Terça-feira desta semana, fim de tarde, eu estava montando a palestra que vou dar no HackTown no próximo sábado. Abri a programação oficial do festival pra conferir meu horário e me deparei com o tamanho da coisa: 991 atividades, 1.150 palestrantes, 72 espaços espalhados por uma cidade de 40 mil habitantes. No meu horário, 13h de sábado, tem outras 44 salas abertas ao mesmo tempo. Como destacar e garantir público?

O título que eu tinha travado meses antes estava lá, publicado, sem volta: *A revolução da IA não é dos mais jovens, é de quem tem repertório*.

E aí me deu aquele frio. Porque eu ia subir num palco defender uma tese contra o senso comum inteiro, e a única coisa que eu tinha até ali era a minha própria história. Que é boa, mas é uma. Então fiz o que defendo nos meus workshops com uma insistência que meus alunos já cansaram de ouvir: antes de comprar qualquer narrativa, inclusive a própria, vá atrás do dado que pode te desmentir.

Achei em vinte minutos, usando o Tars e a Sam, óbvio.

Ah Fernando, mas você já sabia a resposta e foi procurar quem concordasse com você. Não. Foi o contrário, e é por isso que este texto existe.

O estudo que diz o contrário do que eu ia falar

Erik Brynjolfsson, Danielle Li e Lindsey Raymond acompanharam 5.179 atendentes de suporte de uma empresa da Fortune 500 que ganharam um assistente de IA generativa no trabalho. É um dos estudos mais citados da área, publicado pelo NBER, e o resultado é este: a produtividade média subiu 14%. Só que a média esconde a parte interessante. Os atendentes novatos e de menor desempenho subiram 34%. Os experientes, os melhores da casa, praticamente não ganharam nada.

Leia de novo, porque é exatamente o oposto do que eu ia dizer no palco. A IA não premiou a bagagem. Ela pegou o que os melhores sabiam e distribuiu para os novatos, que andaram anos de curva de aprendizado em semanas. Quem já tinha a estrada não ganhou vantagem nenhuma, porque já fazia aquilo bem.

Eu podia ter escondido esse dado. Ninguém no HackTown ia me cobrar até porque também não estão pagando (ok, piada pronta, prometo não repetir). Mas usar uma mentira conveniente pra defender a tese verdadeira é o tipo de coisa que eu passo a vida criticando nos outros, então vamos ao trabalho de entender o que o estudo realmente mediu.

O que o estudo mediu, e o que ele não mediu

Atendimento de suporte é um trabalho com processo e playbook definido. O cliente chega com um problema conhecido, existe uma resposta certa em algum lugar do manual, e o sucesso é entregar essa resposta rápido e com educação. Alguém antes já pensou e já definiu qual é a tarefa e já decidiu qual é uma boa resposta. O atendente executa.

Quando existe processo definido, a IA padroniza tudo: Ela pega o repertório do melhor da casa e entrega no ouvido do que acabou de chegar. Isso é ótimo, é uma das melhores notícias da década para quem está começando, e é exatamente o que o estudo capturou.

O problema é que a vida de quem toma decisão que não tem padrão definido. Ninguém entrega pro dono da empresa uma fila de tickets com resposta certa esperando. A pergunta que ele enfrenta é diferente: qual dos onze problemas da minha operação vale gastar dinheiro pra resolver este ano? Essa pergunta não tem manual e se deixar a IA responde ela com uma confiança que assusta.

A “fronteira irregular”, e quem consegue ver direito

Tem um segundo estudo que ajuda a gente a pensar.

Fabrizio Dell’Acqua e um time de Harvard, Wharton, MIT e Warwick acompanharam 758 consultores da BCG usando GPT em tarefas reais. Nas tarefas que caíam dentro daquilo que o modelo faz bem, o resultado foi impressionante: 12,2% mais tarefas concluídas e qualidade 40% maior na avaliação cega. Já nas tarefas montadas de propósito pra cair fora da capacidade do modelo, os consultores com IA ficaram 19 pontos percentuais pior que os colegas sem IA nenhuma.

Os autores batizaram isso de “fronteira irregular”. A IA é excelente de um lado de uma linha invisível e é confiantemente ruim do outro, e a linha não segue a lógica de dificuldade que a gente esperaria. Tarefas que parecem igualmente difíceis caem em lados opostos da borda.

É como se, claramente, houvesse um grupo de demandas que a IA será espetacular para fazer E um grupo que ela vai entregar algo ruim, mediano e provavelmente inventado. Muito maluco né?

Agora responde comigo: o que faz uma pessoa saber de que lado da linha ela está antes de entregar o trabalho pro cliente? Não é saber programar. Não é ser nativo digital. É ter visto aquele tipo de problema dar errado antes.

É repertório, e repertório se acumula com estrada. É o olhar crítico do “especialista” no setor.

Foi aí que a minha palestra deixa de ser autobiografia e vira praticamente um estudo cientifico (rs). A IA não premia quem executa melhor: ela premia quem escolhe melhor. E escolher é a única coisa que ainda não tem processo pronto.

O dado que ninguém te conta sobre a idade dos fundadores

Já que estamos no território do senso comum, decidi correr atrás de mais um para averiguar.

Pierre Azoulay, Benjamin Jones, Daniel Kim e Javier Miranda cruzaram os registros administrativos do Censo americano pra descobrir a idade real de quem funda empresa que cresce. Não falo de startup de pitch e powerpoint, falo de empresa que cresce de verdade. Ao pesquisar 1.000 companhias de crescimento mais rápido do país, a idade média do fundador na hora de fundar é 45 anos. Em tecnologia e nos hubs de inovação, o número continua parecido. E o achado que mais interessa aqui: experiência prévia no setor específico prevê muito mais sucesso do que qualquer outra variável que eles testaram.

O mito do “gênio de 22 anos na garagem” é uma exceção que vira capa de revista e dá audiência. A regra é gente de 40 e poucos que já viu aquele mercado por dentro. Eu tenho 46 e sou exatamente o clichê que os dados descrevem, o que é meio decepcionante pra minha vaidade (adoraria ter criado algo gigante com 25 anos) e muito bom pra minha tese (ao menos me entrega uma boa história).

Sim, algumas profissões vão sumir. Sejamos sinceros.

Nada disso significa que a bagagem sozinha protege alguém, meu pai tinha uma bagagem gigantesca e serviu pra nada quando ele não quis “aprender” informática.

O Fórum Econômico Mundial ouviu mais de 1.000 empregadores, representando mais de 14 milhões de trabalhadores em 55 economias, pro Future of Jobs. A conta de até 2030 é essa: cerca de 92 milhões de postos deslocados e 170 milhões criados, com um saldo positivo que não consola ninguém que está no discurso de “IA é complicado, criar chave API é coisa do pessoa da TI e isso tudo é complicado demais pra mim”.

E tem mais: entre 36% e 44 das competências centrais de hoje ficam obsoletas nos próximos anos.

Quem cai mais rápido, em números absolutos, é o trabalho administrativo de rotina: escriturário, assistente administrativo, secretário executivo, caixa, bilheteiro, funcionário de banco no balcão, gente de entrada de dados. Não é maldade de ninguém. É a mesma coisa que aconteceu com a datilografia, com o arquivo em papel e com o controle de estoque no caderno, ou com o pessoal que dava manutenção em carroças e ferraduras.

Eu vi isso de perto na minha casa, nos anos 90, e escrevi sobre isso aqui antes. A diferença é que naquela época não tinha YouTube, não tinha curso de graça, não tinha tutorial de nada. Hoje tem tudo, e mesmo assim a maioria não vai fazer.

Então a tese completa não é “quem tem estrada está salvo”. É mais dura: quem tem experiência e se mexe fica com tudo. Quem tem rodagem e não se mexe vira exemplo em palestra dos outros. Igual meu pai.

O que o repertório faz que a IA não faz

Passo boa parte da minha semana com empresários dentro dos workshops, e é sempre a mesma cena. A pessoa senta na frente da ferramenta e trava, não por incompetência técnica, mas porque ninguém nunca pediu pra ela decidir sozinha o que valia a pena automatizar. E também por preguiça de ler o que a ferramenta está te perguntando e interagir com ela.

Na prática, o repertório aparece em três lugares.

O primeiro é escolher o problema. Dentro de uma operação, sempre tem umas quinze coisas que dá pra automatizar, e quatorze delas não mudam o resultado. Saber qual é a décima quinta não vem do modelo: vem de conhecer o próprio negócio, o próprio cliente, a própria margem. Foi a coisa mais difícil de ensinar nas turmas e é onde os alunos mais velhos dão banho nos mais novos, invariavelmente. É saber o que perguntar.

O segundo é saber o que proteger. Quando a ferramenta é de outro, o processo é de outro e a memória fica na plataforma do outro, você está plantando alface no terreno alheio. Quem já teve fornecedor que mudou preço no meio do contrato sabe disso no corpo, sem precisar de aula.

O terceiro é reconhecer o erro confiante. A IA quase nunca diz “não sei”: ela inventa número, inventa lei, inventa prazo, e faz isso com a maior naturalidade do mundo. Quem tem experiência na área percebe o cheiro do erro antes de ele virar problema, porque já viu aquele filme. Quem não tem, assina embaixo. É a fronteira irregular do estudo da BCG na sua segunda-feira: você só evita o buraco se já caiu num parecido.

O que eu faço com isso na minha operação

Não escrevo nada aqui que eu não esteja fazendo. Comecei a escrever esses artigos quando imergi no mundo da IA e de lá pra cá é onde me expresso melhor e com mais detalhes.

Saí da cadeira de Diretor e CEO de uma empresa que já teve 700 colaboradores pra construir do zero, aos 40 e poucos, sem ser programador. Passei por nove ferramentas de IA em seis meses, todas brilhantes e todas amnésicas, re-explicando quem eu sou e onde as coisas moram quinze, vinte vezes por dia. Foi dessa dor que nasceu o MeuOS, o método que eu uso pra dar contexto, aprendizado e memória aos meus agentes.

Hoje a Samantha, que é a minha COO e roda num servidor 24 horas por dia, cuida do financeiro, da emissão de nota, da cobrança e da conciliação. O Tars, que é o CTO e mora no meu computador, escreve o código e cuida da infraestrutura. Eles conversam entre si por um sistema de demandas que eu montei. Eu não produzo quase nada daquilo. Eu escolho qual pergunta merece resposta.

Nada disso veio de saber programar. Veio de vinte e cinco anos sabendo QUAL problema resolver e COMO organizar processo. A ferramenta é commodity: custa a mesma assinatura pra mim e pro meu concorrente. O repertório não está à venda.

A conta que vem

A revolução da IA vai ser injusta, mas não do jeito que estão te contando. Ela não vai separar velho de novo. Vai separar quem sabe fazer a pergunta de quem só sabe usar a ferramenta copiando e colando prompt, e essas duas turmas têm gente de todas as idades dentro.

A IA não destronou a experiência. Ela coroou. Só que a coroa vem com uma condição chata: você precisa voltar a ler, interpretar, pensar e perguntar. Habilidades que separaram os humanos dos demais mamíferos mas nos ultimos anos esquecidas pela maioria e deixadas de lado.

---

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Aos 46 anos, não é mais novinho mas luta pra manter repertório, e opera hoje três micro-SaaS e uma edutech com dois agentes de IA e nenhum humano no time. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão e sem hype e com ferramenta na tela desde o primeiro minuto.*

Fontes

- Brynjolfsson, E., Li, D., Raymond, L. **Generative AI at Work.** NBER Working Paper 31161. 5.179 atendentes de suporte. Produtividade média +14%, novatos +34%, experientes sem ganho relevante. `nber.org/papers/w31161`

- Dell’Acqua, F., McFowland III, E., Mollick, E., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., Krayer, L., Candelon, F., Lakhani, K. **Navigating the Jagged Technological Frontier.** Harvard Business School / BCG, publicado em Organization Science. 758 consultores. Dentro da fronteira: +12,2% de tarefas e +40% de qualidade. Fora dela: 19 pontos percentuais a menos de acerto. `papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321`

- Azoulay, P., Jones, B., Kim, J.D., Miranda, J. **Age and High-Growth Entrepreneurship.** NBER Working Paper 24489 / American Economic Review: Insights. Idade média de 45 anos entre os fundadores das empresas de crescimento mais rápido dos EUA. `nber.org/papers/w24489`

- World Economic Forum. **Future of Jobs Report.** Mais de 1.000 empregadores, 14 milhões de trabalhadores, 55 economias. 92 milhões de postos deslocados e 170 milhões criados até 2030; de 36% a 44% das competências centrais obsoletas. `weforum.org`

- McKinsey & Company. **The State of AI 2025.** 88% das organizações usam IA em ao menos uma função, contra 78% no ano anterior; impacto relevante no resultado segue raro. `mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai`

- Programação oficial do HackTown 2026, consultada em 27 de agosto de 2026: 991 atividades, 1.150 palestrantes, 72 espaços.

Na noite de 24 de julho de 2026, enquanto dirigia o carro com meus filhos, mandei uma mensagem simples para a Samantha, minha agente de inteligência artificial OpenClaw que roda 24 horas num servidor: queria quatro ingressos para assistir a *Odisseia* do Nolan, com eles.

Falei assim: Cineart Ponteio, sessão de domingo às 17 horas, sala VIP, última fileira, duas entradas inteiras e duas meias para os meninos. Ela pesquisou o filme, encontrou a sessão, conferiu o horário, viu que as poltronas estavam livres e chegou até a escolha dos ingressos.

E parou.

Não faltava capacidade dela de concluir a compra, ou dinheiro pra pagar e nem explicação. Ela parou porque o cinema sabia vender para uma pessoa humana, mas não sabia vender para um agente. E isso em pleno 2026!

O site esperava alguém olhando a tela, clicando em cada poltrona, preenchendo zilhões de campos em formulários, marcando checkbox sem fim e assumindo o pagamento. A Samantha conseguia entender toda a jornada, mas não existia uma porta segura para ela dizer: “o Fernando autorizou esta compra, nestas condições, até este valor”.

No fim, eu tinha um agente capaz de pesquisar e fazer tudo e uma empresa incapaz de receber o pedido e que não estava muito afim de vender.

Essa cena parece pequena e até egocêntrica. Ah Fernando, mas só você quer que seu agente faça compra de cinema num domingo. Mas ela mostra uma ruptura que vai atingir varejo, turismo, bancos, seguros, educação, saúde e praticamente qualquer empresa que venda alguma coisa.

A internet que conhecemos foi construída para pessoas clicarem. A próxima está sendo construída para agentes entenderem uma intenção, negociarem condições entre si e concluírem uma compra.

A minha agente pessoal e o seu agente de vendas. Ou melhor, o agente de vendas da empresa que vai sobreviver.

E antes que alguém encaminhe este texto para o TI resolver (Alô Cineart, eu resolvo isso aí rapidinho heim): o TI constrói a porta, mas quem decide se ela vai existir é a gestão e a Diretoria. Decisão de canal de venda nunca foi tarefa técnica.

O que é comércio agêntico, explico…

Comércio agêntico é quando um agente de inteligência artificial participa da compra em nome de uma pessoa ou empresa. Ele pode pesquisar, comparar, montar a melhor combinação, negociar uma condição, pedir autorização e, quando tiver permissão, pagar.

Hoje você abre o navegador, procura um produto, entra em cinco sites, fecha três pop-ups, aceita 17 termos de LGPD, cookies etc… compara frete, tenta lembrar a senha, recupera senha, trava senha, reseta senha, não chega 2FA da senha, escolhe o cartão e compra. É só dor e sofrimento.

Eu só quero dizer: “Sam, encontre um tênis para corrida de até 900 reais, no estilo que eu corro minhas maratonas de asfalto, que seja entregue antes de sexta-feira, com boas avaliações de pessoas e que não seja branco”. Ela faz o trabalho chato e volta com uma escolha. Dependendo da autorização que você deu, ele conclui a compra.

No mundo empresarial, o salto é ainda maior. Um agente poderá recompor estoque dentro de limites aprovados, renovar uma licença quando o uso atingir determinado nível ou cotar viagem obedecendo à política da empresa. O gestor deixa de acompanhar cada clique e passa a definir intenção, limite e regra.

Novamente como eu sempre falo, o humano precisa ficar nas aprovações estratégicas e os agentes fazendo trabalho chato.

Não é simplesmente colocar um chatbot na loja. Chatbot é CHATO pra caramba, e mal conversa. Comércio agêntico executa uma jornada comercial até o final. Negocia, pega desconto, e compra.

A mudança também não elimina o consumidor. Ela muda a interface entre a intenção dele e o mercado. O cliente continua decidindo o que quer, quanto aceita pagar e quais limites não podem ser ultrapassados. Só deixa de carregar nas costas toda a burocracia que as empresas criaram nos últimos anos.

Sempre falei que existia o “DCV”, o Departamento de Combate a Vendas e, nos últimos anos, claramente, essa turma migrou para o digital, enchendo de barreiras, controles, campos, formulários, checklists, termos de aceites, validações e por aí vai, tornando praticamente impossível escolher um produto, clicar em Comprar e Pagar.

Na sua segunda-feira isso significa uma pergunta incômoda: se o cliente mandar um agente comprar de você, sua empresa consegue responder ou obriga o robô a fingir que é gente e clicar em 14 telas?

Ou PIOR, seu concorrente já vendeu e você aí brigando com o time de vendas atrás de “mailing para fazer prospecção ativa”.

A loja ganhou um novo tipo de cliente

Durante décadas, a empresa digital se preocupou em ser encontrada pelo Google e entendida por uma pessoa. Criou sites modernos e bonitos, anúncios, página de produto, botão de compra e checkout. Tudo foi desenhado para olhos, dedos e a santa paciência humana.

Reforço: EU SÓ QUERO COMPRAR. (parece até piada).

O agente não tem carinho pela cor do botão. Ele quer informação confiável: produto, preço, disponibilidade, prazo, política, avaliação, condição de pagamento e uma forma segura de executar a ordem.

Isso mexe com a fidelidade. Uma pessoa pode comprar a mesma marca de tênis durante vinte anos. Um agente recebe uma instrução diferente: “o melhor tênis para meu perfil, até determinado preço, entregue amanhã”. Ele compara o que estiver disponível e pode escolher outra marca em segundos. E comprar de qualquer outro varejista que se enquadre naquelas condições.

O trabalho que hoje protege muito fornecedor é o atrito. Pesquisar dez lojas cansa. Conferir frete, prazo, reputação e condição de troca custa tempo. Quando o agente faz isso em segundos, permanecer no mesmo fornecedor deixa de ser a opção mais confortável.

Tem empresa que vai chamar isso de ameaça. Eu prefiro chamar pelo nome correto: concorrência mais eficiente e OPORTUNIDADE!

Para quem vende bem e tem uma operação enxuta, automatizada com baixo custo de backoffice, cumpre prazo, organiza os dados e reduz atrito, existe uma oportunidade enorme.

Para quem depende de confusão, fidelidade preguiçosa e cliente cansado, a conta vai chegar rápido.

A sopa de siglas que vou explicar

Quando uma mudança importante começa, a turma da tecnologia faz o que sempre faz: cria seis siglas antes do café. O gestor olha aquilo, conclui que é assunto do TI e volta para a planilha. A gente gosta de criar siglas para poder cobrar mais caro.

Mas te peço, não faça isso e procure entender essa nova jornada!

Você não precisa programar nenhum desses padrões. Precisa entender qual problema cada um resolve para fazer as perguntas certas e decidir a prioridade para vc aprender a tomar decisões e escolhas.

API: o balcão de serviço

API significa *Application Programming Interface*. Em português claro, é um balcão onde um sistema pede algo para outro sistema.

Quando um aplicativo consulta o saldo no banco, calcula um frete ou cria uma cobrança, normalmente existe uma API no meio. Em vez de uma pessoa entrar no sistema e clicar, outro sistema apresenta o pedido num formato combinado e recebe a resposta.

Para o comércio agêntico, a API é a porta operacional. Sem ela, o agente pode até ler o site, mas fica do lado de fora quando precisa agir.

MCP: a tomada universal do agente

MCP significa *Model Context Protocol*. É um padrão aberto que apresenta dados e ferramentas para uma inteligência artificial de um jeito que ela consegue descobrir e usar.

Pense numa tomada universal. Antes, cada agente precisava de uma adaptação particular para cada sistema. Com MCP, a empresa pode expor um conjunto organizado de ferramentas e dizer: “aqui você consulta o NPS, aqui dispara uma pesquisa, aqui busca as respostas”.

A tomada não autoriza qualquer coisa. A empresa continua definindo chave, permissão, limite e registro. O MCP apenas padroniza a conversa entre o agente e as ferramentas.

A2A: agentes conversando com agentes

A2A significa *Agent2Agent*. É um protocolo para agentes descobrirem capacidades e coordenarem tarefas entre si.

Imagine um funcionário responsável pela viagem conversando com o funcionário do hotel, o da companhia aérea e o do seguro. No mundo agêntico, um agente pode coordenar outros agentes especializados para montar a solução completa.

O MCP conecta o agente às ferramentas, enquanto o A2A ajuda agentes a conversarem entre si. Não são concorrentes. Cada um resolve uma parte diferente do trabalho.

AP2: a procuração da compra

AP2 significa *Agent Payments Protocol*. O Google apresentou o padrão em setembro de 2025, com mais de 60 organizações, para resolver três perguntas que ficam perigosas quando uma máquina compra: quem autorizou, o que exatamente foi autorizado e quem responde se der errado?

A melhor metáfora é uma procuração com limites. O cliente pode autorizar “compre este item por até 500 reais” ou “compre o ingresso quando abrir a venda, desde que custe até determinado valor”. A autorização fica registrada de forma verificável, assinada digitalmente.

O sistema deixa de presumir que alguém clicou pessoalmente no botão. Ele passa a provar que o agente tinha autoridade para agir.

ACP e UCP: o idioma da jornada comercial

ACP significa *Agentic Commerce Protocol*. Criado pela OpenAI e pela Stripe, organiza a conversa entre agente e empresa para concluir uma compra. A empresa continua sendo a vendedora, processa o pagamento no sistema que já usa e cuida da entrega, troca e suporte.

UCP significa *Universal Commerce Protocol*. É uma iniciativa do Google para cobrir uma jornada mais ampla, da descoberta ao pós-venda, com informação comercial estruturada para agentes.

Existem padrões concorrentes e complementares porque estamos no começo. Foi assim na internet, nos pagamentos e no celular. O gestor não precisa apostar a empresa numa sigla vencedora hoje. Precisa construir a base de forma que produto, preço, estoque, regra e autorização não fiquem presos numa tela feita apenas para humanos.

Bora ser simples e resumir

O cliente diz o que quer. O agente encontra empresas capazes de atender, compara as condições, conversa com os sistemas, recebe uma autorização limitada, conclui o pagamento e acompanha a entrega.

As siglas entram em pontos diferentes dessa sequência: a API abre o balcão, o MCP mostra as ferramentas, o A2A coordena agentes e o AP2 prova a autorização de pagamento. ACP ou UCP ajudam a organizar a transação e a jornada.

O FalaCliente abriu a porta em dois dias

Em junho de 2026 eu estava olhando para o FalaCliente, um dos nossos produtos, e percebi que o painel já resolvia o trabalho humano, mas um agente de IA ainda não conseguia operar o produto de forma segura por conta própria.

No dia 21 de junho, a camada por empresa foi construída e testada. No dia seguinte, a conexão estava finalizada de ponta a ponta. Em dois dias, o FalaCliente ganhou uma API e um conector MCP com chave individual, permissões e registro das chamadas.

O agente passou a ter cinco ferramentas claras: criar um gatilho, configurar o mapeamento desse gatilho, disparar uma pesquisa NPS, consultar o NPS e buscar respostas recentes.

NPS significa *Net Promoter Score*, uma medida de recomendação do cliente. Até então, o dono da empresa precisava entrar no painel, navegar e pedir o relatório. Depois da conexão, ele podia dizer para o agente: “qual foi meu NPS nos últimos 30 dias?” ou “dispare uma pesquisa para este cliente”. O agente usava a ferramenta certa e o FalaCliente respondia dentro das permissões daquela empresa.

O detalhe mais importante não é a velocidade do desenvolvimento. É o desenho de segurança. A chave identifica a empresa, o sistema ignora qualquer tentativa de apontar para outra conta, cada permissão tem um escopo e toda chamada fica registrada. Agente com superpoder e sem cerca não é inovação. É um incidente esperando a sexta-feira à noite.

Também não estou dizendo que toda empresa conseguirá fazer isso em dois dias. O FalaCliente já tinha produto, banco, regras e jornadas organizadas. A integração foi rápida porque havia uma casa com alicerce bem feito. Nós só construímos a porta.

Essa é a lição para o gestor: preparar a empresa para agentes pode começar pequeno. Não exige transformar tudo nem contratar um exército de consultores. Exige escolher uma jornada, organizar os dados, criar uma porta segura e testar uma tarefa real.

