Gestão e inteligência artificial: o que os clássicos ensinam
Os clássicos da gestão ensinam que a IA deve servir à eficácia, não só à eficiência; que tecnologia acelera o que já funciona, mas não cria o rumo; e que a melhoria vem de ciclos curtos, perto de onde o trabalho acontece. Drucker, Jim Collins e o modelo Toyota oferecem um roteiro útil para gestão e inteligência artificial andarem juntas.
A conversa sobre IA costuma parecer totalmente nova, como se nada do que a gestão aprendeu nas últimas décadas valesse. Não é verdade. A relação entre gestão e inteligência artificial fica mais clara quando olhamos para ideias que já ajudaram empresas a atravessar outras mudanças tecnológicas.
Três referências se destacam: Peter Drucker, Jim Collins e o modelo de gestão da Toyota. Nenhum deles escreveu sobre IA generativa. Todos escreveram sobre o que faz uma organização funcionar melhor, e isso continua valendo.
O que Drucker ensina sobre IA: eficácia antes de eficiência
Em O Gestor Eficaz, Drucker distingue eficiência de eficácia. Eficiência é fazer as coisas do jeito certo. Eficácia é fazer as coisas certas. Para o trabalhador do conhecimento, ele argumenta, a eficácia é o que importa.
Essa distinção é a primeira pergunta de qualquer projeto de IA. Automatizar uma tarefa que não deveria existir é eficiência sem eficácia. Um relatório que ninguém lê, gerado em segundos, continua sendo um relatório que ninguém lê.
Antes de perguntar “como a IA faz isso mais rápido?”, vale perguntar “isso precisa ser feito?” e “qual contribuição esse trabalho gera para o resultado?”.
Drucker e a medição: o que não se acompanha não melhora
Drucker também insistiu, ao longo da obra, que o gestor precisa definir resultados claros e acompanhar se estão sendo alcançados. A gestão por objetivos, que ele ajudou a difundir em A Prática da Administração, parte disso.
Em IA, isso se traduz em algo simples e frequentemente esquecido: medir antes de implantar. Sem uma linha de base, ninguém sabe se o agente melhorou o processo. Com ela, a conversa sai da impressão e vai para o resultado.
Um dado ajuda a dimensionar o problema. O estudo da BCG Where's the Value in AI? mostra que 74% das empresas ainda não mostram valor tangível com IA. Muitas delas nunca definiram o que seria esse valor.
O que Jim Collins ensina: primeiro quem, depois o quê
Em Empresas Feitas para Vencer, Collins descreve que as empresas que deram o salto primeiro colocaram as pessoas certas nos lugares certos e só depois definiram a direção. A ideia ficou conhecida como “primeiro quem, depois o quê”.
Aplicada à IA, a lição é direta. O sucesso de um agente depende muito mais do gestor que assume o processo do que da ferramenta escolhida. Um projeto com um dono engajado e uma tecnologia razoável tende a ir mais longe do que o contrário.
Por isso, a primeira pergunta ao escolher um caso de uso não deveria ser técnica. Deveria ser: quem vai responder por este resultado?
Collins e a tecnologia como aceleradora
No mesmo livro, Collins observa que as empresas que se destacaram não usaram a tecnologia como ponto de partida da transformação. Usaram como aceleradora de algo que já estava funcionando. A tecnologia ampliava um impulso que elas já tinham.
Essa ideia combina com a imagem do volante, também de Collins: o progresso vem de muitos empurrões consistentes na mesma direção, não de um grande lançamento. Cada pequeno resultado dá força ao próximo.
Em IA, isso significa começar por um processo que importa, entregar um resultado medido e usar esse resultado para ganhar confiança e investir no próximo. É o oposto de lançar dez iniciativas de uma vez.
O que o modelo Toyota ensina: melhoria contínua e o problema à vista
O sistema de gestão da Toyota, descrito por Jeffrey Liker em O Modelo Toyota, tem várias ideias úteis para quem adota IA. Três se destacam.
