### Uma reflexão sobre governança, promessa e a indústria do medo que se vende como educação executiva


Há uma cena, em Dearborn, que qualquer diretor de operações deveria emoldurar na parede antes de assinar o próximo contrato com uma consultoria de inteligência artificial. Charles Poon, vice presidente de engenharia de hardware veicular da Ford, subiu diante de jornalistas e admitiu, com aquela serenidade constrangedora de quem já perdeu a vergonha de errar em público, que a empresa presumiu que bastaria injetar inteligência artificial nos requisitos de design para obter um produto de alta qualidade. Não bastou. A Ford passou os últimos três anos recontratando trezentos e cinquenta engenheiros veteranos, muitos deles demitidos exatamente para abrir espaço aos sistemas automatizados que prometiam substituí los, porque descobriu, do jeito mais caro possível, que conhecimento tácito não se comprime em um prompt (fonte: [Fox Business](https://www.foxbusiness.com/technology/ford-rehires-experienced-engineers-after-ai-misses-mark)).


Enquanto isso, a alguns cliques de distância, uma landing page promete que a era dos chefes acabou e anuncia a chegada iminente dos líderes orquestradores, por míseros dezenove mil reais, parcelados, com bônus para quem decidir rápido. A dissonância entre essas duas cenas não é acidental. Ela é o retrato mais nítido que já tive da distância entre o que a inteligência artificial de fato entrega dentro de uma operação real e o que se vende sobre ela em auditórios com luz azul e trilha sonora de trailer de filme de espionagem corporativa.


Este texto nasce dessa fricção. E ele não pretende ser gentil com nenhum dos lados envolvidos.


Convido você a fazer um exercício simples antes de continuar a leitura. Ponha as duas peças lado a lado, se ainda as tiver à mão. De um lado, uma reportagem factual, apurada, com nomes, cargos, números de recall e resultado de pesquisa de qualidade automotiva. Do outro, uma peça de vendas construída quase inteiramente sobre adjetivos, com fotografias de executivos olhando para o horizonte como se estivessem prestes a discursar num festival de cinema sobre liderança. Uma delas descreve o que aconteceu. A outra descreve o que você deveria temer não acontecer com você, caso não pague antes que as vagas se esgotem. Essa diferença de gênero textual, entre reportagem e sermão de urgência, é o primeiro sintoma de que estamos diante de duas indústrias distintas se disfarçando de uma única conversa sobre tecnologia.


### O que a Ford aprendeu do jeito mais humilhante possível


Vamos aos fatos, porque fatos, ainda que hoje pareçam artigo de luxo, continuam sendo o material mais subestimado de qualquer discussão sobre tecnologia corporativa.


A Ford instalou novecentas câmeras assistidas por inteligência artificial em suas linhas de produção. Automatizou o controle de qualidade. Reduziu a dependência dos profissionais mais experientes, os tais engenheiros grisalhos que carregavam décadas de ciclos de produto na memória e no instinto, porque, convenhamos, instinto é uma palavra cara demais para quem está tentando justificar corte de folha de pagamento em uma teleconferência trimestral. O resultado foi uma sequência de anos em que a Ford se tornou a montadora mais recolhida dos Estados Unidos, um recorde nada honroso alcançado em dois mil e vinte cinco (fonte: [Let's Data Science](https://letsdatascience.com/blog/ford-rehires-350-gray-beard-engineers-ai-quality)).


O COO Kumar Galhotra reconheceu que a empresa vinha se apoiando cada vez mais em sistemas automatizados de qualidade, com resultados decepcionantes, e que a decisão de trazer de volta especialistas técnicos foi o que efetivamente colocou a companhia no topo do estudo de qualidade inicial da JD Power em dois mil e vinte seis, algo que a Ford não conquistava desde dois mil e dez (fonte: [TechCrunch](https://techcrunch.com/2026/06/28/ford-rehires-gray-beard-engineers-after-ai-falls-short/)). O próprio Jim Farley, CEO da companhia, celebrou a economia de centenas de milhões de dólares em garantia e recall gerada pelo retorno desses profissionais, o que é uma ironia deliciosa para quem, meses antes, declarava publicamente que a inteligência artificial substituiria literalmente metade da força de trabalho de colarinho branco (fonte: [Motor1](https://www.motor1.com/news/800343/humans-better-than-ai-inspectors/)).