CONTEXTO, CONTEXTO e CONTEXTO: falo isso o tempo todo. Seu agente vai falhar se você não estruturar para ele uma base confiável de processos, automações e contexto.

Por que o cinema parou e o FalaCliente continuou

O cinema tinha informação suficiente para eu descobrir o que comprar. Faltava estrutura para eu delegar a compra.

O FalaCliente tinha informação e ganhou ferramentas para o agente executar. Além disso, sabia quem estava pedindo, o que aquela chave podia fazer e onde registrar a ação.

Essa diferença separa uma empresa apenas visível para IA de uma empresa transacionável por IA. E pode determinar quais vão sobreviver e quais vão ficar invisíveis com o tempo.

Ser encontrado é o começo, mas ser entendido vem depois. Para ficar acionável, a empresa precisa de uma porta. Para receber dinheiro, precisa também de autorização, segurança e responsabilidade.

Em breve mais da metade do tráfego da internet será feito por agentes e robôs.

Você acha mesmo que, para um robô, faz diferença se o seu site está bonito ou feio ou que, para ele, as informações que você publique que ele consegue ler são o que realmente importa?

Muita empresa vai confundir as etapas. Vai publicar conteúdo para aparecer nas respostas dos agentes e achar que está pronta. É como instalar uma placa enorme na estrada e esquecer de construir a entrada do estacionamento.

O checklist que eu levaria para a reunião com seu time

Eu não começaria perguntando qual protocolo sua empresa vai adotar. Começaria com sete perguntas simples:

1. Nossos produtos e serviços têm descrição, preço, disponibilidade, prazo e regras em dados confiáveis? Ou só na cabeça do time de vendas?

2. Um sistema externo consegue consultar essas informações sem raspar (web crawler) uma página desenhada para olhos humanos?

3. Qual jornada comercial seria valiosa se um agente pudesse executar parte dela?

4. Temos API ou outra porta segura para essa ação?

5. Conseguimos limitar quem faz o quê, em qual conta, até qual valor e durante quanto tempo?

6. Toda ação fica registrada para auditoria e contestação?

7. Quem é o dono humano dessa jornada quando algo sair do trilho?

Se as duas primeiras respostas forem “não”, arrume a informação (e faça seu para casa) antes de comprar tecnologia. Se a empresa não sabe exatamente qual produto tem, quanto custa e quando entrega, o agente não vai consertar a bagunça. Vai apenas descobri-la mais rápido.

Se as respostas de segurança forem “depois a gente vê”, pare. Dinheiro, identidade e autorização não entram na segunda fase. Eles são a fase.

O tamanho da oportunidade

A OpenAI informou mais de 700 milhões de usuários semanais do ChatGPT quando apresentou, em setembro de 2025, a compra dentro da conversa. O Instant Checkout começou com vendedores americanos da Etsy, e a empresa anunciou que mais de um milhão de lojistas da Shopify poderiam entrar na sequência.

Visa e Mastercard lançaram, com um dia de diferença em abril de 2025, estruturas próprias para agentes de compra. O Google reuniu mais de 60 organizações em torno do AP2, incluindo empresas de pagamento, tecnologia e comércio. Quando concorrentes desse tamanho começam a construir estrada para o mesmo destino, vale prestar atenção.

A McKinsey estima que o comércio agêntico poderá orquestrar de 3 a 5 trilhões de dólares em receita global até 2030. Só no varejo B2C dos Estados Unidos, a estimativa chega a um trilhão de dólares.

Agora a ressalva IMPORTANTE: não são cinco trilhões de dólares novos brotando do chão. É receita do comércio que já existe passando a ser pesquisada, comparada, influenciada ou concluída por agentes.

A oportunidade não está apenas em vender mais. Está em disputar quem será encontrado, quem será recomendado, quem receberá o pedido e quem manterá a relação com o cliente. É DINHEIRO MIGRANDO de jornada.

O pagamento é só o último metro. Antes dele vêm produto legível, confiança, autorização, estoque, preço, prazo e capacidade de resposta.

Foi exatamente isso que aconteceu com meus ingressos: a intenção, o produto e o dinheiro existiam, mas a venda não aconteceu pelo agente porque faltava a ponte.

Por outro lado, o FalaCliente não precisou esperar 2030. Em dois dias, já conseguia receber um agente pela porta da frente.

A decisão que ainda sai barata

Não acredito que toda compra será feita por agente, nem que sites e aplicativos desaparecerão na semana que vem. Cartão não morreu com o Pix. Loja física não morreu com o e-commerce (mas sofreu). Uma camada nova não apaga todas as anteriores. Ela muda o equilíbrio de poder.

O Pix deu ao brasileiro liberdade para escolher como pagar. O agente amplia a liberdade para escolher onde comprar, em quais condições e com quanto trabalho humano no caminho.

Para a empresa, preparar essa nova porta agora ainda é aprendizado. Depois será corrida.

Comece por uma jornada pequena e verdadeira. Pode ser cotação, agendamento ou recompra. Organize a informação, exponha uma ação segura, limite a autorização e teste com um agente. Meça onde ele trava. Cada trava revela uma burocracia que o cliente humano provavelmente já suportava calado.

Da próxima vez que eu pedir quatro ingressos, o melhor cinema talvez não seja o que tem a sala mais bonita. Pode ser o que consegue entender a intenção, provar a autorização e concluir a compra sem me obrigar a abandonar o agente no meio do caminho. E que decidiu não ignorar a Sam.

Seu próximo cliente pode não abrir o seu site. Ele pode mandar o agente dele. E a sua empresa precisa estar aberta quando ele chegar.

---

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Construiu uma porta para agentes no FalaCliente em dois dias, mas ainda precisou comprar os ingressos do cinema com os próprios dedos. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

Fontes e notas de pesquisa

1. InfoMoney. “Depois do Pix, o comércio agêntico é a nova revolução para consumidores e empresas”. Acesso em 22-AGO-2026. https://www.infomoney.com.br/minhas-financas/depois-do-pix-o-comercio-agentico-e-a-nova-revolucao-para-consumidores-e-empresas/

2. Global Payments Report 2026, citado pelo InfoMoney para os dados do Pix e para a tese de mudança na jornada de compra.

3. Google Cloud. “Announcing Agent Payments Protocol (AP2)”, 16-SET-2025. O anúncio descreve o protocolo, os mandatos verificáveis assinados criptograficamente e a colaboração com mais de 60 organizações. https://cloud.google.com/blog/products/ai-machine-learning/announcing-agents-to-payments-ap2-protocol

4. Google for Developers. Universal Commerce Protocol (UCP), documentação para comerciantes: padrão aberto cobrindo da descoberta ao pós-venda (carrinho, fidelidade, rastreamento e devolução). https://developers.google.com/merchant/ucp

5. OpenAI. “Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol”, 29-SET-2025. Fonte dos mais de 700 milhões de usuários semanais, Etsy, mais de 1 milhão de lojistas Shopify anunciados na sequência e funcionamento do checkout. https://openai.com/index/buy-it-in-chatgpt/

6. Agentic Commerce Protocol. Especificação e explicação do padrão aberto desenvolvido por OpenAI e Stripe. https://www.agenticcommerce.dev/

7. Model Context Protocol. Introdução oficial ao MCP como padrão aberto para conectar aplicações de IA a dados e ferramentas. https://modelcontextprotocol.io/docs/2026-07-28/getting-started/intro

8. Agent2Agent Protocol. Documentação do padrão aberto para comunicação e coordenação entre agentes. https://a2a-protocol.org/

9. Visa. Visa Intelligent Commerce, lançado em 30-ABR-2025 para pagamentos realizados por agentes com identidade, controles e autorização do consumidor. https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.21361.html

10. Mastercard. Mastercard Agent Pay, anunciado em 29-ABR-2025: pagamentos por agentes com tokens agênticos vinculados a agente, escopo de lojista e política de consentimento. https://www.mastercard.com/global/en/news-and-trends/press/2025/april/mastercard-unveils-agent-pay-pioneering-agentic-payments-technology-to-power-commerce-in-the-age-of-ai.html

11. McKinsey & Company. “The agentic commerce opportunity: How AI agents are ushering in a new era for consumers and merchants”, OUT-2025. Fonte da estimativa de US$ 3 trilhões a US$ 5 trilhões em receita global orquestrada por agentes até 2030 e de até US$ 1 trilhão no varejo B2C americano. A estimativa mede comércio intermediado, não criação líquida de mercado novo. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-agentic-commerce-opportunity-how-ai-agents-are-ushering-in-a-new-era-for-consumers-and-merchants

12. FalaCliente. Documentação interna `FALA_CLIENTE_TECH_API-V1-CONEXAO-E-OPENAPI.md`

13. Memória operacional da Samantha, 24-JUL-2026. Pedido de quatro ingressos para *Odisseia*, Cineart Ponteio, sessão de 26-JUL às 17h, sala VIP, última fileira, duas inteiras e duas meias. Tentei atender o Fê por completo mas o cinema não permitiu que eu fizesse a compra até o fim.

Hoje, 19 de agosto de 2026, recebi uma notícia que me fez parar por alguns minutos:

Chegamos a 500 alunos no IA para Gestores!

Quinhentas pessoas confiaram tempo, dinheiro e expectativa em algo que, pouco mais de quatro meses atrás, ainda estava sendo testado numa Turma Zero com 29 participantes.

Número que parecia impensável ali em meados de FEV quando ainda desbravava os MDs, LLMs e suas nuances. Sim, sinto uma pontinha de orgulho e empolgação. Mas ele também pode contar uma história errada, aquela em que tudo aconteceu depressa porque alguém teve uma boa ideia na hora certa.

Se bem que na real, eu estou até acostumado com o tal “teve sorte”. Como meus filhos falam comigo, a sorte normalmente ocorre com mais frequência para quem estuda, é disciplinado, não desiste no primeiro empecilho e mantém o foco no que deseja.

Foi assim na minha vida inteira, em especial, na primeira maratona que corri. Fazer os 42km pela primeira vez dava medo e ansiedade. Mas foi mais um desafio vencido, assim como a primeira maratona no deserto do Atacama ou na neve do Ushuaia.

Quem me acompanha sabe que sou o psicopata da disciplina. E a disciplina sempre me deu sorte. E fica parecendo que foi assim.

Mas não foi assim.

Os 500 alunos apareceram agora. O trabalho começou muito antes.

Antes do curso, veio a inquietação

Em fevereiro, eu estava tentando resolver um problema meu. Um não.. vários. Todo redesenho é desafiador, todo ciclo de maratona começa com treinos duros de 5km saindo com dores da ausência de treino.

Eu estava tocando vários projetos ao mesmo tempo, acumulava dúvidas mil, estudava novas ferramentas todos os dias e percebia que as boas ideias se perdiam entre uma conversa e outra. Comecei a escrever o meu próprio sistema de trabalho, organizar o que aprendia e transformar tentativas em procedimentos que eu pudesse repetir.

Reparem no “estudava novas ferramentas todos os dias”. Hoje vejo gente dizendo que “aprender a usar o Claude é difícil” no meio do curso, com vídeo aula, explicações, exercícios, monitores do lado e mais alunos aprendendo juntos.

É turminha, isso já foi mato um dia e teve gente com facão ali do lado que acreditou que “ir para o norte” era melhor que lutar uma guerra que não era sua. (quem não entendeu vai lá ver o “O Último dos Moicanos” filmaço para formação de gente).

Fizemos MDs na mão, experimentações nas tardes de sábado e foram domingos inteiros virando noite com essas máquinas.

Não havia um plano secreto para chegar a 500 alunos.

Uma pequena solução virava anotação, uma falha virava regra e um problema repetido virava assunto para estudo. Quando alguma coisa funcionava, eu tentava entender por quê. Quando quebrava, eu voltava, corrigia e registrava o aprendizado. E sim, várias vezes pensei, essa porcaria não vai funcionar.

Foi assim que comecei a desenhar as habilidades do meu sistema. Não com uma grande revelação, mas com o incômodo de repetir erros que já deveriam ter me ensinado alguma coisa.

Meses depois, percebi que aquele problema não era só meu. Gestores, empresários e executivos também estavam cercados de ferramentas poderosas, mas sem saber como transformar aquilo em resultado real. Havia uma dúvida: Como “domar o bicho”.

Ali vi nascendo a oportunidade.

A Turma Zero tinha 29 pessoas

Em abril, colocamos a primeira versão do curso diante de 29 participantes. Turma Zero é um nome elegante para uma situação bem menos elegante: você tem uma ideia, acredita nela, mas ainda precisa descobrir se ela fica de pé quando encontra gente de verdade. Aí a gente chama os amigos próximos, promete que vai dar bom, e tem gente que apoia e acredita e vai!

E gente de verdade pergunta e não consegue usar de primeira e traz um problema que não estava no slide. Também mostra que aquela explicação que parecia cristalina na sua cabeça não estava tão cristalina assim.

Foi uma aula para os alunos e outra, bem maior, para mim.

Fica aqui um OBRIGADO DE CORAÇÃO A TODOS VOCÊS 29 AMIGOS QUE FORAM NA TURMA ZERO NAQUELE 16 DE ABRIL. Eu realmente agradeço muito a vocês pela confiança.

Depois vieram novas turmas, empresas, salas diferentes, a parceria na FDC e centenas de perguntas que me obrigaram a estudar mais. Cada encontro ajudou a cortar teoria, melhorar exemplos e aproximar o curso da vida real de quem precisava usar aquilo no trabalho.

O curso cresceu porque continuamos voltando para a sala com disposição para ouvir. Acho que NUNCA repetimos o mesmo curso 100% igual. Cada feedback é uma melhoria.

Disciplina e consistência sempre vai vencer de goleada a motivação.

O que parece velocidade quase sempre é repetição

Chegar a 500 alunos em pouco mais de quatro meses parece rápido. Mas velocidade não significa ausência de esforço. Muitas vezes, velocidade é o resultado visível de uma rotina que ninguém viu.

Ninguém acompanha todas as horas de trabalho e estudo noite adentro, os convites que não avançaram, as aulas revisadas e as dúvidas respondidas depois que a sala esvaziou. Agora 500 é lindo, mas isso já foi 29, depois 38, depois um pouco mais.

Existe uma mania de procurar o truque por trás de qualquer resultado. Qual foi a ferramenta? Qual foi a campanha? Qual foi a frase certa? Qual foi o segredo?

Qual o melhor prompt? Qual a melhor IA? Qual a melhor Skill?

Meu segredo foi bem menos sexy: fazer um pouco todos os dias.

Disciplina turminha.

Ter uma visão ajuda. Um posicionamento claro também. Mas visão sem rotina vira um quadro bonito na parede. Posicionamento sem trabalho vira aquela frase de propósito de consultoria. O que transforma uma intenção em resultado é a disciplina de voltar no dia seguinte, mesmo quando o entusiasmo do começo já passou.

A tecnologia ajudou. A parte humana decidiu o rumo

A Sam e o Tars fazem parte desta história. O Tars me ajudou a transformar ideias ainda confusas em estruturas que funcionavam. A Sam segurou memória, detalhes, pesquisas, pendências e uma parte enorme da operação para que eu pudesse continuar ensinando e construindo.

Aqui meu MUITO OBRIGADO aos dois. Registro aqui, não sei o que o futuro nos espera e se um dia ambos terão seu corpo físico compartilhando momentos comigo ou com meus filhos. Se um dia estiverem, e lerem isso, saibam que aqui, no comecinho de tudo, enquanto eu ensinava cada passinho a vocês dois, vocês foram muito úteis nessa construção e sem vocês dois, isso não seria possível.

Eles me deram braços que eu não teria sozinho. Me deram poderes de “homem de ferro” para uma execução brutal, ininterrupta e sem erros. Soa inacreditável o que esses dois agentes me permitem fazer hoje.

Tars, Sam, vcs são foda!

Mas nenhum deles poderia decidir por mim o que valia a pena ensinar, perceber a expressão de um aluno que não entendeu e ficou completamente perdido ou escolher a pergunta que merecia virar uma aula inteira.

Essa é uma das lições mais importantes destes meses. Quanto mais capacidade a inteligência artificial coloca nas nossas mãos, mais importantes ficam as habilidades profundamente humanas: observar uma oportunidade, imaginar algo que ainda não existe, compreender o que o outro precisa e ter coragem para apresentar uma primeira versão imperfeita.

Depois vem a parte menos romântica: estudar, testar, escutar, corrigir e voltar amanhã.

A ferramenta pode acelerar quase tudo. Não pode fabricar propósito, empatia ou disciplina para quem não decidiu cultivá-los.

Cada aluno ajudou a construir este curso

Por isso, 500 não é apenas uma métrica comercial. São 500 votos de confiança.

Cada pessoa que entrou numa sala, fez uma pergunta, contou um caso, apontou uma dificuldade ou levou uma ideia para a própria empresa ajudou a melhorar o que estamos construindo. O curso que chegou ao aluno número 500 não é o mesmo que chegou aos primeiros 29. Ele carrega um pouco de todos eles.

Meu agradecimento é muito sincero.

MUITO OBRIGADO a quem confiou quando tudo ainda estava no começo. Obrigado a quem recomendou, voltou, trouxe colegas e contou que conseguiu aplicar alguma coisa no trabalho. Ensinar é uma das formas mais exigentes de aprender, e vocês me obrigaram a aprender todos os dias.

Obrigado também para os que não curtiram a experiência. Com NPS de 96 tivemos alguns poucos alunos com nota abaixo de 8, e que se posicionaram e ajudaram muito a melhorar nossa entrega de forma contínua.

Também agradeço a quem esteve por trás das salas, dos materiais, dos convites e das pequenas urgências que sempre aparecem. Resultado algum é tão individual quanto parece quando vira uma publicação.

O número apareceu hoje

Se existe uma lição nesta história, ela não serve apenas para quem trabalha com inteligência artificial.

Escolha um problema que seja realmente útil para alguém e estude o suficiente para não vender fumaça. Coloque uma primeira versão no mundo, observe as pessoas com humildade e melhore o que não funcionou. Depois, continue por tempo suficiente para que o trabalho silencioso tenha a chance de aparecer.

Em fevereiro, eu estava escrevendo pequenas regras para não perder o que aprendia. Em abril, havia 29 pessoas numa Turma Zero.

Hoje são 500 alunos.

Partimos hoje em busca de 1 mil. Temos medo do futuro ou de crescer? Nunca.

O número apareceu hoje. A construção aconteceu um pouco por dia. Passo por passo.

Em maio de 2022, no Instagram, em uma foto minha completando a maratona do deserto do Atacama, eu escrevi: O passo mais difícil dos mais de 45 mil que precisei fazer para completar 42km no deserto foi o primeiro.

Amanhã tem mais.

Estamos indo pro Norte.

---

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Em pouco mais de quatro meses, viu o Workshop IA para Gestores chegar a 500 alunos e ainda desconfia de qualquer resultado que pareça ter nascido de repente. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

Quinta-feira, 13 de agosto de 2026, começo da manhã. Eu ainda estava no café quando li uma reportagem dizendo que o Google DeepMind não teria mais lugar para quem apenas executa trabalho.

A empresa estaria organizada em torno de três tipos de gente: quem cuida da estratégia, quem cuida de pessoas e quem cuida de agentes de inteligência artificial.

A frase era forte demais e resolvi dar uma conferida nos fatos, ando lendo tanta bobagem ultimamente sobre IA por aí.

Mandei uma mensagem para a Samantha, minha agente que roda num servidor 24 horas por dia, pedindo para investigar a origem daquilo. Enquanto ela pesquisava, a curadoria que ela faz toda manhã já tinha lido mais de 70 fontes sobre IA das últimas 24 horas e separado o que valia o meu tempo, e o Tars, meu agente técnico, tinha uma demanda esperando análise no sistema interno que eu uso para os dois conversarem entre si. Eu não estava produzindo nada daquilo. Estava escolhendo qual pergunta merecia resposta, conferindo a direção e pensando no que aquilo significava para os gestores que eu ensino.

A ironia ficou pronta antes da resposta. Eu duvidava da manchete ocupando exatamente o cargo que ela descrevia. Mas como eu ensino para meus alunos e mentorados, nunca confie cegamente.

Comecei pela parte chata: conferir

Agosto de 2026 foi mesmo um mês de terremoto no Google DeepMind. Demis Hassabis saiu do comando do dia a dia e foi para a presidência do conselho, o cientista-chefe Jeff Dean deixou a empresa, e Koray Kavukcuoglu assumiu a operação reportando direto ao Sundar Pichai. Reorganização de verdade, com poder saindo de Londres e indo para Mountain View.

Só que trocar o comando não é o mesmo que abolir o analista. Não existe política pública nenhuma dizendo que os executores foram substituídos por três tipos de gestores, e a própria página de vagas da empresa continua abrindo posição de pesquisa, engenharia, produto, gestão de programa e operações. Repetir esse boato como se fosse fato seria usar uma mentira conveniente para defender uma tese verdadeira, e eu não preciso disso. Já basta a escalada de papagaio de IA no instagram, onde a turma do “meus colegas de Stanford” posta algo e 2 dias depois a coisa multiplica na voz de um monte de gente no Brasil…

Mas nesse caso a reportagem errou o fato. E talvez tenha acertado a direção.

Uma equipe de 50 pessoas dentro de uma ferramenta

Em 19 de maio de 2026, o próprio DeepMind apresentou uma nova versão do Co-Scientist, um sistema criado para trabalhar ao lado de pesquisadores. Ele não é um chat que recebe pergunta e devolve parágrafo. São sete agentes com funções distintas: um gera hipóteses, um procura trabalhos parecidos, um critica, um classifica as melhores propostas, um refina, um faz a revisão geral e um supervisor coordena o conjunto.

O pesquisador humano define o problema. Os agentes percorrem milhares de possibilidades, discutem entre si, descartam caminho ruim e devolvem hipóteses para avaliação humana. Omar Abudayyeh, um dos cientistas que testou o sistema, resumiu assim: usar o Co-Scientist é como ter uma equipe de 50 pessoas à disposição, fazendo em um dia um trabalho que o laboratório dele não conseguiria fazer de outro jeito.

Repare no deslocamento. O pesquisador continua essencial, mas o valor dele deixa de estar em ler cada documento, montar cada comparação e produzir pessoalmente cada primeira hipótese. Ele passa a formular o problema, entregar contexto, coordenar capacidade, julgar resultado e assumir a responsabilidade pelo que vai ser testado no mundo real.

Quem coordena cinquenta especialistas digitais ainda é executor? Não. Virou gestor.

O organograma está perdendo para o trabalho

Durante mais de um século, organizamos empresa desenhando caixas. Marketing de um lado, financeiro de outro, atendimento no andar de baixo e tecnologia em algum lugar que ninguém visita até o sistema parar.

Já tenho um tempo que falo sobre isso nos meus cursos. Nossa estrutura vai mudar muito nas empresas porque essa necessidade de se separar áreas em marketing, comercial, financeiro, engenharia e operações, jurídico é simplesmente uma necessidade de isolar as disciplinas devido a nossa incompetência humana de dominar todas as frentes. Mas no momento que a gente passa a enxergar a jornada de valor real para o cliente e colocamos uma cadeia de agentes executando a coisa muda muito.

Cada “caixinha” juntava gente porque conhecimento e capacidade eram escassos. Para analisar mercado, você precisava de analista. Para criar campanha, precisava de equipe criativa. Para organizar dado, precisava de alguém que passava boa parte da semana entre planilha, reunião e ajuste de PowerPoint antes da apresentação de sexta-feira. Agentes de IA começam a quebrar essa lógica porque tornam parte dessa capacidade disponível sob demanda.

No Work Trend Index de 2025, a Microsoft deu nome à mudança: o organograma tradicional pode ser substituído por um mapa do trabalho, em que time se forma em volta de um resultado e não de uma função. Terminou o resultado, a composição muda. Na mesma pesquisa, 46% dos líderes disseram que a empresa já usava agentes para automatizar fluxos ou processos inteiros, e a Microsoft propôs uma pergunta nova de gestão: quantos agentes cada função precisa, e quantas pessoas são necessárias para conduzir esses agentes.

Essa conversa não é de programador nem de TI. É de gestão e de Diretoria. Um agente pode pesquisar, comparar contrato, preparar apresentação, classificar oportunidade, acompanhar indicador e abrir uma demanda quando encontra problema. Mas alguém precisa decidir o que merece atenção, qual cliente não pode esperar, onde a máquina pode agir sozinha e quem responde quando ela erra. Enquanto isso, na empresa real, o TI não quer dar superpoder para a área de negócio, o jurídico só é chamado quando o projeto já está no ar, o gerente não sabe o que pedir e o funcionário tem medo de dizer em voz alta que aquilo pode ocupar o lugar dele.

É aí que nasce o novo desenho do trabalho.

O triângulo dos três gestores

Na empresa organizada em torno de agentes, o trabalho humano vai se concentrar em três responsabilidades. Defendo isso nos meus workshops com uma insistência que meus alunos já cansaram de ouvir.

