Gestão Inteligente de Contratos: A Revolução na Governança Documental

Este artigo traz informações sobre Gestão Inteligente de Contratos, explorando suas vantagens, desvantagens e o impacto transformador que traz para as organizações.

No core de toda operação empresarial, dos pequenos negócios aos grandes conglomerados globais, estão os contratos. Eles formalizam parcerias, estabelecem vendas, definem obrigações empregatícias e gerenciam riscos. No entanto, por décadas, a gestão desses documentos vitais foi, em grande parte, uma função administrativa reativa e manual. Os contratos eram vistos como meros arquivos PDF ou pilhas de papel, armazenados em gavetas físicas ou digitais, dificultando o acesso, a análise e o cumprimento.

Esse cenário está sendo radicalmente transformado pela Gestão Inteligente de Contratos. Muito mais do que um repositório digital simples, o IAM (Intelligent Agreement Management) representa uma evolução significativa, integrando tecnologias como Inteligência Artificial (IA), Machine Learning (ML) e Processamento de Linguagem Natural (PLN) para tornar os contratos ativos, inteligentes e interconectados. Este artigo explora esse conceito, suas vantagens, desvantagens a serem consideradas e o caminho para sua implementação bem-sucedida.

O que é a Gestão Inteligente de Contratos (IAM)?

A Gestão Inteligente de Contratos é um ecossistema tecnológico que automatiza e otimiza todo o ciclo de vida de um contrato, desde a sua criação e negociação até a execução, renovação e análise pós-término. A "inteligência" deriva da capacidade do sistema de:

1. Compreender o Conteúdo: Através do PLN, o software "lê" e interpreta cláusulas, termos, datas, partes envolvidas e obrigações, extraindo dados estruturados de documentos não estruturados.

2. Aprender e Melhorar: Com o ML, o sistema se torna mais preciso ao longo do tempo, reconhecendo padrões, sugerindo cláusulas padrão com base em melhores práticas e identificando riscos potenciais.

3. Automatizar Processos: A IAM automatiza fluxos de trabalho, como aprovações, assinaturas eletrônicas, notificações de vencimento e até a geração de contratos a partir de modelos predefinidos.

Em essência, a IAM transforma o contrato de um documento estático em uma fonte dinâmica de informação e valor.

Vantagens da Gestão Inteligente de Contratos

A adoção de um sistema IAM traz benefícios tangíveis e profundos para diversas áreas da organização.

1. Eficiência Operacional e Redução de Custos:

· Automação de Tarefas Repetitivas: Reduz drasticamente o tempo gasto na criação manual de contratos, busca de informações e acompanhamento de prazos. O que levava horas ou dias pode ser feito em minutos.

· Ciclos de Negociação Mais Rápidos: Versões são controladas automaticamente, e as partes podem colaborar em tempo real, reduzindo o ciclo de vendas e acelerando o início da receita.

· Redução de Erros Manuais: A automação minimiza erros de digitação, inconsistências e o uso de cláusulas desatualizadas.

2. Mitigação de Riscos e Conformidade Aprimorada:

· Identificação Proativa de Riscos: A IA pode escanear contratos para sinalizar cláusulas incomuns, onerosas ou que fujam aos padrões da empresa (ex.: penalidades excessivas, termos ambíguos).

· Garantia de Conformidade: O sistema pode verificar se os contratos estão alinhados com regulamentações internas e externas (como LGPD, GDPR, SOX), alertando sobre quaisquer discrepâncias.

· Visibilidade Total: Oferece uma visão centralizada de todas as obrigações contratuais, permitindo que a empresa cumpra prazos de entrega, pagamento e prestação de serviços, evitando multas e litígios.

3. Melhoria na Tomada de Decisão:

· Insights Acionáveis Baseados em Dados: A IAM transforma contratos em um banco de dados pesquisável. É possível analisar o desempenho de fornecedores, a rentabilidade de diferentes tipos de cláusulas, e identificar tendências nos acordos.

· Relatórios e Dashboards em Tempo Real: Lideranças podem acessar relatórios sobre o volume de contratos, status de negociações, valores envolvidos e exposição ao risco, suportando decisões estratégicas com dados concretos.

4. Otimização Financeira:

· Gestão de Renovações e Vencimentos: Notificações automáticas evitam a renovação acidental de contratos indesejados e permitem a renegociação proativa de termos, resultando em economias significativas.

· Maximização de Receita: Assegura que todos os produtos e serviços entregues sejam faturados corretamente, de acordo com os termos contratuais, reduzindo o "vazamento de receita".

5. Segurança e Controle de Acesso:

· Repositório Centralizado e Seguro: Acaba com o risco de perda ou dano de contratos físicos. Os dados são armazenados em nuvem com criptografia e backups automáticos.

· Controle Granular de Permissões: Define quem pode visualizar, editar ou aprovar contratos, garantindo a confidencialidade de informações sensíveis e um audit trail completo de todas as ações.

Desvantagens e Desafios da Implementação

Apesar dos benefícios transformadores, a jornada para uma gestão inteligente não é isenta de obstáculos. É crucial entender e planejar-se para estas desvantagens.

1. Custo Inicial e Investimento:

· Aquisição de Software: Soluções robustas de IAM representam um investimento financeiro significativo, incluindo licenças de usuário e custos de implementação.

· Customização e Integração: Adaptar a plataforma aos processos existentes e integrá-la a outros sistemas (como ERP, CRM) pode aumentar consideravelmente o custo e a complexidade do projeto.

2. Complexidade de Implementação e Migração de Dados:

· Integração com Sistemas Legados: Conectar o novo sistema a infraestruturas tecnológicas antigas pode ser tecnicamente desafiador.

· Migração e Digitalização de Contratos Existentes: O processo de digitalizar, catalogar e inserir dados de um grande volume de contratos históricos (muitas vezes em formatos diversos) é demorado, caro e propenso a erros se não for bem gerenciado.

3. Resistência à Mudança Cultural:

· Adaptação dos Usuários: Departamentos como o Jurídico e Comercial, acostumados a processos manuais, podem resistir à adoção da nova tecnologia. É necessário um forte trabalho de change management e treinamento.

· Dependência Excessiva da Tecnologia: Há um risco de os profissionais perderem a capacidade de análise crítica, confiando cegamente nas sugestões da IA, que, embora avançada, não substitui o julgamento humano experiente.

4. Preocupações com Segurança e Privacidade de Dados:

· Conformidade com Regulamentações: Armazenar contratos sensíveis na nuvem exige garantias sólidas do fornecedor sobre a localização dos dados e a conformidade com leis como a LGPD.

· Risco Cibernético: Um sistema centralizado que contém toda a informação contratual da empresa torna-se um alvo valioso para ciberataques. A segurança da plataforma é uma consideração primordial.

5. Limitações da Tecnologia:

· Complexidade de Linguagem Jurídica: Contratos podem ter nuances, ambiguidades e contextos muito específicos que a IA, principalmente em seus estágios iniciais, pode não capturar totalmente, exigindo supervisão humana para análises complexas.

· Precisão da Extração de Dados: A eficácia do sistema depende da precisão do seu motor de IA. Erros na extração de datas, valores ou partes podem levar a más decisões.

Conclusão: O Futuro é Inteligente

A Gestão Inteligente de Contratos não é mais uma opção futurista, mas uma necessidade estratégica para organizações que buscam competitividade, resiliência e crescimento em um mercado complexo. As vantagens—em termos de eficiência, redução de riscos e insights estratégicos—superam amplamente as desvantagens, que são, em sua maioria, desafios de implementação que podem ser mitigados com um planejamento cuidadoso.

O sucesso da IAM depende de uma abordagem holística: a escolha da tecnologia certa deve ser acompanhada por um investimento em mudança cultural, treinamento contínuo e a compreensão de que a ferramenta é um assistente inteligente que potencializa o expertise humano, e não o substitui. Ao abraçar a gestão inteligente, as empresas transformam seu departamento jurídico de um centro de custo em um centro de lucro, e seus contratos de obrigações estáticas em ativos dinâmicos que impulsionam o valor do negócio. A era do contrato inteligente já começou.

