Alguns modelos serão melhores para determinadas tarefas, outros serão mais baratos, alguns oferecerão mais controle sobre os dados.

Por Charles M. Machado – SC

Durante algum tempo, pareceu natural imaginar que a vantagem competitiva das empresas em matéria de inteligência artificial estaria concentrada na escolha do melhor modelo. A discussão empresarial passou a girar em torno de nomes como GPT, Gemini, Claude, Copilot, DeepSeek e tantos outros, como se a decisão estratégica fundamental consistisse em escolher a ferramenta mais sofisticada disponível no mercado.

Essa lógica é compreensível porque reproduz um comportamento antigo do mundo corporativo: durante décadas, tecnologia foi tratada como uma escolha entre fornecedores, plataformas, sistemas e infraestruturas, e muitas vezes a opção correta produziu ganhos reais de produtividade, escala e organização.

O problema é que a inteligência artificial está evoluindo rapidamente para uma fase em que os melhores modelos estarão disponíveis, em diferentes combinações, para praticamente todos os concorrentes relevantes. Quando isso ocorre, a pergunta muda de natureza. Se todos podem contratar uma inteligência artificial semelhante, onde exatamente permanece a vantagem competitiva?

Essa mudança talvez seja mais profunda do que parece. A inteligência artificial começa a deixar de ser, por si só, um elemento exclusivo de diferenciação e passa gradualmente a assumir características de infraestrutura. Alguns modelos serão melhores para determinadas tarefas, outros serão mais baratos, alguns oferecerão mais controle sobre os dados e outros poderão ser especializados em setores ou atividades específicas.

A empresa poderá utilizar um modelo para tarefas administrativas, outro para análise estratégica, um terceiro para atividades sensíveis e, em muitos casos, poderá substituir um pelo outro sem alterar substancialmente sua operação. À medida que essa substituibilidade aumenta, o valor econômico tende a migrar da ferramenta para as camadas que a cercam.

A pergunta empresarial, portanto, deixa de ser simplesmente “qual inteligência artificial devemos utilizar?” e passa a ser “o que existe dentro da nossa organização que nenhum concorrente consegue simplesmente comprar amanhã?”.

É nesse ponto que a discussão começa a se encontrar diretamente com aquilo que tenho chamado de Era da Desatenção. Vivemos em uma sociedade que multiplicou de maneira extraordinária o acesso à informação, às ferramentas, aos conteúdos e às respostas, mas essa abundância não produziu, automaticamente, mais compreensão, discernimento ou capacidade de decisão.

Ao contrário, em muitos ambientes, a superabundância informacional passou a gerar dispersão, superficialidade e dificuldade crescente de distinguir aquilo que é relevante daquilo que apenas ocupa espaço cognitivo. A inteligência artificial transporta esse mesmo paradoxo para dentro das organizações.

Projetos bem-sucedidos e fracassados

Empresas poderão produzir mais relatórios, mais análises, mais textos, mais diagnósticos e mais respostas em menos tempo e, ainda assim, continuar institucionalmente incapazes de aprender com a própria experiência. A capacidade de gerar informação cresce, já a capacidade de transformar informação em conhecimento continua sendo outra questão.

Toda empresa acumula, ao longo do tempo, um patrimônio de conhecimento que raramente aparece de forma clara em seus balanços. São contratos negociados, decisões acertadas e equivocadas, clientes conquistados e perdidos, projetos bem-sucedidos e fracassados, políticas internas, critérios de risco, processos de aprovação, padrões de comportamento, erros recorrentes, experiências de funcionários e milhares de pequenas decisões que, somadas, formam a cultura prática de uma organização.

Esse conhecimento costuma estar fragmentado entre documentos, sistemas, mensagens, bancos de dados e, sobretudo, na memória das pessoas. Durante décadas, parte considerável dessa inteligência simplesmente desapareceu quando profissionais mudaram de função, deixaram a empresa ou quando arquivos foram esquecidos em repositórios pouco utilizados. A inteligência artificial cria a possibilidade de transformar esse acervo disperso em algo operacional, conectando a memória da empresa às decisões presentes.