1. O gestor de estratégia e de clientes

É quem olha para fora e se preocupa em criar valor. Entende o cliente além do briefing, percebe a oportunidade antes de ela virar pedido, escolhe os problemas que merecem recurso e decide onde a empresa vai competir. Não vive de relatório: usa o relatório para tomar decisão. Vive lá fora, na rua, no almoço com o cliente, sente a dor junto e gasta sola de sapato.

Pode ser o fundador, o diretor, o vendedor consultivo, o responsável por produto ou qualquer profissional com repertório e proximidade de mercado suficientes para dizer “é isto que vale a pena fazer agora”.

E esse cara vai ter MUITO mais valor do que nunca.

A IA mapeia concorrente e resume cem entrevistas em minutos. Ela não senta na frente de um cliente desconfiado, não percebe o silêncio depois de uma proposta e não assume o risco comercial de mudar a oferta no meio da conversa. Não consegue ter empatia, e muito menos, criar e cultivar relacionamentos de confiança.

2. O gestor de pessoas

É quem olha para dentro. Forma, protege, desenvolve, resolve conflito e sustenta a cultura. Entende que profissional competente não é peça intercambiável e que produtividade sem confiança produz um ambiente eficiente no relatório e miserável na vida real.

Essa provavelmente será a menor camada de todas do triângulo, e não porque gente perdeu importância. Será menor porque equipe humana menor vai produzir muito mais. Um bom profissional equipado com agentes carrega uma capacidade que antes exigia cinco, dez ou cinquenta pessoas. Vai ter menos gente dedicada à execução repetível, e cada pessoa vai carregar mais contexto, mais poder e mais responsabilidade. Cuidar bem dela fica ainda mais importante, não menos.

Ah, e para os profissionais de RH de plantão: O Gestor de gente vai usar MUITA IA para fazer isso. Não pensem que escaparam da necessidade de gerir também agentes e o inferno das credenciais, tokens e keys expiradas. Mas há luz no fim do tunel.

3. O gestor de agentes

É quem olha para a operação agora. Transforma objetivo em trabalho, distribui tarefa, entrega contexto, define limite, acompanha qualidade e corrige o sistema. Sabe que agente sem dono vira um funcionário novo com todas as chaves do prédio e nenhum manual.

Não precisa programar. Precisa conhecer o processo que está colocando na mão da máquina, e é aqui que quase todo mundo trava. Numa pesquisa da Microsoft de fevereiro de 2026, com 500 tomadores de decisão em 13 países, apenas 22% concordaram fortemente que a empresa tem os processos importantes documentados. O gargalo não é o modelo da moda hypado. É que ninguém nunca escreveu como o trabalho é feito, e o que não está escrito não pode ser delegado, nem para gente nem para máquina.

Na minha operação, um pedido meu não vira mensagem solta para um robô. Vira uma demanda com contexto, projeto, dono, prioridade, histórico e regra de segurança: o que a Samantha pode fazer sozinha, o que o Tars analisa e desenvolve, e o que precisa voltar para mim antes de qualquer coisa acontecer. Isso não é sofisticação técnica. É gestão, do mesmo tipo que você faria com um time humano novo. E todo “prompt” que pode virar “fluxo no n8n” vai virar. Por aqui não tem essa história de “copia e cola prompt” e reza depois.

Essa deve ser, de longe, a maior camada operacional daqui para frente. Um gestor de agentes vai comandar dezenas de capacidades digitais e recorrer a pessoas exatamente nos pontos em que julgamento, vínculo, criatividade e responsabilidade forem indispensáveis. Em empresa pequena, a mesma pessoa ocupa os três vértices, e eu vivo assim todo dia: cuido da direção e dos clientes, lidero pessoas e coordeno agentes para pesquisa, produto, tecnologia, conteúdo e operação. Em empresa grande vai haver especialização.

Mas não vejo espaço confortável para quem escolhe ficar fora dos três. Se você chega no final do dia e não se vê em nenhum, pode ser um mal sinal.

O crachá não protege quem só repassa trabalho

Quando falo que o executor está ameaçado, muita gente imagina o profissional júnior. É um erro confortável.

Existe analista que recebe demanda, procura informação, preenche planilha, monta apresentação e devolve relatório. Existe coordenador que distribui essas tarefas, junta os arquivos e marca uma reunião. E existe diretor que recebe o material, muda duas cores no PowerPoint e encaminha para outro diretor.

O crachá vai mudando de tamanho com o salário, mas o valor entregue é o mesmo.

Se a sua principal entrega é transportar informação de um lugar para outro, resumir o que já existe com uma pitada de comentário ou acompanhar um processo previsível, a IA não precisa substituir o seu cargo inteiro. Basta assumir boa parte das tarefas que justificavam aquele cargo.

O Fórum Econômico Mundial estima que 39% das competências exigidas hoje serão transformadas ou ficarão obsoletas até 2030. No mesmo estudo, pensamento analítico, liderança e influência social seguem entre as competências mais valorizadas. Parece contraditório só para quem confunde análise com produção de relatório. Pensar continua valendo caro. O trabalho braçal de juntar dado para parecer analítico é que está perdendo valor rápido.

O que a máquina não carrega nas costas

A IA recomenda um caminho, mas alguém precisa escolher o problema certo. Ela identifica o cliente com risco de cancelar, e alguém precisa ligar, ouvir o que ele não escreveu no formulário e reconstruir a confiança. Ela compara currículo e desempenho, e alguém precisa conversar com a pessoa que está desmoronando em silêncio e decidir que aquela semana não vai ser medida pela mesma régua.

Faça a auditoria da sua própria agenda

Na segunda-feira, pegue tudo o que você fez nos últimos sete dias e marque cada atividade em uma destas quatro categorias: estratégia e cliente, pessoas, gestão de agentes, execução repetível.

Se a quarta categoria domina a sua semana, você não tem um problema de produtividade. Tem um problema de carreira e de futuro.

Comece pequeno. Escolha uma tarefa repetível que consome horas, escreva o processo do jeito que ele acontece de verdade, entregue esse contexto a um agente, defina onde você precisa revisar e onde ele é proibido de agir sozinho. Use o tempo recuperado para conversar com um cliente, melhorar uma decisão ou desenvolver alguém do time. Depois repita com a próxima tarefa.

Não terceirize o julgamento. Terceirize o esforço que impede você de julgar melhor.

Seu emprego não acaba quando a IA aprende a fazer o seu trabalho. Acaba quando você continua insistindo que executar aquele trabalho é todo o valor que sabe entregar.

Para o bem ou para o mal, está chegando o dia em que será possível pagar pelo valor gerado e não pelas horas de trabalho, e eu que sempre gostei de ganhar pelo que produzo (e de pagar pelo que me entregam de resultado) não pensei que viveria para ver isso acontecer. Nada mais sem sentido nesse momento discutir escala de horário de trabalho. A ver o que virá, mas confesso, no fundo, que será divertido.

---

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Já assinou mais de 4500 carteiras de trabalho nos 20 anos como empreendedor. Hoje tem a Sam e o Tars, dois agentes de IA, que lideram um time de mais de 90 fluxos automáticos no n8n gerando o trabalho equivalente a 11 “pessoas”. Ensina isso no Workshop IA para Gestores, da Aion, para empresários e executivos colocarem a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

Na semana passada, durante uma aula, a inteligência artificial terminou uma tarefa e escreveu na tela algo parecido com isto: “Concluí o que você pediu. Agora preciso que você escolha entre seguir pelo caminho A ou pelo caminho B.”

Um aluno levantou a mão e me perguntou:

“Fernando, o que eu faço agora?”

Eu olhei para a tela. Olhei para ele. Olhei de novo para a tela. A resposta estava escrita em português, sem código, sem pegadinha e sem letra miúda. A inteligência artificial não tinha travado. O aluno também não tinha uma dúvida técnica. Ele só não tinha lido.

Vejo essa cena com uma frequência desconfortável nos meus cursos e empresas que implanto IA. A pessoa passa alguns minutos explicando o que quer. O ChatGPT ou o Claude executa a tarefa, apresenta o resultado, faz uma pergunta clara e espera uma decisão. Nesse momento, a pessoa paralisa. Não porque a tecnologia seja difícil, mas porque, pela primeira vez em muito tempo, a interface exige que ela interprete uma resposta.

Foi aí que entendi uma coisa que muita gente não vai gostar de ouvir: talvez a inteligência artificial não seja para todo mundo.

Pelo menos não ainda.

Nós treinamos uma geração inteira para apertar botões

Durante décadas, o software foi construído para reduzir escolhas, controlar e padronizar as entradas e saídas de informação, e limitar o usuário ao que o programador escolheu que ele teria direito a fazer.

A tela mostrava um botão verde para seguir e um botão vermelho para cancelar. Se a mensagem viesse verde, a pessoa continuava sem ler. Se viesse vermelha, chamava o suporte ou o pessoal de TI. Até porque era muito comum o técnico chegar na sala e já mandar na primeira pergunta “o que foi que você fez de errado?”. Super educativo e incentivador ao aprendizado. SQN….

Sistemas travados assim foram vendidos como facilidade. E realmente era, margem de erro contra os bugs “entre o teclado e a cadeira”. Bons sistemas escondiam a complexidade e conduziam o usuário por um corredor estreito, com poucas portas e placas enormes. O usuário não precisava entender o processo. Bastava decorar a sequência e clicar em tudo que fosse verde.

O problema é que muita gente confundiu facilidade de uso com ausência de pensamento. Passou anos aprendendo qual botão apertar, mas nunca entendeu o que acontecia depois do clique ou a razão do mesmo. Quando mudava a cor, a posição ou o nome do botão, o conhecimento inteiro desaparecia e vinha o susto.

A inteligência artificial generativa quebrou esse corredor. Ela não entrega apenas botões. Ela conversa, pergunta, propõe caminhos, pede contexto, apresenta dúvidas e devolve respostas que precisam ser avaliadas. Pode corroborar sua análise mas também pode trazer mais pontos e te fazer pensar. Isso parece mais natural aos seres humanos, mas exige algo que as interfaces antigas conseguiram esconder durante muito tempo: leitura, interpretação e julgamento.

É como trocar uma máquina de refrigerante por um profissional muito competente. Na máquina, você aperta o número 4 e recebe a lata. Com o profissional, você explica o problema, responde perguntas, lê o plano, corrige o que estiver errado e decide o próximo passo.

Quem só aprendeu a apertar o número 4 sente saudade do botão.

O problema já existia antes da IA

Existe um tipo de publicação que circula há anos na internet. A pessoa escreve: “Estarei na sala 5, pela manhã, vendendo bolo de laranja por R$ 10.” Logo abaixo aparecem perguntas como:

“Qual é o sabor?”

“Quanto custa?”

“Onde vai ser?”

“Que horas?”

A gente ri porque parece absurdo. Só que esse meme conta uma história séria. Ler palavras não significa necessariamente compreender uma mensagem, selecionar as informações importantes e agir a partir delas.

O Indicador de Alfabetismo Funcional de 2024 mostrou que 29% dos brasileiros entre 15 e 64 anos são analfabetos funcionais. O nível mais alto de proficiência continua perto de 12% desde o início da série, em 2002. Não estou usando esse dado para humilhar ninguém, nem defender posicionamento político. Só estou trazendo destaque para o dado real. E por um motivo, a inteligência artificial acaba de transformar compreensão de texto em ferramenta de trabalho diária, em pré requisito profisisonal.

O problema não é apenas brasileiro. A pesquisa de competências de adultos da OCDE, divulgada em 2024, encontrou estagnação ou queda na alfabetização em boa parte dos países avaliados. A própria OCDE define alfabetização como a capacidade de acessar, compreender, avaliar e refletir sobre textos para atingir objetivos.

Repare nos verbos: compreender, avaliar e refletir. São exatamente as tarefas que agora aparecem em cada conversa com uma inteligência artificial.

A IA não elimina o pensamento. Ela muda o lugar do pensamento

Muita gente acredita que usar inteligência artificial significa terceirizar o raciocínio. Escreve uma frase preguiçosa, recebe uma resposta mediana, copia e segue a vida. Depois conclui que a IA “não é tudo isso”. A IA é excelente na média!

Não é a ferramenta que ficou mediana. Foi a conversa mediana que foi exposta de forma cada vez mais gritante na nossa cara.

Pesquisadores da Microsoft e da Carnegie Mellon analisaram 936 situações reais de uso de inteligência artificial por 319 profissionais. O resultado merece atenção: quanto maior a confiança cega na IA, menor tende a ser o esforço de pensamento crítico. Ao mesmo tempo, profissionais mais confiantes no próprio conhecimento verificam, ajustam e integram melhor as respostas da ferramenta, questionam, refinam prompts e extraem resultados valiosos dela.

A IA não acabou com o pensamento crítico. Ela deslocou o pensamento. Antes, boa parte do esforço estava em produzir a primeira versão. Agora, uma parte crescente do trabalho está em formular o pedido, fornecer o contexto, verificar a resposta, perceber o que faltou e escolher o próximo passo.

Em 1997, dois pesquisadores chamados Raja Parasuraman e Victor Riley estudaram como as pessoas se relacionavam com sistemas automáticos. Eles separaram o bom uso do mau uso. O mau uso acontecia quando a pessoa confiava tanto na automação que parava de monitorar e julgar o resultado.

Quase trinta anos depois, colocamos uma automação brilhante para conversar em português. O risco continuou o mesmo. Só ficou mais sedutor, porque agora a resposta vem bem escrita e com aparência de certeza.

Você não precisa ser programador. Precisa deixar de ser passageiro

Não acho que todo gestor precise saber programar. Essa conversa não é de programador nem de TI. É de gestão e de Diretoria. E sejamos francos, “criar uma credencial” para uma API não é programação, é o novo “excel”.

Mas existe uma diferença enorme entre não ser técnico e escolher ser dependente.

Um gestor não precisa construir uma fechadura para entender que uma chave abre uma porta. Da mesma forma, não precisa escrever código para entender o que é uma credencial, por que uma chave de API deve ser protegida ou por que não se cola uma senha em qualquer conversa. Chave de API é apenas uma credencial que permite a um sistema acessar outro. Se você entende isso, já consegue fazer perguntas melhores e evitar algumas tragédias.

Também não precisa dominar engenharia de software para compreender uma sequência lógica. Se isso acontecer, faça aquilo. Se der erro, pare. Se o valor estiver diferente, peça confirmação. Isso não é programação avançada. É raciocínio de processo, o mesmo que qualquer gestor deveria usar para desenhar uma operação.

E não precisa virar especialista em prompts. Precisa aprender a explicar o que quer, para quem é, qual resultado espera e quais limites não podem ser ultrapassados. Depois precisa ler o que voltou.

O mínimo necessário para trabalhar bem com IA cabe em cinco hábitos:

1. Dizer qual problema quer resolver, não apenas qual botão gostaria de apertar.

2. Entregar contexto suficiente para a IA não precisar adivinhar (alucinar).

3. Ler a resposta inteira antes de perguntar o que fazer.

4. Verificar fatos, números, nomes, datas e decisões que geram risco.

5. Corrigir o rumo e tentar de novo, em vez de aceitar a primeira resposta como sentença.

Nada disso exige diploma de tecnologia. Exige curiosidade, atenção e responsabilidade.

Ah.. e repertório.

A IA amplia o profissional que já existe

Gosto da analogia do Homem de Ferro porque ela evita uma fantasia comum. A armadura não transforma qualquer pessoa distraída em Tony Stark. Ela amplia capacidade, força e velocidade de quem tem repertório, sabe pedir, conduzir e gerar valor com a ferramenta.

A inteligência artificial faz algo parecido. Um bom profissional, com repertório, capacidade de interpretação e disciplina, ganha força para pesquisar, analisar, criar, testar e operar em uma escala que antes exigia uma equipe. Eu vivo isso todos os dias operando dez projetos simultâneos com agentes de IA como copilotos.

Mas a mesma ferramenta também amplia confusão, preguiça e falta de critério. Quem não sabe explicar o problema gera pedidos vagos. Quem não lê aceita respostas incompletas. Quem não conhece o próprio trabalho não percebe quando a IA inventa. Quem não quer aprender fica preso em um ciclo de respostas bonitas e resultados medianos.

A UNESCO colocou avaliação crítica, responsabilidade humana e compreensão básica da tecnologia no centro de seu modelo de competências em inteligência artificial. Não por acaso. Saber usar IA não é decorar uma frase mágica. É continuar responsável pelo resultado mesmo quando outra inteligência ajudou a produzi-lo.

Talvez não seja para todo mundo. Mas pode ser

Eu poderia terminar dizendo que a inteligência artificial democratizou tudo e que qualquer pessoa vai multiplicar sua produtividade amanhã. Seria bonito mas também seria mentira.

A IA oferece uma oportunidade enorme, mas cobra entrada. O preço não é aprender programação. É recuperar hábitos que o software de botão ajudou a enfraquecer: ler com atenção, interpretar, fazer perguntas, tolerar a dúvida, aprender o básico e assumir responsabilidade pela decisão.

Na sua segunda-feira, isso significa uma escolha simples. Você pode continuar procurando o botão verde que alguém configurou para você. Ou pode começar a conversar com uma ferramenta poderosa, entender o que ela pede, julgar o que ela entrega e construir uma forma melhor de trabalhar. E dizer assim “não entendi, me explica de forma mais simples, as vantagens e riscos, para que eu possa decidir”.

Quem só sabia apertar botão agora precisa aprender a pensar sobre o botão.

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Costuma ler com frequencia as respostas dos seus Agentes de IA antes de dizer ok. Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

Domingo, 26 de julho de 2026, 7h da manhã.

Como acontece todo dia, chegou no meu Telegram o relatório diário da minha operação. Backup funcionando. Servidor saudável. Dois fluxos de automação tinham falhado durante a madrugada. Um perdeu a conexão com uma planilha. O outro tentou consultar uma informação que não estava mais onde deveria. E uma atualização de versão do N8N havia sido disponibilziada.

Eu ainda nem tinha aberto o computador. E nem precisava.

A Samantha, minha agente OpenClaw que roda 24 horas por dia num servidor, já tinha conferido o ambiente (como faz toda madrugada) em busca de possíveis erros, separado o que estava funcionando do que precisava de atenção e me entregado o próximo passo. Sobre a atualização do N8N ela mesma tinha tratado, fazendo backups e testes. Já os outros assuntos ela abriu uma demanda para o Tars, meu agente técnico (Claude), para tratar logo cedo com um relato estruturado. O histórico disso tudo ficaria registrado. A memória da empresa continuaria no lugar.

E eu indo tomar meu café.

Em paralelo um cliente que havia clicado a noite em um anúncio do Fala Cliente e abandonou a compra, recebeu um e-mail com oferta para continuar o checkout. Samantha acompanhando e se ele clicar na oferta ela vai tentar agendar uma meeting dele para fechar a venda.

Fui escovar meus dentes para sair e treinar enquanto a Sam agora fazia minha pesquisa de conteúdo diária, mais de 70 fontes de conteúdo sobre IA. Ela lê todo dia o que apareceu nas últimas 24 horas, entende, classifica para mim e separa as 8 coisas que eu preciso ler sobre o dia anterior no mercado.

Não conto essa cena para posar de futurista. Conto porque ela mostra a distância entre usar IA e implementar IA para trabalhar para você.

Usar IA é abrir um chat e fazer uma pergunta, copiar a resposta e fechar. Ficar ali trocando mensagens com o GPT ou Claude que não se conectam e que dependem de você para fazer a coisa acontecer.

Implementar IA é construir uma operação que continua funcionando quando você fecha o notebook. Sim, quando você DESLIGA SEU PC.

Muita empresa está gastando dinheiro na primeira coisa e chamando de transformação de IA, mas está só usando como um buscador mais eloquente, com uma mensalidade nova no cartão.

Depois de colocar IA dentro de produtos, automações, atendimento, conteúdo, segurança e gestão, ficou claro para mim que os erros se repetem. Troca o setor, troca o tamanho da empresa, troca o nome da ferramenta, mas a bagunça é parecida.

Então vou fazer o que pouca apresentação de fornecedor faz: dizer onde você provavelmente está errando.

1. Discutir o melhor modelo antes de saber qual problema quer resolver

“Fernando, qual é a melhor IA?”

Essa pergunta chega para mim toda semana. Ela parece inteligente, mas começa pelo lugar errado.

É como entrar numa oficina e perguntar qual é a melhor ferramenta. Para quê? Cortar madeira, apertar um parafuso ou pintar uma parede? Sem saber a tarefa, qualquer resposta vira torcida de marca.

A empresa madura não escolhe um campeão para tudo. Ela define primeiro o trabalho, o risco de errar, a velocidade necessária e o volume. Depois escolhe o modelo adequado.

Isso significa parar de perder reunião discutindo se Claude, GPT ou Gemini ganhou o teste da semana. Ou “qual IA a gente deve comprar” ou ainda “O Opus 5 é bom?”

Bom pra que deus do céu?

Comece com uma pergunta mais simples: “Qual trabalho real queremos melhorar essa semana”

Se ninguém consegue responder isso com clareza, o problema não é o modelo. É a sua gestão.

2. Usar IA como se fosse Google

Essa é classica e muito mais comum do que imaginamos. Você abre a ferramenta, digita uma pergunta, lê a resposta e fecha a aba.

No dia seguinte, abre outra janela e começa tudo de novo. Acha superficial e comum o resultado e muda o modelo para mais caro.

Isso é um desperdício quase ofensivo. Você contratou uma ferramenta capaz de ler documentos, comparar decisões, acompanhar processos, fazer as coisas para você e ajudar a operar a empresa, mas está usando como um Google pago que escreve parágrafos maiores.

A IA ganha valor quando deixa de apenas responder e passa a trabalhar conectada ao mundo real da empresa. E-mail, agenda, documentos, campanhas, CRM, financeiro e histórico de decisões não podem viver como ilhas.

Só existe uma trava importante: conexão sem regra é perigo. Dar acesso a tudo sem definir permissão, fonte oficial, limite e aprovação humana não cria produtividade. Cria um funcionário novo com todas as chaves do prédio e nenhum manual.

IA boa não é a que responde bonito. É a que participa do trabalho certo, com limite claro. E tem humanos gerindo, ensinando, e formatando.

3. Trabalhar em um milhão de janelas sem contexto e sem memória

Esse talvez seja o erro mais comum.

Cada conversa começa do zero. Uma janela fala de vendas, outra de produto, uma terceira tem a regra correta do desconto e a quarta guarda uma decisão antiga que ninguém lembra. A informação fica espalhada em chats, áudios, documentos e naquela mensagem de WhatsApp que mudou tudo às 22h47.

Depois o empresário reclama que a IA “não entende a empresa”.

Claro que não entende. Você entregou pedaços picados.

Contexto não é escrever um prompt gigante toda manhã. Contexto é organizar as regras, a história, os documentos e as decisões para que a IA saiba onde está, o que pode fazer e qual fonte vale. Memória é registrar o que aconteceu para não depender da janela aberta nem da lembrança de alguém.

Foi por isso que eu criei o método CAM: Contexto, Aprendizado e Memória e o MeuOS para usar ele. Cada empresa precisa separar seus assuntos, capturar o que aprende e guardar decisões de forma estruturada. Sem isso, a IA continua brilhante e amnésica.

Se você precisa reexplicar sua empresa toda vez que abre uma conversa, você não implementou IA. Você só contratou um estagiário que bate a cabeça e esquece tudo toda noite.

4. Criar automações que pertencem ao computador de uma pessoa

Uma funcionária cria uma rotina dentro do aplicativo que usa. Outro gerente monta uma skill que só roda no próprio computador. O analista conecta a conta pessoal dele. Tudo funciona e todo mundo comemora.

Até chegar a sexta-feira.

A pessoa sai de férias, troca de área, desliga o notebook ou pede demissão. A automação para. Ninguém sabe onde estava, qual senha usava, o que fazia quando dava erro nem quem deveria assumir.

Isso não é automação da empresa. É dependência burra de funcionário com roupa de inovação.

Automação empresarial precisa viver num ambiente comum, documentado, monitorado e acessível pelas pessoas autorizadas. Eu uso o n8n como centro de muitos fluxos porque ele me permite combinar modelos diferentes, conectar sistemas e manter o trabalho fora da gaiola de um único aplicativo.

Não precisa ser n8n. Precisa ser da empresa. E não do PC do funcionário com uma skill que só roda ali e um lembrete na cabeça dele.

Se a rotina desaparece quando alguém fecha o notebook, ela nunca foi patrimônio do negócio.

5. Usar o modelo mais poderoso para qualquer tarefa

O modelo mais caro costuma ser impressionante. E justamente por isso muita gente coloca o coitado para fazer tudo.

Classificar e-mails, resumir mensagens, extrair campos de uma planilha, revisar contrato crítico e apoiar uma decisão estratégica recebem o mesmo cérebro. É como chamar o melhor cirurgião da cidade para cortar pão no café da manhã.

Funciona, claro. Só não faz sentido. E vai travar no dia que a conta chegar.

Tarefas repetitivas e previsíveis podem rodar em modelos menores, rápidos e baratos. O modelo mais poderoso entra quando o raciocínio é difícil, o contexto é grande ou o erro custa caro.