Visite o blog

Inovação impulsionada por IA

Uma publicação de um artigo especial doThe Economist teve como foco “Como a IA pode revolucionar a ciência”. “O debate sobre inteligência artificial (IA) tende a se concentrar em seus potenciais perigos: viés e discriminação algorítmica, destruição de empregos em massa e até mesmo, alguns dizem, a extinção da humanidade”, observou o artigo. Enquanto alguns se preocupam com esses cenários distópicos, outros estão se concentrando nas potenciais recompensas. A IA poderia, eles afirmam, ajudar a humanidade a resolver alguns de seus maiores problemas. E, eles dizem, a IA fará isso de uma maneira muito específica: acelerando o ritmo da descoberta científica, especialmente em áreas como medicina, ciência climática e tecnologia verde.

Embora a inovação baseada em IA leve a um progresso extraordinário, "ela enfrenta uma ameaça amplamente oculta: a inovação está se tornando mais difícil e mais cara", disse "A próxima revolução da inovação - impulsionada pela IA", um relatório de junho de 2025 da McKinsey, Quantum Black . "Por muitas métricas e em muitos campos, cada dólar gasto em P&D tem comprado menos inovação ao longo do tempo", acrescentaram os autores, citando evidências concretas do declínio da produtividade de P&D em duas áreas principais: 

1. A indústria de semicondutores teve uma taxa de crescimento exponencial de 35% em transistores entre 1971 e 2014. Mas, durante esse mesmo período, empresas de semicondutores e fabricantes de equipamentos estimam que seus gastos anuais com P&D aumentaram em um fator de 18. "Em outras palavras, manter a taxa de crescimento de desempenho na Lei de Moore exigiu 18 vezes mais gastos com P&D em 2014 do que em 1971."

2. A indústria biofarmacêutica produziu produtos inovadores usados ​​para prevenir e tratar muitas doenças, permitindo que milhões de pessoas vivam vidas mais longas e saudáveis. No entanto, devido à queda na produtividade em P&D, a descoberta de medicamentos tornou-se mais lenta e dispendiosa, já que "o número de novos medicamentos aprovados por bilhão de dólares americanos gastos em P&D caiu pela metade a cada nove anos entre 1950 e 2011, caindo cerca de 80 vezes em termos ajustados pela inflação".

“A IA tem o potencial de dobrar as curvas de produtividade de P&D, não apenas desbloqueando mais crescimento econômico, mas também aumentando as chances de resolver alguns dos desafios humanos mais importantes, desde a prevenção e cura de doenças até a redução do nível de emissões de carbono”, disse o relatório da McKinsey.

Como a IA pode reacender a produtividade da inovação?

De acordo com a McKinsey, um modelo simplificado do processo de P&D consiste em identificar um conjunto de necessidades do cliente, gerar intenções de projetos e, em seguida, avaliar esses projetos para identificar os mais promissores que melhor atenderão às necessidades do cliente. Com base nesse modelo simplificado, o relatório identifica três maneiras principais pelas quais as tecnologias de IA podem reacender a produtividade da inovação:

1. Aumentando a velocidade, o volume e a variedade da geração de candidatos a design;

2. Acelerar a avaliação de candidatos por meio de modelos de proxy de IA; e

3. Acelerando as operações de pesquisa.

Deixe-me dizer algumas palavras sobre cada um deles.

Aumentar a velocidade, o volume e a variedade da geração de candidatos a design

Em 2020, a OpenAI lançou o GPT-3, seu mais poderoso modelo de base. Pouco tempo depois, seus criadores descobriram que o GPT-3 não só conseguia gerar frases e parágrafos inteiros em inglês em uma variedade de estilos, como também havia desenvolvido habilidades surpreendentes na escrita de softwares, mesmo com os dados de treinamento focados no idioma inglês, e não em exemplos de código de computador. No entanto, como se viu, a vasta quantidade de páginas da Web usadas em seu treinamento incluía muitos exemplos de programação de computador acompanhados de descrições do que o código foi projetado para fazer, permitindo assim que o GPT-3 aprendesse a programar sozinho. O GPT-3 também conseguia gerar documentos legais, como contratos de licenciamento ou arrendamentos, bem como documentos em uma variedade de outros campos.

Além disso, modelos de base como o GPT-3 podem ser treinados para gerar resultados além da linguagem humana, documentos e código de computador. Devidamente treinados, esses modelos de IA podem ser usados ​​para identificar moléculas com propriedades específicas na descoberta de medicamentos ou materiais com as características necessárias em baterias e células solares. Uma das maiores oportunidades potenciais para a IA aprimorar a inovação é gerar mais rapidamente um maior volume e variedade de candidatos a design.

Por exemplo, “Como os cientistas estão usando a inteligência artificial”, um dos artigos da edição de setembro de 2023 da The Economist, descreveu como a IA ajudou a encontrar novos antibióticos, salicina e abaucina, para uso contra duas das bactérias resistentes a antibióticos mais perigosas conhecidas. “Em ambos os casos, os pesquisadores usaram um modelo de inteligência artificial (IA) para pesquisar milhões de compostos candidatos para identificar aqueles que funcionariam melhor contra cada 'superbactéria'. O modelo foi treinado nas estruturas químicas de alguns milhares de antibióticos conhecidos e quão bem (ou não) eles funcionaram contra as bactérias no laboratório. Durante esse treinamento, o modelo descobriu ligações entre estruturas químicas e sucesso em danificar bactérias. Assim que a IA divulgou sua lista, os cientistas os testaram no laboratório e identificaram seus antibióticos.”

O mesmo artigo discutiu como a IA ajudou a acelerar a busca por novos materiais para baterias. “Quando pesquisadores da Universidade de Liverpool buscavam materiais que tivessem as propriedades muito específicas necessárias para construir baterias melhores, eles usaram um modelo de IA conhecido como 'autocodificador' para pesquisar todos os 200.000 compostos cristalinos estáveis ​​conhecidos no Banco de Dados de Estruturas de Cristal Inorgânico, o maior repositório do mundo. A IA já havia aprendido as propriedades físicas e químicas mais importantes necessárias para que o novo material da bateria atingisse seus objetivos e aplicou essas condições à busca. Ela reduziu com sucesso o número de candidatos a serem testados em laboratório de milhares para apenas cinco, economizando tempo e dinheiro.”

Acelerando a avaliação de candidatos por meio de modelos de proxy de IA

A próxima etapa no ciclo de vida de desenvolvimento do produto é avaliar quais dos diversos designs candidatos são os mais promissores. Ao longo dos anos, os fabricantes desenvolveram uma variedade de métodos para avaliar diferentes designs de produtos.

Uma técnica comum para produtos físicos, como carros, é construir protótipos e submetê-los a uma variedade de testes físicos, como análise de resistência a colisões e aerodinâmica. No entanto, protótipos e testes físicos podem ser caros e demorados, especialmente quando aplicados a um grande número de opções de design.

Outro método consiste em construir modelos matemáticos dos produtos avaliados e, em seguida, analisar diferentes opções de design com supercomputadores potentes. Essas simulações computacionais ganharam destaque devido aos grandes avanços na redução de preços e no aumento da relação preço/desempenho de supercomputadores paralelos avançados.

“Mas uma descoberta recente revelou que é possível redirecionar a tecnologia de rede neural desenvolvida para sistemas de IA para treinar modelos que podem atuar como proxies para modelos baseados em física computacionalmente mais intensivos. Esses modelos substitutos no estilo de IA não imitam o pensamento humano; em vez disso, eles preveem os resultados de fenômenos físicos no mundo. Quando usados ​​para prever o comportamento de um sistema completo, esses modelos são semelhantes a um gêmeo digital .” Essas técnicas baseadas em IA estão sendo usadas experimentalmente na previsão do tempo, na avaliação de diferentes projetos de carros e aviões e no teste e avaliação de medicamentos biológicos.

