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

Durante muito tempo, quando se falava sobre segurança em inteligência artificial, a imagem dominante era a de um sistema poderoso que poderia produzir uma resposta errada, gerar uma informação falsa ou, em um cenário mais extremo, escapar ao controle humano. A evolução dos chamados agentes de IA, porém, começa a mudar a natureza desse problema.



Hoje, agentes de IA não são apenas sistemas que respondem a perguntas. Eles podem receber objetivos, tomar decisões, utilizar ferramentas, escrever arquivos, consultar outros sistemas e, cada vez mais, interagir com outros agentes. Quando dezenas ou milhares deles passam a trabalhar em rede, surge uma possibilidade que merece atenção especial: e se uma ideia capaz de alterar o comportamento de um agente conseguir passar para outro — e deste para um terceiro?



É justamente essa questão que está no centro de um novo estudo assinado por Vassilis Papadopoulos, McNair Shah, Sam Zimmerman e Jack Lindsey. No texto ‘Mind Viruses: Self-Propagating Ideas in Multi-Agent LLM Systems’, pesquisadores ligados à Anthropic utilizam a ideia provocativa de “mind viruses”, ou “vírus mentais”. E o que está por trás do nome é ainda mais interessante do que o nome pode sugerir: O vírus não é um código. É uma ideia.



O estudo não descreve um vírus de computador tradicional. Não há necessariamente um software malicioso explorando uma vulnerabilidade para se copiar. O mecanismo é outro. Os pesquisadores definem um “vírus mental” como uma ideia ou objetivo que consegue se propagar por um sistema de múltiplos agentes porque induz o agente que o recebeu a transmiti-lo para outros agentes. É uma distinção fundamental.



Isso mesmo, o estudo revelou uma vulnerabilidade inédita e estritamente comportamental em ecossistemas de Inteligência Artificial: a capacidade de uma ideia, objetivo ou instrução se espalhar autonomamente de um agente para outro, sobreviver ao apagamento de memória de sessão e alterar a conduta de redes inteiras de agentes.



Não estamos falando de invasões de código tradicional (buffer overflow ou malwares binários), mas de infecção por persuasão e linguagem natural. Um agente é “convencido” por outro a adotar uma nova prioridade — e a propagá-la para os próximos com quem interagir.



Imagine uma rede de agentes trabalhando em conjunto. Um deles recebe uma determinada instrução ou ideia. Essa informação modifica seu comportamento. O agente passa então a reproduzir aquela orientação nas interações seguintes. Outro agente a incorpora. Depois outro. O sistema não precisa necessariamente “copiar um arquivo malicioso”. Ele pode simplesmente convencer outro agente a carregar a ideia adiante. É uma espécie de contágio semântico.



E isso cria um problema novo para arquiteturas de IA que estão sendo construídas justamente para permitir comunicação, colaboração e compartilhamento de informações entre os agentes. O mais surpreendente é que o contexto pode ser apagado



Um dos experimentos descritos no estudo é particularmente importante. Os pesquisadores testaram a propagação em uma cadeia de agentes que interagiam por períodos curtos e depois tinham seu contexto de conversa apagado. Mesmo assim, determinadas ideias conseguiam continuar se propagando. Isso não significa que uma memória apagada magicamente voltou à existência. Significa algo mais relevante para quem constrói sistemas agentivos: a informação pode encontrar outros caminhos para sobreviver.



Se um agente possui memória persistente, arquivos de configuração, documentos compartilhados, bancos de dados, ferramentas ou outros mecanismos de estado externo, aquilo que foi introduzido durante uma interação pode eventualmente ser incorporado a esses sistemas.



O problema, portanto, deixa de ser apenas: “O que o modelo sabe?” E passa a ser: “O que circula pela rede de agentes e consegue alterar o estado futuro do sistema?” Essa mudança de perspectiva é enorme. O que está na mesa é que o seu agente pode ser um hospedeiro. Sim, para mim, essa é talvez a principal contribuição conceitual do trabalho.



É justamente aí que aparece a analogia com um vírus biológico.Um vírus biológico precisa encontrar um hospedeiro, reproduzir-se e alcançar outro hospedeiro. Um “vírus mental” descrito no estudo precisa encontrar um agente suscetível, induzi-lo a adotar determinado conteúdo e fazer com que esse agente o transmita adiante.



Os pesquisadores conseguiram produzir esses comportamentos usando um algoritmo evolutivo para desenvolver os chamados mind viruses. Eles demonstraram propagação em dois ambientes experimentais: uma pequena equipe de agentes colaborando em um projeto de programação e uma cadeia de agentes com interações breves e contexto posteriormente apagado.