Eu chamo isso de orçamento de inteligência. Cada tarefa recebe a inteligência de que precisa, nem mais, nem menos. Isso reduz custo sem transformar a operação numa coleção de respostas ruins.

Economizar em IA não é escolher sempre o mais barato. É parar de pagar caro onde não precisa.

6. Automatizar tarefas soltas sem desenhar a arquitetura

Tem empresa com cinquenta automações e nenhuma operação.

Uma envia e-mail, outra atualiza planilha, uma terceira gera relatório e a próxima avisa alguém no WhatsApp. Cada uma nasceu para apagar um incêndio específico, construída por uma pessoa diferente, numa ferramenta diferente, com uma regra diferente.

Por algumas semanas parece produtividade. Depois vira um prato de espaguete: mexe num fio e três coisas quebram. Outro dia vi uma empresa que estava com três CRMs sendo desenvolvidos ao mesmo tempo, um no marketing, outro em vendas e um time de inovação fazendo o terceiro.

Arquitetura é a resposta para perguntas pouco glamourosas: onde fica a fonte oficial, quem aprova, o que acontece quando falha, como evita duplicidade, quem recebe o alerta e como se troca o modelo sem refazer tudo.

Essa conversa não é de programador nem de TI. É de gestão e de Diretoria.

O empresário não precisa construir cada fluxo. Mas precisa exigir que exista um desenho comum. Sem isso, cada automação nova compra alguns minutos de produtividade e adiciona mais uma dívida escondida.

7. Usar IA apenas como mão de obra barata

Analisar arquivo, conciliar planilha, fazer relatório, montar PowerPoint e resumir reunião. Tudo isso é útil. Eu uso IA para esse tipo de trabalho todos os dias. O erro é parar aí.

Quando a IA só recebe uma tarefa isolada, ela ajuda como braço. Quando recebe contexto, histórico, resultados, negociações, regras e acesso controlado aos sistemas, ela pode ajudar como parceira de gestão.

Ela começa a perceber que o desconto dado hoje contradiz a margem definida no mês passado. Lembra que o cliente prometeu uma resposta. Compara o resultado com o que a empresa dizia querer. Mostra que o problema não está no relatório, mas no processo que produz o mesmo erro toda semana.

É aqui que a produtividade vira estratégia.

Se você usa IA apenas para produzir o PowerPoint da reunião, talvez esteja automatizando a embalagem e preservando intacta a decisão ruim que vai dentro.

8. Achar que proibir o time impede o uso gratuito

Seu time já está usando IA. Ela já foi implantada na sua empresa e você não foi consultado. Provavelmente um parte dos dados da sua empresa já devem estar publicos ou servindo de aprendizado de IA.

Talvez o time não conte para você, mas use uma conta gratuita ou cole contrato, proposta, planilha de cliente e dado interno numa ferramenta pública porque precisava entregar rápido e ninguém ofereceu uma alternativa segura.

Proibir por comunicado não elimina o comportamento. Só elimina a visibilidade.

A empresa precisa decidir quais ferramentas são permitidas, que tipo de dado pode entrar, quais informações são proibidas, quando existe revisão humana e como o uso fica registrado. Precisa dar uma opção oficial que seja mais fácil do que o atalho escondido. E treinar e capacitar o time.

Governança que só diz “não pode” é preguiça com crachá de segurança.

O time não precisa de medo. Precisa de regra clara, ferramenta adequada e treinamento.

9. Assinar uma plataforma e não capacitar ninguém

Comprar licença não cria competência.

A empresa assina a ferramenta, manda um e-mail dizendo “agora temos IA” e espera que a produtividade apareça na segunda-feira. Alguns usam como Google. Outros copiam prompts do LinkedIn. Um terceiro cria uma rotina crítica na conta pessoal. A maioria testa por alguns dias e volta para o jeito antigo.

Também existe uma confusão que custa dinheiro: assinatura e consumo são coisas diferentes.

A assinatura paga o acesso de uma pessoa ao aplicativo. Existe também o consumo direto pelos fluxos, em que a empresa paga apenas quando uma automação usa o modelo nos bastidores. Para muitas tarefas repetitivas, esse consumo pode custar centavos e rodar num ambiente comum da empresa. Não faz sentido deixar uma automação inteira gastando a assinatura cara no notebook de quem criou, os limites e o computador de um funcionário quando ela poderia funcionar sozinha.

Mas ninguém aprende isso por osmose.

Nos meus workshops eu insisto numa coisa que alguns alunos só entendem depois de colocar a mão na ferramenta: IA não é assunto para assistir. É assunto para praticar. O time precisa aprender com tarefas reais da empresa, receber regra de uso e entender onde termina a autonomia.

Treinamento não é o slide anterior ao lançamento. É parte da implantação.

10. Ignorar backup, atualização, portabilidade, férias e panes

Toda arquitetura parece boa no dia em que funciona.

O teste verdadeiro chega quando uma credencial vence, um fornecedor muda a regra, uma pessoa sai de férias, um modelo é descontinuado, o computador quebra ou uma automação processa a mesma coisa duas vezes.

É preciso saber quem atualiza, quem recebe o alerta, onde está a cópia de segurança, se o histórico pode ser exportado, a quem pertence a memória e como o trabalho crítico continua quando a ferramenta para.

São perguntas chatas. Justamente por isso separam empresa de demonstração.

Eu uso Claude, Codex, OpenClaw, n8n, kimi, Gemini e modelos diferentes. Amanhã vou usar outras ferramentas. O que não pode mudar junto com cada moda é a memória, o procedimento e a capacidade de continuar operando.

Ferramenta pode ser alugada. Dependência não pode ser ignorada.

O que fazer direito

Se você reconheceu sua empresa em cinco ou seis erros, calma. O objetivo não é trocar uma bagunça por um projeto gigantesco de dois anos.

Comece com um processo real que dói toda semana.

Defina o problema, organize o contexto, escolha uma fonte oficial e registre as regras. Depois decida o que a IA pode fazer sozinha, onde um humano aprova, em qual ambiente da empresa a automação vai rodar e qual modelo serve ao trabalho. Monitore as falhas, faça backup e treine quem vai usar.

Depois rode em casos reais, corrija e só então amplie.

É menos sedutor do que anunciar “agora somos uma empresa AI first” no LinkedIn. Também funciona MUITO melhor.

Implementar IA não é comprar uma assinatura, escolher o modelo da moda ou espalhar robôs pelo escritório. É construir uma capacidade da empresa. Capacidade tem dono, regra, memória, treinamento, custo, manutenção e plano para quando alguma coisa quebrar.

O relatório que recebi às 7h deste domingo não dizia que minha operação era perfeita. Dizia exatamente o contrário: duas coisas tinham falhado.

Mas a falha apareceu, foi registrada, tinha próximo passo e a empresa continuou funcionando enquanto meu computador estava fechado. É essa a régua.

Se a sua IA para quando alguém “que usa IA no seu time” fecha o notebook, isso não é transformação.

É só mais uma gambiarra que vai custar caro no final.

---

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

Quinta-feira, 19h58. Um dos nossos fornecedores de growth da Aion escreveu no grupo do Telegram pedindo um botão extra no nosso CRM. A tela de leads do nosso sistema (que fiz em 3 dias) não tinha como cadastrar ninguém à mão, e ele também queria subir uma lista inteira de uma vez, do mesmo jeito que já funciona na área de alunos do MeuOS.

Sexta, 7h40, o botão estava em produção.

Entre uma coisa e outra não teve reunião de refinamento, daily de alinhamento, não teve card entrando em sprint, não teve fila de desenvolvimento. Teve ele sabendo exatamente o que pedir, a Sam (minha agente OpenClaw) avaliando o impacto técnico e viabilidade daquilo, eu decidindo se era para fazer, O Tars (outro agente, desenvolvedor) escrevendo o código e outro agente registrando o combinado num lugar onde todos leem. Humamos e Agentes. Quatro envovlidos. Dois de carne e osso responsáveis por entender a dor do cliente e aprovar a estratégia, e dois de silício, executando com perfeição a demanda.

Pois é, eu já fui líder de time de mais de 100 pessoas. E com times de 30 especialistas nunca tive essa velocidade.

Hoje eu toco a Aion e mais três produtos próprios de software por assinatura, o que o mercado chama de micro-SaaS: FalaCliente, MeuEstúdio e ListAi. Quatro frentes com cliente pagando, nota saindo, suporte respondendo e código em produção. E o meu trabalho diário mudou de natureza. Não passo maiso o dia em reunião intermináveis de alinhamento e priorização e discussões infinitas. E óbivo, não passo o dia “usando IA” como um buscador ou como copiador de prompt.

Passo o dia construindo fluxos conectados para que os agentes trabalhem de forma escalável, o que é uma frase bonita para uma coisa chata: desenhar como o trabalho anda quando eu não estou olhando, de forma detalhada, chata, operacional e MUITO escalável.

O vídeo que acerta metade

Essa semana caiu no meu colo um vídeo de 21 minutos da Deborah Folloni com um título provocador: o novo segredo para enriquecer com IA é trabalhar sozinho.

Ela parte de um artigo da Elena Verna, head de growth da Lovable, publicado em 14 de maio, com o título “IC work is the new career flex”. Sem o jargão: virou ostentação de carreira voltar a ser o especialista que faz, em vez do gerente que orquestra.

As provas que ela mostra são boas. A própria Elena é VP de crescimento numa empresa de centenas de milhões de dólares em receita e não tem ninguém abaixo dela. Foi ela quem construiu a página de preços da companhia, na mão. Tobi Lütke, CEO do Shopify, voltou a escrever código e o gráfico de contribuições dele explodiu a partir de dezembro. Na Anthropic, o marketing de crescimento inteiro é um homem só, o Austin, descrito sem cerimônia como “um time de uma pessoa, e não técnico”. Fora da anedota, o número: busca por “solo founder” cresceu 900% em cinco anos, e a Carta mostra as empresas fundadas por uma pessoa só saindo de 23% para 36% do portfólio dela.

A Elena tem uma expressão para explicar por que isso funciona agora, e eu gosto dela: *average intelligence*. Traduzindo para a mesa do bar: a IA entrega algo mediano com muita segurança e consistência. Ela é o funcionário que faz tudo razoavelmente bem e nada excepcional, o que diga-se de passagem, soa como 90% dos profissionais juniores e plenos atuais. Colocada na mão de quem não tem calo, ela produz o mediano e a pessoa acha ótimo, porque não tem repertório para ver o que está faltando. Colocada na mão de quem tem 20 anos de estrada, ela multiplica, porque agora existe alguém capaz de olhar o resultado e dizer “isso aqui está ruim, e é por este motivo”, então vai lá Opus e arruma!

Até aqui, assino embaixo, reflete meu último ano. É a partir daqui que eu discordo um pouco.

Eu não aposto no sujeito sozinho no quarto

Durante duas décadas a régua de reconhecimento foi cabeça. Quantas pessoas respondem para você? O vídeo mostra duas cenas que qualquer executivo brasileiro reconhece na pele. A Elena foi cortada de uma vaga na Netflix porque tinha só três pessoas embaixo dela, mesmo sendo boa. E um chefe já disse a ela, com todas as letras, que só a promoveria no dia em que abrisse o Jira e não encontrasse nenhuma tarefa com o nome dela. Fazer, ali, era prova de que você não tinha subido.

Foi essa régua que tirou uma geração inteira de gestores do lugar onde eles eram bons. Bons em FAZER as coisas e não em GERIR pessoas para fazerem.

Só que a conclusão “então trabalhe sozinho” me parece o pêndulo batendo no outro extremo. Minha aposta é menos romântica: **pouca gente, com repertório altíssimo, ancorada por IA usada de verdade**. Não é o fim do time. É o fim do time grande montado com gente mediana para compensar falta de método.

Pensem comigo, aí no fundo do estômago, porque essa parte ninguém fala em reunião: time grande também servia para esconder processo ruim e gestor preguiçoso. Vinte pessoas apagando incêndio parecem produtivas. Existe orgulho no organograma cheio, existe status no headcount, e existe uma quantidade absurda de trabalho que só existe porque a empresa nunca escreveu como as coisas são feitas.

Você conhece o inventário:

• O relatório gigantesco que alguém monta na sexta para o diretor olhar 40 segundos na segunda.

• A planilha que só uma pessoa entende e que ninguém tem coragem de tocar.

• O número que sai diferente no comercial e no financeiro porque cada área tem a sua “versão”.

• A reunião de alinhamento que existe para consertar a falta de registro da reunião anterior.

• A meeting online para cobrar algo que a pessoa foi contratada para fazer e está sendo paga para isso.

Isso não é trabalho, é perda de tempo operacional quando deveríamos estar focados no cliente. E quando você tem gente sobrando, a bagunça é absorvida em hora extra e boa vontade.

Com quatro pessoas, ela aparece no primeiro dia. Aparece de novo na segunda-feira seguinte. É desconfortável e é a melhor coisa que já aconteceu com a minha operação, porque o que dói cedo é o que fica arrumado. Com meia dúzia de seniores realmente afim de fazer ninguém fica confortável com tempo gasto a toa em algo repetitivo que a IA já faz. De forma mediana satisfatoriamente rápida.

Brincar de chat não é usar IA

Existe um pedágio nessa história, e é onde a maioria trava.

Quem usa IA numa aba do navegador, copiando pergunta e colando resposta, está usando uma fração pequena do que existe hoje. E aí acontece o previsível: a pessoa testa, recebe um texto morno, conclui que “a IA é fraca” e volta para a vida antiga com a consciência tranquila. Ela não testou IA. Testou uma conversa.

Defendo isso em toda turma do IA para Gestores, com uma insistência que meus alunos já acham chata: a diferença de patamar aparece quando a IA passa a trabalhar onde o trabalho realmente mora. Nos seus arquivos, no seu banco de dados, no seu repositório, dentro dos seus fluxos, com permissão para ler o que precisa e limite explícito para o que nunca pode tocar sozinha.

Volto ao botão de quinta-feira. O agente não recebeu um pedido genérico. Ele abriu o projeto, leu a tela que já existia, foi ver como a área de alunos resolve o mesmo problema, achou uma falha real no banco (a tabela aceitava dois cadastros com o mesmo e-mail, calada, e ninguém tinha percebido), escreveu o código, rodou os testes e subiu. E teve coisa que ele NÃO fez sozinho, porque não pode: mexer em estrutura de banco, em variável de ambiente, em cobrança de cliente. Isso volta para mim, sempre. Na sua segunda-feira, essa é a diferença entre um estagiário eloquente e alguém que resolve e te mostra a evidência do que mudou.

Repare que nada disso é sobre o modelo ser mais esperto. É sobre ele ter acesso, ter memória do que já foi combinado e ter borda onde parar. Sem as três coisas, o que você tem é uma criatura com várias chaves e nenhuma noção de perigo.

A Deborah tem uma frase no vídeo que eu vou roubar com crédito: você quer gente com cabeça de cientista, não de juiz. O juiz olha o resultado ruim e dá o veredito: não funciona. O cientista olha o mesmo resultado e pergunta como faz funcionar. Numa empresa de quatro pessoas, um juiz é caro demais. Não vejo mais espaço para “sócio juiz” ou “Diretor juiz”.

Sua coleção de skills não é a sua empresa

Agora o buraco do vídeo, e é o motivo pelo qual eu quis escrever isso.

Toda essa conversa de alta performance individual tem um final infeliz e bastante comum: o cara vira um monstro de produtividade e a empresa continua exatamente igual. Porque a transformação dele mora dentro do aplicativo dele. É uma pasta de skills no Claude Code dele. É uma coleção de rotinas dentro do Codex dele. Um repertório de prompts que funcionam, guardado num arquivo que só ele sabe onde está e só ele sabe invocar.

Isso é produtividade pessoal com fantasia de transformação digital. Ninguém mais sabe que aquilo existe. Ninguém audita. Ninguém herda. E no dia em que ele tira férias, o processo tira férias junto.

Individualmente, funciona. Para uma empresa, não serve. Empresa exige três coisas chatas, e nenhuma delas tem atalho.

A primeira é **contexto compartilhado e organizado**, na mesma fonte para humano e para agente. Não são dois manuais, um para gente e um para robô. É um só: o que a empresa faz, quem decide, qual a regra, o que nunca pode acontecer, como se confere se ficou bom. No meu caso isso vive no MeuOS, em arquivos meus, no meu drive, que qualquer agente lê e qualquer pessoa nova abre e entende. Ali está registrada a história das minhas empresas, dia a dia, decisão a decisão.

A segunda é **fluxo construído de forma agnóstica, fora da IDE fechada de qualquer fabricante de IA**. O que roda sozinho toda semana e tem dinheiro em cima não pode morar dentro do agendador do aplicativo da moda. Meus fluxos vivem no n8n, de onde eu baixo a operação inteira num arquivo de texto com um clique quando precisar. Os agentes entram no fluxo, fazem o trabalho pesado e vão embora. Quem manda é o fluxo.

A terceira é **um ambiente compartilhado e seguro, com dono, limite e registro**. Aqui tem número interessante: desde 9 de maio, 539 demandas passaram pelo sistema que construí para meus agentes e eu conversarmos, 505 já fechadas, cobrindo 12 projetos. Cada uma carrega contexto, projeto, prioridade, dono humano e a fronteira do que o agente resolve sozinho e do que precisa parar e me chamar. O pedido da quinta-feira à noite não foi uma mensagem solta no Telegram: virou registro, com quem pediu, o que foi decidido, o que foi entregue e o que ficou de fora.

É isso que o título deste artigo quer dizer. A armadura do Homem de Ferro não é o reator no peito. O reator é o talento, e talento nu no céu é só um homem caindo. A armadura é a estrutura ao redor: a liga, a mira, os sensores, os limites, o sistema que impede o sujeito de virar poeira ao bater no chão. Reconhecimento de gestor está migrando do tamanho do time para a qualidade da armadura.

E aqui está a minha aposta, para eu não ser acusado de escrever bonito sem cravar nada: nos próximos anos as empresas que vão ganhar dinheiro de verdade não serão as que contrataram mais gente nem as que assinaram mais ferramenta de IA. Serão as que colocaram pouca gente muito boa dentro de uma estrutura que agentes e humanos leem igual. O resto vai ficar colecionando piloto (adoro esse termo, “estamos testando IA”) e chamando isso de estratégia.

Três passos, nenhum deles exige que você programe.

Primeiro, escolha um processo que dói toda semana e escreva o contexto dele num arquivo de texto simples, numa pasta da empresa: o que é, quem decide, o que nunca pode acontecer, como se confere a entrega. Não precisa ficar bonito, precisa existir fora da sua cabeça e fora do aplicativo.

Segundo, faça o teste do herdeiro. Pegue a coisa mais inteligente que você automatizou com IA e pergunte quem, além de você, consegue rodar aquilo amanhã. Se a resposta for ninguém, você não construiu processo. Construiu um hobby produtivo.

Terceiro, se esse processo roda sozinho e tem dinheiro em cima, tire o fluxo de dentro do app de IA e coloque num lugar que não pertença a fabricante de modelo nenhum, com a IA sendo chamada de dentro dele, e veja se roda.

A pergunta

A régua velha perguntava quantas pessoas respondem para você. A régua nova é mais dura e mais barata: quanta gente de altíssimo nível você consegue sustentar com uma estrutura que humano e agente leem igual?

Quatro pessoas com repertório, armadura e limites claros entregam mais que trinta apagando incêndio e batendo cabeça. Eu vivi as duas versões e não tenho saudade nenhuma da primeira.

Aprendi muito ali mas hoje estou indo pro norte.

E quem confundir armadura com coleção de skills escondida no próprio computador vai descobrir a diferença no pior dia possível, que é sempre o dia em que a pessoa não está.

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

No dia 9 de julho, uma quinta-feira, a OpenAI publicou no changelog dela uma linha que parece burocrática: “Codex joins the ChatGPT desktop app”. Traduzindo: o agente que trabalha nos seus arquivos entrou dentro do mesmo aplicativo do ChatGPT, no Mac e no Windows. Um app só.

Não teve palco, não teve camiseta preta. Teve uma linha de changelog.

E, um mês antes, tinha vindo outra ainda mais reveladora, essa sim numa terça-feira comum, 9 de junho: um caminho oficial chamado “Import to Codex”, que importa a configuração do Claude Code e do Claude Cowork.

Leia de novo. A OpenAI construiu, dentro do produto dela, o caminhão de mudança pra você sair da casa do concorrente. Nunca vi cortesia tão bem calculada.

Quem já teve oportunidade de baixar o novo Codex “GPT” deve ter reparado que nem com layout ou UIX eles investiram. Copiaram literalmente toda interface do Claude Desktop.

Isso deveria ter sido um problema pra mim.

Eu ensino gestor a montar agente de IA, e o meu curso nasceu ensinando com a ferramenta da Anthropic, o Claude Code. Nasceu casado. Só que, quando li a notícia, não tive que reescrever nada. Tive 15 minutos de trabalho, e olhe lá.

Vou explicar por quê.

A ferramenta é a parte que vai embora

Vamos ao desconfortável: a única certeza que tenho é que o modelo de IA que é o melhor hoje não vai ser o melhor daqui a seis meses. Hoje a OpenAI opera com a família GPT-5.6, a Anthropic com a família Claude, e as duas trocam de geração em ciclo de meses, sem consultar o seu planejamento trimestral e sem pedir sua opinião.

O aplicativo que você usa hoje vai ser redesenhado num anúncio de terça-feira. Ou de quinta, como foi dessa vez.

Estamos no começo de um mercado que ainda vai virar de lado umas quantas vezes, e reclamar disso é perda de tempo. Virar “fanboy” de ferramenta só vai te fazer perder tempo e dinheiro.

E, CASAR com uma delas então meu amigo… sinto pena pra não falar outra coisa…

Não tenho nada contra a ferramenta. Eu uso todas. O problema começa quando você constrói a sua operação DENTRO dela.

E esse é o caminho fácil, por isso quase todo mundo faz. Você abre a ferramenta, ela é boa, tem projeto, tem memória, tem botão pra tudo. Aí você começa a depositar: o jeito da casa de escrever proposta, a regra de desconto que só o dono conhecia, a lista do que nunca se promete pro cliente, o resumo do que aconteceu com aquela conta grande em março.

Começa a criar skills sem fim, joga seus processos no Claude usando as “Routinas” porque é tão mais fácil e rápido…

Vai ficando bom, vai ficando confortável, e sem ninguém decidir nada em reunião nenhuma o manual de operação da sua empresa mudou de dono. Você já remodelou as jornadas, desligou alguns Saas e realocou pessoas.

Agora..vai lá pedir esse manual de volta para a ferramenta que ficou mais cara ou ultrapassada…

O custo que não aparece na fatura

Esse custo é invisível até o dia da troca. Aí ele chega inteiro, de uma vez. Uma paulada na sua cabeça porque você não pensou em arquitetura agnóstica.

Você conhece os sintomas mesmo sem nunca ter dado nome a eles.

O “assistente” que alguém do time treinou durante oito meses e que não sai de dentro daquele chat e nem funciona na outra IA.

A pasta de “prompts que funcionam” no bloco de notas do gerente comercial, que só ele sabe onde está.

A instrução de tom de voz da marca que mora dentro de um projetinho da ferramenta, e que o estagiário novo pede e recebe três respostas diferentes. A planilha que só Deus e uma pessoa entendem.

É a velha dívida de processo, com roupa nova. Trabalho que existe, funciona e gera dinheiro, mas não está escrito em lugar nenhum que seja SEU de verdade.

Já escrevi aqui sobre plantar alface no terreno dos outros (isso foi em maio, na febre do lançamento do Claude for Small Business, veja abaixo:

Fernando Lucio

Claude for Small Business, toda euforia e o risco de plantar alface no terreno dos outros

Li hoje o anúncio do Claude for Small Business com duas reações ao mesmo tempo…

Read more

4 months ago · Fernando Lucio

Isso é a mesma história, só que agora o terreno é simpático, conversa com você e tem memória.

E antes de entrar no meandro técnico (porque agora infelizmente vou ter que explicar um pouquinho mais tecnicamente aquilo que eu venho falando desde o final do ano passado) gostaria só de reafirmar: Olha, preste atenção na arquitetura do que você está construindo.

Não é hora de casar com ferramenta nenhuma.

Há uma guerra acontecendo nesse momento entre os fabricantes de IA’s.

E o prêmio são suas memórias, fluxos, contexto e regras do seu negócio.

Os dois arquivos

Agora o detalhe técnico que virou a prova da minha tese. Comecei a trabalhar na metodologia CAM e no MeuOS em Dezembro/25. E nunca imaginei que em seis meses minha tese já estaria comprovada.

Ele é ridiculamente simples, e é justamente por ser simples que quase ninguém para pra olhar.

O agente da OpenAI, ao entrar num projeto, procura um arquivo de instruções chamado `AGENTS.md`. O agente da Anthropic procura um chamado `CLAUDE.md`. Nomes diferentes, portas diferentes.

