jurídica de cada caso. Ela serve como instrumento de gestão de risco.O que a empresa deve fazerA implementação responsável de IA não precisa começar por um grande manual de centenas de páginas. Pode começar pela arquitetura decisória.Antes de colocar um sistema em produção, a organização deveria identificar:- finalidade: qual decisão o sistema pretende apoiar ou executar;- dados: quais informações serão utilizadas e qual sua origem;- impacto: quem poderá ser prejudicado ou beneficiado;- grau de autonomia: recomendação, classificação ou decisão;- responsabilidade: quem responde pela decisão final;- supervisão: em quais situações a intervenção humana é obrigatória;- contestação: como uma pessoa poderá questionar o resultado;- monitoramento: como erros, desvios e discriminações serão identificados;- rastreabilidade: quais registros permitirão reconstruir posteriormente a decisão;- descontinuidade: em que circunstâncias o sistema deverá ser suspenso.A ANPD já trabalha, em seu sandbox regulatório, com elementos como transparência algorítmica, explicabilidade, avaliação e mitigação de riscos, análise de impacto, confiabilidade, cibersegurança e planos de descontinuidade.Esse modelo oferece uma lição administrativa importante: governança de IA não deve ser construída depois do incidente; deve ser incorporada antes da decisão automatizada produzir consequências.Caso hipotético: o algoritmo que rejeita candidatosImagine uma empresa que utilize IA para selecionar candidatos. O sistema recebe currículos, histórico profissional e outras informações e produz uma pontuação de adequação.Durante meses, o processo parece funcionar perfeitamente. O departamento de RH percebe redução do tempo de seleção e aumento da produtividade.Posteriormente, descobre-se que determinados grupos são sistematicamente classificados em posições inferiores.A resposta empresarial inadequada seria afirmar que “o algoritmo decidiu”.A resposta juridicamente madura começa pela pergunta oposta:quem decidiu implementar aquele modelo, quais dados foram utilizados, quais testes foram realizados e quem tinha autoridade para interrompê-lo?A máquina pode ter produzido a classificação. A organização produziu o sistema de decisão.É justamente nessa passagem que se encontra uma das fronteiras mais importantes da responsabilidade empresarial contemporânea.A nova responsabilidade do administradorO administrador do século XXI não precisa compreender matemática avançada para utilizar IA, assim como não precisa construir um servidor para responder pelos riscos de segurança de uma operação empresarial.Mas precisa compreender suficientemente o sistema para governá-lo.A delegação tecnológica não equivale à delegação jurídica.Essa conclusão é especialmente importante em estruturas de governança nas quais conselhos, diretorias e comitês aprovam sistemas desenvolvidos por terceiros. Contratar uma empresa especializada pode distribuir responsabilidades contratuais, mas não elimina automaticamente os deveres jurídicos da organização que utiliza a tecnologia.O contrato com o fornecedor, portanto, não deve ser visto apenas como mecanismo de aquisição. Deve funcionar também como instrumento de governança, estabelecendo responsabilidades, níveis de serviço, segurança, auditoria, tratamento de dados, comunicação de incidentes, documentação, limites de uso e mecanismos de encerramento.Tese autoral: o princípio da responsabilidade residual humanaÉ possível extrair desse conflito uma proposição mais ampla.A inteligência artificial pode assumir tarefas decisórias, mas a responsabilidade jurídica não acompanha automaticamente essa transferência tecnológica.Por isso, proponho o conceito de responsabilidade residual humana: quanto mais uma organização transfere capacidade decisória para sistemas automatizados, mais importante se torna preservar uma estrutura humana capaz de compreender, supervisionar, contestar e, quando necessário, interromper a decisão produzida pela tecnologia.Não se trata de defender que todo ato empresarial seja manualmente revisado por uma pessoa. Isso inviabilizaria boa parte dos ganhos de eficiência da automação.Trata-se de estabelecer uma proporção entre autonomia tecnológica e capacidade institucional de controle.Como bem aponta Northon Salomão de Oliveira, “quanto maior o poder decisório delegado à inteligência artificial, maior deve ser a capacidade humana de compreender, contestar e interromper seus efeitos.”Essa proposição desloca o debate da pergunta simplista “IA pode decidir?” para uma questão juridicamente mais sofisticada: qual grau de autonomia decisória é compatível com o risco produzido e com a capacidade de governança da organização?Síntese: a máquina pode decidir, mas a empresa precisa governarA oposição entre inovação e regulação é insuficiente para compreender a nova realidade empresarial.De um lado, impedir a utilização de IA por receio de riscos jurídicos pode reduzir competitividade, produtividade e capacidade de inovação. De outro, entregar decisões relevantes a sistemas opacos em nome da eficiência pode transformar uma vantagem tecnológica em passivo jurídico, reputacional e econômico.A síntese está na governança.O futuro da Administração não será caracterizado pela simples substituição do gestor pela máquina. Será caracterizado pela construção de organizações nas quais humanos e sistemas algorítmicos compartilham funções decisórias sob estruturas explícitas de responsabilidade.A empresa que compreender isso não tratará a IA apenas como ferramenta de produtividade. Tratará a tecnologia como infraestrutura de poder organizacional.E infraestrutura de poder exige governança.ConclusãoA inteligência artificial está alterando uma das estruturas mais antigas da empresa: a relação entre informação, autoridade e decisão.O novo desafio jurídico não consiste apenas em definir o que a IA pode fazer. Consiste em determinar como a organização deve governar decisões produzidas com sua participação.Para administradores, isso significa abandonar a falsa escolha entre confiança absoluta na tecnologia e rejeição da automação. A decisão estratégica está em construir sistemas nos quais eficiência, responsabilidade, transparência, proteção de dados e supervisão humana possam coexistir.A empresa continuará sendo responsável por suas escolhas mesmo quando parte delas for produzida por máquinas. A tecnologia pode ampliar o poder de decidir. Não pode, por si só, assumir o dever institucional de responder pelo que foi decidido.No novo ambiente empresarial, a pergunta decisiva já não será apenas quem tomou a decisão.Será quem desenhou o sistema que tornou aquela decisão possível.

O gestor que ainda precisa de um relatório para decidir está atrasado

Carolina Cabral

Leia mais:

As lições do Rei das Franquias para quem quer escalar | Café com ADM #511

As lições do Rei das Franquias para quem quer escalar | Café com ADM #511

Sobre o autor

Carolina Cabral

Seja Premium e tenha acesso ao nosso arsenal de cursos

Mais artigos deLiderança e Inteligência Emocional

O efeito Dunning-Kruger não é sobre os outros. É sobre decisões de liderança em tech.

Quando a Máquina Decide Matar: Armas Autônomas, Governança de Risco e o Futuro da Tomada de Decisão

Inteligência Artificial e Decisão Empresarial: A Transformação do Poder de Decidir e os Novos Limites Jurídicos da Gestão