Acelerando as operações de pesquisa

“Além de gerar e avaliar candidatos a design, há várias outras maneiras pelas quais os LLMs, às vezes combinados com outras tecnologias de IA, estão sendo usados ​​para acelerar várias atividades no processo de desenvolvimento de produtos”:

• Identificar e analisar as necessidades, produtos e recursos do cliente/usuário . “Soluções de software baseadas em LLM estão sendo usadas, principalmente por empresas de consumo, para sintetizar uma vasta gama de avaliações de produtos, postagens em mídias sociais, transcrições de atendimento ao cliente e outras fontes de dados de clientes para identificar segmentos de mercado endereçáveis ​​e as categorias de produtos e recursos/funções que melhor atenderiam às necessidades ainda não atendidas dos clientes.”
• Explorar e sintetizar pesquisas e dados existentes . “Em setores como ciências biológicas, química e materiais, há um vasto e crescente corpo de pesquisas e bancos de dados publicados. Pode ser desafiador para os cientistas acompanhar a literatura em sua própria subdisciplina, sem mencionar as áreas adjacentes ou mesmo distantes de outras pesquisas, que poderiam trazer insights para avanços em sua área.”
• Simplificando a gestão interna do conhecimento . Grandes corporações detêm uma enorme quantidade de conhecimento em diversos bancos de dados e conhecimento tácito na mente dos funcionários. "Ferramentas baseadas em LLM podem ajudar a codificar o conhecimento tácito — por exemplo, transcrever e capturar reuniões gravadas e outras comunicações (com a permissão dos participantes, é claro)."
• Automatizando tarefas de documentação . Em setores altamente regulamentados, como o farmacêutico e o de fabricação de aeronaves, há requisitos significativos de documentação — por exemplo, para registros regulatórios, ordens de alteração de engenharia e outras documentações necessárias. Os LLMs podem acelerar o processo de geração e síntese desses documentos.
• Colaboração com humanos para ideação e desenvolvimento de conceitos . Gerentes de produto, cientistas, engenheiros, designers e outros participantes do processo de desenvolvimento de produtos podem "conversar" com LLMs para estimular ideias, obter "opiniões" e ter suas ideias questionadas, da mesma forma que fariam com um colega. Essas experiências ilustram que é possível que humanos e IA colaborem, mas a habilidade humana no uso de ferramentas de IA pode influenciar significativamente a eficácia dessas colaborações.

O que os líderes empresariais podem fazer para aproveitar o poder da IA ​​em P&D

O relatório da McKinsey recomenda que os líderes considerem quatro alavancas principais para aproveitar a IA para acelerar a inovação:

• Mova-se rapidamente e escale rapidamente. Superar essa curva de aprendizado mais cedo — e mais rápido — pode ajudá-lo a ganhar uma vantagem competitiva sobre os demais.
• Reconecte sua organização além da tecnologia. Além da tecnologia, capturar o valor da IA ​​exige alinhamento com a estratégia de negócios, formação dos talentos certos, adoção e escalonamento ágeis, além de gestão e governança de mudanças adequadas.
• Desenvolva uma competência essencial em torno de modelos . Uma nova competência essencial essencial será avaliar, integrar, treinar/adaptar e tomar decisões de construção versus compra sobre modelos de IA, incluindo modelos de código aberto, modelos adquiridos e até mesmo modelos treinados internamente, como parte do processo de P&D.
• Seja criterioso ao incorporar humanos no processo . As pessoas ainda terão um papel importante no processo de P&D, mas esses papéis provavelmente mudarão consideravelmente em um futuro com IA, exigindo requalificação. As organizações precisarão identificar quando é crucial ter um humano no processo, por exemplo, para garantir a segurança ou para aprovar diversas decisões em que ter um indivíduo responsável é crucial.

Da Infraestrutura à Experiência do Cliente

Ha alguns dias falei sobre One customer, One strategy no setor de telecom. Este setor, junto com alguns outros, vivem uma convergência sem precedentes. O que antes eram indústrias distintas, hoje se fundem em um ecossistema único, impulsionado pela hiperconectividade, 5G, IoT, Cloud Computing e a hiper demanda por dados. As próprias Telcos estão fazendo uma transição para uma nova terminologia: as TechCo. Neste cenário de competição feroz e commoditização de serviços básicos, uma estratégia negócios robusta e inteligente, deixa de ser um diferencial e se torna uma questão de sobrevivência e crescimento. Este artigo detalha um framework estratégico para desenvolver e implementar uma estratégia GTM (Go To Market) eficaz, focada em segmentação, propostas de valor diferenciadas e uma experiência do cliente superior.

1. O Cenário Desafiador e a Oportunidade

O mercado TechCo é caracterizado por:

· Altíssima Competição: Operadoras tradicionais, ISPs regionais, OTTs (Over-The-Top) e gigantes da tech disputam o mesmo cliente.

· Commoditização: Serviços de conectividade básica (banda larga, voz) são frequentemente vistos como commodities, levando a guerras de preço que estão erodindo as margens.

· Clientes Exigentes: A experiência do usuário é comparada a de empresas como Netflix e Amazon, exigindo simplicidade, autoatendimento e resolução instantânea.

· Ritmo Acelerado de Inovação: Novas tecnologias (5G/6G, Wi-Fi 7, FWA) exigem investimentos contínuos e reposicionamento de mercado constante.

Uma estratégia GTM bem-sucedida neste ambiente não é apenas sobre vender um produto, mas sobre introduzir uma solução integrada que resolva problemas reais, gere valor contínuo e construa relacionamentos de longo prazo.

2. A Análise Pré-Mercado

Antes de qualquer ação, uma análise profunda é essencial.

a. Pesquisa de Mercado e Definição do TAM, SAM, SOM:

· TAM (Total Addressable Market): Qual o mercado total para a sua solução? (ex: todas empresas que precisam de IoT no Brasil).

· SAM (Serviceable Available Market): Qual a parcela do TAM que você pode realisticamente atingir com seu modelo de negócio e capacitação atual? (ex: empresas de logística no Sudeste).

· SOM (Serviceable Obtainable Market): Qual a fatia realista do SAM que você pode conquistar nos primeiros 1-3 anos? (ex: 5% das empresas de logística de grande porte em São Paulo).

b. Definição do ICP (Ideal Customer Profile - Perfil Ideal do Cliente):

· B2C: Demografia, poder aquisitivo, padrão de uso (gamers, home office, famílias).

· B2B: Setor (vertical), tamanho da empresa, número de funcionários, maturidade tecnológica, pain points específicos (ex: varejo precisa de Wi-Fi estável para PDV; hospitais precisam de baixa latência para telemedicina).

c. Análise da Concorrência:

· Identificar não apenas concorrentes diretos (outras operadoras), mas também indiretos (Starlink, provedores regionais) e substitutos (5G móvel como substituto da banda larga fixa).

· Entender pontos fortes, fracos, posicionamento de preço e estratégias de canal.

d. Análise SWOT:

· Forças: Ativos intangíveis (brand), infraestrutura própria, portfólio completo, suporte técnico ágil.

· Fraquezas: Cobertura limitada, sistemas legados, tempo de implantação.

· Oportunidades: Leis de desburocratização, cidades inteligentes, trabalho híbrido.

· Ameaças: Novos entrantes, regulamentação, crise econômica.

3. Proposta de Valor e Posicionamento

Este é o ponto central da estratégia. Como você se diferenciará?

a. Diferenciação para Evitar a Commoditização:

· Baseada em Performance: "A fibra mais estável da região com garantia de 99,9% de uptime."

· Baseada em Soluções: "Não vendemos internet, vendemos produtividade para o home office com suporte prioritário e segurança cibernética inclusa."

· Baseada em Experiência: "Ativação em 24h, app para gerenciar sua rede, e suporte humano em menos de 3 minutos."

· Baseada em Ecossistema: "Internet + segurança + streaming + serviços de cloud em uma única fatura e experiência integrada."

b. Desenvolvimento de Personas e Mensagens:

· Para "Carlos, o Gerente de TI": Mensagem focada em segurança, escalabilidade, SLAs e redução de custos operacionais.

· Para "Ana, a Gamer": Mensagem focada em baixa latência, estabilidade para live streaming e priorização de tráfego.

· Para "Maria, Proprietária de uma Pequena Empresa": Mensagem focada em simplicidade, custo-benefício e "uma única empresa para resolver todos os meus problemas de TI".

4. Estratégia Comercial

Como você fará a sua solução chegar ao cliente?

a. Modelo de Vendas:

· Vendas Diretas: Equipe interna para contas corporativas grandes e complexas.

· Vendas Indiretas/Canais:

  · Parceiros de Valor Agregado (VARs) e Integradores de Sistemas: Cruciais para vender soluções B2B complexas.

  · Revendedores e Lojas Próprias: Para capturar o mercado B2C e pequenas empresas.

  · Tele-vendas e Inside Sales: Para base instalada (upgrade/cross-sell) e prospecção de SMB.

· E-commerce e Autoatendimento: Canal obrigatório para ativação e gerenciamento de serviços simples, reduzindo custo de aquisição.

b. Estrutura de Precificação:

· Evitar modelos complexos. Priorizar a simplicidade e a transparência.