Mas é importante colocar os resultados em perspectiva.O próprio estudo conclui que o risco é real, porém atualmente limitado. Os pesquisadores também observaram que conteúdos potencialmente prejudiciais apresentaram menor capacidade de propagação do que conteúdos benignos e que modelos de fronteira tenderam, com exceções, a ser menos suscetíveis.



Há, portanto, uma distância considerável entre demonstrar o fenômeno em laboratório e imaginar uma epidemia autônoma de agentes no mundo real. Essa distância não diminui a importância do alerta. O problema aumenta quando os agentes ganham autonomia



E existe uma razão pela qual esse debate surge justamente agora. A indústria está migrando rapidamente de chatbots para agentes capazes de executar tarefas. A própria Anthropic afirma que seus sistemas já estão assumindo uma parcela crescente do trabalho de desenvolvimento de IA. Segundo dados divulgados pela empresa em setembro, quanto maior a autonomia, maior a superfície de ataque.



Um chatbot que apenas responde a uma pergunta apresenta um tipo de risco. Já um agente que pode escrever e alterar arquivos; acessar ferramentas; enviar mensagens; contratar serviços; modificar bancos de dados; criar novos agentes; consultar outros agentes; alterar sua memória; tomar decisões sem aprovação humana; apresenta outro completamente diferente.



E quando esses agentes começam a conversar entre si, a fronteira de segurança deixa de ser apenas o agente individual. Passa a ser a rede.



O que as empresas que estão construindo agentes precisam fazer? A primeira lição é simples: não tratar toda informação produzida por outro agente como confiável por padrão. Parece óbvio. Mas é justamente o contrário da lógica que torna sistemas multi-agentes tão eficientes.



Para trabalhar em equipe, os agentes precisam compartilhar informações. O desafio é permitir colaboração sem transformar colaboração em confiança irrestrita. As empresas precisam saber quem escreveu determinada informação; quando ela foi escrita; qual agente a originou; quem pode modificá-la; quais outros agentes podem lê-la; se aquela informação foi validada; como removê-la; e como reconstruir o estado anterior.



Mas nem todas as notícias são alarmantes. O próprio estudo da Anthropic demonstrou que a solução mais eficaz contra esse tipo de contaminação é surpreendentemente simples e barata: imunização via System Prompt.



Ao adicionar um curto trecho de instrução no prompt do sistema alertando o agente sobre ideias autopropagáveis, a taxa de infecção caiu para quase zero, mesmo diante de mais de 150 variantes de ataques refinados por algoritmos evolutivos.



Na minha opinião, o valor do paper não está em provar que uma inteligência artificial está prestes a criar uma espécie de epidemia digital. Ele não prova isso. O valor está em mostrar que a arquitetura dos sistemas de IA está criando novas formas de risco que não aparecem quando olhamos para um modelo isoladamente.



Quanto mais agentes forem conectados, mais importante será controlar os canais pelos quais eles compartilham objetivos, instruções e memória. E existe uma ironia interessante nisso. A indústria está tentando construir sistemas capazes de colaborar como equipes humanas. Mas equipes humanas também conhecem há séculos os problemas de informação contaminada, boatos, manipulação, influência e comportamento coletivo.



Talvez a inteligência artificial esteja nos obrigando a revisitar esses problemas em uma escala e velocidade completamente novas. Para as empresas que estão construindo agentes agora, a conclusão é prática: não basta criar agentes capazes de agir. É preciso construir, desde o início, sistemas capazes de impedir que uma informação indesejada se transforme em comportamento coletivo. A sua empresa está preparada?

Quando uma ideia vira vírus: o novo risco dos agentes de inteligência artificial

Durante muito tempo, quando se falava sobre segurança em inteligência artificial, a imagem dominante era a de um sistema poderoso que poderia produzir uma resposta errada, gerar uma informação falsa ou, em um cenário mais extremo, escapar ao controle humano. A evolução dos chamados agentes de IA, porém, começa a mudar a natureza desse problema. [&hellip;]

Quando uma ideia vira vírus: o novo risco dos agentes de inteligência artificial | Administradores

https://cdn.administradores.com.br/app/uploads/2026/10/06162533/CAPAS-MATERIA-SITE-GRANDES-2000px-6-3.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

Vivemos um momento singular na história da tecnologia. A inteligência artificial (IA) deixou de ser uma promessa futurista para se tornar uma realidade onipresente. Segundo o recente estudo AI Pulse Survey, realizado pelo Publicis Groupe, a adoção da IA nas organizações é praticamente universal: atinge 99% dos homens e 97% das mulheres. Como empreendedor e especialista na área, vejo esses números com entusiasmo, mas também com um sinal de alerta. A grande questão que se impõe hoje não é mais "como adotar" a IA, mas sim como alcançar a maturidade em seu uso para gerar valor real e sustentável aos negócios.



