©2026 MIT Sloan Management Review Brasil. Todos os direitos reservados. A reprodução, total ou parcial, é proibida sem a autorização prévia e expressa do CNEX.

Cegos para o “como”

A IA amplifica o que sua organização não mede

Gabriel Marostegam

22 de setembro de 2026 e atualizado em 18 de setembro de 2026

15 min de leitura

Quero começar por um experimento, porque ele desmonta uma premissa que quase todos nós carregamos sem perceber.

Em 2026, pesquisadores da Universidade do Texas em Austin, em parceria com a KPMG, colocaram 523 profissionais em início de carreira diante da mesma tarefa: analisar um conjunto de documentos de negócio e produzir recomendações, com a ajuda de um agente de IA construído para aquele domínio¹. Antes disso, deixaram o agente fazer o trabalho sozinho, para ter uma linha de base. Depois compararam.

Metade dos participantes superou a máquina. Um quarto empatou com ela. E outro quarto entregou um resultado pior do que a IA teria entregado sem nenhum humano por perto.

A pergunta óbvia é: o que os melhores tinham a mais? E aqui vem o achado que me fez parar a leitura. Os pesquisadores haviam medido, antes do experimento, o pensamento crítico, o letramento em IA e o conhecimento de domínio de cada participante. Nenhuma dessas medidas explicou o resultado. O grupo que ficou abaixo da máquina tinha competências equivalentes ao grupo que a superou. Em alguns casos, ligeiramente superiores.

Se as competências não explicam quem cria valor com IA, o que exatamente sua organização está contratando, avaliando e promovendo?

A amplificação que ninguém previu

A hipótese dominante nas empresas, e confesso que foi a minha por um bom tempo, é que a IA nivela. Ela aproximaria o júnior do pleno, padronizaria a qualidade da entrega, reduziria a variância entre pessoas. Faz sentido intuitivo: se todos têm acesso ao mesmo assistente capaz, os resultados deveriam convergir.

O experimento de Austin diz o contrário. A IA amplificou a diferença entre as pessoas. E amplificou uma diferença que não estava nas competências, mas no modo de trabalhar. Os que superaram a máquina definiram critérios de avaliação antes de pedir a resposta, pediram que ela testasse as próprias premissas e explicasse o raciocínio, trataram a saída como hipótese e não como entrega. Os que ficaram abaixo também criticaram o que a IA produzia, mas a crítica raramente melhorava alguma coisa: gastaram a conversa reorganizando informação e perseguindo perguntas secundárias. Os que empataram simplesmente aceitaram o que veio.

Três pessoas com o mesmo conhecimento, a mesma ferramenta e a mesma tarefa chegam a três destinos diferentes. A variável que decide é o “como”.

Há um segundo movimento, mais silencioso, que complica ainda mais o quadro. Quatro estudos conduzidos por pesquisadores de Wharton, UCL, Exeter e Washington, em domínios tão distintos quanto ficção curta, soluções de economia circular e concursos de humor, encontraram o mesmo padrão: a IA melhora a criatividade de cada indivíduo e, ao mesmo tempo, reduz a diversidade do que o grupo produz². Cada pessoa fica melhor. O conjunto fica mais parecido. E o que decide se a diversidade sobrevive é em que ponto do fluxo a IA entra: quando ela participa da geração de ideias, a variedade encolhe; quando entra só na seleção, a variedade se preserva.

Dois efeitos opostos operando ao mesmo tempo, um ampliando a distância entre indivíduos e outro comprimindo a distância entre ideias. Nenhum dos dois aparece no painel de resultados, porque o painel mede a qualidade média do que foi entregue. Você mede a qualidade média das entregas do seu time. Alguma vez mediu a variedade?

A arquitetura do “o quê”

Aqui está o ponto que, para mim, transforma esses estudos numa questão de desenho organizacional, e não de treinamento.

Pense nos instrumentos com que uma empresa gere pessoas. A descrição de cargo lista atribuições e requisitos. O recrutamento filtra formação, experiência e competências. A matriz de habilidades projeta quais capacidades serão necessárias em três anos. A avaliação de desempenho mede entregáveis, metas e, em muitos setores, horas. O organograma divide a organização por função.

Cada um desses instrumentos responde, com precisão crescente, a uma única pergunta: o que essa pessoa sabe e o que ela faz. Nenhum deles foi desenhado para responder como ela trabalha. A organização moderna é um sistema refinadíssimo de gestão do “o quê” e praticamente cego para o “como”. Isso funcionou por décadas porque, num mundo em que a execução era humana, o “o quê” era um bom preditor do “como”. Quem sabia mais, em geral, fazia melhor. A IA rompeu essa correlação, e os instrumentos continuam medindo a variável que deixou de prever.