É justamente aí que começa a surgir a verdadeira diferença entre organizações que simplesmente utilizam IA e aquelas que constroem inteligência institucional a partir dela. Duas empresas podem ter acesso ao mesmo modelo, com a mesma capacidade de raciocínio, a mesma velocidade e praticamente os mesmos recursos. A primeira utiliza a tecnologia como uma ferramenta de perguntas e respostas: pede um relatório, solicita um resumo, produz uma análise, organiza uma apresentação.

A segunda conecta o mesmo modelo à sua história, aos seus documentos, às suas regras, às suas decisões anteriores, aos resultados de suas operações e aos critérios que foram construídos ao longo dos anos. Tecnicamente, ambas podem utilizar a mesma inteligência artificial.

Institucionalmente, porém, elas já não são igualmente inteligentes, porque uma delas possui um contexto próprio que o concorrente não pode comprar pronto.

Esse ponto é particularmente importante porque, na Era da Desatenção, existe uma forte tendência de confundir velocidade com inteligência. A produção rápida de um texto ou de uma análise cria uma sensação de eficiência, e a eloquência das respostas produz a impressão de que o sistema realmente compreendeu o problema. Mas uma organização pode gerar centenas de relatórios em poucas horas sem necessariamente aprender nada de novo.

Pode automatizar apresentações, reuniões, estudos e pareceres e, paradoxalmente, aumentar a quantidade de informação sem melhorar a qualidade de suas decisões. Se o conteúdo produzido não retorna para a organização sob a forma de memória, avaliação e aprendizado, ele apenas amplia o volume informacional.

Capacidade de aprender sistematicamente

E o excesso de informação, quando não acompanhado por mecanismos de seleção, compreensão e incorporação, é justamente uma das matérias-primas da desatenção.

Existe uma analogia filosófica interessante para compreender esse problema. Os grandes modelos de linguagem são máquinas extraordinárias de inferência. Eles trabalham sobre enormes quantidades de conhecimento acumulado, relacionam conceitos, identificam padrões, produzem explicações e chegam a conclusões com uma sofisticação impressionante.

Em sentido metafórico, há algo profundamente aristotélico nesses sistemas. Aristóteles ajudou a organizar o pensamento ocidental em torno da lógica e da dedução, do raciocínio que parte de premissas e constrói conclusões coerentes a partir delas. Os modelos atuais fazem algo semelhante em escala incomparavelmente maior: recebem um conjunto de informações, interpretam relações e produzem respostas.

O problema é que o mundo empresarial não se resume a premissas e conclusões. Empresas vivem de decisões, consequências e correções.

A inteligência deixa de ser apenas a capacidade de elaborar uma boa conclusão e passa a incluir a capacidade de aprender sistematicamente com aquilo que aconteceu depois.Toda decisão empresarial produz efeitos que deveriam retornar para a organização como informação relevante para as próximas decisões. Uma empresa que registra apenas a decisão conhece o que fez. Uma empresa que registra também as consequências começa a compreender o que aprendeu.

Esse é o ponto em que a unidade de valor da inteligência artificial corporativa começa a mudar. Durante os primeiros anos da IA generativa, o valor estava concentrado na resposta. A pergunta era formulada, o sistema respondia e a interação terminava. Esse modelo continua extremamente útil para atividades individuais, mas é insuficiente para organizações complexas, porque empresas não são coleções de perguntas isoladas.

São sistemas permanentes de ações e consequências. Uma empresa contrata, investe, concede crédito, escolhe fornecedores, desenvolve produtos, negocia contratos e entra ou sai de mercados. Cada uma dessas decisões produz resultados que, em tese, podem melhorar a decisão seguinte. A verdadeira vantagem competitiva começa a surgir quando a organização consegue transformar esse fluxo em um ciclo estruturado de informação, decisão, consequência, avaliação, correção e nova decisão.