Há uma frase, atribuída a esses mesmos engenheiros recontratados, que resume com precisão cirúrgica o problema estrutural do modismo algorítmico corporativo: eles agora treinam a própria inteligência artificial que um dia foi apresentada como sua substituta. A Ford não abandonou a automação. Ela apenas descobriu, tarde e caro, que automação sem lastro humano qualificado não é eficiência, é apenas velocidade na direção errada.


E a Ford, é bom lembrar, não é uma startup adolescente tentando validar produto em um mercado incerto. É uma das corporações mais antigas e mais estudadas do capitalismo industrial. Se ela errou dessa forma, com esse volume de recursos, com esse acesso a talento e a dados, o que dizer da miríade de empresas médias brasileiras que compram um pacote de automação cognitiva vendido por um rapaz de vinte e sete anos com camisa preta, slide de fundo estrelado e a palavra disruption estampada em letra garrafal.


### O padrão que se repete até a Klarna aprender a lição sozinha


Se o caso Ford fosse isolado, poderíamos tratá lo como anedota corporativa e seguir a vida. Não é. A Klarna, fintech sueca que se tornou o cartaz de propaganda favorito de todo entusiasta de automação irrestrita, substituiu boa parte de sua equipe de atendimento por agentes de inteligência artificial construídos em parceria com a OpenAI. A empresa chegou a divulgar que seu assistente resolvia o equivalente ao trabalho de setecentos funcionários em tempo integral, reduzia o tempo de resposta de quinze minutos para menos de dois, e economizava sessenta milhões de dólares por ano (fonte: [Gustavo Caetano](https://www.gustavocaetano.com/a-salesforce-cortou-4-000-empregos-com-ia-a-klarna-fez-o-mesmo-depois-voltou-atr%C3%A1s)).


O caso virou estudo de MBA da noite para o dia. Virou palestra em evento de inovação. Virou slide de vendedor de plataforma de automação. E então, silenciosamente, a Klarna recuou. O CEO Sebastian Siemiatkowski reconheceu publicamente que o fator custo dominou demais a avaliação da estratégia e que isso resultou em queda de qualidade no atendimento, e anunciou uma nova frente de contratação de agentes humanos, desta vez em modelo remoto e sob demanda, inspirado na lógica operacional da Uber (fonte: [Tecnoblog](https://tecnoblog.net/noticias/empresa-que-substituiu-pessoas-por-ia-volta-atras-e-contrata-humanos/)). Uma pesquisa da Gartner, citada nessa mesma cobertura, mostrou que dois terços dos clientes preferem que as empresas simplesmente não usem inteligência artificial em atendimento, o que é uma bofetada e tanto em qualquer roteiro de pitch que prometa substituição total da experiência humana por eficiência sintética (fonte: [Gizmodo via André Lug](https://andrelug.com/klarna-volta-a-contratar-ajuda-humana-depois-de-apostar-tudo-em-ia-gizmodo-com/)).


Uma pesquisa independente da plataforma britânica Orgvue apontou que mais da metade dos líderes empresariais do Reino Unido já se arrependeu de decisões de substituir postos de trabalho por inteligência artificial. E se isso não for suficiente para gerar desconforto na sala de reunião, o MIT ofereceu o golpe de misericórdia estatístico.


### A estatística que ninguém que vende MBA em IA vai colocar no primeiro slide


O laboratório de mídia do MIT, por meio de sua iniciativa NANDA, publicou um relatório chamado The GenAI Divide, resultado de cento e cinquenta entrevistas com líderes empresariais, uma pesquisa com trezentos e cinquenta funcionários e a análise de trezentos projetos públicos de implementação de inteligência artificial generativa. A conclusão é desconfortável para quem monetiza otimismo tecnológico como modelo de negócio recorrente: noventa e cinco por cento dos pilotos corporativos de inteligência artificial generativa não produzem qualquer retorno financeiro mensurável, apesar de um investimento estimado entre trinta e quarenta bilhões de dólares no setor (fonte: [Fortune](https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/)).