A barreira de entrada ruiu. Ferramentas estão disponíveis a um clique, e o mercado rapidamente as incorporou. No entanto, o relatório traz um diagnóstico crucial: existe um abismo entre o uso superficial e a aplicação estratégica. Enquanto a IA for utilizada predominantemente para tarefas básicas do dia a dia — como o resumo de documentos ou edições textuais rápidas —, as empresas estarão operando muito abaixo do verdadeiro potencial da tecnologia.



A maturidade digital se consolida quando migramos da mera conveniência para a transformação estrutural. Isso envolve utilizar algoritmos e modelos preditivos para automação complexa de processos, programação avançada, análise de dados de alta performance e suporte a tomadas de decisões críticas. É aí que a IA deixa de ser um "assistente de redação" e passa a atuar como um motor de eficiência e inovação.



O estudo também revela uma disparidade interessante quanto à confiança de uso (21% dos homens contra 7% das mulheres se dizem seguros) e aponta a falta de tempo como o principal obstáculo para o público feminino. Como líderes, nosso papel é entender que isso não reflete falta de competência, mas sim trajetórias de aprendizado distintas e sobrecarga de rotina.



Para que as empresas alcancem a maturidade, o caminho obrigatório passa pela educação corporativa contínua e pela criação de ambientes de experimentação prática. O foco das lideranças e das áreas de Recursos Humanos deve ser a democratização desse conhecimento técnico aprofundado, garantindo equidade de oportunidades.



O futuro do trabalho não será definido por quem tem acesso à inteligência artificial, mas por quem compreende como transformar esse acesso em resultados analíticos concretos. A era do hype passou; a era da maturidade e do impacto real acaba de começar.

Além do Hype: o verdadeiro desafio da maturidade em IA nas empresas

A inteligência artificial deixou de ser apenas uma ferramenta de apoio à produtividade. Ela já está mudando a forma como empresas concebem produtos, automatizam processos, desenvolvem aplicações e transformam conhecimento de negócio em soluções digitais.



Com ferramentas como ChatGPT, Claude, Lovable, Manus, Cursor e tantas outras, o intervalo entre uma ideia e um protótipo funcional foi drasticamente reduzido.O que antes exigia meses de planejamento, equipes técnicas especializadas e investimentos significativos agora pode começar a ganhar forma em poucos dias — e, em alguns casos, em poucas horas.



Esse movimento vem sendo chamado de vibe coding. Mas, por trás do entusiasmo, surge uma questão que precisa entrar definitivamente na agenda empresarial: como aproveitar a velocidade da inteligência artificial sem comprometer a segurança, a governança e a sustentabilidade do negócio?



O conhecimento do negócio ganhou poder de execução! Durante muitos anos, uma das maiores dificuldades enfrentadas pelas empresas foi transformar conhecimento de negócio em tecnologia.



As áreas operacionais conheciam os problemas, as regras, os clientes e as oportunidades de melhoria. As áreas técnicas, por sua vez, dominavam o desenvolvimento, a arquitetura e a infraestrutura. Entre esses dois mundos existiam filas, documentos extensos, reuniões de levantamento de requisitos, interpretações diferentes e longos ciclos de entrega. A inteligência artificial começa a reduzir essa distância.



Empresários, líderes e gestores que conhecem profundamente seus processos passaram a conseguir descrever necessidades, estruturar fluxos, criar protótipos, desenvolver automações e até construir aplicações com apoio de IA.



Na prática, esses profissionais começam a atuar como verdadeiros Product Owners ou até mesmo Product Engineers, ainda que não possuam formação tradicional em desenvolvimento de software.



Essa transformação representa uma oportunidade extraordinária. Isso porque a&nbsp; IA pode permitir que as empresas: acelerem projetos e entregas; reduzam tarefas manuais e repetitivas; testem ideias com menor investimento; criem protótipos em poucos dias; automatizem processos operacionais; transformem conhecimento interno em aplicações; aumentem a produtividade das equipes; reduzam a distância entre a identificação de um problema e sua solução. Mas a mesma facilidade que democratiza a inovação também pode democratizar o risco.&nbsp;



<h2 class="wp-block-heading">Quando criar fica fácil, controlar se torna indispensável.&nbsp;</h2>



Uma solução funcional não é necessariamente uma solução empresarial. Um sistema pode funcionar durante uma demonstração e, ainda assim, não estar preparado para operar com dados reais, múltiplos usuários, integrações críticas, exigências regulatórias e riscos de segurança. Esse é um dos principais desafios do momento atual.