Um estudo de três anos em dez fabricantes europeus, conduzido por Banu Saatçi, Chris Ivory e Maria Laura Toraldo e publicado na MIT Sloan Management Review, mostra o que acontece quando essa cegueira encontra uma transição tecnológica³. As habilidades mais relevantes que os trabalhadores desenvolveram quase nunca eram as que constavam nas matrizes de competências. Elas emergiam no chão de fábrica, quando a ferramenta nova colidia com o trabalho real: o artesão que passou a traduzir o que lia na madeira em parâmetros de uma máquina de controle numérico, o operador que aprendeu a ensinar o “porquê” de cada etapa que o sistema de realidade mista não conseguia mostrar. Nenhuma dessas capacidades tinha nome antes de existir. E só se tornaram visíveis para os poucos gestores que sabiam onde olhar. A matriz previa o “o quê”. A capacidade nasceu no “como”.

Encontrei uma formulação útil para isso num lugar improvável. Shimi Kang, psiquiatra formada em Harvard, escreveu um livro sobre crianças crescendo num mundo digital⁴ e propôs que o quociente de inteligência mediu bem o que uma pessoa sabe, o quociente emocional veio complementar com o que ela percebe, e o que o mundo atual exige é a integração dos dois num quociente de consciência, expresso em criatividade, pensamento crítico, comunicação, colaboração e contribuição. Repare que nenhuma das cinco é um “o quê”. Todas são um “como”. Kang escreveu para pais e educadores, mas a lista poderia ter sido extraída do perfil dos profissionais que superaram a IA em Austin. Se a próxima geração está sendo preparada para um mundo que valoriza o “como”, e as empresas seguem recrutando e avaliando pelo “o quê”, em qual dos dois lados está o descompasso?

Fecho esta seção com o achado mais desconfortável do experimento de Austin. O grupo que apenas aceitou as saídas da IA parecia produtivo. Quando o sistema de avaliação olha só o entregável, e a IA já entrega bem, quem não acrescenta nada fica indistinguível de quem acrescenta muito. A invisibilidade não é um acidente. É consequência direta do desenho.

Quem consegue ver o “como”

O “como” tem uma característica incômoda: ele só é visível de perto. Não aparece no relatório, no dashboard nem na avaliação anual. Aparece para quem observa o trabalho enquanto ele acontece, para quem vê a pessoa interrogar ou aceitar a saída da IA, para quem nota que aquela solução improvisada num processo é, na verdade, uma capacidade nova nascendo. Na organização, essa posição tem nome. É a gestão intermediária.

Uma pesquisa da Harvard Business School com duas grandes consultorias encontrou essa camada absorvendo, sem que ninguém tivesse desenhado isso, o trabalho de validar o que a IA produz, treinar as equipes e interpretar sozinha o que a liderança quer dizer quando pede um entregável “potencializado por IA”⁵. Os juniores foram elevados a trabalho mais estratégico. Os sócios passaram a vender julgamento em vez de metodologia. Os gestores do meio receberam as novas responsabilidades empilhadas sobre as antigas, com os mesmos incentivos de antes.

Entendo por que tantas organizações estão revisando essa camada. Uma parte da gestão intermediária sempre coordenou o “o quê”, distribuindo tarefas, consolidando status, cobrando prazos, e essa parte a IA faz cada vez melhor. Não é essa revisão que me inquieta. O que me inquieta é a premissa que costuma vir junto: a de que o gestor era, no fundo, um coordenador de tarefas. Os estudos sugerem outra coisa. Ele é a única camada da organização posicionada para enxergar a diferença entre quem amplifica a IA e quem apenas a repassa. Ele é o sensor do “como”. Os fabricantes europeus que atravessaram melhor a transição não eram os que tinham as melhores previsões de habilidades. Eram aqueles cujos gestores haviam desenvolvido o hábito de ver o que emergia no trabalho e de negociar mudanças no fluxo a partir do que viam³.

Nas conversas que tenho com executivos, o padrão se repete com uma regularidade que me incomoda. A decisão de achatar a estrutura é tomada com base no volume de coordenação que a IA absorve, o que é uma medida do “o quê”. A pergunta sobre quem passará a observar o trabalho de perto raramente aparece na mesma reunião. Então deixo a pergunta aqui. Quando o corte for feito, quem na nova estrutura terá o tempo, a proximidade e o mandato para ver o que os 523 revelaram?

Uma organização desenhada pelo “como”

Não vou propor um framework, e desconfio de quem propõe. Mas quero ir além do diagnóstico, porque a pergunta que um leitor na cadeira executiva faz a esta altura é legítima: como seria, concretamente, uma organização que enxerga o “como”?