A explicação dos pesquisadores é ainda mais interessante do que o número, porque desloca a culpa de onde o marketing sempre tenta colocá la. Aditya Challapally, autor principal do estudo e líder do grupo Connected AI do MIT Media Lab, afirmou que o fracasso tem menos relação com a qualidade dos modelos disponíveis e mais com a forma como as organizações tentam utilizá los (fonte: [Computing.co.uk](https://www.computing.co.uk/news/2025/ai/mit-report-95pc-corporate-generative-ai-pilots-fail)). Em outras palavras, o problema raramente é o algoritmo. O problema é a governança em torno dele, ou a ausência completa dela.


O próprio relatório revela um detalhe delicioso de ironia organizacional: enquanto apenas quarenta por cento das empresas pesquisadas possuem assinaturas corporativas oficiais de ferramentas de inteligência artificial, noventa por cento dos funcionários admitem usar ferramentas pessoais de inteligência artificial no trabalho, criando o que os autores chamam de economia sombra da inteligência artificial, um ecossistema paralelo de produtividade real que floresce exatamente onde a governança institucional fecha os olhos (fonte: [Legal.io](https://www.legal.io/articles/5719519/MIT-Report-Finds-95-of-AI-Pilots-Fail-to-Deliver-ROI-Exposing-GenAI-Divide)). Existe algo profundamente simbólico nisso. As empresas gastam fortunas em pilotos que não decolam, enquanto seus próprios funcionários, por conta própria, encontram valor real usando as mesmas tecnologias sem qualquer supervisão, sem qualquer arquitetura de governança, sem qualquer política de dados. É a prova viva de que o obstáculo nunca foi a tecnologia. Sempre foi a estrutura de decisão em torno dela.


É justo mencionar que essa mesma pesquisa do MIT foi questionada por analistas do setor quanto ao rigor metodológico, já que se apoia em um número relativamente pequeno de entrevistas e em um recorte estreito de sucesso, medido apenas pelo impacto direto no resultado financeiro dentro de seis meses, ignorando ganhos de eficiência, redução de atrito operacional e outros efeitos menos óbvios de mensurar (fonte: [Marketing AI Institute](https://www.marketingaiinstitute.com/blog/mit-study-ai-pilots)). E aqui está exatamente o ponto que interessa a qualquer executivo minimamente treinado a pensar com rigor em vez de reagir com entusiasmo: mesmo a crítica ao estudo não nega o padrão, apenas questiona sua magnitude exata. Ninguém, nem os críticos mais generosos, está dizendo que os pilotos de inteligência artificial estão performando acima da expectativa criada pelo mercado que os vende.


Vale, ainda dentro deste bloco, olhar para um detalhe que costuma escapar do noticiário mais afobado. A Ford não tratou o problema como uma falha pontual de fornecedor de software. Ela reorganizou toda a cadeia de responsabilidade, unificando as áreas de engenharia veicular, manufatura, cadeia de suprimentos e qualidade sob uma única liderança, de modo a enxergar o ciclo de vida completo do veículo como um fluxo contínuo e colaborativo, em vez de silos que se comunicam apenas por relatório trimestral (fonte: [Motor1](https://www.motor1.com/news/800343/humans-better-than-ai-inspectors/)). Essa reestruturação, sozinha, já seria uma lição de governança valiosa, independentemente de qualquer discussão sobre inteligência artificial. O erro da Ford não foi apenas confiar demais em um algoritmo. Foi permitir que esse algoritmo operasse dentro de uma estrutura organizacional fragmentada, sem uma instância única capaz de auditar o processo do início ao fim. A tecnologia apenas expôs, com a crueldade estatística que lhe é peculiar, uma fragilidade de governança que já existia antes de qualquer câmera inteligente ser instalada na linha de produção.


### A anatomia do medo vendido como formação executiva


Agora, voltemos à landing page. Ela merece ser dissecada com o mesmo rigor clínico que aplicamos ao caso Ford, porque a peça publicitária em questão é um manual quase didático de engenharia de ansiedade corporativa.