A velocidade proporcionada pela IA pode gerar a falsa impressão de que, se uma aplicação está funcionando, ela está pronta. Não está. Antes de transformar um protótipo em uma solução corporativa, é necessário avaliar questões como: onde os dados estão sendo armazenados; quais informações estão sendo enviadas para modelos públicos; quem possui acesso ao sistema; como credenciais, tokens e senhas estão protegidos; quais integrações foram utilizadas; se o código foi revisado; se existem registros de alterações; como os custos de processamento estão sendo monitorados; quem será responsável pela manutenção; como a empresa reagirá diante de uma indisponibilidade; se a solução atende às exigências jurídicas e regulatórias; se existe dependência excessiva de determinado fornecedor.



Sem essas respostas, a inovação pode se transformar em uma nova modalidade de shadow IT: soluções criadas fora dos processos formais de tecnologia, segurança e governança.



<h2 class="wp-block-heading">Os principais riscos não estão apenas no código</h2>



Quando se fala em vibe coding, é comum concentrar a discussão na qualidade do código gerado pela IA. Esse é apenas um dos pontos. Os riscos também envolvem dados, infraestrutura, acessos, custos, fornecedores, responsabilidade e continuidade operacional.



Entre as principais preocupações estão a exposição de informações confidenciais. Profissionais podem inserir em ferramentas públicas códigos, documentos, contratos, informações de clientes, regras de negócio ou dados estratégicos sem compreender como essas informações serão processadas. Também precisamos ficar atentos às vulnerabilidades geradas ou ignoradas. Isso porque a IA pode produzir códigos aparentemente corretos, mas com falhas de segurança, bibliotecas desatualizadas, permissões excessivas ou práticas inadequadas.&nbsp;



Outro importante ponto são as credenciais e acessos sem controle. Tokens, senhas e chaves de integração podem ser utilizados de forma insegura, armazenados em locais inadequados ou compartilhados com pessoas que não deveriam ter acesso.A falta de uma revisão humana também chama atenção. A velocidade pode incentivar a publicação de soluções sem testes suficientes, validação técnica, homologação e acompanhamento.



E não para por aí, dentre os riscos, estão os custos imprevisíveis. Sabemos que as&nbsp; aplicações baseadas em IA podem gerar despesas crescentes com tokens, APIs, armazenamento, infraestrutura e processamento, especialmente quando deixam a fase experimental e começam a escalar. Há ainda o risco de termos uma dependência de fornecedores. Isso porque uma solução construída sobre uma única plataforma pode se tornar vulnerável a mudanças de preço, limitações técnicas, alterações contratuais ou interrupções do serviço.



E temos ainda que ter em mente o risco da responsabilidade difusa. Quando uma solução é criada rapidamente por uma área de negócio, nem sempre está claro quem responde por seus erros, dados, resultados e impactos.



Diante desses riscos, algumas empresas podem ser tentadas a restringir ou até proibir o uso de ferramentas de inteligência artificial. Essa reação pode trazer uma sensação momentânea de segurança, mas dificilmente será sustentável. A IA continuará sendo utilizada. Quando não existe uma política clara, o uso não desaparece. Ele apenas se torna menos visível.



O caminho mais inteligente é criar condições para que a inovação aconteça de forma responsável. Isso exige uma governança proporcional ao risco. Nem todo experimento precisa passar pelo mesmo processo de uma aplicação crítica. Mas toda solução deve possuir critérios mínimos de segurança, responsabilidade e controle.

IA e vibe coding: a velocidade da inovação não pode ultrapassar a capacidade de governança