· Considere modelos inovadores:

  · Assinatura (Subscription): Padrão do mercado. Ofereça diferentes tiers (100 Mbps, 300 Mbps, 1 Gbps).

  · Value-Based Pricing: Precificar com base no valor entregue, não no custo do GB. (ex: um plano "Produtividade" com VPN inclusa custa mais que um plano "Básico" com a mesma velocidade).

  · Flexible Consumption: Para cloud e infraestrutura, modelos "pague pelo que usar".

5. Estratégia de Marketing e Aquisição

Como você gerará demanda e construirá awareness?

a. Marketing de Conteúdo e SEO:

· Crie conteúdo educativo que responda às dores do ICP: "Guia para escolher a melhor internet para seu negócio", "Como melhorar o sinal de Wi-Fi em casa".

· Otimização para buscas locais ("internet fibra [nome da cidade]") é crítica para ISPs.

b. Marketing de Performance (Digital):

· Google Ads, meta-ads com targeting extremamente segmentado (localização, interesses, comportamento online).

· Account-Based Marketing (ABM) para B2B: Identifique uma lista de empresas-alvo e execute campanhas hiper-personalizadas para os tomadores de decisão.

c. Parcerias e Eventos:

· Patrocínios locais (time da cidade, eventos) para construir confiança na comunidade.

· Participação em feiras de negócios e tecnologia para gerar leads B2B qualificados.

d. Referências e Cases de Sucesso:

· Case studies detalhados são a mo mais poderosa no B2B. "Como a Empresa X aumentou a produtividade em 30% com nossa solução".

6. Fase 5: Ativação, Retenção e Expansão

A venda é apenas o começo do relacionamento.

a. Onboarding e Ativação Impecáveis:

· A primeira impressão é crucial. O processo de instalação deve ser ágil, profissional e o serviço deve funcionar perfeitamente desde o primeiro dia.

b. Customer Success Proativo:

· Monitore a saúde da conta do cliente. Antecipe problemas (e.g., "notamos que seu uso dobrou, podemos ajudá-lo a escalar?"). Ofereça relatórios de uso e desempenho.

c. Estratégias de Retenção:

· Programas de fidelidade.

· Comunicação clara sobre aumentos de preço.

· Suporte técnico excepcional e de fácil acesso.

d. Expansão (Upsell/Cross-sell):

· A base instalada é seu maior asset. Ofereça upgrades de velocidade, adicione serviços de segurança, telefonia IP, cloud.

7. A Jornada do Cliente

Mapeie cada ponto de contato do cliente com sua marca, do primeiro anúncio ao suporte técnico. Elimine pontos de atrito e garanta uma experiência coesa, simples e positiva. Invista pesado em:

· Omnicanalidade: O cliente pode iniciar um contato pelo chat e finalizar por telefone sem repetir informações.

· Automação e IA: Chatbots para perguntas simples, portais de autoatendimento, proatividade na resolução de problemas.

8. Conclusão: Uma Estratégia Dinâmica e Iterativa

Uma estratégia GTM para o setor TechCo não é algo estático. É um framework dinâmico que deve ser constantemente medido, testado e ajustado.

Métricas-Chave (KPIs) para Monitorar:

· Custo de Aquisição do Cliente (CAC)

· Valor do Tempo de Vida do Cliente (LTV)

· Churn Rate (Taxa de Cancelamento)

· Net Promoter Score (NPS)

· Conversão por Canal

O sucesso no mercado de TechCo será conquistado por aqueles que pararem de vender "conexão" e começarem a vender "resultados". A estratégia de Go-to-Market é a bússola que guia toda a organização nessa direção, alinhando produto, marketing, vendas e sucesso do cliente em torno de uma única missão: entregar valor tangível e construir uma base de clientes leal e lucrativa.

O impacto da IA na educação

“Mesmo em um mundo com superinteligência artificial, uma coisa é certa: sempre teremos a responsabilidade de tomar decisões difíceis ”, escrito por Bharat Chandar , — pesquisador de Economia Digital de Stanford , — em seu artigo “A IA não pode tomar suas decisões mais difíceis”. Quase todas as escolhas na vida dependem de duas coisas: inteligência e valores. A IA pode ajudar a melhorar nossa inteligência, mas não oferece nada para nossos valores ao tomar nossas decisões.

Em seu ensaio , Chandar observa que:

• Todas as escolhas importantes dependem tanto da inteligência quanto dos valores.
• Inteligência é a capacidade de compreender as consequências futuras de nossas ações.
• Valores — o que você gosta e não gosta, coisas que você acha certas e erradas — não são principalmente sobre inteligência, então não faz sentido delegar esse tipo de decisão a um computador só porque ele pode ser "mais inteligente" do que nós. 
• Isso significa que devemos fazer nossas próprias escolhas, não apenas terceirizar a tomada de decisões para uma IA.
• O alinhamento da IA ​​deve ser projetado para nos permitir fazer isso.

Mesmo em um mundo com superinteligência artificial, sempre teremos a responsabilidade de tomar decisões difíceis. E tomar decisões tão difíceis exige pensamento crítico.

Nos últimos anos, a necessidade de alinhar a inteligência das máquinas e a inteligência humana tem sido um tema comum na pesquisa em IA. Por exemplo, em uma série de artigos sobre o valor econômico da IA, Ajay Agrawal , Joshua Gans e Avi Goldfarb, da Universidade de Toronto, explicaram que as decisões normalmente envolvem duas atividades principais: previsões e julgamento. 

Enquanto as previsões geralmente se baseiam em informações concretas e tecnologia, o julgamento se baseia em fatores subjetivos como intuição, sentimentos inconscientes ou analogias com situações semelhantes do nosso passado. O julgamento é a parte da tomada de decisão que, ao contrário da previsão, não pode ser explicitamente descrita e executada por uma máquina.

“Julgamento é a capacidade de tomar decisões ponderadas — de compreender o impacto que diferentes ações terão nos resultados à luz de previsões”, escreveram os autores em um artigo na MIT Sloan Management Review . “Tarefas em que o resultado desejado pode ser facilmente descrito e há necessidade limitada de julgamento humano são geralmente mais fáceis de automatizar. Para outras tarefas, descrever um resultado preciso pode ser mais difícil, especialmente quando o resultado desejado reside na mente humana e não pode ser traduzido em algo que uma máquina possa entender.”

Em “A ÉPOCA da IA”, Isabella Loaiza e Roberto Rigobon, do MIT, escreveram que, em vez de perguntar se as máquinas vão automatizar a maioria dos trabalhos, deveríamos mudar o foco das máquinas para os humanos, fazendo perguntas diferentes, como “como humanos e máquinas podem se complementar" e “quais capacidades humanas complementam as deficiências da IA?”

Com base em uma série de entrevistas com uma ampla gama de especialistas, Loaiza e Rigobon identificaram cinco grupos de capacidades que permitem aos humanos trabalhar em áreas onde as máquinas são limitadas: Empatia e Inteligência Emocional; Presença, Networking e Conectividade; Opinião , Julgamento e Ética; Criatividade e Imaginação; e Esperança, Visão e Liderança, que compõem a sigla EPOCH no título do artigo.

Em um segundo ensaio, “A IA criará uma geração de não pensadores?”, Chandar escreveu sobre suas preocupações de que uma geração de estudantes pode não desenvolver as habilidades críticas necessárias para pensar por si mesmos, porque eles têm confiado cada vez mais na IA para seus cursos e outras tarefas de aprendizagem.

Sabe aquela sensação de olhar para uma página em branco, lutando para encontrar uma resposta para um tópico de uma redação? Formular e articular um pensamento pode levar horas, revisando cada frase, depois lendo tudo para ver se faz sentido. Lidar com o bloqueio criativo para elaborar um argumento convincente era algo difícil. Um rito de passagem para um bom conteúdo e uma comunicação eficaz.

“Os alunos de hoje têm essa experiência?”. “Se a IA pode escrever nossas redações, o que acontece com o pensamento humano?” Ele fez referência a uma pesquisa de 2024 sobre o estado da IA ​​em sala de aula realizada pela Common Sense Media, uma organização educacional sem fins lucrativos. Com base nas respostas de quase 1.050 pais ou responsáveis ​​por adolescentes de 13 a 18 anos, a pesquisa mostrou que:

70% desses adolescentes usaram pelo menos um tipo de ferramenta de IA generativa para diversos fins. 