Nesse ambiente, o ativo central já não é necessariamente o modelo de inteligência artificial utilizado pela empresa, mas o ciclo de aprendizagem construído ao redor dele. O modelo pode ser substituído; o aprendizado institucional deveria permanecer. Essa distinção conduz a uma questão econômica particularmente relevante.

A maioria das empresas não desenvolverá seus próprios grandes modelos de linguagem, e não há razão para que o faça. Alugar capacidade computacional e inteligência artificial de terceiros pode ser perfeitamente racional. O problema aparece quando, junto com a ferramenta, a organização começa a terceirizar também sua memória, seus critérios e sua capacidade de aprender.

Se uma empresa utiliza durante anos determinada plataforma e seus processos, históricos e fluxos de decisão tornam-se inseparáveis desse fornecedor, a dependência tecnológica deixa de ser apenas operacional. Passa a ser cognitiva.

Conjunto de experiências pedagógicas

Podemos estar, portanto, diante de uma forma nova e mais profunda de lock-in. No passado, uma organização ficava presa a determinado software porque a migração era cara, complexa ou tecnicamente inconveniente. Agora, o risco é que a empresa fique presa a uma determinada arquitetura porque parte relevante de sua própria inteligência institucional está incorporada ao sistema de terceiros.

A pergunta estratégica deixa de ser apenas quanto custa mudar de fornecedor e passa a ser quanto conhecimento a empresa perde quando faz essa mudança. Se trocar de modelo significa perder contexto, histórico, padrões de avaliação e ciclos de aprendizado, então a empresa não alugou apenas uma tecnologia. Em alguma medida, passou a alugar também sua própria capacidade de lembrar e aprender.

Isso conduz a outro conceito que tende a ganhar importância: soberania institucional. Ser soberano, nesse contexto, não significa construir internamente toda a infraestrutura tecnológica nem rejeitar fornecedores externos.

Significa preservar o domínio sobre aquilo que torna a organização intelectualmente distinta: sua memória, seus critérios, suas regras, seus processos, seus relacionamentos e seus ciclos de aprendizagem. Uma empresa verdadeiramente soberana pode mudar de modelo sem perder a si mesma.

Pode substituir uma tecnologia por outra e continuar carregando sua história, sua cultura decisória e sua experiência acumulada. O fornecedor entrega capacidade computacional e raciocínio; a inteligência institucional permanece pertencendo à organização.

Essa discussão também amplia a própria noção de patrimônio empresarial. A contabilidade tradicional registra máquinas, imóveis, estoques, participações societárias, marcas e diversos outros ativos, mas possui dificuldade muito maior para representar economicamente o conhecimento acumulado por uma organização ao longo de décadas. Quanto vale um histórico de vinte anos de decisões comerciais acompanhado dos resultados de cada uma delas?

Quanto vale para um banco sua experiência acumulada na análise de determinados perfis de risco? Quanto vale para uma universidade o conjunto de experiências pedagógicas, avaliações, pesquisas e resultados educacionais produzidos ao longo de gerações? Quanto vale para um escritório profissional o repertório de estratégias, soluções, erros e decisões construído ao longo de milhares de casos?

A inteligência artificial pode tornar operacional aquilo que antes permanecia disperso e, ao fazê-lo, pode revelar que uma parcela relevante do patrimônio das organizações estava sendo subestimada porque não havia tecnologia capaz de convertê-la em decisão em escala.

Mas há uma condição essencial para que isso funcione: governança. É relativamente fácil afirmar que um sistema deve “aprender com a empresa”, mas a expressão se torna muito mais complexa quando precisa ser traduzida em arquitetura real. O que exatamente constitui aprendizado? Quais eventos devem ser registrados? Como se determina que determinado resultado decorreu de uma decisão anterior? Quem define os objetivos que o sistema deverá perseguir? Que permissões a IA possui?

Quando uma decisão exige aprovação humana? Como evitar que um sistema otimize um indicador e destrua silenciosamente outro? Essas questões demonstram que inteligência artificial corporativa não é apenas um problema de engenharia, mas uma questão de desenho institucional.