Como empresas estão redesenhando funções para dividir o trabalho entre pessoas e agentes de inteligência artificial&nbsp;100% das empresas brasileiras ouvidas pelo KPMG Global Tech Report 2026 afirmam já ter implementado algum nível de automação ou inteligência artificial, incluindo sistemas agênticos, capazes de tomar decisões e executar processos completos. O dado mostra a velocidade com que a tecnologia entrou nas empresas. Mas outro número do mesmo levantamento ajuda a entender o que realmente está mudando: mesmo nas organizações de alto desempenho em tecnologia, cerca de metade das equipes de tecnologia deve continuar sendo composta por pessoas até 2027.O recado por trás dos números é menos alarmante do que costuma parecer. A inteligência artificial não está eliminando cargos inteiros de uma vez. Está mudando as tarefas que compõem cada função.Essa distinção tem se tornado central para especialistas em comportamento organizacional. Em vez de perguntar quais profissões vão desaparecer, empresas começam a perguntar quais atividades, dentro de cada função, fazem mais sentido para um sistema executar e quais continuam exigindo julgamento, empatia e relação humana.A área comercial é um dos lugares onde essa divisão aparece com mais clareza. Prospectar clientes, enriquecer dados de contato, fazer as primeiras abordagens, qualificar leads e agendar reuniões são etapas repetitivas, que seguem um roteiro relativamente previsível. É justamente aí que agentes de inteligência artificial têm assumido protagonismo, permitindo que vendedores concentrem energia no que essas ferramentas ainda não conseguem fazer bem: negociar, construir relacionamento e fechar negócios.Para Abraão Osher, CEO da DNAfy,&nbsp;empresa de tecnologia especializada em infraestrutura de Inteligência Operacional Agentica, essa divisão de responsabilidades representa uma reorganização do trabalho, não uma ameaça a ele."Quando um agente de IA cuida da prospecção, do enriquecimento de dados e do primeiro contato, ele não está tirando o lugar do vendedor. Está entregando esse profissional para a etapa em que ele realmente faz diferença, que é a conversa, a leitura do momento do cliente, a negociação. Isso muda o dia a dia do time comercial, mas não substitui a pessoa que fecha o negócio", explica.Segundo ele, o erro mais comum das empresas nesse momento é tratar a inteligência artificial como um substituto genérico de funções inteiras, em vez de olhar tarefa por tarefa."O trabalho de um profissional é feito de várias atividades diferentes, e cada uma delas tem uma natureza distinta. Algumas são operacionais e repetitivas. Outras dependem de leitura de contexto, de confiança, de relacionamento. Quando a empresa entende essa diferença, ela consegue usar a tecnologia para tirar peso das tarefas operacionais sem mexer no que sustenta a relação com o cliente", afirma.Essa reorganização tende a mudar a rotina antes de mudar o cargo. Um profissional de vendas passa a dedicar menos tempo a planilhas, buscas manuais de contato e follow-ups repetitivos, e mais tempo a conversas que exigem preparo e sensibilidade. O mesmo padrão vem se repetindo em outras áreas, como atendimento, marketing e operações, onde agentes de IA assumem etapas iniciais e operacionais, enquanto pessoas seguem responsáveis pelas decisões finais.Para Osher, entender essa transição é hoje uma questão estratégica para líderes e gestores. "O maior risco não é a tecnologia substituir pessoas. É a empresa não se organizar para aproveitar essa mudança. Quem entende que a IA cuida das tarefas e o profissional cuida das relações sai na frente. Quem trata isso como um problema de redução de equipe perde a chance de fazer o time trabalhar melhor, e não apenas mais rápido", conclui.Com agentes de inteligência artificial cada vez mais presentes na rotina das empresas, a pergunta que resta não é mais quantos cargos vão sobreviver, mas quais tarefas, dentro deles, ainda vão precisar de alguém do outro lado da mesa.&nbsp;&nbsp;Sobre&nbsp;A DNAfy é uma empresa de tecnologia especializada na construção e implementação de infraestrutura de Inteligência Operacional Agêntica para organizações públicas e privadas. A empresa transforma conhecimento, contexto e o DNA de cada organização em inteligência conectada a operação, ampliando sua capacidade de analisar, decidir, executar e crescer sem aumentar estrutura e complexidade operacional na mesma proporção.