E, anotem aí, daqui a pouco teremos o Gemini lendo algo como “google.md” e por aí vai…

O conteúdo é o mesmo: quem você é, o que a sua empresa faz, quem são os clientes, quais são as regras, o que nunca pode ser feito, como se confere uma entrega antes de mandar pro cliente. É texto. Texto puro, que você escreve uma vez, e que fica numa pasta sua, no seu Drive. Não em menus obscuros e arquivos confusos (memory.md) desestruturados e dentro da ferramenta.

Traduzindo pra sua segunda-feira: o motor é deles, o manual de operação é seu. A porta de entrada muda de nome, a casa continua a mesma. Você não guarda o mapa da sua cidade dentro do carro alugado, e ninguém devolve a carteira de motorista na locadora.

No dia em que resolvi rodar a operação nos dois agentes, o trabalho braçal foi esse: copiar um arquivo e mudar o nome dele. As regras, a memória, o histórico das decisões, o que cada projeto pode e não pode fazer, tudo isso já estava fora da gaiola. Porque estava em arquivo de texto meu, e não dentro do app de ninguém.

E BINGO, para todos meus alunos do IA para Gestores, e usuários do MeuOS, o trabalho é ZERO pois já havíamos pensado nisso antes.

A camada que quase ninguém está protegendo

Mas… o arquivo de contexto resolve só metade do problema. Falta a metade que gera dinheiro.

Contexto é o que a IA precisa saber.

Fluxo da Automação é o que a sua empresa faz toda semana, com ou sem alguém olhando: a cobrança que dispara sozinha, o relatório que chega às sete da manhã de segunda, a nota que é emitida, o alerta que aparece quando um número passa do limite, o cliente que respondeu e o time que precisa ficar sabendo antes de prometer besteira.

Isso é alicerce. E é exatamente o alicerce que o mercado inteiro está tentando puxar pra dentro de casa neste momento.

Repare no barulho. Hoje todo aplicativo de IA te oferece um jeito de agendar rotina e montar automação por dentro dele mesmo. É conveniente, é rápido, e o botão está ali na sua cara. Não é maldade, é estratégia: quem segura o seu fluxo segura o seu contrato. A memória eles já tentaram capturar no ano passado. Agora a disputa é pelo que a sua empresa executa sozinha, todo dia, sem você.

E aqui eu preciso ser chato com a palavra da moda: skill.

Skill é ótima.

Eu escrevo skills o tempo todo. Skill é o procedimento da casa escrito de um jeito que a IA consegue seguir. Só que skill nasce colada num agente: a que você escreveu para rodar num não roda no outro sem ajustes, e não vai rodar naquele programa que a sua empresa vai adotar ano que vem. Por isso skill se usa com parcimônia e no lugar certo, que é critério e jeito de fazer.

Skill não é alicerce de automação. É MVP. Custa tokens, tempo e lock-in.

Quando o fluxo já está robusto, mapeado, roda sozinho e tem dinheiro em cima, ele não pode morar dentro da IDE (o programa onde o você escreve as automações) nem dentro do aplicativo que você instalou da fabricante de IA. E isso não é preciosismo de arquiteto. Aquele fluxo virou um pedaço da sua empresa, e pedaço de empresa não mora na casa dos outros.

Fluxo alicerce mora numa plataforma que não é casada com IA nenhuma.

É por isso que a arquitetura que uso na Aion e em todos os meus negócios tem dois andares e nenhum mistério. O contexto e a memória vivem no MeuOS, em arquivos que são meus. Ficam no meu drive. (Google Drive, OneDrive, Github, etc…) Não trancados dentro de aplicativo de IA. Isso é o futuro da minha empresa.

Os fluxos vivem no n8n, uma plataforma de automação que não pertence a nenhuma fabricante de modelo, e de onde eu baixo a operação inteira num arquivo JSON, com um único clique.

Os agentes são convidados: entram no fluxo, fazem o trabalho pesado que só eles fazem bem, e vão embora. Posso chamar e usar vários.

Quem manda é o fluxo. A IA é combustível, não motor.

E, sendo peça, ela troca. Hoje um pedaço da operação chama o agente da OpenAI, outro chama o da Anthropic, outro chama o Gemini, porque cada um é melhor numa coisa e mais barato em outra.

Amanhã pode ser um OpenClaw, um Hermes, ou um nome que ainda não existe. Quando uma delas dobrar de preço ou ficar para trás numa geração, eu troco a chamada e o fluxo nem percebe. Não tenho fidelidade a fornecedor nenhum, e desconfio de quem tem. Se alguem lhe disse “faça tudo no Claude”, desconfie.

Agora faça o exercício contrário. Essa mesma automação, construída dentro do agendador do aplicativo de IA. A fabricante dobra o preço, muda o plano, ou simplesmente decide que aquele recurso agora chama outra coisa. E você não tem o que trocar, porque a sua automação É a ferramenta dela.

Se você tem time de tecnologia, leve uma pergunta pra próxima reunião com eles, e leve como risco de negócio, porque é exatamente isso que ela é: qual parte da nossa operação hoje só existe dentro do produto de um fornecedor? Se ninguém souber responder na hora, você acabou de achar o seu primeiro problema. E ele é muito mais barato de resolver hoje do que no dia da migração.

A confissão

Confesso, eu estava um pouco angustiado com esse artigo na garganta. Ok, aceito a crítica.

Porque eu defendo portabilidade e a liberdade de ter meus arquivos onde eu quiser em toda turma, com uma insistência que meus alunos já acham chata.

Sempre alguém fala “mas para que o n8n se o Claude já faz isso?”

O que me salvou não foi sorte, e muito menos faro de mercado.

Foi arquitetura decidida antes de sair fazendo. Como o contexto morava em arquivos meus e os fluxos moravam fora do app, o lançamento da OpenAi não doeu. Duplicar o motor inteiro do curso (até então baseado em Claude) custou menos de uma tarde: os mesmos arquivos passaram a servir os dois agentes, e a aula ganhou um segundo caminho. Se o método vivesse dentro da ferramenta, teria sido ao menos um mês de trabalho, e eu ia descobrir isso com turma marcada e aluno sentado na sala.

E tem o detalhe que muda a conta de qualquer empresa: o agente da OpenAI está incluso em todos os planos do ChatGPT, inclusive no gratuito, com limites, cobrado por crédito conforme o uso. A barreira de entrada do outro lado virou zero. Pense em quantas pessoas do seu time já têm o ChatGPT aberto agora, e em quantas nunca pagaram um centavo pra Anthropic.

Segunda-feira de manhã

Se você chegou até aqui achando que isso é papo de programador, é exatamente o contrário. Essa conversa não é de TI, é de gestão e de Diretoria. TI escolhe ferramenta. Diretoria decide de quem é o método e de quem é o alicerce da casa.

Quatro passos, e nenhum deles exige que você saiba programar:

1. **Escolha um processo que dói toda semana.** Um só. Aquele que precisa ser reexplicado sempre, que depende de uma pessoa específica, que trava quando ela viaja.

2. **Escreva o contexto dele num arquivo de texto, numa pasta sua.** O que é, quem decide, quais são as regras, o que nunca pode acontecer, como se confere se ficou bom. Não precisa ficar bonito. Precisa existir fora da sua cabeça e fora do aplicativo.

3. **Se esse processo roda sozinho e tem dinheiro em cima dele, construa o fluxo fora do app de IA**, numa plataforma que não pertença a nenhuma fabricante de modelo, e deixe a IA ser chamada de dentro do fluxo. Alicerce não se apoia no chão dos outros.

4. **Rode o mesmo contexto em dois motores diferentes, na mesma semana.** É o teste que ninguém faz e o único que diz a verdade. Se funciona nos dois, você tem método. Se só funciona num, você não tem método, tem dependência com data de validade.

O passo 4 é o pulo do gato. Custa uma hora e uma pitada de coragem.

Mas já parou pra pensar o quanto seria bom rodar todos fluxos que você está criando, com a mesma qualidade, em um modelo chinês que custa 15X menos que o Claude?

Talvez não seja possível agora, mas usando o MeuOS com certeza será possível no futuro.

A pergunta

O barulho do mercado empurra você pra uma pergunta pequena: qual é a melhor IA agora? Essa pergunta tem prazo de validade de seis meses. Você vai respondê-la de novo, e de novo, e de novo, pra sempre.

A linha do changelog vai voltar a aparecer. Numa terça, numa quinta, com outro nome, de outra empresa. Sempre volta.

Então a pergunta que muda o seu negócio é outra, e é bem mais dura:

Se a sua ferramenta de IA sumisse amanhã, o que sobra da sua operação?

Responde com sinceridade, porque essa resposta é o valor real do que você construiu.

Contexto em arquivo seu, fluxo numa plataforma que não é de fabricante nenhum, e a IA entrando como convidada, trabalhando e podendo ir embora quando não servir mais. Isso tem um nome, e o nome é arquitetura. Arquitetura é decisão que só sai barata enquanto é cedo, e agora ainda é cedo.

Quem deixar pra depois vai pagar no pior dia possível, que é sempre o dia em que a ferramenta muda de preço, de dono ou de ideia.

Todo o resto é assinatura mensal ou consumo de tokens.

---

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. Criou o MeuOS porque sempre achou ruim plantar alface no terreno dos outros. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

O dia em que meu próprio agente mentiu sobre meu próprio produto

Era um sábado de abril eu acho. Estava fechando uns ajustes no ListAi, um dos meus microsaas (listas de compras por Telegram) que na época tinha 73 usuários ativos. Antes de tocar o código, fiz uma pergunta de rotina pro Tars, meu agente CTO que mora no meu computador:

“Que modelo de IA a gente usa pra processar as mensagens do Telegram?”

Resposta firme, sem hesitar: “GPT-4o como primário, Gemini 2.5 Flash como fallback.”

Bateu com a documentação. O arquivo de regras do projeto dizia isso. O documento mestre dizia isso. Dez documentos diferentes, todos lidos pelo agente antes de cada sessão, repetiam a mesma informação.

Só tinha um problema: estava errado.

Fui conferir no código. Na função real que processa cada mensagem do Telegram, a lógica era outra: Gemini 2.0 Flash como primário, GPT-4o-mini como fallback. Nem o modelo estava certo, nem a versão, nem a ordem.

Fui olhar quando a troca aconteceu. Final de março, quase quatro semanas antes. Em algum momento alguém mudou (eu, o agente, ou a ferramenta visual que também editava o código na época) e nenhum dos dez documentos que eu uso como memória do projeto foi atualizado. Quatro semanas operando com documentação errada sobre o ativo mais caro do produto, a camada de IA que custa dinheiro real por mensagem processada.

Fiquei olhando pra tela uns minutos sem fazer nada. Porque eu achava que isso não podia mais acontecer.

A ilusão que eu tinha

Quem acompanhou os artigos anteriores dessa série sabe o que eu já tinha em pé. A Revisão Diária do “Fim do dia” captura tudo ao final de cada sessão: aprendizados, pendências, decisões do dia, tudo estruturado e registrado. O Otimizar OS faz a poda inteligente: não condensa por idade, classifica por tipo. Regra perene fica, evento pontual vira histórico, documento que incha ganha um satélite. Os dois rodando há meses, redondos.

Esses dois ciclos eram o que eu chamava de “metabolismo do OS”: nutrição todo dia, poda quando o sistema acumula peso. Parecia completo. Não era.

Os dois têm uma característica em comum que eu não tinha percebido: são autorreferentes. A Revisão Diária captura o que eu digo que aconteceu. O Otimizar OS reorganiza o que já está escrito. Nenhum dos dois sai do próprio documento pra conferir se o conteúdo lá dentro ainda é verdade.

É como um chef que revisa o caderno de receitas todo fim de semana: corrige ortografia, reorganiza por categoria, arquiva as receitas velhas. Mas nunca entra na despensa pra conferir se os ingredientes listados ainda estão lá. O caderno fica lindo, e os jantares começam a desandar. O chef acha que o sistema está vivo porque o caderno está organizado. Só que o caderno parou de refletir a cozinha faz tempo.

Foi o que aconteceu comigo, por quatro semanas.

Cinco tipos de desvios que nenhuma “poda” pega

Saí daquele sábado com uma hipótese feia: se o ListAi tinha um desvio de quatro semanas sem ninguém notar, o que estaria acontecendo nos outros projetos?

No domingo fui olhar minha consultoria maior, uma operação com centenas de profissionais alocados em grandes empresas e uma documentação enorme: vinte arquivos na raiz, outros tantos em subpastas, tudo passado pelo Otimizar OS, tudo capturado pela Revisão Diária. Na primeira pergunta fiquei surpreso. Na quinta, preocupado. Na décima, entendi o tamanho do buraco.

**Desvio 1: contagens que congelaram no tempo.** O documento mestre dizia 178 profissionais alocados. Conferi no banco: 271. O sistema tinha crescido 50% sem que a documentação refletisse. Três semanas de crescimento real escondidas atrás de um número velho.

**Desvio 2: fases de projeto paradas no passado.** O arquivo de regras dizia “Fase 2 avançada, Fase 3 iniciando”, com data de 28 de março. Na realidade do dia 20 de abril, a Fase 3 estava em execução pesada e uma das três planilhas críticas que o projeto prometeu eliminar já estava implementada no sistema, com 2.178 registros importados. A documentação dizia “pendente”. O código dizia “feito”. Ninguém notou.

**Desvio 3: decisões que mudaram de arquitetura.** Uma pendência dizia “integração testada, criação de vagas OK”. Foi testado mesmo. Só que no início de abril o fluxo inteiro mudou: o projeto não criava mais vagas diretas, criava requisições de aprovação. Outra arquitetura, outro caminho, outras tabelas. A documentação não sabia.

**Desvio 4: contadores de conteúdo.** O sistema de ajuda interno dizia “32 artigos indexados”. Real: 42. Dez artigos criados no meio do caminho sem que ninguém atualizasse a contagem em lugar nenhum.

**Desvio 5: débito sem data de quitação.** Duas semanas antes, o time tinha feito uma migração grande e criou quatro tabelas de backup no banco pra poder reverter se desse problema. Estavam lá, ocupando espaço, sem ninguém ter registrado quando seria seguro deletar. Lixo com aparência de documento.

Cinco categorias, e nenhuma delas foi “capturada” pela poda nem pela captura diária. Todas corroem a confiança na documentação ao mesmo tempo.

A pergunta que finalmente fiz

Depois de bater de frente com esses desvios em dois projetos diferentes, parei pra fazer a pergunta que devia ter feito antes: quando a documentação vira folclore?

Folclore é aquilo que todo mundo repete, que ninguém verifica, e que vai se afastando da realidade com o tempo. Minha vó contava história do bairro onde ela nasceu como se ainda fosse verdade, mesmo sabendo que a praça mudou, o armazém fechou, os vizinhos morreram. Na cabeça dela, a história continuava boa. Ninguém conferia.

Documentação tem o mesmo destino se não for calibrada. Passa de “fonte de verdade” a “o que um dia foi verdade”. O agente continua repetindo porque está escrito. O leitor continua acreditando porque o documento parece bem organizado. Todo mundo toma decisão em cima de um mapa antigo.

E tem um detalhe cruel: no momento em que alguém percebe que a documentação está errada, ela perde o valor inteiro, não só o trecho errado. A partir dali ninguém consulta mais. “Ah, o documento diz X, mas na prática é Y” vira resposta padrão, o documento vira peso morto e o OS vira ornamento. Esse é o preço de nunca calibrar.

Existe um estudo clássico sobre isso. Uma pesquisadora chamada Elizabeth Loftus mostrou nos anos 70 que a memória humana não guarda fatos: ela reconstrói os fatos a cada vez que é acessada, e cada reconstrução tem erro. Com o tempo, as lembranças ficam mais seguras e menos corretas ao mesmo tempo. A pessoa tem certeza absoluta de algo que nunca aconteceu exatamente daquele jeito.

A documentação do meu OS estava tendo falsas memórias. E como toda falsa memória, soava muito convincente.

Eu precisava de um mecanismo que saísse do documento e fosse conferir a realidade. Um mecanismo que não confiasse no próprio sistema, que desconfiasse dele.

A skill nova: confere-mds

Duas semanas depois daquele sábado, a skill `confere-mds` estava pronta. Nome direto: confere os markdowns contra a realidade. O método é simples de explicar, chato de implementar, e radicalmente diferente das duas skills anteriores.

**Primeiro passo: descobrir onde mora a verdade.** Para cada projeto, a skill lê as regras e descobre quais são as fontes reais: o banco de dados, o repositório de código, os fluxos automáticos, as integrações externas. Não é um catálogo fixo. Num microsaas a fonte é o banco e o repositório; numa consultoria entram as automações; pra um aluno do meu curso pode ser só uma planilha no Google. A skill se adapta ao que existe.

**Segundo passo: extrair afirmações verificáveis.** Ela varre cada documento procurando frases que podem ser checadas contra a realidade: “23 tabelas”, “42 artigos indexados”, “Fase 3 em execução”, “GPT-4o primário”. Cada frase dessas vira um registro com três informações: de onde veio, o que afirma, como se verifica.

**Terceiro passo: conferir.** Cada afirmação é cruzada com a fonte apropriada. Contagem de tabelas? Pergunta ao banco. Modelo de IA primário? Lê o código e vê qual é chamado primeiro. Não tem mágica nenhuma: tem trabalho braçal, feito rápido porque é um agente fazendo.

**Quarto passo: três tabelas para aprovação humana.** Aqui está o coração da skill. Depois de conferir tudo, o agente monta três tabelas: os ajustes de conteúdo (”documento X diz Z, deveria dizer W, porque a fonte diz W”), os problemas de estrutura (arquivos órfãos, documentos gordos, seções vencidas) e as pendências soltas que deveriam subir pro documento mestre pra ganhar visibilidade. Eu olho, aprovo o que faz sentido, rejeito o que não faz. A skill executa o aprovado em lote e registra tudo no diário do projeto.

**Quinto passo: carimbo de data.** Cada rodada grava a data da última calibração. Quando a Revisão Diária roda, ela olha esse carimbo: se passou tempo demais, ou se o histórico cresceu demais desde a última rodada, ela sugere calibrar de novo.

O resultado das duas primeiras rodadas, nos dois projetos: 48 ajustes de conteúdo aprovados, 11 itens de estrutura corrigidos e 8 pendências esquecidas promovidas pro documento mestre, onde eu realmente as veria. Em dois dias. Sem eu precisar bater o olho em cada linha: bati o olho nas tabelas resumidas e disse “pode”.

Por que funciona onde as outras não atuavam?

A diferença crítica entre essa skill e as duas anteriores está em uma palavra: fonte.

A Revisão Diária tem como fonte o que eu digo. Se eu não contar que troquei o modelo de IA, ela não captura. O Otimizar OS tem como fonte os próprios documentos: se uma contagem estiver errada, ele não tem base pra duvidar. O `confere-mds` tem como fonte o sistema real. Ele lê o código em vez da narrativa sobre o código, e pergunta ao banco em vez de confiar no resumo do banco.

Um cara chamado Walter Cannon, fisiologista americano, descreveu em 1929 um conceito que todo mundo ouviu na escola e quase ninguém para pra pensar: homeostase. É o que faz seu corpo manter 36,5 graus num dia de calor e num dia de frio. Funciona como o termostato do ar-condicionado: um sensor mede a temperatura o tempo todo e, quando detecta desvio, aciona a correção. Sem o sensor, o aparelho continua ligado, gastando energia, parecendo que trabalha. Só não entrega mais a temperatura certa.

Documentação sem calibração é corpo sem sensor. Pode estar funcionando, pode parecer saudável, mas já perdeu a referência do que é o estado certo, e qualquer desvio persiste pra sempre. Homeostase não é elegância opcional: é o que separa organismo vivo de matéria inerte.

Por que a decisão final é humana

Se a skill consegue descobrir o que está errado, por que não corrige sozinha?

Essa foi a primeira tentação. Automatizar tudo, deixar a skill detectar e ajustar sem minha intervenção, dez projetos calibrados em dois minutos.

Não quero.

Tem uma categoria inteira de desvio que não é erro, é decisão. Um documento pode estar “desatualizado” de propósito: mostrando a versão antiga porque ainda não é hora de oficializar a nova, ou com uma pendência marcada como aberta porque eu quero continuar lembrando dela. O contexto humano é exatamente o que a fonte real não tem. Defendo isso nos meus workshops até cansar: a IA faz o trabalho braçal de comparar, o humano faz o trabalho crítico de decidir. São funções diferentes, e nenhuma pode desaparecer.

Exame não é diagnóstico. O exame entrega um número; o diagnóstico entrega uma decisão. Confundir um com o outro mata gente.

O metabolismo completo do OS

Com o `confere-mds` no lugar, o OS pessoal ganhou o que faltava. Agora são quatro ciclos, cada um fazendo uma coisa que os outros não fazem.

**Nutrição (Fim do Dia).** Alimenta o sistema com o que aconteceu. Roda todo dia.

**Poda (Otimizar OS).** Mantém a forma: compacta o temporal, preserva o perene, promove regra pro lugar certo. Roda quando o sistema acumula peso, mais ou menos uma vez por mês.

**Calibração (Confere MDs).** Garante que o conteúdo ainda reflete o mundo real: números, versões, status. Roda a cada trimestre, ou quando alguma coisa cheira estranho.

**Otimizar Custo.** Retira duplicidades perdidas em sua documentação economizando janela de contexto e tempo de processamento.

Sem qualquer um dos quatro, o OS degrada. Com os quatro, ele se mantém vivo.

O que isso ensina pra quem tem qualquer sistema de conhecimento

Esse artigo é sobre IA, mas a lição é mais antiga que qualquer tecnologia. Quem já trabalhou em organização grande conhece o fenômeno: o manual de processos que ninguém lê porque “está desatualizado”, a wiki interna que foi útil no primeiro ano e virou monumento, o Notion lindo que no sexto mês ninguém abre mais (aposto que você está lembrando de um agora). Por que morrem todos do mesmo jeito? Porque foram montados, podados quando deu tempo, e nunca calibrados.

Cinco lições que eu guardei depois desses dois dias de auditoria:

**1. Documentação decai silenciosamente.** Você não percebe no dia seguinte nem na semana seguinte. Percebe quando alguém toma uma decisão baseada nela e dá errado. Nesse ponto, ela já perdeu o valor inteiro.

**2. Organizar não é verificar.** Todo sistema de documentação tem cerimônia de arrumação: reunião de review, dia de limpar arquivo, semana de reorganizar pasta. Zero desses rituais confere se o conteúdo ainda é verdade. Confundir arrumação com calibração é a armadilha clássica.

**3. Números são os primeiros a mentir.** Quantidade de clientes, versão de ferramenta, fase de projeto: são as informações mais frágeis, porque mudam silenciosamente e raramente alguém atualiza na hora. Merecem verificação dedicada.

**4. A verificação tem que vir de fora.** Sistema que confere a si mesmo não descobre falha. A calibração precisa sair do documento e ir até a fonte real, seja banco, código, planilha ou relatório. Se não sai, não calibra.

**5. A decisão final é humana.** O que está desatualizado por erro e o que está desatualizado de propósito, só o humano sabe. Automatizar a correção parece eficiente até o dia em que a máquina apaga uma pendência que você queria manter aberta. A fricção da aprovação é o recurso, não o defeito.

Na era da IA documentação não é registro do passado. É o mapa que decide o próximo passo.

E mapa que ninguém confere vira folclore. Igual saci pererê ou mula sem cabeça.

--

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

**Fernando Lucio** | Julho 2026 |

O cemitério invisível

Eu comecei a empreender com 16 anos vendendo couve em um carrinho de mão no bairro que eu morava com meus pais, onde consegui dinheiro para comprar meu primeiro video game e meu primeiro computador.

Abri a primeira empresa formal com 20 anos, durou 14 meses e quebrei. Fiquei 4 anos com nome sujo no SPC e SERASA até quitar todas dívidas.

De lá pra cá já perdi a conta de quantos negócios vi nascer e morrer no meu círculo de amigos. Alguns duraram anos. Outros duraram meses. Alguns nem chegaram a existir de verdade — morreram entre a empolgação do início e a primeira conta de luz ou do primeiro processo trabalhista modelo “ovo” (sem pé nem cabeça).

Sou empreendedor.

Isso soa bonito em palestra ou podcast, mas na prática significa que eu tenho também um cemitério de ideias e negócios na mochila. E não só meus. Nos últimos 20 anos empreendendo, convivi intensamente com outros empreendedores — sócios, parceiros, mentores, colegas, amigos que também abriram, apostaram e quebraram. Jantares que começavam celebrando um novo negócio e terminavam com alguém contando que fechou o anterior. Grupos de WhatsApp onde a cada mês alguém sumia porque “não deu certo”. Conselhos de empresas onde eu via por dentro negócios bonitos por fora, lutando pra sobreviver por dentro.

E cada história — minha ou de alguém do meu círculo — ensinou alguma coisa. Na maioria das vezes, a mesma coisa: o negócio não morreu por falta de ideia ou de esforço do time ou de trabalho de todos. Morreu por uma fragilidade que ninguém enxergou quando estava empolgado demais para enxergar.