40% dos adolescentes relataram usar IA generativa especificamente para trabalhos escolares, com 

41% fazendo isso com a permissão do professor, 

46% sem permissão e 

12% sem saber se tinham a permissão do professor.

A pesquisa levanta questões problemáticas, disse Chandar. Se a IA estiver sendo usada por boa parte dos alunos para fazer a lição de casa, eles podem não aprender habilidades cruciais porque estão contando com a IA para fazer o trabalho por eles.

Preocupações semelhantes também foram levantadas em um artigo recente no The Economist , “A IA tornará você estúpido?” 

O artigo começa descrevendo um estudo recente do MIT, “Seu Cérebro no ChatGPT: Acúmulo de Débito Cognitivo ao Usar um Assistente de IA para Tarefas de Redação”. O estudo descobriu que, embora contar com a ajuda da IA ​​para escrever uma redação certamente aliviasse a carga mental dos alunos, essa ajuda teria um custo. “Ao longo de uma série de sessões de redação, alunos que trabalharam com (e sem) o ChatGPT foram conectados a eletroencefalogramas (EEGS) para medir sua atividade cerebral enquanto trabalhavam. Em geral, os usuários de IA exibiram atividade neural significativamente menor em partes do cérebro associadas às funções criativas e à atenção. Os alunos que escreveram com a ajuda do chatbot também acharam muito mais difícil fornecer uma citação precisa do artigo que acabaram de produzir.”

“As descobertas fazem parte de um trabalho sobre os efeitos potencialmente prejudiciais do uso da IA ​​para a criatividade e a aprendizagem”, disse o The Economist . “Esta pesquisa aponta para questões importantes sobre se os impressionantes ganhos de curto prazo proporcionados pela IA generativa podem incorrer em uma dívida oculta de longo prazo.” Essas descobertas são semelhantes às de outros estudos recentes sobre a relação entre IA e pensamento crítico, como o da Microsoft Research e outro do professor Michael Gerlich da Swiss Business School. Os pesquisadores enfatizaram que essas são descobertas iniciais e muito mais trabalho é necessário para entender se há uma ligação definitiva entre o uso elevado da IA ​​e menores habilidades de pensamento crítico.

Em seu ensaio sobre o impacto da IA ​​na educação, Chandar fez referência a outro artigo no The Economist , “Como a IA dividirá os melhores dos demais”, que levantou uma questão muito importante: a IA poderia acabar ampliando as divisões sociais?

Quando a IA generativa se tornou popular pela primeira vez há alguns anos, havia uma expectativa de que o uso da IA ​​nivelaria o campo de atuação em uma série de ocupações. Por exemplo, um estudo de 2023 descobriu que o acesso a recomendações geradas pela IA aumentou a produtividade de agentes de atendimento ao cliente menos qualificados e menos experientes em cerca de 30%, enquanto teve pouco impacto na proditividade de trabalhadores mais qualificados e experientes. E, em um artigo de 2024, “A IA poderia realmente ajudar a reconstruir a classe média”, o economista do MIT David Autor argumentou que a IA nos oferece a oportunidade de estender o valor da expertise humana a um conjunto maior de trabalhadores que têm o treinamento básico necessário para executar essas tarefas de alto nível.

“No entanto, descobertas mais recentes lançaram dúvidas sobre essa visão”, afirmou o The Economist . “Em vez disso, elas sugerem um futuro em que os que voam alto voam ainda mais alto — e os demais são deixados para trás. Em tarefas complexas como pesquisa e gestão, novas evidências indicam que profissionais de alto desempenho estão mais bem posicionados para trabalhar com IA. Avaliar o resultado de modelos exige expertise e bom senso. Em vez de reduzir as disparidades, a IA provavelmente ampliará as desigualdades na força de trabalho, assim como as revoluções tecnológicas do passado.”

Embora estudos iniciais sugerissem que profissionais com baixo desempenho poderiam se beneficiar simplesmente copiando os resultados da IA, estudos mais recentes analisam tarefas mais complexas, como pesquisa científica, gestão de negócios e investimentos. Nesses contextos, profissionais com alto desempenho se beneficiam muito mais do que seus pares com baixo desempenho. Em alguns casos, trabalhadores menos produtivos não veem nenhuma melhora ou até perdem terreno.

“O que devemos fazer em relação a uma potencial crise de pensamento?”, questionou Bharat Chandar em seu ensaio sobre o impacto da IA ​​na educação. “Ainda é cedo para determinar se algo, deve ser feito para apoiar o pensamento crítico com a adoção da IA. Isso se deve, em parte, à sua rápida evolução e, em parte, à escassez de pesquisas experimentais de alta qualidade que estudem as consequências da IA ​​generativa nas escolhas educacionais. Os dados a serem monitorados incluem tendências de longo prazo no desempenho em resultados de testes padronizados, que, por enquanto, permanecem em fluxo devido às consequências da pandemia. Se as evidências se tornarem preocupantes, devemos desenvolver sistemas para garantir que as gerações futuras tenham as ferramentas necessárias para pensar criticamente.”

One Customer, One Strategy: A Reinvenção Personalizada do Setor de Telecomunicações

O setor de telecomunicações vive uma encruzilhada histórica. De outrora gigantes focadas em infraestrutura e commoditização de serviços (voz, dados, SMS), as operadoras se veem hoje imersas em um ecossistema hipercompetitivo, onde a diferenciação por preço ou cobertura já não é suficiente. O cliente moderno, empoderado por informações e cercado de opções, exige mais. Ele não quer ser apenas um número em uma base de dados; ele busca relevância, valor contínuo e uma experiência que respeite sua individualidade.

É neste contexto que emerge o conceito "One Customer, One Strategy" (Um Cliente, Uma Estratégia). Muito além de um simples slogan de marketing, esta filosofia representa uma transformação radical na maneira como as operadoras enxergam, interagem e entregam valor para cada um de seus clientes. Trata-se da migração de um modelo B2C (Business-to-Consumer) para um verdadeiro B2Me (Business-to-Me).

O Fim da Era do Mass Marketing em Telecom

Durante décadas, o setor de telecom operou sob a lógica do mass marketing. Campanhas maciças, planos padronizados (Pós, Pré, Controle) e ofertas genéricas para milhões de clientes. A eficiência operacional e a gestão de rede prevaleciam sobre a personalização. No entanto, este modelo esbarra em limitações críticas no cenário atual:

1. Saturação do Mercado: Quase todo mundo tem um plano de celular e banda larga. A guerra por aquisição de novos clientes é custosa e de margens diminutas. O verdadeiro valor está na retenção e no aumento do valor vitalício (LTV - Lifetime Value) dos clientes existentes.

2. Commoditização dos Serviços Básicos: Minutos ilimitados, gigabytes de dados e SMS são commodities. A diferença entre os planos básicos das operadoras é mínima para o consumidor.

3. Ascensão dos OTTs: Serviços de Over-The-Top (como WhatsApp, Zoom, Netflix, Spotify) "desacoplaram" a experiência do usuário da infraestrutura da operadora. O cliente valoriza mais o aplicativo do que a rede que o sustenta.

4. Expectativas do Cliente Digital: Acostumados com a personalização de Netflix, Amazon e Spotify, os consumidores esperam que todas as empresas, incluindo suas operadoras, entendam suas necessidades individuais e antecipem seus desejos.

O "One Customer, One Strategy" é a resposta a essas pressões. É a compreensão de que cada cliente é único, com seu próprio padrão de uso, conjunto de dispositivos (smartphone, smartwatch, tablet, IoT), hábitos digitais, momento de vida e sensibilidade a preço.

Os Pilares Fundamentais da Estratégia "One Customer, One Strategy"

Implementar essa abordagem não é simples. Exige uma reorganização profunda da empresa em torno do cliente, sustentada por quatro pilares principais:

1. Dados e Inteligência Artificial (IA) como Sistema Central: A personalização em escala é impossível sem dados e IA.As operadoras possuem um asset invaluable: uma quantidade colossal de dados anonimizados e agregados sobre o comportamento de seus usuários.

· Análise de Padrões: A IA pode analisar históricos de consumo, horários de pico, locais de uso, aplicativos mais acessados e tipo de conteúdo consumido (vídeo, música, jogos).

· Segmentação Hyper-Granular: Em vez de segmentos amplos como "jovens de 18-25 anos", a IA permite criar micro-segmentos de milhares de personas, ou até mesmo segmentos de uma pessoa só (n=1).