Perfis excessivamente conformistas

A própria ideia de otimização mostra por que isso é tão importante. Um sistema de atendimento treinado exclusivamente para reduzir o tempo médio de cada conversa pode descobrir que a melhor forma de cumprir sua meta é encerrar contatos rapidamente, mesmo que isso reduza a satisfação do consumidor. Um sistema de vendas focado apenas em conversão pode encontrar técnicas comercialmente eficientes que deterioram a confiança do cliente.

Um sistema de recursos humanos orientado somente para retenção pode acabar selecionando perfis excessivamente conformistas. Em todos esses casos, a IA estará funcionando exatamente de acordo com aquilo que lhe foi pedido. O problema está naquilo que a organização decidiu considerar relevante.

Toda função de recompensa embute uma determinada concepção de valor; toda restrição expressa uma escolha institucional; todo limite de permissão define uma distribuição de autoridade.

Por isso, a transformação provocada pela inteligência artificial possui também uma dimensão política. Governos, universidades, tribunais, agências reguladoras e instituições públicas acumulam uma quantidade imensa de conhecimento histórico que poderá ser organizada e utilizada de maneira inteiramente nova. A IA pode aumentar produtividade, acelerar análises e melhorar a recuperação de conhecimento administrativo.

Mas também pode criar dependências inéditas. Se a memória de uma instituição pública, seus critérios de decisão e sua capacidade de aprendizado ficarem profundamente subordinados a plataformas privadas externas, a discussão deixa de ser simplesmente sobre eficiência tecnológica e passa a envolver autonomia, soberania e poder.

Países já compreenderam que energia, telecomunicações, sistemas financeiros, infraestrutura digital e semicondutores possuem relevância estratégica. A capacidade institucional de aprender a partir da própria história poderá assumir importância semelhante.

É justamente aqui que a discussão retorna à Era da Desatenção. O maior risco não é que as máquinas se tornem inteligentes demais, mas que empresas e instituições confundam a inteligência das máquinas com a própria inteligência.

A abundância de respostas pode produzir uma aparência extraordinária de sofisticação ao mesmo tempo em que enfraquece a capacidade de compreender como as decisões foram construídas, quais critérios foram utilizados e o que realmente se aprendeu com os resultados. Uma organização pode produzir mais informação do que jamais produziu e, ainda assim, tornar-se progressivamente dependente de sistemas externos para interpretar essa própria informação.

O paradoxo é evidente: quanto mais inteligência artificial estiver disponível, maior poderá ser o risco de desatenção institucional se as organizações perderem o domínio sobre seus próprios processos de aprendizagem.

Na sociedade da desatenção, grande parte do valor econômico das plataformas foi construída exatamente sobre a captura e intermediação da nossa atenção. No ambiente corporativo, uma disputa semelhante começa a aparecer em outra camada: a disputa pela intermediação da memória, do contexto e da decisão.

Se as empresas não perceberem essa transição, poderão repetir institucionalmente aquilo que os indivíduos já experimentaram no ambiente digital: ganhar conveniência enquanto transferem progressivamente para terceiros uma parcela crescente da capacidade de organizar a própria experiência.

Por isso, a empresa mais inteligente da próxima década não será necessariamente aquela que tiver acesso ao modelo mais famoso, mais caro ou mais poderoso. Será aquela capaz de transformar sua experiência em memória estruturada, sua memória em contexto, seu contexto em decisões e suas decisões em ciclos permanentes de aprendizado.

A IA poderá ser contratada, substituída e combinada com outras ferramentas. A vantagem competitiva estará naquilo que permanece quando a tecnologia muda.

Talvez, portanto, a pergunta decisiva para empresários, administradores, investidores e governos já não seja “qual inteligência artificial devemos contratar?”, mas uma questão muito mais incômoda: se amanhã trocarmos toda a inteligência artificial que utilizamos, quanto da inteligência da nossa organização continuará sendo realmente nossa?

E você, o que acha dessa medida? Deixe sua opinião nos comentários abaixo.