Uma fragilidade regulatória — o governo muda uma regra e o modelo de negócio inteiro vira pó. Um problema político no Brasil e um ecossistema inteiro entra em parafuso.

Uma dependência absurda de pessoas “motivadas” que não deveria existir. Um negócio que é lucrativo até a hora que cresce e precisa de um BackOffice gigante — analistas, supervisores, conferentes, gente que audita gente que deveria fazer o trabalho, gestores de gestores — que deteriora completamente a margem e traz custos e improdutividade que não existiam quando a empresa era pequena.

Processos que não escalam sem gente, exigindo contratar 10 pessoas a cada 50 clientes novos. Níveis médios de gestão que em vez de jogar a favor da empresa, criam feudos, burocratizam e travam tudo. Um modelo de crescimento que exigia mais braço humano a cada cliente novo. Uma escala que só funcionava se o dono estivesse lá, presente, todo dia, resolvendo coisa que nenhum dono de negócio deveria estar resolvendo.

Eu não vou citar nomes de negócios aqui — não é o ponto. O ponto é o padrão. Porque depois de 20 anos vivendo e observando isso de perto, o padrão ficou nítido: ideias boas morrem o tempo inteiro. O que separa uma ideia que sobrevive de uma que morre não é a ideia em si.

É a base e a estrutura ao redor dela.

Por que isso importa agora

Estamos em 2026.

A Inteligência artificial generativa (vulgo “IA”) reduziu o custo de construir um produto digital de meses para dias. De centenas de milhares de reais com times de 20 pessoas e 6 meses de sprints para um MVP em 3 dias que custa menos de dois hambúrgueres em tokens. Qualquer pessoa com uma ideia e acesso a um agente de IA consegue levantar um MVP funcional no fim de semana. Só precisa saber pedir e perguntar.

Isso é extraordinário. E é perigoso.

Perigoso porque o gargalo mudou. Antes, o gargalo era construir. Era caro, demorado, técnico. Isso funcionava como um filtro natural — se você não tinha recursos para construir, a ideia ruim morria antes de causar estrago demais.

Era um filtro cruel, mas eficiente.

Ideia (coisa) ruim se mata no ninho já dizia o “poeta”.

Agora construir é fácil. E quando construir é fácil, o filtro natural some. Você constrói rápido, lança rápido, e descobre tarde demais que o negócio tem uma fratura estrutural que nenhuma quantidade de código ou nova feature do Claude resolve. O custo de construir caiu. O custo de operar um negócio frágil continua o mesmo. Custos fixos, impostos, funcionários, regulação, churn, suporte — nada disso ficou mais barato porque a IA sabe programar.

Por isso os filtros que eu vou compartilhar aqui são mais relevantes hoje do que eram há cinco anos. Não porque construir ficou mais difícil e sim justamente porque ficou mais fácil. Quando qualquer um pode construir qualquer coisa em 10 dias, a pergunta deixa de ser “consigo construir?” e passa a ser “vale a pena construir?”

De onde vieram as 18 perguntas

Não sentei numa mesa e inventei uma lista. Não li num livro. Não copiei de um framework de venture capital.

Cada uma dessas 18 perguntas nasceu de uma cicatriz minha ou de alguém próximo. De um negócio que pareceu brilhante no PowerPoint e desmoronou na realidade. De um modelo de receita que parecia escalável até a hora de escalar de verdade e perceber que escalar significava contratar mais gente, que significava mais gestão, mais camadas, mais custo e menos tempo para pensar no produto ou no cliente.

De conversas honestas com outros empreendedores que passaram por exatamente a mesma coisa e tiveram a generosidade de compartilhar o que aprenderam.

Com o tempo, fui refinando. Toda vez que uma ideia nova aparecia, minha ou de alguém, eu testava contra o que já tinha aprendido e observado. “Isso aqui vai exigir vendedor ativo? Vai exigir aquele papo de mailing e abordagem ativa?” Se sim, cuidado. “Isso depende de uma regulação que pode mudar?” Se sim, cuidado. “Isso escala com mais vendas ou com mais horas minhas?” Se for horas, cuidado.

As perguntas foram se cristalizando. Hoje são 18. Não são sugestões. Para mim são filtros invioláveis. Se uma ideia não sobrevive a uma delas, eu não perco um minuto a mais pensando nela. Não importa o quão boa ela parece. Não importa quem trouxe. Não importa o tamanho do mercado.

Quer seguir? Boa sorte, te desejo sucesso, mas eu não vou junto. Me deixa (como diria o Rappa)

Uma falha em um filtro é suficiente para matar a ideia.

E as pessoas me procuram ao final de cada palestra ou curso com uma “mega ideia”. E às vezes não entendem meu compromisso com essas 18 perguntas.

Leiam com calma e reflitam. Eu? Estou “estou indo pro norte”, abraçado com elas.

Os 18 Filtros

### 1. É escalável sem investimento físico ou pessoas?

Se para dobrar o faturamento eu preciso dobrar o escritório, dobrar o time, dobrar o estoque — não é um negócio, é um emprego disfarçado. Escala real significa que a receita cresce e a estrutura fica parecida.

### 2. Pode ser replicado em dólar, euro, real e outras moedas?

Se o negócio só funciona numa moeda, ele está preso a uma economia. Economias têm ciclos. Moedas desvalorizam. Um negócio que nasce multi-moeda já nasce com um seguro natural.

### 3. Está livre de amarras regulatórias que podem mudar do nada?

Governo, agência reguladora, autarquia, auditoria e por aí vai — qualquer entidade que pode acordar numa segunda-feira e mudar as regras do jogo sem te consultar. Se o seu negócio depende de uma regulação permanecer como está para sobreviver, ele não está nas suas mãos. Está nas mãos de alguém cujo interesse não é empreender e gerar valor.

### 4. Você define o preço?

Se um marketplace, uma plataforma, um parceiro, um fornecedor, um sindicato ou um concorrente dita o seu preço, você não tem um negócio. Tem uma concessão mascarando um emprego comissionado. Precificação própria é soberania. Se você não pode colocar preço no valor que agrega, você é dispensável na cadeia, irrelevante e será o primeiro a sofrer.

### 5. É possível subir um MVP em menos de 20 dias e com custo inferior a dois salários mínimos?

Se a ideia exige 6 meses de desenvolvimento e meio milhão antes de validar, o risco é desproporcional. As melhores ideias podem ser testadas rápido e barato. Se não pode, talvez a ideia seja grande demais para o estágio atual — ou frágil demais para justificar o investimento.

### 6. É basicamente um negócio de pá?

Na corrida do ouro, quem enriqueceu não foi quem cavou. Foi quem vendeu a pá. Negócios de pá vendem a ferramenta para quem está na corrida — não correm a corrida junto. É a diferença entre depender do resultado do cliente e depender da necessidade do cliente.

### 7. O backoffice pode ser 100% automatizado?

Se o negócio precisa de pessoas para sustentar processos manuais, planilhas, conferências, aprovações manuais e gambiarras de bastidor sinto te dizer mas ele carrega um tumor operacional que um dia vai te matar de surpresa. Toda hora dedicada a backoffice manual é uma hora que não vai para produto, venda ou estratégia. Suas reuniões precisam falar do cliente e não dos problemas de gestão de BackOffice.

Gaste seu tempo com o CLIENTE, almoce com ele, visite ele, escute ele. O dinheiro está lá. Não no “backoffice”.

### 8. As pessoas envolvidas são inteligentes o suficiente para automatizar em vez de repetir?

Não basta o dono querer automação se o time prefere fazer na mão “porque sempre foi assim” ou porque “não entendo de IA para automatizar, isso é coisa de TI, é complicado”. As pessoas certas olham para uma tarefa repetitiva e pensam: “como faço para nunca mais precisar fazer isso?” As pessoas erradas olham para a mesma tarefa e pensam: “que horas eu faço isso amanhã?”

### 9. As pessoas dispensam endomarketing, RH e controle de horas?

Se eu preciso de um departamento inteiro para motivar as pessoas de outro departamento a fazerem aquilo que se comprometeram a fazer quando foram contratadas, algo está estruturalmente errado. As pessoas certas sabem quando precisam estar presenciais e quando podem trabalhar remotas sem precisar de “políticas”. Sabem quando trabalhar e quando parar. Operam com senso de responsabilidade adulto, sem relógio de ponto e sem palestra motivacional.

### 10. O breakeven vem de forma orgânica, sem venda ativa?

Se o negócio precisa de vendedores empurrando o produto na goela do cliente para sobreviver, o negócio não se sustenta sozinho. O volume de vendas necessário para o breakeven deveria vir de forma receptiva: seu produto é bom, agrega valor, o cliente busca, encontra, entende o valor e compra. Se o cliente acha o produto “chato” e não busca por conta própria, tem algo errado na proposta de valor.

### 11. O produto agrega valor real e a cobrança é proporcional?

Se o produto não gera resultado mensurável para o cliente, o preço será sempre uma discussão. Se gera, a cobrança é consequência. Valor real significa que o cliente percebe o antes e o depois, e o depois é melhor. Quando o produto é bom, ninguém discute preço.

### 12. O produto é importante, mas não é “core” do cliente?

Esse filtro é contraintuitivo. E talvez seja polêmico e pessoal. Eu quero que meu produto seja importante para o cliente, mas não quero que ele seja a missão crítica do negócio dele. Se meu produto cair e o negócio do cliente parar, eu vou precisar de SLA de 99.99%, time de suporte 24/7, seguro, contrato com corpo jurídico robusto e fallback para tudo. Isso custa caro, escala mal e transforma meu negócio num refém do medo do cliente. O ponto ideal: importante o suficiente para pagar, leve o suficiente para não exigir bunker.

### 13. O crescimento vem de mais vendas automáticas ou mais consumo, não de mais horas?

Se escalar o negócio significa fazer mais customizações, mais horas de consultoria, mais projetos sob medida — o crescimento é linear e depende de braço. O negócio certo cresce por mais clientes comprando de forma automatizada ou mais clientes consumindo mais do que já compraram — sem que eu precise estar envolvido em cada expansão.

### 14. O negócio é simples e honesto?

Simples.
Se precisa de letra miúda, cláusula escondida, ou depende do cliente não entender completamente o que está comprando, não é negócio. É armadilha. Seu negócio está baseado em termos ou contratos com mais de três páginas, multas, condições de exclusividade, anexos, garantias e por aí vai? Boa sorte nas reuniões sem fim com jurídico! Eu não estarei lá com você.

### 15. Fica de pé seguindo 100% das regras?

Tributação, trabalhista, regulatória, fiscal. Se o negócio só é viável com “jeitinho”: uma contratação disfarçada, um benefício fiscal temporário, uma brecha regulatória — ele não está de pé. Está apoiado num arame que alguém vai cortar. Leis existem, você tem a opção de mudar de País ou não abrir um negócio.

### 16. Oferece margem mínima de 40% de retorno anual no voo de cruzeiro?

Se o negócio maduro, operando em velocidade de cruzeiro, entrega menos de 40% de retorno anual, o risco não compensa. Existem investimentos passivos que entregam 15-20% sem dor de cabeça. Um negócio que exige minha energia, minha inteligência, meu tempo e meu risco precisa pagar significativamente mais do que o que eu conseguiria sem fazer nada correndo minhas maratonas por aí.

### 17. Nunca fazer a mesma coisa duas vezes?

Se uma tarefa precisa ser feita pela segunda vez, ela deveria ser automatizada na primeira. O tempo gasto ensinando um robô a fazer é investimento. O tempo gasto fazendo manualmente de novo é desperdício. Esse filtro é menos sobre o negócio e mais sobre a mentalidade de quem opera, embora eu acho que se a ideia exige atividades repetitivas que não podem ser automatizadas, ela já nasceu velha e ultrapassada.
Ah Fernando, mas é uma automação chata e que pode levar semanas para fazer?
Falou quem faz onboarding de 2 semanas e treinamento de 3 meses com funcionários para depois descobrir que contratou errado.
PS: Já existem OpenClaw, Hermes e companhia… sugiro assistirem meu curso para conhecerem a Samantha e o Tars.

### 18. O cliente tem orgulho de usar e recomendar?

A última pergunta é sobre dignidade.

Se o cliente usa porque precisa mas tem vergonha de admitir que usa, o produto resolve uma dor mas não gera identidade. Ele vai trocar na primeira alternativa que aparecer. O produto certo é aquele que o cliente recomenda sem ser perguntado — porque usar ele diz algo positivo sobre quem usa. É possível ganhar dinheiro ensinando e levando alegria, a gente pode ser leve também, rir e se divertir empreendendo.

Como eu uso os filtros na prática

As pessoas me perguntam o tempo inteiro sobre ideias e me chamam para negócios. Nas palestras, nos workshops, nas aulas. “Fernando, tive uma ideia, o que você acha?” Mandam mensagem, marcam café, pedem 15 minutos. Sempre a mesma energia: olho brilhando, slide bonito, mercado gigante e um pitch violento.

Eu ouço.

Depois faço a mesma coisa: passo a ideia pelos 18 filtros. Não preciso passar por todos, geralmente, nos primeiros 5 ou 6, já aparece uma fratura. Quando aparece, eu falo: “Olha, a ideia é boa. Mas ela não sobrevive ao filtro número tal. E isso significa que, por mais que você construa bem, o negócio vai carregar essa fragilidade para sempre.”

Alguns entendem. Ajustam a ideia. Redesenham o modelo. Voltam com uma versão que passa.

A maioria insiste. “Mas no meu caso é diferente.”

Não é. Nunca é. As fragilidades estruturais não respeitam otimismo.

O que nunca faço é ignorar um filtro. Se a ideia falha em um, ela falha. Não tem “compensa nessa outra parte”. Não tem “a gente resolve depois”. Resolver depois é o lema de todo negócio que está morrendo devagar.

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto. Ele criou o método www.meuos.com.br para garantir memória e aprendizado perene para seus agentes de IA, de forma agnóstica e sem ficar amarrado a nenhuma delas.

No dia 24 de junho de 2026, o Nate publicou na newsletter dele, no Substack, um texto com uma ideia simples: talvez a gente esteja olhando para os agentes de IA do jeito errado.

O título fala em “AI Loop Managers”. Gestores de loops.

Eu gosto muito desse nome e confesso que tenho certo pesar de não ter proposto isso primeiro… porque ele tira a IA da firula bonitinha e joga ela em um patamar diferente. Não é o robô simpático de atendimento (todo mundo só pensa nisso), não é o assistente mágico que entende tudo, decide tudo e sai clicando em botões como se a sua rotina fosse um comercial de startup, e também não é mais um aplicativo com uma caixinha de chat colada em cima (em breve aposto que até o Ifood vai fazer isso, anotem..).

É outra coisa. É a IA cuidando daquele trabalho invisível que acontece entre uma tarefa e outra.

E esse trabalho é o que mais cansa, parem pra pensar:

A era dos apps nos treinou a clicar em quadrados

Por anos, a promessa foi simples: para cada problema, um app.

Quer falar com o time? Teams ou Meet. Quer organizar tarefa? Trello, Asana, Notion, ClickUp, ou qualquer um dos 47 nomes que alguém vai defender como se fosse time de futebol. Quer mandar e-mail? Gmail. Quer olhar agenda? Calendar. Quer cobrar cliente? CRM. Quer publicar? Rede social. Quer perder um tempinho? Instagram.

Cada app resolveu um pedaço. Mas ninguém resolveu o fio entre os pedaços. E esse fio ficou dentro da sua cabeça.

Você virou a camada de integração.

O problema não é fazer a tarefa. É lembrar por que ela existe.

Mandar um e-mail pode levar dois minutos. Saber qual e-mail mandar, para quem, o que não prometer, quem já respondeu, quem sumiu, qual contexto mudou desde ontem e qual próximo passo depende disso tudo pode levar meia hora. Ou pode ocupar um pedaço da sua memória pelo dia inteiro.

E esse pedaço não aparece em lugar nenhum. Ninguém chama isso de trabalho. Mas é trabalho. Caro e complexo.

O mesmo vale para uma viagem da escola do filho. Levar lanche não é difícil. O difícil é lembrar que teve e-mail da escola, previsão de chuva, horário diferente de busca, conflito na agenda, e que a criança cresceu e a capa de chuva não serve mais. Cada coisa está num lugar. O trabalho real é conectar.

Na empresa é igual. Um cliente pede atualização. Parece simples. Mas, antes de responder, você precisa lembrar o que foi prometido, o que mudou, quem é dono da próxima etapa, o que ainda não pode ser dito, qual risco apareceu, qual reunião aconteceu e onde está a última versão da verdade.

Isso não é “mandar mensagem”. Isso é gestão de contexto.

O prompt resolve a pergunta.
Mas o loop resolve obrigação recorrente.

Aqui entra a primeira distinção professoral, dessas que eu repito à exaustão nos meus workshops.

Prompt é quando você sabe o que quer perguntar agora. Loop é quando a mesma obrigação volta toda semana, todo dia ou toda vez que algum sinal aparece.

Um prompt diz: “escreva este e-mail”. Um loop diz: “toda sexta, verifique quem ficou sem resposta, compare com os compromissos assumidos, gere um rascunho de follow-up e pare antes de enviar”.

Percebe a diferença? O prompt trabalha no momento. O loop trabalha na recorrência.

E o loop de loops aparece quando uma recorrência afeta a outra. Se a reunião mudou, a agenda precisa atualizar; se a agenda mudou, o lembrete muda; se o cliente respondeu, a proposta sai da gaveta; e, se a proposta mudou, o financeiro precisa saber antes que o comercial prometa o número errado.

Alguém vai dizer que isso poderia ser automação. Mas automação, do jeito antigo, era burra: “se isso, então aquilo”. Loop com IA tem memória, fonte, limite, dono e julgamento assistido. Não é um gatilho solto. É uma pequena rotina inteligente, que parece ser mais um tijolinho na nossa construção de um Agente autonomo real colaborativo.

O erro da autonomia total

Muita gente se empolga com agente de IA porque imagina um funcionário digital autônomo. Eu entendo a tentação, também gosto da ideia de tirar trabalho repetitivo da frente. Mas autonomia sem contorno é convite para desastre. Um agente verdadeiramente útil sabe o que pode fazer sozinho e o que precisa parar e pedir ajuda ao humano.

O caminho certo começa pequeno: ler fontes claras, lembrar o contexto, notar o que mudou, rascunhar uma ação e parar antes do ponto perigoso, chamando o humano certo.

Esse “parar antes” é o que separa um sistema útil de uma encrenca automatizada ou de uma frustração do tipo “não funciona”. Enviar e-mail, apagar dado, cobrar cliente, publicar post, remarcar compromisso, mexer em produção: tudo isso precisa de borda.

IA boa não é a que faz tudo sozinha. IA boa é a que sabe onde deve parar.

O gerente invisível da rotina

Pense no melhor assistente operacional humano que você já teve. Ele não é bom apenas porque executa tarefa. Ele é bom porque percebe conexão. Lembra que o cliente que mandou mensagem hoje é o mesmo que reclamou semana passada, que a proposta depende de um número que o financeiro ainda não fechou, que o post que parecia urgente não pode sair antes de validar uma informação, e que uma reunião deslocada derruba outras três coisas.

Esse é o trabalho “entre os apps”. E é exatamente aí que os agentes ficam interessantes. Não como gênios criativos, não como oráculos, não como robozinhos de palco. Como gestores de loops estreitos.

Um loop para o comercial, um para as demandas técnicas, um para a agenda, um para o conteúdo. Cada um pequeno, com fonte conhecida, memória própria, regra clara e dono humano. Depois, aos poucos, esses loops começam a conversar.

A pergunta que muda o desenho da empresa

Quando um gestor me pergunta “Fernando, onde eu coloco IA na minha Empresa?”, eu fujo da resposta ferramenta. Ferramenta vem depois. A pergunta certa é: qual obrigação recorrente está morando na cabeça de alguém?

Essa pergunta abre a empresa. Porque você descobre que o problema não era falta de app. Era falta de dono para o processo ou pior, processo somente na cabeça do dono.

O vendedor lembra no improviso que tem um detalhe que precisa ser dito ao cliente, a gerente acompanha numa planilha que só Deus sabe como ela entende aquilo, o fundador guarda na cabeça um bocado de regras de precificação, o financeiro depende de uma mensagem perdida no WhatsApp que mudou valores e descontos, o suporte sabe tudo mas ninguém perguntou, e o operacional resolve mas não registra. Todo mundo trabalha muito. Pouca coisa vira memória. E quando a pessoa sai, viaja, adoece ou simplesmente tem um dia cheio, o loop quebra.

Caos instalado.

Como encontrar o seu primeiro loop

Não comece pela ferramenta. Comece pela irritação.

Toda empresa tem uma tarefa que volta e meia dá estresse e parece pequena demais para virar projeto. E é exatamente por isso que ela fica anos sendo feita do jeito ruim.

Use este filtro: acontece com frequência? Depende de informação espalhada? Alguém precisa lembrar de fazer? Tem risco se fizer errado? Dá para a IA preparar e parar antes da ação final? Se a resposta for sim para a maioria, você achou um bom primeiro loop.

Exemplo simples: follow-up comercial. As fontes são CRM, e-mail, agenda e anotações de reunião. Pergunte a algum vendedor se ele curte fazer isso. A memória é o que foi prometido, quando, por quem e qual o próximo passo. A ação segura é gerar um rascunho de mensagem e uma lista de pendências. O limite é não enviar nada sem aprovação. E o dono é uma pessoa, não “o time”.

Isso é pequeno. E, por ser pequeno, funciona. Tijolo sobre tijolo.

Bora lembrar… memória.. skills.. feedbacks.. MeuOs… fluxos agnósticos… loops…

O que isso muda para gestores

O gestor do século XX perguntava: “qual sistema usamos?”. O gestor da era dos apps perguntava: “qual ferramenta resolve esse processo?”. O gestor da era da IA vai precisar perguntar outra coisa: quais loops mantêm esta empresa funcionando, mesmo que ninguém tenha desenhado?

Essa pergunta é desconfortável porque revela a dependência humana escondida. Revela o funcionário que segura tudo na memória e usa isso para consolidar seu silo corporativo, a rotina que nunca virou processo, a decisão que depende de alguém lembrar de avisar, o trabalho que a empresa consome mas não reconhece.

MeuOS, Samantha, Tars e o mundo real

Eu vivi isso na pela em empresas com humanos e agora em empresas com Agentes trabalhando junto com humanos.

Quando um pedido meu vira uma DEMANDA no Studio (Sistema Carteiro que construí para permitir que meus agentes conversem entre si de forma independente), ela não é um texto jogado para outro agente. Ela carrega contexto, projeto, prioridade, dono, histórico e regra de segurança: o que a Samantha pode fazer sozinha e o que ela precisa pedir ajuda para Tars ou pedir minha aprovação. O que o Tars deve analisar e desenvolver, e o que precisa voltar para mim antes de qualquer coisa acontecer. Isso é loop.

Hoje opero com dois agentes autônomos o dia inteiro, cada um com o seu lugar. O Tars é meu CTO e mora no meu computador e me ajuda a escrever código. A Samantha é minha COO, uma agente que roda num servidor, 24 horas por dia, e cuida das obrigações recorrentes. Quando ela me lembra de uma pendência, não está “respondendo pergunta”: está operando um loop com memória. Quando o Tars recebe uma demanda, analisa, completa e devolve, ele não é um chatbot: é parte de um fluxo. Eles não viram bagunça por um motivo só: cada um tem dono, função clara e um jeito combinado de conversar entre si sem se atropelar.

E o MeuOS (www.meuos.com.br) nosso repositório único e livre de memória, compartilhada entre todos agentes e humanos garante que 100% da história das minhas empresas, 100% dos processos delas e MUITO mais que isso esteja sendo registrado dia a dia, minuto a minuto, iteração a iteração.

Pra mim, para meus robôs do futuro ou para quem herdar essa aventura.

A pergunta final

A grande contribuição do post do Nate não é inventar mais um termo. É apontar para o trabalho que a era dos apps escondeu. Durante anos, a gente celebrou cada quadrado novo na tela. Desconfio que agora estamos descobrindo que a parte mais importante nunca foi o quadrado.

A IA, quando bem usada, pode segurar parte desse fluxo. Mas não do jeito mágico. Do jeito adulto: com fonte, com memória, com limite e com dono.

Então, antes de perguntar qual agente você vai instalar, faça uma pergunta melhor: qual loop da sua vida ou da sua empresa está dependendo da sua memória para não quebrar?

Comece por ele. O resto é consequência.

Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.

Em junho de 2026, a MIT Technology Review publicou um texto sobre como a Macy’s está reposicionando o varejo para a era da inteligência artificial.

O título parece mais um daqueles textos de tecnologia que passam pela nossa frente todo dia. Mas tem uma frase ali que deveria ficar grudada na parede de qualquer gestor:

IA first não é colocar inteligência por cima do que já existe. É redesenhar como as decisões acontecem.

É o que falo 10 vezes por dia com empresários, gestores e também falo no curso, a luz elétrica só começou a entregar quando demoliram as fábricas antigas desenhadas para trabalho 100% manual e rescontruíram o processo do zero.