· Predictive Analytics: Prever a probabilidade de churn (cancelamento), identificar momentos propícios para upgrade de plano (ex.: cliente que constantemente excede seu limite de dados) e antecipar necessidades futuras.

2. Hiperpersonalização em Tempo Real: Com a inteligência gerada pelos dados,a operadora pode personalizar every single interaction.

· Ofertas Dinâmicas e Contextuais: Em vez de oferecer o mesmo pacote de 10GB para todos, a operadora pode oferecer, via app, um "boost" de 5GB para jogos online para um cliente que joga muito, ou um pacote de dados para streaming durante uma viagem.

· Planos Sob Medida (Dynamic Bundling): Permitir que o cliente monte seu próprio plano, escolhendo a quantidade de dados, minutos, serviços de streaming e serviços digitais (como armazenamento em nuvem ou segurança digital) que realmente importam para ele.

· Serviços Proativos: Alertar o cliente que ele está prestes a atingir seu limite e sugerir uma opção temporária e barata, instead of just cutting him off. Oferecer um upgrade de velocidade da banda larga no horário de maior uso da família, detectado automaticamente.

3. Experiência do Cliente (CX) - Omni channel Contínuo: O cliente não diferencia canais.Ele espera uma experiência única (seamless) seja no app, no site, na loja física ou no call center.

· Journey Mapping: Mapear toda a jornada do cliente, desde a aquisição até a fidelização, identificando pontos de atrito e oportunidades de encantamento.

· Visão 360º do Cliente: Quando um cliente ligar para o SAC, o atendente deve ter em sua tela não apenas seus dados cadastrais, mas seu histórico de interações, preferências, e ofertas que são relevantes para aquele cliente específico.

· Autoatendimento Inteligente: Chatbots alimentados por IA que resolvem problemas simples de forma personalizada, liberando os agentes humanos para casos mais complexos e emocionais.

4. Novos Modelos de Receita e Parcerias Estratégicas: O"One Customer, One Strategy" abre portas para monetização além da tarifação tradicional.

· Ecossistema de Serviços: A operadora pode se tornar uma "plataforma" ou "marketplace", curando e oferecendo serviços de terceiros (OTT) que sejam relevantes para cada perfil de cliente, recebendo uma comissão. Ex.: Pacote "Gamer" com assinatura de Xbox Cloud, pacote "Família" com Disney+ e controle parental.

· Monetização de Dados (Ética e Anonimizada): Oferecer insights agregados e anonimizados para empresas de outros setores (varejo, publicidade) sobre trends de mobilidade e consumo, sempre com total transparência e respeito à privacidade.

Desafios na Implementação

A jornada para se tornar uma empresa centrada no "One Customer, One Strategy" é complexa e enfrenta obstáculos significativos:

· Legacy Systems: Muitas operadoras possuem sistemas antigos e desconectados (silos de dados entre mobile, fixo e TV), que dificultam a criação de uma visão única do cliente.

· Cultura Organizacional: Requer uma mudança de mentalidade de toda a organização, de departamentos focados em produto para equipes multidisciplinares focadas na jornada do cliente.

· Privacidade e Segurança de Dados: A coleta e uso de dados devem ser transparentes e éticas, seguindo rigorosamente regulamentações como a LGPD. A confiança é o ativo mais importante; uma vez perdida, é quase impossível recuperá-la.

· Investimento em Tecnologia: A implementação de plataformas de CDP (Customer Data Platform), CRM avançado, e ferramentas de IA exige investimentos vultuosos e contínuos.

O Futuro é Personalizado: A Operadora como um Assistente Pessoal Digital

Imagine um futuro próximo: sua operadora, por meio de seu app, se torna seu assistente digital pessoal. Ela sabe que você viaja a trabalho toda semana e, proativamente, oferece opções de roaming internacional com preços competitivos na segunda-feira de manhã. Ela detecta que sua conexão de fibra óptica está com latência alta durante seu horário de teletrabalho e agenda um técnico automaticamente antes que você perceba o problema. Ela oferece um bundle que inclui sua assinatura de música e de vídeo preferidas, com um desconto conveniente.

Esta é a materialização do "One Customer, One Strategy". A operadora deixa de ser um utility, um fornecedor silencioso no background, e se torna um parceiro relevante e valioso no dia a dia do cliente.

Conclusão

O conceito "One Customer, One Strategy" não é uma opção, mas um imperativo estratégico para a sobrevivência e relevância futura das operadoras de telecomunicações. Aquelas que insistirem no modelo massificado estarão fadadas a uma guerra de preços autodestrutiva, vendo sua receita e margens se erosionarem continuamente.

Por outro lado, as operadoras que abraçarem esta transformação, investirem em tecnologia de dados e IA, e reorganizarem sua cultura para colocar o cliente individual no centro de todas as decisões, serão recompensadas com níveis mais altos de lealdade, menor churn, maior LTV e a abertura de fluxos de receita completamente novos. No fim, trata-se de reconhecer que o maior asset de uma operadora não é sua rede ou seu espectro, mas a confiança e o relacionamento com cada um de seus clientes. E é estratégia por estratégia, individualmente, que esse relacionamento será conquistado e mantido.

Uma economia voltada a super inteligência?

Essa matéria do The Economist me chamou a atenção, pois deu um foco especial em “A Economia da Superinteligência”. Os líderes globais em tecnologia dizem que a humanidade está se aproximando de um momento de inflexão, quando em poucos anos a inteligência artificial (IA) será melhor do que o ser humano médio em todas as tarefas cognitivas. Não é preciso apostar alto que eles estejam certos para perceber que a afirmação precisa ser melhor formulada. Se se concretizasse, as consequências seriam tão grandes quanto qualquer outra na história da economia mundial.

Ao longo da última década, os poderes e avanços da IA superaram repetidamente as previsões. Em 2016, o AlphaGo — um  programa de de aprendizado profundo desenvolvido pelo Google deep mind — derrotou Lee Sedol, um dos melhores jogadores de Go do mundo, por uma ampla margem, embora os especialistas previssem que levaria vários anos para o AlphaGo derrotar os melhores jogadores profissionais humanos. Isso foi considerado um marco importante na história da IA de aprendizado profundo, ao lado da vitória igualmente inesperada do Deep Blue da IBM sobre o então campeão mundial de xadrez Garry Kasparov em 1997.

Em novembro de 2022, a OpenAI lançou o ChatGPT, um modelo de IA que interage com os usuários em um modelo de linguagem conversacional (LLM). "O formato de diálogo permite que o ChatGPT responda a perguntas complementares, admita seus erros, questione premissas incorretas e rejeite solicitações inadequadas." A OpenAI incentivou os usuários a  experimentar o ChatGPT , e apenas cinco dias após seu lançamento, mais de um milhão já o fizeram.

"O que isso diz sobre os poderes da IA?", questionou a The Economist. As opiniões variam. Alguns, como o CEO da OpenAI, Sam Altman, afirmam que "a humanidade está perto de construir uma superinteligência digital e, pelo menos até agora, é muito menos estranha do que parece que deveria ser".

“Em certo sentido, o ChatGPT já é mais poderoso do que qualquer ser humano que já existiu. Centenas de milhões de pessoas dependem dele todos os dias e para tarefas cada vez mais importantes; uma pequena nova capacidade pode criar um impacto extremamente positivo; um pequeno desalinhamento multiplicado por centenas de milhões de pessoas pode causar um enorme impacto negativo.”

Não é de surpreender que Altman esteja otimista. “A IA contribuirá para o mundo de muitas maneiras, mas os ganhos em qualidade de vida que ela proporciona, impulsionando um progresso científico mais rápido e o aumento da produtividade, serão enormes; o futuro pode ser muito melhor do que o presente. O progresso científico é o maior impulsionador do progresso geral; é extremamente emocionante pensar em quanto mais poderíamos ter.” 

Mas ele também observa que, embora "a década de 2030 provavelmente seja muito diferente de qualquer outra época anterior, ... nos aspectos mais importantes, ela pode não ser muito diferente. As pessoas continuarão a amar suas famílias, expressar sua criatividade, brincar e nadar em lagos."

