Tomar decisões erradas em IA custa caro. Muito caro.
8 de julho de 2026
Essa é uma conta que eu sempre exercito nos meus workshops e palestras. Vamos olhar para o caso recente da Ford. Depois de apostar pesado em automação irrestrita do controle de qualidade, a Ford recontratou cerca de 350 especialistas técnicos seniores, os chamados internamente de gray beards, para corrigir um problema que a própria companhia reconhece publicamente: confiar totalmente na automação foi um erro.
O resultado da correção já aparece nos números, com redução de até US$ 1,5 bilhão em custos de garantia em 2025 e a liderança em qualidade da J.D. Power pela primeira vez desde 2010.
O mercado está cheio de gente tentando te vender a substituição de pessoas por ferramentas milgrosas de IA, caindo no erro de não diferenciar gente de tarefa.
Essa visão simplista e prematura pode fazer você perder muito dinheiro, e pessoas também. Essa é uma conta que exige um nível mínimo de método e responsabilidade. O economista Nicolai Foss vem argumentando algo que deveria estar no centro de qualquer decisão de automação, antes de perguntar quais fronteiras da empresa devem mudar, é preciso perguntar como o trabalho deve ser decomposto internamente.
A maioria das empresas acaba pulando direto para a decisão de headcount, sem antes repensar a arquitetura das tarefas, e é exatamente aí que mora o erro. Remover o julgamento humano de um processo é uma decisão de arquitetura, não uma decisão de corte de custo, e tratá-la como planilha de RH é o primeiro sinal de que a conta vai fechar errado.
Quanto custa remover o julgamento humano e depois ter que voltar atrás? Se olharmos apenas para a relação custo de folha de pagamento contra tecnologia, a planilha e o powerpoint vão aceitar tudo. Mas existe um custo de transição marginal que exige maturidade maior de análise. Sem isso, a conta não fecha, e o risco real é entregar talento ao mercado e perder capacidade
interna que não se reconstrói com a mesma velocidade com que se demite.
Comentários