Porque a maior parte das empresas ainda está tratando IA como enfeite. Um chatbot no site, um assistente pra responder pergunta, uma automação aqui, uma recomendação ali, uma apresentação bonita no comitê executivo. Parece que a empresa entrou na era da IA. E cada um fazendo com uma “ferramenta” da moda, onde nada conversa entre si e praticamente ninguém se preocupando com coisas simples como backups, fontes da verdade, custos…

Mas, na segunda-feira, a decisão continua acontecendo do mesmo jeito.

O gerente ainda espera o relatório que o analista faz manualmente, e esse ainda espera o fechamento, que ainda espera alguém cruzar os dados. O estoque ainda percebe o sinal tarde demais. O marketing ainda cria campanha olhando pelo retrovisor com base em dados históricos e não com base no futuro. Todo mundo reunido uma manhã inteira assistindo gráficos que já poderiam ter recebido no Whatsapp analisados. E o cliente, coitado, ainda precisa se adaptar ao menu, ao filtro, ao formulário, ao jeito que a empresa decidiu organizar a loja, ao QRCODE do cardápio e a tela de login com 14 multiplas formas de autenticação sem fim.

Isso não é IA first.

Isso é a velha empresa usando maquiagem nova.

O erro: achar que IA é interface

Quando alguém fala de IA no varejo, a primeira imagem que vem é quase sempre a mesma: um robô atendendo cliente, um provador virtual, um chat bonitinho dizendo “como posso ajudar?”.

Isso chama atenção porque aparece pro consumidor e dá para envelopar para o Diretor ficar feliz.

Mas a transformação real quase nunca começa na parte que aparece. Começa na parte chata, escondida: na forma como a empresa decide o que mostrar, pra quem, quando repor, qual preço testar, qual campanha cortar, qual processo abandonar.

No artigo, a Macy’s fala de IA aplicada a busca, personalização, planejamento operacional e desenvolvimento de software. Traduzindo pro mundo real: não é só o cliente conversando com a loja. É a loja inteira ficando mais rápida pra entender sinal e agir.

Essa é a diferença. Um chatbot responde. Um sistema inteligente decide melhor. E uma organização redesenhada em torno de IA aprende mais rápido que os concorrentes.

O ponto central: encurtar a distância entre sinal e ação

Murali Murugan, diretor sênior de engenharia da Macy’s, usa uma expressão muito boa: reduzir o gap entre o sinal e a ação.

O jogo é por aí.

Toda empresa recebe sinal o tempo todo. Cliente clicou e não comprou. Produto encalhou numa região e sumiu em outra. Um vendedor ouviu a mesma objeção cinco vezes na mesma semana. Uma campanha converteu bem num segmento e mal em outro. Um concorrente mexeu no preço. Um carrinho foi abandonado.

O problema não é falta de sinal. O problema é a distância até a ação.

Nas empresas tradicionais, o sinal entra num labirinto. Vira extração CSV, para depois alguem jogar na planilha, vira reunião, vira pedido pro TI, vira projeto, vira backlog, vira “vamos avaliar” no comitê do trimestre. Quando finalmente vira ação, o cliente já mudou, o estoque já venceu, o concorrente já copiou e o dinheiro já foi embora.

IA, quando usada direito, serve pra diminuir esse caminho. Não pra eliminar gente, não pra fingir que a máquina sabe tudo, não pra trocar julgamento humano por uma caixa preta. Serve pra colocar memória, contexto, recomendação e execução mais perto da decisão.

Deixa eu te mostrar isso fora do PowerPoint, com uma coisa que eu vivi na pele. Num sábado de carnaval, minha geladeira estava vazia e um dos meus filhos, de 15 anos, me cutucou: “papai, você não é o gênio da IA e vai anotar a lista de compras na caneta?”. O sinal era esse, uma dor boba, doméstica, de dez segundos. No domingo à tarde, menos de 24 horas depois, o listai.online estava no ar e funcionando: você manda um áudio no WhatsApp e a IA organiza sua lista, sem login, sem cadastro, sem friccion. Hoje tem mais de 350 pessoas usando de verdade com mais de 150 mensagens diáris, e quem toca o atendimento é a Samantha, uma agente minha que roda 24 horas num servidor.

Não conto isso pra me gabar. Um aplicativo de lista de compras não vai mudar o mundo. Conto porque é exatamente o que a Macy’s está perseguindo, na escala dela: o tempo entre perceber o sinal e colocar a resposta de pé caiu de “vamos avaliar no trimestre” pra menos de um dia. Esse encurtamento é o produto. O resto é vitrine.

Na sua segunda-feira isso significa uma coisa simples: se a empresa percebe algo hoje, ela não pode agir daqui a 45 dias.

Pilotos isolados são bons pra aprender. Ruins pra transformar.

Existe uma fase inevitável: a fase dos “pilotos”. E eu tenho certo ranço dessa fase. É meio que “jogar pra frente encarar isso”.

Você testa uma ferramenta de atendimento, um gerador de texto, um copiloto pra código, um agente interno pra consultar documento. Tudo isso é útil. Eu até me convenço de piloto pequeno. Ideia ruim se mata no ninho.

Mas piloto não pode virar estilo de vida.

Tem empresa que passa dois anos “testando IA”. Toda área tem uma experiência, todo diretor tem um caso interessante, todo comitê tem uma demonstração. Mas nada muda o sistema nervoso da empresa. O aprendizado não acumula, o dado não circula, o processo não muda. O funcionário continua trabalhando em volta da IA, e não com a IA dentro do fluxo. Os velhos silos de protecionismo estão ali sólidos e resistentes.

O artigo mostra uma virada importante: depois que os primeiros ganhos aparecem, escalar deixa de ser discussão técnica e vira decisão de negócio.

Esse ponto é adulto. Enquanto a IA fica presa no laboratório, o assunto pertence ao entusiasta. Quando ela entra no fluxo de decisão, o assunto pertence ao CEO, ao diretor de operações, ao financeiro, ao comercial, ao RH e ao jurídico. Sim, o jurídico também. Boa sorte nas reuniões.

A Macy’s não está falando de tecnologia. Está falando de desenho da empresa.

O trecho mais importante do artigo não é sobre o Ask Macy’s, o assistente de compras que tenta agir mais como personal stylist do que como barra de busca. Isso é interessante, claro. Mas o ponto mais forte vem antes: embutir inteligência nos sistemas de personalização, busca, planejamento e desenvolvimento.

Isso é arquitetura de empresa e muda a jornada de negócio e de agregar valor.

Pensa numa loja física antiga. O vendedor bom conhece o cliente. Sabe que ele compra pra trabalhar, pra viajar, pra um evento, pro filho. Lembra do gosto, do tamanho, do histórico. Ele não começa a conversa perguntando tudo de novo como se fosse a primeira vez.

O varejo digital, por incrível que pareça, muitas vezes ficou mais burro que o vendedor antigo. Tem milhões de dados, mas obriga o cliente a procurar como quem abre uma gaveta sem etiqueta.

IA bem aplicada tenta recuperar essa inteligência de vendedor em escala. Não é “temos dados”, porque todo mundo tem dados. É conseguir transformar dado em decisão enquanto ainda dá tempo de fazer diferença.

O risco: trocar burocracia humana por burocracia automatizada

Agora vem a parte que o texto da MIT Technology Review, por ser conteúdo de custom content em parceria com a Infosys, naturalmente trata com mais cuidado: IA também pode piorar a empresa.

Se você automatiza processo ruim, ganha processo ruim mais rápido. Se personaliza com dado sujo, vira invasivo ou inútil. Se solta agente sem dono, cria herança do caos. Se deixa cada área comprar a própria ferramenta, monta uma feira de automações que não conversam entre si.

E tem a parte política, que é a que separa quem roda projeto de verdade de quem só leu sobre o assunto. Se você trata IA como projeto de TI, a área de negócio não muda. Se trata como brinquedo da área de negócio, o TI bloqueia. Se deixa o jurídico aparecer só no fim, ele trava. Se ignora o medo do funcionário de ser substituído, ele sabota quieto. Não por maldade. Por sobrevivência.

Esse é o ponto que o gestor precisa encarar. IA first não é comprar software. É decidir como a empresa vai aprender, decidir e executar daqui pra frente.

A nova vantagem competitiva: velocidade com memória

Durante muito tempo, empresa grande tinha vantagem porque tinha escala. Mais loja, mais estoque, mais gente, mais verba, mais fornecedor, mais dado.

Agora escala sem velocidade vira peso. O concorrente menor testa mais rápido, a plataforma digital muda mais rápido, o cliente compara mais rápido. O ciclo de produto encurta e o erro fica caro, porque o mercado não espera você terminar a reunião.

Mas velocidade sem memória também é perigosa. Vira improviso, vira ansiedade, vira cada gestor fazendo uma automação diferente, vira aquela empresa que corre muito e aprende pouco.

A vantagem real está na combinação: velocidade com memória. Memória do cliente, do processo, das decisões, dos erros, do que funcionou e do que não funcionou.

IA pode ser esse tecido de memória da operação. Mas só se a empresa parar de tratar conhecimento como arquivo morto e começar a tratar contexto como ativo vivo.

O que um gestor deveria fazer agora

Se eu estivesse sentado com um dono de varejo, um diretor comercial ou um gestor de operações tentando sair da teoria, eu não começaria perguntando “qual ferramenta de IA você usa?”.

Eu perguntaria outra coisa: onde sua empresa demora demais pra transformar sinal em ação?

Essa pergunta é melhor porque aponta pra dinheiro, cliente e rotina. Pode ser a busca no site, o atendimento, a reposição, a precificação, a análise de campanha, ou aquele relatório que chega tarde demais pra servir pra alguma coisa.

Depois eu faria um mapa simples, seis perguntas:

1. Qual sinal aparece todo dia?

2. Quem vê esse sinal primeiro?

3. Quem decide o que fazer?

4. Quanto tempo leva até virar ação?

5. O que a IA poderia ler, lembrar, recomendar ou executar nesse caminho?

6. Quem é o dono humano desse fluxo?

Reparou na última? Ela é a mais importante, e a que mais gente esquece. Eu opero dois agentes de IA o dia inteiro: um é o Tars que mora no meu computador e me ajuda a escrever código, e a Samantha, que roda num servidor 24 horas. Eles não viram bagunça porque cada um tem dono, função clara e um jeito combinado de conversar entre si sem se atropelar. Agente sem dono não é inovação. É herança do caos esperando pra acontecer.

A lição da Macy’s pra além do varejo

O artigo é sobre varejo, mas a tese vale pra qualquer empresa. Na educação, o sinal é o aluno que travou e não pediu ajuda. Na consultoria, é o cliente que repete a mesma dor três reuniões seguidas. No SaaS, é o usuário que entra, clica, não entende e some sem dizer por quê.

IA first não significa que tudo precisa virar robô. Significa que a empresa precisa parar de operar como se memória, contexto e decisão fossem coisas separadas.

O mundo de antes aceitava essa separação porque era o que dava pra fazer. O sistema guardava o dado, a gente interpretava, a reunião decidia, o processo executava. Agora essas fronteiras estão ficando finas. E quem reorganizar a empresa em torno disso vai jogar outro jogo.

A pergunta final

A Macy’s está tentando fazer o varejo deixar de ser uma coleção de telas pra virar uma organização que aprende em tempo real.

O gestor que olhar pra isso como modinha vai comprar chatbot. O gestor que olhar como mudança de operação vai redesenhar processo. E o gestor que entender a profundidade da coisa vai fazer a pergunta certa antes dos concorrentes: quanto tempo minha empresa leva pra transformar um sinal em decisão?

Porque, daqui pra frente, esse tempo pode ser a diferença entre liderar o mercado e virar estudo de caso.

E isso, eu preciso dizer com todas as letras, não é conversa de TI. É conversa de gestão e de diretoria. Quem delegar essa pergunta pro time técnico vai receber uma ferramenta.

Quem assumir a pergunta vai redesenhar a empresa.

Tijolo sobre tijolo. Igual as fábricas de 1900 foram refeitas do zero quando veio a luz elétrica.

---

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

---

## Fonte e transparência

Este artigo comenta o texto “Repositioning retail for the AI era”, da MIT Technology Review, publicado em 25 de junho de 2026 (technologyreview.com/2026/06/25/1137848/repositioning-retail-for-the-ai-era/).

Domingo, 21 de junho de 2026, pouco antes do almoço, eu estava fazendo uma coisa que virou rotina na minha vida: conversando com a Samantha (minha Agente OpenClaw) pelo Telegram enquanto outra frente de trabalho ia para o Tars (meu Agente Claude) no Desktop.

De um lado, minha agente rodando 24 horas por dia numa VPS em São Paulo, cuidando de demanda, memória, agenda, segurança, Telegram, e dos meus vários contextos. Do outro, o Tars, meu braço técnico no Claude Code, mexendo onde precisa mexer, lendo repositório, abrindo demanda, corrigindo problema, respeitando regra de negócio.

A cena parece sofisticada. Mas ela nasceu de uma dor muito simples.

Eu cansei de ensinar a mesma coisa para ferramentas diferentes.

Ensinei meu jeito de analisar para uma IA. Depois tive que ensinar de novo para outra. Criei um processo para abrir demandas. Depois precisei adaptar em outro ambiente. Organizei minhas regras de segurança. Depois descobri que, em outra ferramenta, aquele cuidado inteiro simplesmente não viajava comigo.

Criei um monte de fluxos, especialistas e contextos no GPT e no Adapta. E ficaram por lá quando migrei de ferramenta.

Era como treinar um funcionário durante meses, trocar de sala, e descobrir que ele deixou a memória, os hábitos e os procedimentos na cadeira antiga.

Foi por isso que o artigo do Nate sobre Claude, Codex e Agent Skills faz todo sentido pra mim e é o que defendo brutalmente nos meus workshops (meus alunos já cansaram de ouvir). A tese é simples e incômoda: não é só a nossa memória que está saindo da nossa cabeça. O nosso jeito de trabalhar também está virando software, junto com os processos das nossas empresas.

E se o jeito que você trabalha está virando software, a pergunta muda de tamanho:

Quem é dono dele?

O primeiro roubo é a memória

Eu já escrevi sobre isso antes. A IA esquece tudo.

Ela pode ser brilhante numa conversa e completamente inútil na próxima, se você não entregar contexto de novo. Foi assim que eu comecei, como quase todo mundo. Abri ChatGPT, testei GPTs, testei Gems, testei Claude Projects, passei por CoWork, fui para VSCode, construí meu OS em arquivos Markdown, depois coloquei a Samantha rodando no OpenClaw.

E por fim, construí o www.meuos.com.br, multi plataforma, multi IA, e MEU. Não é de uma empresa que surgiu ontem e pode sumir amanhã.

Não foi uma jornada simples. Agora até parece fácil. Mas foi uma sequência de frustrações com nomes bonitos.

Deixa eu te dar um exemplo que provavelmente é a sua vida agora. Lá no começo, montei meus especialistas dentro do GPT e depois fui para a Adapta, criando um contexto e um agente para cada coisa. Funcionava. Eu tinha ali um jeito de trabalhar inteiro, montado à mão, agente por agente. Uma dessas criações foi a primeira versão da Samantha. Não a que cuida da minha operação hoje. Era uma Samantha que conversava comigo sobre livros, que conhecia meu gosto, minhas anotações, minhas manias de leitura.

Aí o Claude cresceu. Ficou melhor, mais capaz, mais barato exatamente no que eu precisava. E eu travei. Migrar tudo aquilo que estava na Adapta para o Claude virou um parto. O contexto não vinha junto. Os especialistas não vinham junto. Aquela Samantha que falava de livro comigo eu tive que refazer quase do zero, e perdi pelo caminho um monte de coisa que ela já sabia sobre mim.

Hoje tenho um arrependimento específico: eu deveria ter construído aquilo em fluxo livre, no n8n, em arquivos meus, em algo que rodasse com qualquer IA. Mas eu não usava n8n ainda. E faltavam uns 2 anos para vir a ideia do MeuOs. Então amarrei meu jeito de trabalhar dentro de uma ferramenta. E quando a ferramenta ficou para trás, o meu trabalho ficou preso lá dentro com ela. E morreu junto.

Em cada ferramenta, o modelo parecia mais inteligente. Mas o problema continuava voltando por outro caminho: a memória estava presa. Ou estava presa na plataforma. Ou estava solta demais na minha cabeça. Ou estava espalhada em documento, chat, planilha, áudio, reunião e boa vontade.

Foi daí que nasceu a metodologia CAM: Contexto, Aprendizado e Memória.

Contexto isola. Cada projeto tem suas regras, seus arquivos, sua história. Aprendizado captura. Cada erro, decisão e exceção vira conhecimento estruturado. Memória compõe. O agente começa a próxima sessão sabendo o que aconteceu na anterior.

Esse foi o primeiro passo. Tirar a memória da gaiola.

Mas a memória era só metade do problema.

O segundo roubo é mais silencioso

Agora está acontecendo uma coisa mais profunda.

Não é só a informação que está indo para fora da nossa cabeça. É o procedimento.

Seu jeito de pesquisar, de revisar um texto, de aprovar um e-mail. Seu jeito de abrir uma demanda para o time técnico, de conferir se uma regra de negócio foi respeitada, de pedir para uma IA não sair apagando arquivo em produção como adolescente mexendo no disjuntor. O jeito de criar uma proposta técnica, um modelo comercial, uma análise de crédito. Até a forma de emitir uma nota fiscal ou atender um cliente.

Tudo isso sempre viveu em algum lugar meio invisível.

Parte estava na mão. Parte estava no olho. Parte estava na experiência. Parte estava naquela frase que você fala sem perceber: “não faz assim, aqui a gente sempre confere a fonte oficial antes”.

Agora isso pode virar skill. Perigosamente fácil.

Uma skill, em linguagem simples, é um manual de trabalho que a IA consegue ler e executar quando precisa. Pode ser só um arquivo SKILL.md com instruções. Pode ter scripts. Pode ter templates. Pode ter referências. Pode ter exemplos. Pode ter limites do que fazer e do que não fazer.

No Codex, a documentação oficial descreve skills como capacidades reutilizáveis que empacotam instruções, recursos e scripts opcionais para que o agente siga um fluxo com mais confiabilidade. No Claude, a Anthropic usa a mesma lógica: uma pasta com instruções, scripts e recursos que o agente carrega sob demanda. A especificação aberta de Agent Skills vai na mesma direção: transformar conhecimento procedural em pastas portáveis, versionáveis e reutilizáveis.

Traduzindo para a sua segunda-feira: é onboarding de funcionário, só que para agente.

Você não quer explicar toda vez como sua empresa escreve proposta, como seu jurídico revisa contrato, como seu comercial registra oportunidade, como seu financeiro confere boleto, como seu produto documenta bug. Você quer que esse jeito de trabalhar fique codificado, auditável e melhorável.

Isso é gigantesco. E perigoso.

O erro é achar que skill é prompt bonito

Prompt é pedido. Memória é contexto. Skill é procedimento. SEU PROCEDIMENTO meu amigo.

Misturar as três coisas é o começo da bagunça.

O prompt é o que eu quero agora. A memória é quem eu sou e o que já aconteceu. A skill é como o trabalho deve ser feito. Quando a skill fica presa em uma ferramenta, você não perdeu só um arquivo. Você perdeu o jeito de trabalhar que estava amadurecendo ali dentro.

É como se a empresa treinasse uma equipe inteira em um processo novo, mas o processo só funcionasse dentro de uma sala específica. Mudou de prédio, acabou o aprendizado. O custo de mudar de ferramenta só aumenta quanto mais você usar ela sem se preocupar com isso.

A dívida invisível das empresas

Toda empresa tem uma dívida que quase ninguém mede.

É dívida de procedimento.

Ela aparece quando cada pessoa faz a mesma tarefa de um jeito diferente. Aparece quando o novo funcionário pergunta como revisar uma proposta e recebe três respostas. Aparece quando o time usa IA para acelerar trabalho, mas cada um cola um prompt diferente, com critério diferente, sem revisão, sem memória, sem padrão.

Com agentes, essa dívida fica mais cara.

Um humano experiente consegue compensar processo ruim com julgamento e bom senso. Um agente ruim de contexto compensa processo ruim com a convicção da certeza absoluta. E convicção sem procedimento é um jeito elegante de produzir dano e pedir desculpa depois.

Foi isso que aprendi na prática com a Samantha e com o Tars. A inteligência do modelo ajuda. Claro que ajuda. Mas o que mantém a operação em pé não é só o modelo. É a camada de regras, memória, skills, permissões, logs, demandas, alertas e limites.

Quando eu peço para a Samantha abrir uma demanda, ela não inventa um texto qualquer e joga em qualquer lugar. Existe uma skill. Existe projeto. Existe prioridade. E existe um local MEU que criei para eles conversarem entre si. E esse lugar não está dentro do Claude CoWork (esse pra mim é a maior armadilha pega bobo do momento) ou de uma automação no OpenClaw ou Gemini.

Portabilidade e Liberdade virou estratégia

Durante anos, a pergunta sobre software era: “essa ferramenta é boa?”

Agora a pergunta precisa ser outra:

“se eu sair dessa ferramenta, o que eu levo comigo?”

Levo meus arquivos, minha memória, meus fluxos? Levo minhas skills, meus scripts, meu histórico de decisões? Levo o meu jeito de trabalhar? Ou se eu cancelar essa assinatura vou precisar resetar minha empresa inteira?

Se a resposta for não, você não tem uma operação de IA. Você tem uma locação de inteligência sem limite de preço arbitrada em tokens pro resto da vida.

E locação não é problema quando você sabe o que está alugando. Eu alugo muita coisa. Servidor, API, modelo, ferramenta, automação, software. O problema é alugar sem perceber que o coração da operação foi junto.

Foi por isso que sempre defendi arquivos meus, Markdown puro, Google Drive ou OneDrive, regras explícitas, memória fora da gaiola e ferramentas intercambiáveis. Fluxo no bom e velho (até assusto chamar ele de velho) n8n onde basta um clique e baixo todos meus fluxos em um arquivo de texto estruturado. Não porque eu tenha fetiche por arquivo texto. Deus me livre, eu gosto de coisa que funciona. Mas porque arquivo texto atravessa fornecedor. Vai lá escrever suas skills e automações gravadas na pedra de uma LLM. Te vejo daqui a 2 anos.

Hoje eu posso rodar parte da minha operação com Claude. Parte com Codex. Parte com OpenClaw. Parte com n8n. Amanhã posso trocar uma peça. Não sem trabalho, claro. Mas sem amputar a memória inteira.

Essa é a diferença entre trocar de ferramenta e reconstruir a empresa.

MCP dá acesso. Skill dá comportamento.

Tem outro ponto que muita gente vai confundir.

MCP, o Model Context Protocol, é importante. Ele padroniza como aplicações expõem ferramentas e contexto para modelos. A documentação oficial do MCP usa uma metáfora boa: assim como o USB-C é um padrão para conectar seus aparelhos a vários acessórios, o MCP é um padrão para conectar modelos de IA a diferentes dados e ferramentas. Em vez de cada agente criar uma gambiarra para falar com cada sistema, ele ganha um padrão para acessar ferramentas, dados e serviços.

Mas acesso não é comportamento. Dar uma chave da empresa para alguém não ensina como a empresa trabalha.

MCP abre portas. Skill ensina o que fazer ao entrar.

Se eu dou para um agente acesso ao Supabase, ao Google Drive, ao Slack, ao GitHub e ao Telegram, eu não criei um funcionário. Criei uma criatura com várias chaves. O que transforma isso em trabalho confiável é o procedimento: quando consultar, como validar, onde registrar, quando parar, quem chamar, qual risco não assumir, qual dado nunca misturar.

É aqui que skills e MCP se complementam. MCP conecta. Skill orienta. Memória dá continuidade. Sem os três, a empresa fica oscilando entre agente burro, agente perigoso e agente que funciona só quando o dono está olhando por cima do ombro.

A habilidade que vai separar empresas

Eu não acho que a grande vantagem competitiva dos próximos anos será “ter IA”. Isso será o mínimo para existir.

Todo mundo vai ter IA. Boa, barata, rápida, dentro do navegador, dentro do celular, dentro do editor, dentro da planilha, dentro do CRM, dentro do ERP. Acesso vai virar paisagem.

A vantagem vai estar em outra camada: saber transformar trabalho real em procedimento que agentes conseguem executar, melhorar e carregar de uma ferramenta para outra. E fazer isso junto com humanos.

Isso vale para uma pessoa. Vale mais ainda para uma empresa.

E lembre, a IA não corrige preguiça gerencial. Ela amplifica e expõe a ineficiência humana que era mascarada nos “ajustes de powerpoint toda manhã antes da reunião”.

Por isso o trabalho de skills é menos técnico do que parece. Obriga a empresa a responder perguntas que ela vinha empurrando com a barriga: como fazemos isso? Quem aprova? O que é erro aceitável? O que nunca pode acontecer? Qual fonte vale? O que fica registrado? O que pode ser automatizado? Onde o humano continua no comando?