A abertura anuncia que a era dos chefes acabou e que a inteligência artificial deu início à era dos líderes orquestradores. Observe a construção retórica. Não se afirma um benefício. Anuncia se um funeral. O texto segue dizendo que sua liderança está em risco e que a culpa não é da inteligência artificial, num gesto de falsa isenção que, paradoxalmente, empurra toda a ansiedade de volta para o leitor, como se a insegurança sobre o próprio valor profissional fosse uma falha pessoal a ser corrigida com um investimento de dezenove mil reais e não uma reação absolutamente racional diante de um mercado que ainda não sabe explicar, com dados sólidos, o que realmente funciona.


A página promete que o aluno vai aprender a identificar onde a inteligência artificial resolve problemas reais e vai se tornar o líder que orquestra pessoas e agentes de inteligência artificial ao mesmo tempo. É uma promessa elegante, sofisticada na forma, e completamente vazia de qualquer evidência empírica de que essa competência se ensina em quinze encontros presenciais espalhados ao longo de oito a doze meses. Compare isso com o que a própria Ford levou três anos e centenas de milhões de dólares para descobrir por tentativa, erro e reconstrução de processo inteiro. A landing page vende em quinze dias o que a montadora mais tecnológica do setor automotivo americano ainda está tentando entender às custas de recall e prejuízo reputacional.


Não escrevo isso para ridicularizar a educação executiva como categoria, que tem seu valor inegável quando bem construída, mas para expor o mecanismo retórico específico que essa peça publicitária utiliza, um mecanismo que se repete em dezenas de ofertas semelhantes que inundam o LinkedIn todos os dias. O mecanismo é simples. Primeiro, você cria a sensação de obsolescência iminente. Depois, você posiciona o produto como o único antídoto disponível contra essa obsolescência. Por fim, você ancora o preço não no valor entregue, mas no custo psicológico de não comprar, transformando a decisão de compra em uma decisão de sobrevivência profissional. É o mesmo esqueleto retórico usado há décadas por vendedores de seguro de vida, adaptado com sucesso notável para o vocabulário da transformação digital.


Observe também a engenharia numérica da oferta, que merece um parágrafo à parte pela sua elegância manipulativa. O preço original é ancorado em um valor mais alto, depois riscado e substituído por dezenove mil reais, como se aquele desconto fosse resultado de generosidade e não de uma técnica de precificação estudada em qualquer curso básico de marketing direto desde os anos noventa. A página ainda oferece comparativos vagos com rankings internacionais, citando múltiplos de reconhecimento junto a publicações como o Financial Times, números que soam grandiosos até que se pergunte, com a curiosidade mínima exigida de qualquer comprador institucional, o que exatamente está sendo multiplicado e em relação a qual base de comparação. A ausência de metodologia clara nesses comparativos não é descuido. É o produto final de uma disciplina publicitária inteira dedicada a produzir a sensação de prestígio sem o ônus de sustentá la sob perguntas específicas.


Depois vem o elenco de professores, todos com títulos de impacto instantâneo, coordenador de MBA, especialista em arquitetura de inteligência artificial, executivo de vendas e tecnologia, exibidos em cartões com fotografia profissional e uma frase de efeito abaixo do nome. Não estou questionando a competência individual de nenhum desses profissionais, que provavelmente é real e relevante. Estou questionando a função retórica do elenco inteiro, que existe para transferir autoridade emprestada ao produto, na lógica de que se pessoas com esses cargos ensinam, o conteúdo necessariamente deve valer o preço cobrado, um silogismo tão frágil quanto sedutor.


E por fim, o argumento mais cínico de todos, embutido quase como uma nota de rodapé sutil no meio da página: a promessa de acesso a uma comunidade de networking, ao encontro presencial recorrente, ao ambiente físico sofisticado onde relações se constroem. Em outras palavras, parte considerável do valor vendido não é conhecimento técnico sobre inteligência artificial, mas acesso social, o que é perfeitamente legítimo como proposta comercial, desde que apresentado como tal, e não disfarçado sob a retórica de formação técnica urgente para sobrevivência de carreira.