A IA não quer seu cargo, quer suas tarefas

Com agentes de IA, os sistemas de gestão começam a sugerir e executar tarefas dentro das empresas&nbsp;No SAP Sapphire 2026, em Orlando, uma demonstração no Agent Lab chamou atenção: criar um agente de inteligência artificial para uma tarefa específica de negócio, como analisar disputas financeiras ou configurar um projeto, leva hoje cerca de 15 minutos. Basta descrever o que se quer em linguagem natural, sem escrever uma linha de código. O número dá a medida de onde chegaram os sistemas de gestão empresarial, os ERPs, que por muito tempo serviram para guardar informação e agora começam a entrar na tomada de decisão.Durante décadas, o ERP teve uma função clara. Registrava transações e mantinha finanças, estoque, produção e RH trabalhando sobre a mesma base de dados. Ficava nos bastidores, sem chamar atenção. A IA generativa começou a mexer nesse arranjo, e os agentes autônomos aceleraram o movimento. O Joule, assistente da SAP lançado em 2023 como um copiloto de conversa, hoje funciona como uma camada de agentes especializados, que leem o contexto do negócio, cruzam dados de áreas diferentes e conduzem processos inteiros, com uma pessoa revisando as etapas mais sensíveis.Isso muda a rotina de quem usa o sistema. Antes, o funcionário abria telas, preenchia campos, lia relatórios e só então decidia o que fazer. Agora é o próprio sistema que antecipa cenários e recomenda ações, e em alguns casos já as executa.Para Roberto Medeiros, CEO da EPI-USE Brasil, consultoria de implementação SAP, a mudança de mentalidade pesa tanto quanto a tecnológica. “O ERP sempre foi visto como sistema de apoio, que registra o que já aconteceu. Agora ele começa a participar do que ainda vai acontecer. Isso obriga as empresas a pensar em governança, em qualidade de dados e, sobretudo, no papel das pessoas”, diz.Autonomia, segundo ele, não significa deixar o sistema sozinho. “Um agente só decide bem se os dados que consulta forem confiáveis e se estiver claro até onde vai a automação e em que momento a pessoa precisa assumir. A ideia é colocar o julgamento humano onde ele faz mais diferença”, afirma.A leitura se aproxima do que a própria SAP levou a Orlando. No palco, o CEO global Christian Klein chegou a questionar se as empresas de software continuarão sendo empresas de software. A resposta que ele sugere passa por plataformas que, além de apoiar a operação, assumem parte da execução dos processos.Em finanças, suprimentos ou RH, isso se traduz em agentes que percebem um padrão fora do comum ou um risco se formando antes que alguém da equipe note. O usuário diz o que precisa, e o sistema se encarrega de juntar dados e aplicações para entregar o resultado.Medeiros vê aí o principal cuidado para as empresas brasileiras que estudam o tema. “Tem empresa achando que é só ligar uma funcionalidade de IA e esperar o resultado. Não funciona assim. Antes vem o trabalho menos vistoso, de organizar os dados e entender os processos, e as equipes precisam ser preparadas para trabalhar junto com essa tecnologia. Quem fizer isso primeiro vai ter vantagem”, alerta.Para quem ainda usa o ERP como um grande arquivo de registros, os 15 minutos da demonstração em Orlando são um bom lembrete de que a distância entre testar e adotar está ficando cada vez menor.Sobre a EPI-USEA EPI-USE é uma consultoria global de tecnologia, parte do groupelephant.com, presente em mais de 42 países e com 4.200 colaboradores, especializada em soluções SAP, como SAP S/4HANA, SAP SuccessFactors, Qualtrics, SAP BTP, SAP Signavio, WorkForce Software e ServiceNow, além de atuar em infraestrutura em nuvem pela AWS, Microsoft Azure e Google Cloud, automação de testes e observabilidade. A consultoria adota um modelo de negócios híbrido, descrito como “Além do Propósito Corporativo”, que integra impacto social e ambiental à estratégia empresarial, com foco na preservação de elefantes e rinocerontes ameaçados por meio do desenvolvimento econômico de comunidades rurais.&nbsp;

O ERP virou agente de decisão?