Comece pela avaliação de desempenho, porque é o instrumento que mais rapidamente muda comportamento. A KPMG passou a pedir que seus profissionais registrem por que aceitaram, modificaram ou rejeitaram cada saída relevante da IA, e quais critérios usaram¹. Parece burocracia. É o oposto. É a primeira vez que o julgamento de uma pessoa deixa de ser implícito e passa a ser visível, comparável e treinável. O delegador, que antes era indistinguível do amplificador, deixa de ser. E o gestor ganha um objeto concreto para observar em vez de uma impressão. Nas consultorias estudadas por Harvard, os times que avançaram foram os que vincularam a avaliação a esse tipo de registro e ao compartilhamento do que se aprendeu, e não apenas à entrega⁵.

Siga para o desenho de papéis. Em junho deste ano, Boris Cherny, que lidera o produto Claude Code na Anthropic, descreveu os cinco modos de atuação que observa em seu time, definidos não pelo cargo mas pelo que cada pessoa faz no ciclo de um produto: prototipar, construir, simplificar, fazer crescer, manter⁶. A observação reembala modelos que Simon Wardley e Kent Beck descrevem há duas décadas, e Cherny não reivindica originalidade. O que me interessa é a nota que veio junto: o mix ideal muda conforme o estágio do produto. Uma estrutura por função assume que um engenheiro é engenheiro em qualquer fase. Uma estrutura por modo de operar assume que a mesma pessoa pode ser construtora hoje e mantenedora daqui a um ano, e que a promoção reconhece essa transição em vez de puni-la. Isso muda quem reporta a quem, o que conta como crescimento, e desloca a pergunta da contratação de “o que você sabe” para “como você atravessa um ciclo”.

Agora o gestor. Se ele é o sensor do “como”, o tempo de observação precisa constar no desenho do cargo, e não depender da boa vontade. Os gestores que melhor identificaram capacidades emergentes nos fabricantes europeus faziam perguntas simples e recorrentes no chão de fábrica: o que você faz hoje que não fazia há um ano, o que faz quando o sistema não funciona, a quem você recorre quando trava³. Nenhuma dessas perguntas cabe numa reunião de status. Todas cabem numa caminhada de vinte minutos, se esses vinte minutos existirem. Lynda Gratton, da London Business School, mostrou que líderes que criam deliberadamente espaço para pensar decidem melhor sob incerteza, e observa que isso soa como bem-estar mas é técnica de decisão⁷. Para o gestor, é técnica de observação.

E por fim, o topo. Uma pesquisa da UCL e da Universidade de Alberta descreve a habilidade que está emergindo na liderança sênior como “dirigir inteligência”⁸: em vez de pedir respostas à IA, configurar sistemas com contexto, capacidades e orientações distintas, e ler as contradições entre eles como sinal. O líder define para onde o sistema deve olhar, não o que ele deve concluir. Isso inclui uma decisão que o estudo de criatividade mostrou ser determinante, a de em que ponto do fluxo a IA entra², porque é essa escolha, e não a ferramenta, que decide se a diversidade de ideias da organização sobrevive.

Nenhum desses movimentos exige orçamento novo. Todos exigem que a organização aceite que passou a gerir uma variável que seus instrumentos atuais não medem, e que comece a construir os que medem.

O que os 523 revelaram

Volto ao experimento com que comecei. Ele foi lido, em geral, como um estudo sobre quem trabalha bem com IA. Prefiro lê-lo de outro jeito. O estudo não descobriu quem eram os melhores. Descobriu que a organização não tinha instrumento para vê-los. As competências estavam medidas, tabuladas, comparáveis, e não diziam nada. O que dizia tudo estava no modo de trabalhar, e ninguém tinha olhado para ele.

Acredito que essa é a condição de boa parte das empresas hoje. Investimos em IA esperando que ela padronize o trabalho, e ela está amplificando as diferenças entre as pessoas. Avaliamos entregas, e a entrega deixou de distinguir quem cria valor. Revisamos estruturas, e corremos o risco de reduzir justamente a capacidade de observação que tornaria a diferença visível.

Deixo um exercício simples, que tenho proposto a executivos com quem converso. Escolha uma pessoa do seu time que você considera excelente. Tente descrever, por escrito, como ela trabalha com IA, sem mencionar nada do que ela entrega. Se a descrição sair longa e precisa, sua organização já enxerga o “como”, e a pergunta passa a ser como escalar isso. Se sair curta, o problema não está na pessoa.

Se fizer o exercício, me conta o que encontrou. Suspeito que a resposta diga mais sobre a sua organização do que sobre o seu time.