### O que Ford, Klarna e o MIT têm em comum, e que a landing page prefere não mencionar


Existe um padrão absolutamente consistente nos três casos que analisamos até aqui, e ele é simples de enunciar, ainda que difícil de aceitar por quem já investiu reputação pessoal em anunciar a extinção iminente da liderança tradicional. O padrão é o seguinte: toda organização que tratou a inteligência artificial como substituta de julgamento humano experimentado pagou um preço alto para descobrir que substituição não é o mesmo que ampliação. E toda organização que conseguiu extrair valor real da tecnologia fez isso combinando automação com governança, com supervisão humana qualificada, e com paciência suficiente para reconstruir processo em vez de simplesmente instalar software sobre uma estrutura organizacional já disfuncional.


Charles Poon, da Ford, sintetizou o aprendizado de um jeito que qualquer conselho de administração deveria memorizar: a inteligência artificial é uma ferramenta fantástica, mas seu desempenho depende inteiramente da qualidade da informação usada para treiná la, e a empresa não deu peso suficiente à experiência de seus profissionais mais qualificados durante anos seguidos (fonte: [Fox Business](https://www.foxbusiness.com/technology/ford-rehires-experienced-engineers-after-ai-misses-mark)). Isso não é ludismo corporativo. É reconhecimento de que conhecimento tácito, aquele que vive na cabeça de quem já viu o processo falhar de quinze formas diferentes ao longo de vinte anos, é o insumo mais valioso e mais negligenciado de qualquer projeto de automação.


E aqui chegamos ao ponto que mais me interessa discutir com você, porque toca diretamente no que venho estudando e implementando há mais de três décadas em governança organizacional. A inteligência artificial nunca foi, e talvez nunca seja, uma tecnologia de substituição de julgamento. Ela é, na melhor das hipóteses, uma tecnologia de amplificação de padrão. Ela reconhece o que já existe nos dados, replica estruturas que já estavam presentes na organização, e executa em escala aquilo que alguém, em algum momento, decidiu que era o comportamento correto a ser replicado. Se a decisão original foi ruim, a inteligência artificial vai simplesmente ser ruim mais rápido e em maior volume. Se a governança em torno da decisão for frágil, a automação vai expor essa fragilidade com uma velocidade que nenhum comitê trimestral vai conseguir acompanhar.


Por isso a palavra que deveria estar no centro de qualquer discussão séria sobre inteligência artificial corporativa não é liderança, não é orquestração, não é disrupção. É governança. Governança no sentido mais rigoroso do termo, aquele que envolve auditoria de decisão, rastreabilidade de processo, responsabilização clara sobre quem aprova o quê, e principalmente, humildade institucional suficiente para admitir que automação sem supervisão qualificada é apenas erro em escala industrial.


### A governança como disciplina, não como palavra de efeito em slide de abertura


Existe uma confusão conceitual generalizada, alimentada por anos de discurso corporativo apressado, entre governança como princípio decorativo e governança como disciplina operacional mensurável. A primeira aparece em código de conduta, em relatório de sustentabilidade, em slide de apresentação institucional. A segunda aparece em matriz de responsabilidade, em trilha de auditoria, em processo decisório documentado que permite reconstruir, meses depois, exatamente quem aprovou o quê e com base em qual critério. A Ford, no episódio que estamos dissecando, sofreu justamente pela ausência da segunda espécie de governança, ainda que provavelmente jamais tenha sido acusada de carecer da primeira.


Quando uma organização decide automatizar controle de qualidade, decide reduzir equipe de atendimento, ou decide comprar qualquer plataforma vendida sob a bandeira da inteligência artificial, ela está tomando uma decisão de governança, goste ou não do termo. Está decidindo quem responde pelo resultado, está decidindo qual critério de sucesso será usado para avaliar o investimento, está decidindo, ainda que implicitamente, qual o nível aceitável de erro antes que alguém precise justificar a escolha ao conselho. Quando essa decisão é tomada sem esse desenho explícito, o que ocorre não é inovação, é abdicação de responsabilidade travestida de modernização.