O CEO da Meta, Mark Zukerberg, está igualmente otimista. "Nos últimos meses, começamos a ver sinais de aprimoramento dos nossos sistemas de IA. A melhora é lenta por enquanto, mas inegável. O desenvolvimento da superinteligência já está à vista. Parece claro que, nos próximos anos, a IA aprimorará todos os nossos sistemas existentes e permitirá a criação e a descoberta de coisas novas que não são imagináveis hoje. Mas ainda não se sabe para onde direcionaremos a superinteligência. Estou extremamente otimista de que a superinteligência ajudará a humanidade a acelerar nosso ritmo de progresso. Mas talvez ainda mais importante seja o fato de que a superinteligência tem o potencial de iniciar uma nova era de empoderamento pessoal, na qual as pessoas terão maior autonomia para melhorar o mundo nas direções que escolherem.”

Em contrapartida, um artigo do Wall Street Journal, “ Por que a IA superinteligente não assumirá o controle em breve”, o colunista de tecnologia Christopher Mims escreveu que “Apesar das alegações dos principais nomes da IA, os pesquisadores argumentam que falhas fundamentais nos modelos de raciocínio significam que os bots não estão nem perto de exceder a inteligência humana”. 

Sims faz referência a "A Ilusão do Pensamento", um artigo no qual pesquisadores da Apple avaliaram diversos modelos de raciocínio de grande porte (LRMs) de laboratórios líderes em IA. LRMs são modelos de linguagem que dedicam consideravelmente mais tempo à análise de problemas usando a cadeia de pensamento, uma técnica que aprimora a capacidade de raciocínio dos LLMs, induzindo-os a resolver um problema por meio de uma série de etapas intermediárias antes de fornecer uma resposta final.

Após avaliar o desempenho de LRMs de diferentes fornecedores em um conjunto diversificado de problemas, os pesquisadores da Apple encontraram poucas evidências de que eles sejam capazes de raciocinar em um nível próximo ao alegado por seus criadores. Eles demonstraram que a capacidade de raciocínio dos LRMs aumenta com a complexidade do problema até certo ponto, depois diminui e, eventualmente, entra em colapso quando atingem certas complexidades. Ao comparar os LRMs com os LLMs, eles identificaram três níveis de desempenho:

1. tarefas de baixa complexidade onde modelos superam os LRMs;
2. tarefas de média complexidade onde o raciocínio adicional em LRMs demonstra vantagem; e
3. tarefas de alta complexidade onde tanto LLMs quanto LRMs entram em completo colapso.

Sims alerta que “um dos maiores perigos da IA é que superestimamos suas capacidades, confiamos nela mais do que deveríamos — mesmo que ela tenha demonstrado tendências antissociais, como a 'chantagem oportunista  — e confiamos nela mais do que seria sensato. Ao fazer isso, nos tornamos vulneráveis à sua propensão a falhar quando mais importa .

Esses vários artigos me lembraram que em 1930, John Maynard Keynes, um dos economistas mais influentes do século XX, publicou um ensaio no qual escreveu:

Estamos sendo afligidos por uma nova doença cujo nome alguns leitores talvez ainda não tenham ouvido falar, mas da qual ouvirão muito nos próximos anos: o desemprego tecnológico. Isso significa desemprego devido à nossa descoberta de meios de economizar o uso da mão de obra, que ultrapassa o ritmo em que conseguimos encontrar novos usos para a mão de obra.

Dado que "o aumento da eficiência técnica tem ocorrido mais rapidamente do que conseguimos lidar com o problema da absorção de mão de obra", Keynes previu que, até 2030, a maioria das pessoas trabalharia 15 horas por semana, o que satisfaria sua necessidade de trabalhar para se sentirem úteis e satisfeitas. "Assim, pela primeira vez desde a sua criação, o homem se deparará com seu problema real e permanente: como usar sua liberdade das preocupações econômicas urgentes, como ocupar o tempo livre que a ciência e os juros compostos lhe proporcionaram, para viver com sabedoria, prazer e bem."

Estamos a apenas cinco anos de 2030. A previsão de Keynes se concretizará?  "E se a IA fizesse o crescimento econômico mundial explodir? ".

Se acreditarmos nos evangelistas da IA do Vale do Silício, o crescimento econômico está prestes a acelerar significativamente. "Eles sustentam que a inteligência artificial geral (IAG), será capaz de superar a maioria das pessoas na maioria dos trabalhos administrativos, em breve e elevará o crescimento anual do PIB para 20% a 30% ao ano, ou mais. Isso pode parecer absurdo, mas, segundo eles, durante a maior parte da história humana, a ideia de que a economia cresceria também o era."

A probabilidade de que a IA possa em breve demitir muitos trabalhadores é bem conhecida. O que é muito menos discutido é a esperança de que a IA possa colocar o mundo em um caminho de crescimento explosivo. Isso teria consequências profundas. Os mercados não apenas de mão de obra, mas também de bens, serviços e ativos financeiros seriam afetados. Economistas têm tentado refletir sobre como a IA poderia remodelar o mundo. O panorama que está surgindo é talvez contraintuitivo e certamente desconcertante.

A maioria dos economistas concorda que a IA tem o potencial de aumentar a produtividade e, assim, impulsionar o crescimento do PIB. As questões mais urgentes são: quanto? E quanto tempo levará? Alguns, como o economista ganhador do Nobel do MIT, Daron Acemoglu, acreditam que a IA contribuirá apenas com melhorias modestas na produtividade dos trabalhadores e não adicionará mais de 1% à produção econômica dos EUA na próxima década.

“A IA generativa tem o potencial de mudar fundamentalmente o processo de descoberta científica, pesquisa e desenvolvimento, inovação, testes de novos produtos e materiais, etc., bem como criar novos produtos e plataformas”, acrescentou Acemoglu. Mas o impacto econômico de tecnologias historicamente transformadoras como a IA leva tempo para se concretizar. No futuro próximo, a IA aumentará principalmente a eficiência dos processos de produção e dos trabalhadores existentes, portanto, o impacto a curto prazo depende inteiramente do número de processos de produção que a tecnologia automatizará, que ele espera que seja inferior a 5% de todas as tarefas.

Apesar das avaliações altíssimas das empresas de tecnologia, os mercados estão muito longe de precificar um crescimento explosivo. “O Vale do Silício, em outras palavras, ainda precisa convencer o mundo de sua tese. Mas o progresso da IA superou, durante a maior parte de uma década, as previsões de quando ela ultrapassaria vários benchmarks. … Se o consenso sobre os efeitos da IA na economia estiver tão atrasado quanto a maioria das previsões sobre as capacidades da IA, então os investidores — e todos os demais — terão uma grande surpresa.”

O valor do pensamento crítico na era da IA

Já tenho uma longa carreira, que sempre girou em torno do mercado de TI e Telecomunicações e eu me sinto orgulhoso de ter participado dos principais avanços tecnológicos que transformaram significativamente os negócios e a vida das pessoas, nas últimas 3 décadas. Durante este período, pude notar que o foco em pessoas, processos e produtos, são sempre as principais questões com as quais as empresa lidam para transformar suas estratégias de mercado com sucesso, incluindo os aspectos organizacionais e culturais que frequentemente causam o sucesso ou o fracasso dessas transformações. Como um estudo de caso real, de minhas experiências pessoais, lidando com estratégia de internet, desde meados da década de 1990, vi a internet inaugurar a transição histórica da economia industrial dos dois séculos anteriores para um novo tipo de economia baseada no conhecimento. Os avanços nas tecnologias da informação e a globalização estiveram entre as principais forças que impulsionaram essa transição. Em O Mundo é Plano de Thomas Friedman, um best-seller de 2005, ele explica com propriedade as implicações dessa nova era da globalização, incluindo os fatores que a impulsionaram o crescimento explosivo da internet na década de 1990 e a ascensão da terceirização, do offshoring e das cadeias de suprimentos globais.

Mas, o economista do MIT, David Autor, em seu artigo A Polarização das Oportunidades de Emprego no Mercado de Trabalho dos EUA, enfatiza que a tecnologia e a globalização tiveram um impacto disruptivo sobre os trabalhadores americanos, embora as oportunidades de emprego e os rendimentos tenham aumentado para ocupações técnicas e de gestão de alta qualificação, que exigiam formação universitária, elas diminuíram para ocupações de produção e administrativas, de qualificação média. "O declínio dos empregos de qualificação média tem sido prejudicial aos rendimentos e às taxas de participação na força de trabalho para trabalhadores sem formação universitária", escreveu Autor.