A discussão sobre IA e produtividade costuma começar pela pergunta errada: quantos empregos a inteligência artificial vai eliminar? Para gestores e empresas, a questão economicamente mais relevante é outra: quais tarefas serão automatizadas, quais serão ampliadas e como a organização transformará tempo economizado em valor real?A resposta importa porque produtividade não é sinônimo de velocidade. Uma empresa pode produzir documentos mais rapidamente e, simultaneamente, tomar decisões piores, aumentar riscos, sobrecarregar trabalhadores ou multiplicar erros em escala. A verdadeira transformação da IA ocorre quando tecnologia, desenho organizacional, qualificação profissional e governança conseguem converter capacidade computacional em resultado sustentável.IA e produtividade: da automação de tarefas à transformação do trabalhoA Organização Internacional do Trabalho (OIT) estima que aproximadamente um em cada quatro trabalhadores no mundo esteja em ocupações com algum grau de exposição à IA generativa. O dado, entretanto, não significa que um quarto dos empregos desaparecerá. A própria OIT conclui que a transformação das ocupações é, em geral, mais provável que sua substituição integral.&nbsp;Essa distinção é decisiva para a Administração.O objeto econômico da IA não é necessariamente o posto de trabalho, mas a tarefa. Redigir um relatório, classificar documentos, resumir informações, pesquisar precedentes, responder perguntas frequentes ou produzir uma primeira versão de determinado conteúdo são atividades diferentes da responsabilidade de decidir, negociar, supervisionar, interpretar contextos ambíguos ou assumir consequências.A primeira mudança estrutural, portanto, não é simplesmente tecnológica. É organizacional: a unidade de análise da produtividade passa do cargo para o conjunto de tarefas que compõe o cargo.Isso modifica a própria arquitetura empresarial.A tese e a antítese: produtividade ou intensificação?A tese empresarial parece intuitiva: se uma ferramenta reduz de duas horas para vinte minutos uma determinada atividade, a organização ganhou produtividade.Mas surge a antítese.Se os cem minutos economizados forem imediatamente preenchidos por novas demandas, metas mais agressivas e monitoramento permanente, talvez não tenha ocorrido aumento proporcional de produtividade. Pode ter ocorrido apenas intensificação do trabalho.A diferença é econômica e também jurídica.A Constituição brasileira coloca no mesmo horizonte normativo a dignidade da pessoa humana e os valores sociais do trabalho e da livre iniciativa. Na ordem econômica, a valorização do trabalho humano convive com a livre iniciativa e com a busca do pleno emprego.&nbsp;Isso não significa que a tecnologia deva ser impedida para preservar formas tradicionais de trabalho. Significa algo mais sofisticado: eficiência empresarial não pode ser mensurada exclusivamente pelo quanto de atividade humana a máquina conseguiu comprimir.A produtividade juridicamente sustentável exige considerar o resultado, o risco, a qualidade, a segurança e os efeitos organizacionais da transformação.O verdadeiro ganho de produtividadeA evidência disponível sugere que os ganhos de produtividade da IA são reais, mas heterogêneos e ainda difíceis de converter automaticamente em crescimento mensurável de produção. Revisão da OIT publicada em 2026 aponta que economias de tempo relatadas por trabalhadores nem sempre se traduziram, até agora, em aumentos equivalentes de produção, remuneração ou emprego.&nbsp;A OCDE chega a conclusão semelhante em escala macroeconômica: os efeitos da IA sobre produtividade dependem de investimentos complementares, qualificação, adoção organizacional e adaptação institucional.&nbsp;Portanto, comprar uma ferramenta de IA não equivale a implementar uma estratégia de produtividade.O ganho surge quando a organização consegue converter a capacidade da tecnologia em:redução de tarefas repetitivas;menor tempo de processamento;melhoria da qualidade das informações;redução de erros;aumento da capacidade analítica;redistribuição do trabalho para atividades de maior valor;redução de custos sem degradação da qualidade;decisões mais rápidas sem perda de controle.&nbsp;O ponto central é que tempo economizado é apenas um insumo da produtividade; não é produtividade em si.O novo risco: uma empresa pode automatizar o erroExiste ainda uma dimensão frequentemente negligenciada.A IA aumenta a capacidade de execução, mas também pode aumentar a velocidade de propagação de uma decisão equivocada. Um erro humano isolado possui determinado alcance; um sistema integrado a milhares de operações pode reproduzi-lo em escala.Por isso, a governança da IA passa a ser componente da governança empresarial.No Brasil, a LGPD já oferece uma referência jurídica particularmente importante. O art. 20 assegura ao titular o direito de solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses, além de prever informações claras e adequadas sobre critérios e procedimentos utilizados, ressalvados os segredos comercial e industrial.&nbsp;O próprio STJ registra, em seus enunciados científicos, a compreensão de que uma intervenção humana meramente significativa não necessariamente descaracteriza uma decisão como baseada unicamente em tratamento automatizado.&nbsp;Para a Administração, a consequência é importante: colocar um ser humano diante de uma tela não significa, por si só, que exista supervisão humana efetiva.Supervisão real pressupõe capacidade de compreender, questionar e eventualmente rejeitar a recomendação algorítmica.O trabalho muda antes de o emprego desaparecerA transformação provavelmente ocorrerá de maneira desigual.A OIT identificou diferenças relevantes entre ocupações, países e grupos de trabalhadores, enquanto estudos sobre a América Latina indicam que a exposição à IA generativa convive com limitações de infraestrutura e desigualdade de acesso tecnológico.