É por isso que insisto, profissionalmente e por convicção, que qualquer discussão sobre inteligência artificial corporativa deveria começar pela pergunta de governança antes de chegar à pergunta técnica. Não perguntar primeiro qual modelo usar, qual fornecedor contratar, qual funcionalidade automatizar. Perguntar primeiro quem responde pelo resultado, como o erro será detectado, e com que velocidade a organização é capaz de reverter uma decisão que se prova equivocada. A Ford levou três anos para reverter a sua. A Klarna levou pouco mais de um. Ambas sobreviveram porque tinham capital suficiente para pagar a conta do aprendizado. Nem toda empresa média brasileira tem esse colchão financeiro, o que torna a pergunta de governança ainda mais urgente para quem não pode se dar ao luxo de errar por três anos antes de perceber.


Há também uma dimensão humana nessa equação que o discurso puramente tecnológico costuma varrer para debaixo do tapete. Toda decisão de automação impacta pessoas reais, com trajetórias, competências acumuladas e, sim, perfis comportamentais específicos que determinam como cada indivíduo reage a mudança de processo, a pressão de prazo, a reformulação de função. Organizações que investem em entender esse componente humano com profundidade, através de instrumentos sérios de avaliação comportamental e não apenas de intuição de gestor apressado, tendem a antecipar resistências, identificar lideranças informais capazes de sustentar a transição, e evitar o tipo de ruptura abrupta que a Klarna experimentou ao perceber, tarde demais, que empatia não se sintetiza em modelo de linguagem, por mais fluente que ele seja em trinta e cinco idiomas.


### Comprometimento não é palavra de capa de curso, é o que sobra quando o hype vai embora


Há algo notavelmente ausente tanto no discurso do fracasso da Ford quanto no discurso triunfalista da landing page, e é justamente o elemento que separa organizações que atravessam ciclos tecnológicos daquelas que apenas surfam a onda até ela quebrar. Esse elemento chama se comprometimento. Não o comprometimento de slide motivacional, mas aquele que se manifesta em decisões de investimento de longo prazo, em disposição para admitir erro publicamente, como fez a própria Ford, e em capacidade de reconstruir processo interno em vez de terceirizar a responsabilidade para um fornecedor de software.


A garra que a Ford demonstrou não foi a de instalar novecentas câmeras inteligentes. Foi a de, três anos depois, admitir publicamente que a aposta estava errada, pagar o preço de recontratar profissionais que haviam sido dispensados, e reconstruir do zero a forma como a tecnologia se integra ao processo produtivo. Isso exige um tipo de dedicação institucional que nenhuma landing page de MBA consegue vender em formato de bônus por inscrição antecipada, porque essa dedicação não se traduz em certificado, se traduz em cultura organizacional reconstruída ao longo de anos de disciplina.


É por isso que insisto, sempre que a conversa chega a esse ponto, que a inteligência artificial deveria ser tratada estritamente como complemento, nunca como substituto de compromisso humano com resultado. Complemento no sentido de que ela acelera execução, mas não substitui a responsabilidade de quem decide o que deve ser executado. Complemento no sentido de que ela processa volume, mas não substitui o julgamento de quem entende o contexto específico, a exceção que quebra a regra, o cliente que não se encaixa no padrão médio dos dados de treinamento.


Um levantamento de mais de mil e quatrocentos executivos, realizado em janeiro de dois mil e vinte quatro, mostrou que sessenta e seis por cento estavam insatisfeitos com o progresso de suas organizações na adoção de inteligência artificial (fonte: [Tecnoblog](https://tecnoblog.net/noticias/empresa-que-substituiu-pessoas-por-ia-volta-atras-e-contrata-humanos/)). Não é uma insatisfação com a tecnologia em si. É uma insatisfação com a ausência de estrutura, de método, de governança clara sobre como essa tecnologia deveria ser incorporada ao trabalho real. E é exatamente esse vácuo de método que a indústria de cursos de urgência tenta preencher vendendo certeza onde só existe, honestamente, experimentação disciplinada.