- Melhoria contínua. Ganhos pequenos e frequentes, feitos por quem executa o trabalho, somam mais do que grandes projetos isolados.
- Ir ao lugar onde o trabalho acontece. Entender o problema observando o processo real, não apenas relatórios.
- Automação com toque humano. A máquina para e sinaliza quando algo sai do padrão, para que uma pessoa resolva a causa.
A terceira ideia é especialmente relevante. Um bom agente de IA não esconde a incerteza. Ele sinaliza quando não encontrou a resposta, quando o caso foge da regra ou quando precisa de aprovação. É o equivalente moderno de parar a linha, e é o princípio por trás do humano no circuito.
Como essas ideias se combinam num projeto de IA?
Juntas, as três referências formam um roteiro prático:
| Ideia | Origem | Pergunta para o projeto de IA |
|---|---|---|
| Eficácia antes de eficiência | Drucker, O Gestor Eficaz | Este trabalho precisa existir e gera resultado? |
| Resultados definidos e acompanhados | Drucker, A Prática da Administração | Qual é a linha de base e qual a meta? |
| Primeiro quem, depois o quê | Collins, Empresas Feitas para Vencer | Quem é o dono do processo? |
| Tecnologia como aceleradora | Collins, Empresas Feitas para Vencer | O que já funciona e pode ganhar velocidade? |
| Melhoria contínua | Liker, O Modelo Toyota | Como vamos melhorar o agente todo mês? |
| Automação com toque humano | Liker, O Modelo Toyota | Quando o agente para e chama uma pessoa? |
O que muda para a liderança
A lição comum dos clássicos é que tecnologia não substitui gestão. Ela amplia o que a gestão já faz, para o bem ou para o mal. Uma empresa com processos claros, donos definidos e hábito de medir tira muito mais proveito da IA do que uma empresa desorganizada com a melhor ferramenta.
Para o líder, isso é uma boa notícia. As competências que ele já tem continuam sendo as mais importantes: escolher prioridades, colocar as pessoas certas, medir e corrigir o rumo. A IA não muda a natureza do trabalho de gestão. Ela torna esse trabalho mais visível.
É com esse olhar que a Horia desenha os projetos: primeiro o processo e o dono, depois a medida, por último a tecnologia.
Perguntas frequentes
Os livros clássicos de gestão ainda servem na era da IA?
Servem, porque tratam de temas que a IA não muda: prioridades, pessoas, medição e melhoria de processos. A tecnologia altera como o trabalho é feito, mas não o que faz uma organização funcionar bem. Os clássicos ajudam a evitar erros que se repetem em cada nova onda tecnológica.
Qual livro de gestão ler para entender transformação com IA?
Não há um livro único. O Gestor Eficaz, de Drucker, ajuda a pensar em eficácia e contribuição. Empresas Feitas para Vencer, de Collins, trata de pessoas e de tecnologia como aceleradora. O Modelo Toyota, de Liker, é útil para pensar em melhoria contínua.
A IA muda o papel do gestor?
Muda parte das tarefas, porque relatórios, análises e rascunhos ficam mais rápidos. Mas o centro do trabalho de gestão continua: definir prioridades, escolher pessoas, medir resultado e corrigir rumo. Gestores que fazem isso bem tendem a extrair mais valor da IA.
O que é melhoria contínua aplicada à IA?
É tratar o agente de IA como um processo vivo, revisado com frequência a partir de erros, sugestões da equipe e mudanças no negócio. Em vez de implantar e esquecer, a empresa faz ajustes pequenos e regulares. Isso mantém a qualidade e aumenta o ganho ao longo do tempo.
Bruno Stefani · Bruno Stefani é sócio da Horia. Trabalha com estratégia e transformação de negócios: onde a IA gera valor, como decidir os investimentos e como conduzir a mudança nas equipes. Outros artigos
Quer olhar isso na sua operação? Converse 45 minutos com a gente, sem custo →