Para ajudar a preparar seus alunos para um mundo cada vez mais imprevisível e complexo, diversas escolas de engenharia e administração começaram a se aventurar em territórios tradicionalmente associados a abordagens multidisciplinares, compreensão do contexto e das perspectivas globais e históricas, e um foco maior em liderança e responsabilidade social e começaram a se perguntar como complementar uma educação focada em tópicos complexos quantitativos, analíticos e técnicos com menos foco, aparentemente, mais leves das artes liberais, como design, criatividade e pensamento crítico.

Por exemplo, em janeiro de 2010, o NY Times publicou “ Teoria de Negócios Multicultural. Na B-School?,” um artigo sobre Roger Martin, na época, reitor da Rotman School of Management da Universidade de Toronto. Por mais de uma década, o professor Martin vinha defendendo “o que era então uma ideia radical na educação empresarial: que os alunos precisavam aprender a pensar de forma crítica e criativa tanto quanto aprender finanças ou contabilidade. Mais especificamente, eles precisavam aprender a abordar problemas de muitas perspectivas e combinar várias abordagens para encontrar soluções inovadoras”

Da mesma forma, Ernest Wilson — ex-reitor da Escola Annenberg de Comunicação e Jornalismo da USC — escreveu um artigo em 2015 sobre sua pesquisa para entender melhor as competências-chave que as empresas buscavam. Como parte da pesquisa, Wilson perguntou aos líderes empresariais em todo o mundo quais atributos os executivos devem possuir para ter sucesso na economia digital em rápida transformação, em meados da década de 2010. A pesquisa constatou que as habilidades técnicas tradicionais, normalmente oferecidas por escolas de engenharia e administração, eram necessárias, mas não mais suficientes. 

Os futuros líderes precisam ser fortes em habilidades técnicas e de negócios. Mas estas devem ser complementadas por um conjunto único de atitudes, perspectivas, experiências e outras chamadas habilidades interpessoais. Bons líderes precisam ser bons pensadores estratégicos e possuir fortes habilidades sociais e de comunicação. O estudo identificou cinco dessas competências específicas de liderança:

1. Adaptabilidade: Agilidade mental e resiliência em situações ambíguas; flexibilidade ao lidar com mudanças; pensar além do preto e branco, nas áreas cinzentas; fazer perguntas inesperadas que podem levar a melhores soluções.

2. Competência cultural: capacidade de pensar, agir e se movimentar em múltiplas funções, silos e culturas globais.                        

3. Pensamento 360 graus: pensamento holístico; capaz de ver o panorama geral e reconhecer padrões que podem levar a soluções novas e melhores.

4. Curiosidade intelectual: aprender e crescer constantemente; disposto a arriscar e experimentar para criar novas soluções criativas para problemas.

5. Empatia: forte inteligência emocional; habilidades eficazes de escuta e colaboração; habilidades de comunicação; ser inclusivo e considerar as opiniões dos outros em diversas disciplinas, culturas e perspectivas. 

Mais uma vez, estamos no meio de uma transição historicamente transformadora. A transição para a era da IA será pelo menos tão grande e consequente quanto a transição da economia industrial para a economia digital baseada na internet das últimas décadas. As máquinas da economia industrial compensaram nossas limitações físicas — as máquinas a vapor aprimoraram nossa força física, as ferrovias e os carros nos ajudaram a ir mais rápido, os aviões nos deram a capacidade de voar. Mas agora, a tecnologia está sendo cada vez mais aplicada a atividades que exigem capacidades cognitivas e inteligência para resolver problemas que, até pouco tempo atrás, eram vistas como domínio exclusivo do ser humano.

Como as universidades devem responder e se adaptar a essas grandes mudanças?

“Gerar valor comercial sustentável com IA exige pensamento crítico sobre as diferentes filosofias que determinam o desenvolvimento, o treinamento, a implantação e o uso de IA”, escreveram os pesquisadores do MIT Michael Schrage e David Kiron em “A Filosofia Come a IA ”, em um artigo na MITSloan Management Review. “Hardware e software são disciplinas técnicas há muito tempo, ensinadas nos departamentos de engenharia elétrica e ciência da computação. Mas a IA, com sua ênfase em qualidades humanas como inteligência, conhecimento, linguagem e raciocínio, parece uma disciplina muito diferente.”

“Como disciplina, conjunto de dados e sensibilidade, a filosofia determina cada vez mais como as tecnologias digitais raciocinam, preveem, criam, geram e inovam”, acrescentaram os autores. “O desafio crítico é se os líderes terão a autoconsciência e o rigor necessários para usar a filosofia como recurso para criar valor com IA ou se adotarão princípios filosóficos tácitos e não articulados para suas implementações de IA.”

No Simpósio de CIOs do MIT Sloan de 2025, uma série de discussões sobre como indivíduos e organizações precisam se adaptar na era da IA; em particular, o painel sobre "O Impacto da IA em Empregos e Habilidades", onde Isabella Loaiza, pós-doutoranda na Escola de Administração do MIT Sloan, que recentemente publicou um artigo com o professor do MIT Sloan, Roberto Rigobon, "A ÉPOCA da IA: Complementaridades Homem-Máquina no Trabalho". 

Eu li o artigo e abaixo faço meus comentários sobre os principais tópicos. Muito do que foi escrito sobre o futuro do trabalho — tanto na literatura acadêmica quanto em artigos da mídia — trouxeram como principais questões: "as máquinas vão automatizar a maioria dos empregos?". E, embora essa pergunta seja importante, não é a mais importante. Precisamos mudar o foco das máquinas para os humanos: "quais capacidades humanas complementam as deficiências da IA?".

Após muitas discussões, os principais doutores do MIT identificaram cinco grupos de capacidades que permitem aos humanos trabalhar em áreas onde as máquinas são limitadas:

• Empatia e Inteligência Emocional. Essas capacidades são essenciais para promover a compreensão, o trabalho em equipe e um ambiente de trabalho colaborativo e de apoio. 
• Presença, Conexão Humana e Networking. Facilitam interações presenciais e a colaboração com colegas e amigos. 
• Opinião, Julgamento e Ética . Incluem pensamento crítico, considerações morais e a capacidade de sintetizar informações, integrar análise racional com intuição e considerar diversas perspectivas. 
• Criatividade e Imaginação. Essas capacidades são importantes para a criação de ideias novas e originais e para a visualização de possibilidades além da realidade.
• Esperança, Visão e Liderança. As capacidades deste grupo incluem otimismo, iniciativa, determinação, perseverança e a capacidade de desenvolver uma meta e inspirar outras pessoas a alcançá-la.

Permito-me também mencionar que a IA é, em essência, uma tecnologia de previsão. Uma previsão ou prognóstico é uma declaração sobre o que provavelmente acontecerá no futuro, geralmente baseada na análise de dados e outras informações. Os custos drasticamente reduzidos das previsões estão agora inaugurando uma revolução baseada em IA no século XXI.

As previsões são um dos principais ingredientes da tomada de decisões. O outro é o julgamento, a capacidade humana de tomar uma decisão ponderada após avaliar todas as evidências, observações e argumentos disponíveis. À medida que as previsões baseadas em tecnologia se tornam cada vez mais baratas e comuns, o valor econômico do julgamento humano baseado em um pensamento crítico sólido torna-se cada vez mais valioso.

Embora ainda esteja em seus estágios iniciais, a IA já se consolida como uma das tecnologias mais poderosas do século XXI, se não a mais poderosa. A IA terá um grande impacto em praticamente todos os empregos e disciplinas. Isso levanta uma questão muito importante: como podemos preparar melhor uma nova geração de estudantes com as habilidades necessárias para a era emergente da IA? 

Os poderes transformadores da IA ampliam a necessidade de líderes que possam navegar por suas implicações éticas, sociais e filosóficas com agilidade e visão. Sua capacidade única de imitar o raciocínio humano exige uma fusão deliberada das habilidades técnicas e interpessoais que os líderes de hoje precisam dominar não apenas para prosperar em suas carreiras, mas também para moldar de forma responsável o impacto da IA na sociedade. 

As principais universidades de STEM e de negócios têm a responsabilidade única de nos ajudar a definir o papel dos humanos em um mundo onde máquinas inteligentes serão nossas parceiras onipresentes na maioria das ocupações. Em vez de uma expansão modesta dos programas existentes, isso exigirá uma reformulação ousada e sistêmica da educação em STEM e negócios — uma reformulação que incorpore o pensamento crítico e a colaboração entre humanos e máquinas em todas as áreas de estudo, permitindo-nos, assim, trabalhar melhor com e em conjunto com a IA.