Vale reforçar, para que este texto não seja lido como condenação genérica de qualquer tentativa de automação, que existem exemplos de calibragem bem sucedida entre tecnologia e operação humana, ainda que menos midiáticos do que os fracassos retumbantes. Redes de varejo que implementaram autoatendimento com limite deliberado de itens por transação, mantendo simultaneamente postos de atendimento humano em número suficiente, reportaram redução real no tempo médio de espera sem sacrificar satisfação do cliente, justamente porque trataram a automação como complemento de capacidade, não como substituição integral de presença humana (fonte: [André Lug via Forbes](https://andrelug.com/noticias-de-tecnologia-empresarial-klarna-volta-atras-em-relacao-a-ia-diz-que-clientes-preferem-conversar-com-pessoas-forbes/)). A diferença entre esse tipo de caso e os fracassos que analisamos até aqui não está na tecnologia empregada, que muitas vezes é tecnicamente mais simples do que os sistemas sofisticados que a Ford ou a Klarna tentaram implementar. A diferença está inteiramente na disciplina de desenho do processo, na disposição de manter redundância humana onde a complexidade da interação ainda supera a capacidade do sistema automatizado, e na humildade de medir resultado real em vez de apenas celebrar a manchete de lançamento.


### O que fazer com tudo isso, além de sentir o desconforto necessário


Não escrevo este texto para sugerir que você cancele qualquer investimento em capacitação sobre inteligência artificial, porque seria hipócrita da minha parte defender ignorância travestida de ceticismo sofisticado. Escrevo para sugerir que você aplique ao próprio mercado de formação executiva o mesmo rigor analítico que aplicaria a qualquer fornecedor de tecnologia antes de assinar contrato.


Pergunte, antes de qualquer inscrição, quais evidências empíricas sustentam a promessa de transformação de liderança em oito a doze meses. Pergunte quantos casos de sucesso mensurável, com metodologia auditável, o programa consegue apresentar, e não apenas depoimentos entusiasmados de alunos que ainda estão dentro do período de encantamento pós compra. Pergunte, principalmente, se o programa ensina governança de decisão ou apenas familiaridade operacional com ferramentas que estarão obsoletas em dezoito meses.


Porque a lição que Dearborn nos deu, com um custo que nenhuma empresa média gostaria de pagar para aprender na prática, é que a vantagem competitiva sustentável nunca esteve na velocidade de adoção de determinada ferramenta. Esteve, sempre, na qualidade da governança que decide como, quando e por quem essa ferramenta é utilizada. Empresas que entenderam isso, como a própria Ford depois do tombo, ou como a Klarna ao recalibrar sua estratégia de atendimento reconhecendo publicamente o erro de avaliação (fonte: [Jornal PT50](https://jornalpt50.pt/noticia/klarna-desacelera-no-atendimento-por-ia-e-volta-a-apostar-no-contacto-humano/)), saem do ciclo mais fortes. Empresas que trataram automação como substituto de julgamento saem dele pagando a conta, em dinheiro, em reputação, ou nas duas moedas ao mesmo tempo.


### A dedicação que não cabe em módulo de curso


Se você já geriu equipe em período de transformação tecnológica real, e não apenas leu a respeito em relatório de consultoria, sabe que o componente mais difícil de qualquer mudança nunca foi o técnico. Foi sustentar a dedicação da equipe durante o período incômodo em que o novo processo ainda não funciona direito e o antigo já foi parcialmente desmontado. É nesse vale, entre o que foi abandonado e o que ainda não amadureceu, que a maioria das transformações corporativas morre silenciosamente, sem virar manchete, sem virar estudo de caso, apenas drenando orçamento e moral até alguém decidir voltar discretamente ao que funcionava antes.


A Ford atravessou esse vale durante três anos, e atravessou porque manteve, ao lado da automação, um núcleo de profissionais dispostos a assumir a responsabilidade de auditar cada etapa antes que o defeito chegasse ao consumidor final. Chame isso de garra, chame de resiliência organizacional, chame do nome que preferir, mas reconheça que esse tipo de perseverança não se instala por decreto e muito menos se ensina em módulo assíncrono de plataforma de ensino a distância. Ela se cultiva, ao longo de anos, através de liderança que modela o comportamento que espera ver replicado, e através de sistemas de reconhecimento que recompensam quem previne o problema, não apenas quem apaga o incêndio depois que ele já queimou o orçamento do trimestre.