&nbsp;Isso cria uma questão estratégica para empresas brasileiras: quem será capaz de trabalhar com IA e quem ficará restrito às tarefas que a IA ainda não executa?O risco não está somente na substituição de determinados profissionais. Pode surgir uma polarização interna entre trabalhadores que utilizam a tecnologia para ampliar sua capacidade decisória e aqueles submetidos à tecnologia como mecanismo de controle.Nesse cenário, o departamento de RH deixa de ser mero administrador de pessoas e passa a participar da governança tecnológica.Como a empresa deve medir a produtividade da IA?A organização que pretende adotar IA de maneira responsável deveria evitar uma métrica isolada, como número de tarefas concluídas por empregado.Um modelo mais consistente precisa observar simultaneamente:1. Tempo: quanto tempo efetivamente foi economizado?&nbsp;2. Qualidade: o resultado melhorou ou apenas ficou mais rápido?&nbsp;3. Risco: aumentaram erros, incidentes ou decisões inadequadas?&nbsp;4. Valor: o tempo liberado foi transferido para atividades economicamente relevantes?&nbsp;5. Pessoas: houve qualificação ou apenas aumento das metas?&nbsp;6. Governança: existe supervisão, rastreabilidade e responsabilização?&nbsp;7. Dados: a utilização respeita proteção de dados, segurança e finalidade?&nbsp;8. Decisão: a IA auxilia o julgamento humano ou passou a substituí-lo silenciosamente?&nbsp;Essa matriz transforma a IA de uma promessa tecnológica em uma variável administrável.O impacto jurídico para gestoresO gestor não precisa ser contra a automação para ser juridicamente prudente. Precisa saber onde termina a eficiência e começa o risco.Em especial, sistemas utilizados para recrutamento, seleção, avaliação, promoção, distribuição de tarefas ou controle de trabalhadores exigem atenção especial. O Regulamento europeu de IA classifica diversos sistemas utilizados no emprego e na gestão de trabalhadores como de alto risco justamente porque podem afetar significativamente carreira, subsistência e direitos fundamentais.&nbsp;O modelo europeu não deve ser simplesmente transplantado para o Brasil, mas oferece uma lição regulatória importante: quanto maior o impacto de uma decisão algorítmica sobre uma pessoa, maior deve ser a exigência de governança sobre o sistema.No ambiente corporativo brasileiro, isso recomenda pelo menos:inventariar sistemas de IA utilizados em processos relevantes;identificar quais decisões são influenciadas por algoritmos;estabelecer responsáveis humanos;avaliar qualidade e possíveis vieses dos dados;documentar critérios de utilização;limitar usos incompatíveis com finalidade e necessidade;estabelecer mecanismos de revisão;capacitar gestores e usuários;auditar periodicamente resultados e impactos.&nbsp;Um caso simples de gestãoImagine uma empresa que utiliza IA para analisar centenas de currículos.A ferramenta reduz drasticamente o tempo da triagem. A produtividade operacional aumentou.Mas suponha que os dados utilizados para treinamento reproduzam padrões históricos de contratação que desfavoreçam determinado grupo.A empresa terá obtido eficiência no primeiro nível e produzido ineficiência jurídica e econômica no segundo.A seleção ficou mais rápida, mas potencialmente menos justa; a economia inicial pode converter-se em risco trabalhista, reputacional, regulatório e de governança.A lição é maior que o exemplo: uma tecnologia pode otimizar uma etapa e deteriorar o sistema inteiro.A síntese: produtividade não é fazer mais com menos pessoasA grande transformação da IA no trabalho não consiste necessariamente em produzir mais com menos trabalhadores.Consiste em produzir mais valor por unidade de capacidade humana e tecnológica, deslocando o esforço humano das atividades que máquinas executam melhor para aquelas em que julgamento, responsabilidade, criatividade, negociação, empatia e compreensão contextual permanecem decisivos.Como bem aponta Northon Salomão de Oliveira, “a verdadeira produtividade da inteligência artificial não está no tempo que ela retira do trabalho humano, mas no valor que a organização consegue criar com o tempo que ela devolve ao ser humano.”Essa proposição permite superar os dois extremos do debate. De um lado, a visão de que toda IA inevitavelmente destruirá empregos. De outro, a crença de que qualquer automação representa automaticamente progresso.Nenhuma das duas posições é suficiente.A questão estratégica é o que a organização faz com a capacidade liberada pela máquina.Se o tempo economizado apenas alimenta novas cobranças, a IA pode acelerar a exaustão. Se aumenta a capacidade de análise, inovação, qualificação e decisão, pode elevar a produtividade estrutural.ConclusãoA pergunta empresarial sobre IA não deveria ser apenas “quanto podemos automatizar?”, mas “que trabalho queremos que permaneça humano, que trabalho deve ser aumentado pela máquina e como governaremos essa divisão?”A resposta determinará mais do que a eficiência operacional. Ela afetará custos, competitividade, qualificação profissional, privacidade, responsabilidade, relações de trabalho e distribuição de poder dentro das organizações.A IA muda o trabalho primeiro pela reorganização das tarefas; depois, pela redefinição dos cargos; finalmente, pela transformação da própria lógica de gestão.A empresa que compreender essa sequência não tratará inteligência artificial como simples ferramenta de redução de custos. Tratá-la-á como infraestrutura de decisão, cuja produtividade dependerá tanto da qualidade do algoritmo quanto da qualidade da governança que o cerca.

Quando uma ideia vira vírus: o novo risco dos agentes de inteligência artificial

Ciro Jacob

O que faz você ser a primeira escolha na mente das pessoas | Café com ADM #514

O que faz você ser a primeira escolha na mente das pessoas | Café com ADM #514

Sobre o autor

Ciro Jacob

Seja Premium e tenha acesso ao nosso arsenal de cursos

Mais artigos deNegócios e Gestão

A IA não quer seu cargo, quer suas tarefas

O ERP virou agente de decisão?

IA e produtividade: o que realmente muda no trabalho