A ironia mais afiada de toda essa discussão é que a própria landing page que estamos analisando usa, em determinado trecho, a palavra comprometimento como se fosse sinônimo de inscrição paga. Sugere que o comprometimento do aluno com sua própria empregabilidade se demonstra pela disposição de investir dezenove mil reais em um certificado. Não. Comprometimento se demonstra todos os dias, na sala de reunião incômoda onde alguém precisa admitir que o projeto não está indo bem, na disposição de reconstruir processo em vez de empurrar problema para o próximo trimestre, na coragem específica de fazer exatamente o que Charles Poon fez diante de jornalistas céticos, reconhecer publicamente que a aposta estava errada e que o caminho de correção passa por reconhecer o valor do que havia sido descartado.


### O convite que fica


Talvez a pergunta mais honesta que um líder possa fazer a si mesmo hoje não seja se sua empresa está usando inteligência artificial. Essa pergunta já perdeu relevância, porque praticamente toda organização, oficialmente ou pela tal economia sombra que o próprio MIT documentou, já está usando. A pergunta que realmente separa quem vai sobreviver ao próximo ciclo de quem vai virar estudo de caso de fracasso é outra, bem mais desconfortável: existe, dentro da sua organização, uma estrutura de governança capaz de auditar, corrigir e assumir publicamente o erro antes que ele custe trezentos e cinquenta recontratações e três anos de reconstrução.


Se a resposta for não, nenhuma landing page com fotografia de arranha céu ao entardecer vai resolver isso por dezenove mil reais. Vai resolver disciplina, método, e a coragem específica de admitir, como fez Charles Poon diante de jornalistas, que se apostou errado. Essa coragem, ironicamente, nunca esteve à venda em nenhuma prateleira de MBA. Sempre foi construída, devagar, dentro de quem decidiu não terceirizar julgamento para nenhuma tecnologia, por mais sedutora que a promessa de substituição pareça ser em slide de abertura.


Fica também um convite mais pessoal, dirigido a quem lê este texto do alto de uma posição de decisão real, não de curiosidade passageira sobre o assunto do momento. Da próxima vez que uma proposta comercial chegar prometendo transformação de liderança através de inteligência artificial em prazo curto e preço fechado, vale a pena perguntar ao vendedor, com a educação de sempre mas sem nenhuma complacência, qual empresa ele conhece que atravessou esse processo e está disposta a mostrar, com dados auditáveis, o antes e o depois. Se a resposta vier recheada de generalidades sobre disrupção e escassez de vagas, já temos nossa resposta sobre o verdadeiro produto sendo vendido. Se vier acompanhada de metodologia, de caso documentado, de disposição para admitir onde a própria abordagem falhou em tentativas anteriores, talvez estejamos, finalmente, diante de algo que mereça o nome de educação executiva.


Entre o galpão de Dearborn onde engenheiros grisalhos voltaram a caminhar entre linhas de montagem que um dia acreditaram ter deixado para trás, e o auditório iluminado onde um apresentador de camisa preta promete a extinção iminente de todo gestor que não se atualizar a tempo, existe um abismo que não é apenas estético. É um abismo entre duas relações distintas com a verdade. De um lado, a verdade que dói, que exige recall, comunicado à imprensa e reconhecimento público de erro bilionário. Do outro, a verdade que vende, que promete e raramente presta contas do que prometeu, porque sua principal métrica de sucesso não é o resultado do aluno três anos depois, mas o número de matrículas fechadas antes que o desconto expire. Cabe a cada líder decidir de qual lado desse abismo prefere construir a própria reputação profissional, e essa decisão, ao contrário do que qualquer landing page vai admitir, não tem desconto por tempo limitado.


---


*Fontes consultadas e citadas ao longo do texto: Fox Business, TechCrunch, Motor1, Let's Data Science, Fortune, Computing.co.uk, Legal.io, Marketing AI Institute, Tecnoblog, Gizmodo via André Lug, Jornal PT50 e Gustavo Caetano, todas devidamente linkadas nos respectivos trechos.*