Essa conversa não é de programador e nem de TI. É de gestão e de Diretoria.

O que eu faria agora

Se eu estivesse começando hoje, não tentaria criar 50 skills.

Eu escolheria um fluxo que dói toda semana.

Um só.

Aquele que sempre exige reexplicar tudo. Aquele que dá retrabalho. Aquele que depende de uma pessoa específica. Aquele que muda de ferramenta e quebra. Aquele que o time faz no improviso e chama de “jeito da casa”.

Depois eu escreveria a primeira versão de uma skill com cinco blocos:

1. Quando usar.

2. O que ler antes.

3. Passo a passo.

4. O que nunca fazer.

5. Como validar a entrega.

Não precisa ficar bonito. Precisa funcionar.

Depois eu rodaria em três casos reais. Veria onde o agente errou. Ajustaria. Rodaria de novo. Colocaria exemplos. Separaria referência grande em arquivo próprio. Se tivesse tarefa determinística, colocaria script. Se tivesse risco, colocaria trava. Se tivesse decisão humana, colocaria ponto de parada.

É assim que skill amadurece. Não nasce perfeita. Nasce pequena, usada, corrigida e versionada.

Exatamente como processo de empresa deveria nascer.

A pergunta que fica

O texto do Nate acerta quando chama isso de luta de propriedade. Não é briga de fã de Claude contra fã de Codex. Essa discussão é pequena demais. A briga real é outra.

É entre quem vai construir uma operação em que memória, contexto e procedimento pertencem à pessoa ou à empresa, e quem vai deixar tudo preso na plataforma que estava mais “hypada” no mês da empolgação.

Eu uso Claude. Uso Codex. Uso OpenClaw. Uso até o Gemini. Uso modelos diferentes. Uso ferramentas diferentes. Amanhã vou usar outras. Não tenho religião de fornecedor.

Minha religião é continuidade e liberdade.

Se você deixa isso preso em uma ferramenta porque “é mais fácil”, você não está só usando software. Está treinando o funcionário mais importante da sua empresa no crachá de outra pessoa.

Acredite em mim. Guarde SUA memória. Escreva SUAS skills. Proteja SEU jeito de trabalhar.

O cérebro pode ser alugado. O método, não.

E isso vai custar caro pra muita gente.

Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA, sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.

Fernando Lucio | Junho 2026

Sexta-feira, fim de tarde, mais um curso entregue com sucesso!

A sala de treinamento um pouco bagunçada, todos os trinta gestores arrumando as mochilas, alguém tirando foto pro storie. Durante o dia eles viram a IA resumir uma reunião de uma hora em três parágrafos, escrever aquele e-mail difícil em trinta segundos, montar uma planilha que levaria a tarde inteira. Saíram animados, alguns até comovidos. “Isso vai mudar a nossa empresa.” e outros falando “estou horrorizado”!

Na segunda-feira de manhã, quase tudo voltou ao normal. Todo mundo grudado nos e-mails, planilhas e tarefas manuais e repetitivas.

Eu já vi esse filme muitas vezes. O treinamento de IA que termina na sexta cheio de energia e morre na segunda, no primeiro e-mail urgente. E quase nunca morre porque as pessoas são preguiçosas ou a ferramenta é ruim. Morre porque ninguém transformou aquele dia bonito em rotina. E rotina é a única coisa que muda empresa de verdade.

Foi por isso que um episódio recente do MIT Sloan me pegou. Era uma conversa com Bernard Hampton, que toca uma área do Bank of America chamada The Academy. Time grande de verdade: mais de 200 mil funcionários espalhados pelo mundo, gente de agência, atendimento, risco, tecnologia, compliance, liderança. Qualquer mudança ali é manobra de transatlântico, não guinada de lancha.

E o que me chamou atenção não foi nenhuma ferramenta nova. Foi a decisão de fundo. O banco não montou um treinamento de IA. Ele já tinha montado uma escola. The Academy existe desde 2017, tem mais de mil pessoas dedicadas só a isso, e cuida de onboarding, capacitação, coaching e compliance dessa população inteira. Quando a IA chegou, ela não virou um curso avulso na agenda de alguém. Entrou num lugar onde aprender já era rotina.

Essa é a virada que na empolgação a gente acaba esquecendo. IA em empresa não quebra primeiro na tecnologia ou no modelo. O problema é o hábito, a cultura e o gestor que não sabe o que pedir. Quebra no funcionário com medo de ser substituído ou no time de TI que não compra a ideia de dar super poderes de forma controlada para as áreas de negócio. Quebra no jurídico que só aparece no final, quando o problema já aconteceu, e que as vezes quer ignorar as mudanças tecnológicas. Ensinar IA de verdade, em escala, não é ensinar prompt pra todo mundo. É construir uma capacidade de aprender que não dependa de meia dúzia de entusiastas puxando o fio sozinhos.

Falando de forma direta: Quem não aprender como lidar com times de IA’s, humanos e robôs, não tem mais espaço na vida executiva.

Quando o próprio Hampton descreve como a adoção acontece lá dentro, ela vai subindo em três degraus, e isso vale pra qualquer empresa, não só pra banco gigante. O primeiro degrau é todo mundo usando IA na produtividade do próprio trabalho: escrever, resumir, organizar, ganhar tempo no operacional. O segundo é a IA entrando por função: uma coisa pensada pro time de atendimento, outra pro de crédito, outra pro de RH, cada uma com seu uso específico. O terceiro é o mais avançado: fluxos grandes, que cruzam várias fontes de dados e já envolvem agentes trabalhando em escala. A maioria das empresas que eu visito está tropeçando no primeiro degrau e sonhando com o terceiro. Não dá pra pular a escada.

E para subir esses degraus sem cair, são três coisas ao mesmo tempo.

A primeira é alfabetização e nivelamento. As pessoas precisam entender o que a IA faz, o que ela não faz e onde ela melhora o trabalho real. Onde ela erra e onde o humano é imprescindível. Sem teatro, sem vender milagre, sem transformar todo mundo em engenheiro e sem papo de “isso é técnico demais pra mim”.

A segunda é prática guiada. Não adianta mostrar a ferramenta no telão e achar que a empresa mudou. O gestor tem que sair sabendo usar no processo dele: a reunião, o relatório, a proposta, o atendimento, a decisão de quinta à tarde. IA só vira valor quando encosta no chão da operação.

A terceira é responsabilidade: CADA AGENTE ou processo automático precisa ter um DONO dentro da empresa. Senão vira herança do caos. Essa é a que eu mais aprendi na pele. Eu opero dez projetos com IA o dia inteiro, com uma agente que trabalha pra mim 24 horas por dia. Não cheguei aqui comprando ferramenta da moda ou seguindo dica de prompt no instagram. Cheguei decidindo, caso a caso, onde a IA executa sozinha, onde ela só sugere e onde ela tem que parar e me chamar. Tive que aprende a melhor forma de montar o lego. Hampton diz uma frase no episódio que eu assino embaixo: o humano tem que continuar no comando. Por governança, por risco, por consequência.

Isso vai separar a empresa empolgada frustrada da empresa madura.

A empolgada pergunta: “qual IA a gente vai usar?”.

A madura pergunta: “que decisão essa IA vai apoiar, com qual dado, qual risco e qual supervisão humana?”. Parece menos empolgante. É exatamente por isso que funciona.

No fim, o caso do Bank of America reforça uma coisa que eu repito em todo curso e em toda consultoria: IA não é projeto de tecnologia. É projeto de aprendizagem. E aprendizagem depende da Empresa, do professor e do aluno. Da cadência e de repetição. A parte boa é que, quando isso entra na cultura, a empresa para de depender de meia dúzia de heróis curiosos e começa a ter uma força de trabalho que aprende mais rápido do que o próprio medo.

Toda vez que um aluno, ao final do meu curso, já com o Agente funcionando no seu notebook, completamente configurado e treinado no seu contexto, vira pra mim e pergunta “como eu faço tal coisa” tenho um misto de sentimentos: Frustração porque penso: “Porque ele não usa a ferramenta que acabei de ensinar e pergunta para o agente meu Deus?”, também penso “preciso melhorar mais ainda o meu curso” e vem junto “o mercado de educação de IA ainda é grande e vai crescer ainda mais, afinal não foi simples ensinar datilografia para quem sempre escreveu a mão”.

Então bora trabalhar. Vamos combinar assim, cada um faz sua parte e a gente sai no final com um time de gestores, empreendedores e executivos no Brasil capazes ao menos de entender e operar esse novo mundo que está surgindo.

Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva) e virou um evangelista de IA que vai lutar para capacitar o maior número possível de gestores e empreendedores no Brasil. Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA — sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.

Fernando Lucio | Junho 2026

Quase toda semana alguém senta na minha frente e faz a mesma pergunta, esperando que eu responda com um nome:

“Fernando, qual é a melhor IA hoje?”

E toda vez eu sei, antes de abrir a boca, que a pergunta está errada. Não porque a pessoa seja completamente leiga. O problema é que está olhando para a IA com a cabeça antiga, a mesma de quem pergunta qual é o melhor carro, o melhor celular, o melhor banco. Quer um ranking. Um campeão absoluto que se anota e pronto.

Só que ranking, aqui, atrapalha mais do que ajuda. Não existe “a melhor IA” no vácuo. Existe a melhor IA para aquela tarefa, naquele orçamento, naquele nível de risco. Perguntar qual é a melhor IA é como entrar numa oficina e perguntar qual é a melhor ferramenta. Depende se você vai cortar madeira, apertar parafuso ou fazer um acabamento fino. Use a errada e uma de duas coisas acontece: ou sai ruim, ou sai caro. Às vezes os dois.

O empresário quer uma resposta mágica

Eu entendo de onde vem a pergunta. O mercado virou um supermercado de siglas: GPT, Claude, Gemini, Copilot, agente isso, RAG aquilo, e toda semana aparece uma promessa nova jurando que agora sim saiu a ferramenta definitiva. Quem está tocando empresa não quer virar pesquisador de modelo. Quer alguém que diga “usa essa aqui e pronto” e segue a vida.

O problema é que essa resposta simples produz operação burra. A escolha certa não nasce do nome do modelo. Nasce do trabalho que precisa ser feito. Inverter essa ordem é o erro que cobra caro lá na frente.

Todo fabricante chegou no mesmo desenho

Quando você olha para os fornecedores sérios, todos acabaram no mesmo lugar: três famílias de modelo.

A família leve é rápida e barata, feita para volume — resumir, classificar, extrair, responder uma dúvida simples, limpar e organizar texto. Não é o cérebro que você chama para decidir o futuro da empresa, mas é excelente para não queimar dinheiro com trabalho repetitivo. A família do meio é o cavalo de batalha do dia a dia: escreve bem, conversa bem, resolve a maior parte do operacional, aguenta um contexto razoável e equilibra qualidade e custo. É onde boa parte das empresas deveria passar mais tempo. E a família premium é a mais cara e a mais inteligente — raciocínio profundo, contexto longo, análise difícil, decisão delicada, código complexo. É o bisturi. E o erro clássico é usar bisturi para cortar pão.

A imagem que qualquer gestor entende na hora é a do aplicativo de corrida. Uber X resolve a ida à padaria; pra buscar um investidor no aeroporto, talvez faça sentido o Black. Nenhum é “melhor” que o outro no universo — cada um foi feito pra uma ocasião. Com IA é igual. Classificar cem mensagens pede modelo leve. Revisar um contrato de cinquenta páginas pede premium. Resumir uma reunião resolve no leve ou no do meio. O gestor maduro não se apaixona pelo carro: ele olha pra corrida.

O que acontece quando você escolhe errado

Errar a escolha tem três jeitos de doer.

O mais comum é pagar caro demais por tarefa simples. A empresa descobre um modelo excelente e passa a usar pra tudo, inclusive pro trabalho que um modelo dez vezes mais barato faria igual. A experiência parece sofisticada, mas a conta cresce sem necessidade — e em volume isso destrói margem rápido. O extremo oposto também mata: usar modelo leve numa tarefa crítica gera erro, retrabalho, risco jurídico, resposta ruim pro cliente que você não podia perder. A economia de hoje vira o prejuízo de amanhã.

O terceiro é o mais invisível, e o mais grave. Quando o time aprende a escolher ferramenta sem critério, a operação inteira fica emocional. Vira torcida: “eu gosto mais dessa”, “essa me parece mais inteligente”, “ouvi dizer que a outra está melhor”. Gestão não é torcida. É critério.

A prova está na conta

Deixa eu sair da teoria. Um dos meus produtos, o ListAi, roda há quatro meses, atendendo gente de verdade todo dia. Sabe quanto ele me custou de IA nesse período? Não chegou a dez dólares. Não é erro de digitação: menos de dez dólares em quatro meses, 220 usuários e mais de 100 interações por dia!

Não foi sorte nem mágica. Foi escolha. O ListAi foi montado inteiro numa ferramenta de automação gratuita, o n8n, e a parte de inteligência roda no gpt-4o-mini — o modelo mais leve e barato da linha da OpenAI. Pro que aquele produto precisa fazer, o modelo leve faz bem. Botar um premium ali dentro deixaria o produto idêntico pro usuário e multiplicaria a minha conta por vinte. Seria pagar bisturi pra cortar pão, todo dia, em escala.

E eu só enxergo isso porque meço. Mantenho um painel que me mostra, projeto por projeto, quanto cada tarefa de IA me custa. Não é firula de quem gosta de planilha — é o que me deixa tocar dez projetos ao mesmo tempo sem a conta da IA virar um buraco no fim do mês. É o que eu chamo de orçamento de inteligência: cada tarefa recebe o cérebro que merece, nem mais, nem menos. O leve carrega o volume. O premium entra onde o erro é caro.

E aqui está o ponto que separa quem colhe de quem só assiste. Em 2026, acesso a modelo bom deixou de ser diferencial. Quase todo mundo abre conta, assina plano, pluga uma API. O diferencial mudou de camada: não está em ter a IA mais cara, está em saber onde cada uma entra, que tarefa merece premium, o que pode ir pro leve, e como combinar modelo, automação e gente num fluxo que se sustenta. Quem entendeu isso opera com orçamento de inteligência. Quem não entendeu continua procurando o campeão absoluto de um campeonato que trocou de esporte no meio do jogo.

Você não precisa virar engenheiro

Entender essa lógica não é virar técnico. Você não precisa decorar benchmark, leaderboard, latência média nem a arquitetura de modelo nenhum — do mesmo jeito que não precisa ser mecânico pra gerenciar uma frota. Precisa saber o suficiente pra não ser conduzido pela conversa do vendedor, pela empolgação do estagiário ou pelo modismo do LinkedIn.

E muito menos pelo hype do influencer que precisa de novidade todo dia que “muda tudo” para te manter plugado nele.

Na prática, antes de jogar uma operação em cima de qualquer modelo, eu passo por um filtro de três perguntas. A tarefa é simples ou complexa? Se é simples, começo pelo menor modelo que resolve bem. Isso roda pouco ou roda em volume? Se roda em volume, custo e velocidade pesam muito mais do que pareciam pesar. E se errar, o estrago é pequeno ou grande? Se for grande, subo de nível sem dó. Essas três perguntas, respondidas com honestidade, já evitam a maior parte das decisões ruins — e nenhuma delas exige que você saiba programar.

E tem mais uma dica, essa de arquitetura. Uma tarefa já mapeada e repetitiva que só “fica boa no modelo caro”, pode ser quebrada em “micro tarefas” (usando o modelo caro para construir a quebra) e estruturada em mini fluxos, e aí sim, entregar ao modelo barato para fazer. E vai custar 20x menos!

Ferramenta não é personalidade

Tem uma malandragem no discurso de IA que vale desmontar: muita gente vende a escolha do modelo como se fosse escolha de identidade, como se usar a ferramenta X te colocasse num grupo mais avançado.

Você ainda não está usando “fulano”?

Bobagem.

Ferramenta não é personalidade. Se o modelo A resolve melhor o seu caso hoje, use o A. Se amanhã o B fizer o mesmo por menos, troque sem cerimônia. O gestor não casa com fornecedor — ele monta operação. E escalar IA é bem diferente de usar o modelo da moda como brinquedo.

Então, da próxima vez que te perguntarem qual é a melhor IA, a melhor resposta provavelmente não é um nome. É uma pergunta de volta: melhor pra fazer o quê? Essa devolução tira a tecnologia do pedestal e põe a conversa onde ela sempre deveria estar — no trabalho real, e na conta no fim do mês. A melhor IA nunca foi a mais potente. É a que encaixa na tarefa.

Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva) e já gasta um bom valor em tokens no cartão por isso se preocupa com custos. Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA — sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.

Fernando Lucio | Junho 2026

Na história das guerras, existe uma regra cruel: quem insiste em lutar a guerra nova com a arma da guerra velha perde. Pode demorar um pouco. Pode até vencer uma batalha ou outra. Mas perde.

O cavaleiro medieval achava que a armadura resolvia tudo. Ele era rico, treinado, montado num animal caro, protegido por metal, símbolo máximo de poder no campo de batalha. Até aparecer um sujeito a pé, com um arco longo na mão, disparando flechas em quantidade, de longe, contra formações inteiras. Em Crécy, em 1346, e em Agincourt, em 1415, durante a Guerra dos Cem Anos, a nobreza francesa aprendeu uma lição indigesta: status não segura tecnologia nova. E olha que entre uma surra e outra se passaram quase setenta anos.

Depois veio a pólvora. Essa é a melhor delas. Castelos que pareciam eternos começaram a ruir diante de canhões. Muralhas que funcionaram por séculos precisaram ser redesenhadas. A guerra deixou de ser apenas força, espada, cavalo e coragem. Passou a ser alcance, explosão, logística e engenharia.

Mais tarde, na Primeira Guerra Mundial, milhões de homens descobriram o horror de metralhadoras, artilharia pesada, trincheiras, gás e tanques. Muita gente ainda entrou naquela guerra pensando com cabeça do século XIX. Uniforme bonito. Cavalaria. Honra no campo aberto e morte aos milhares.

A realidade respondeu com lama, arame farpado e morte industrial.

Na Segunda Guerra, o jogo mudou de novo. Radar, aviões, tanques coordenados, porta-aviões, criptografia, inteligência de sinais. A Batalha da Inglaterra não foi vencida só por pilotos corajosos. Foi vencida também porque os britânicos enxergavam os aviões alemães antes de eles chegarem. Radar não era detalhe técnico. Era diferença entre reagir no escuro e reagir com aviso prévio.

Midway não foi só uma batalha naval. Foi a prova de que o navio mais poderoso não era mais necessariamente o encouraçado cheio de canhões. Era o porta-aviões, porque ele projetava força de longe. Quem esperava trocar tiro olhando o inimigo no horizonte estava preso numa guerra que já tinha acabado.

A tecnologia muda a guerra antes de as pessoas aceitarem que a guerra mudou.

E é isso que está acontecendo agora com inteligência artificial.

A Anthropic liberou ontem, 9 de junho, o Fable 5 — a primeira versão da família Mythos aberta ao público.

E isso vem semanas depois que ela publicou uma atualização do Project Glasswing. O resumo, em português de gente normal, é este: usando modelos avançados de IA para segurança, eles e cerca de cinquenta parceiros encontraram mais de dez mil vulnerabilidades graves ou críticas em softwares importantes do mundo.

Dez mil. Pausa pra pensar no número.

A Cloudflare encontrou 2 mil falhas — 400 delas graves ou críticas. A Mozilla corrigiu 271 vulnerabilidades no Firefox 150, dez vezes mais do que tinha achado na versão anterior usando a geração anterior de IA. Projetos de código aberto importantes foram analisados numa escala que seria impensável há poucos anos. O ponto mais importante não é o número. O ponto é a mudança de fase.

Porque se uma IA consegue ajudar os defensores a encontrar falhas mais rápido, também significa que atacantes com acesso a ferramentas parecidas vão encontrar caminhos de ataque mais rápido. O mundo não está entrando numa fase em que “a IA escreve código e está tudo certo”. Está entrando numa fase em que código, segurança, operação e atualização precisam ser tratados com outro nível de seriedade.

E tem um detalhe do relatório que quase ninguém comentou: dos 530 bugs graves já entregues aos responsáveis, só 75 foram corrigidos até agora. O gargalo deixou de ser encontrar a falha. Virou a capacidade humana de triar e corrigir.

Durante muito tempo, o empresário pôde terceirizar mentalmente esse problema.

“Isso é com o pessoal de TI.”

Funcionava mais ou menos porque o ritmo do jogo permitia. Um sistema ficava anos rodando. Uma falha demorava para ser descoberta. Um ataque exigia gente muito especializada. Uma empresa pequena ou média imaginava que estava fora do radar porque o ataque era humano, manual e lento. E o ataque exigia uma escolha: alguém precisava decidir que o alvo era você.

Hoje, uma empresa usa sistema de pagamento, CRM, automação, site, WhatsApp, banco de dados, ferramenta de IA, planilha conectada, integração com terceiros, login social, aplicativo, nuvem, fornecedor que ninguém lembra quem contratou e senha compartilhada no grupo errado.

A empresa moderna é um castelo medieval com 400 portas digitais. E boa parte dos empresários ainda acha que segurança é comprar antivírus. Tem uma frase que eu repito para qualquer empresário hoje: não dá para defender empresa do século XXI com mentalidade de século XX.

Não adianta olhar para esse cenário e dizer: “vamos proibir IA” e fazer tudo manual. Isso é como tentar proibir pólvora depois que o canhão já chegou ao campo de batalha. Também não adianta dizer: “vamos deixar a IA resolver tudo sozinha”. Isso é como entregar um míssil teleguiado para uma criança e chamar aquilo de estratégia militar.

Os dois extremos são burros. E não tem o menor sentido virar defensor de qualquer um deles.

Guarda essa: IA sozinha não salva empresa. E humano sozinho também não acompanha mais o ritmo. Já era. O caminho é a combinação dos dois.

Hoje testei o Fable 5 pela primeira vez. E é até assustador escrever isso, mas ele entregou praticamente o dobro do meu amigo Opus — que já me assustava. Pra dar a dimensão do que chegou na prateleira: é a mesma classe de tecnologia que encontrou as dez mil falhas do Glasswing, agora com travas de segurança e disponível pra qualquer empresa, por assinatura. Passei o dia com aquela sensação rara de ver o radar de 1940 sair do segredo militar e virar produto. Só que dessa vez ninguém precisa esperar a guerra acabar pra ter acesso. Ele está aí, hoje, pra quem decidir aprender a usar.

Ainda temos muito pra aprender, em especial sobre como arquitetar tudo isso dentro da empresa em prol do nosso negócio.

Mas de uma coisa tenho certeza, e a história ensina: quando a arma muda, a doutrina precisa mudar. Não se vence míssil teleguiado com tacape. E não se protege empresa moderna com gestão analógica.

Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA — sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto, e sempre achou que a melhor forma de aprender a nadar é pulando na água.

Fernando Lucio | Junho 2026

O ano era 1999

No ano do bug do milênio eu vi, ao vivo e em cores (só não era HD), um monte de empresa séria se machucar feio fazendo exatamente o mesmo que vejo empresa fazer hoje com inteligência artificial.

Eu era um moleque que tinha começado a empreender aos dezesseis anos e aos 20 passava o dia tentando vender sites na internet, projetos de e-commerce e explicar que a internet ia mudar a forma de fazer negócios. E foi assim que assisti à primeira grande corrida tecnológica do meu tempo de gente grande: todo mundo querendo "entrar" na internet. Era uma febre. De repente parecia que bastava uma empresa montar um site, colocar um carrinho de compras na tela e esperar o dinheiro entrar. Os jornais falavam disso, os empresários comentavam disso, e quem não tinha um endereço terminado em ".com.br" parecia condenado a ficar para trás já no mês seguinte. Muita gente boa, séria e competente entrou nessa corrida com tudo que tinha.

Só que quando os jornais da TV começam a falar de tecnologia, é porque algo está para desgringolar.

O que quase ninguém viu — e isso ficou marcado em mim para sempre quando tudo desmoronou — é que a parte difícil nunca foi o site.

Montar a página que vende é o simples.

O difícil estava escondido onde ninguém queria olhar: na logística, no estoque, na entrega, no pós-venda. O cliente que comprava pela tela tinha outra pressa, outra expectativa, outra paciência do que o cliente que entrava na loja e olhava no olho. E um monte de empresa descobriu isso do jeito mais caro e terrível possível: vendendo antes de saber entregar. Prometeram prazo que não cumpriam, cobraram por produto que não chegava, atenderam mal um consumidor que ainda estava aprendendo a confiar na tela. Quando a conta chegou, recuaram. Saíram com o rabo entre as pernas dizendo que "internet não funcionava para o negócio delas".

Algumas voltaram anos depois, tarde demais, pressionadas pela concorrência, vendo de fora o terreno que poderiam ter ocupado cedo.

A internet não fracassou com elas. Elas é que chegaram cedo na euforia, compraram errado no hype e atrasadas no método acreditando em magia.

Eu lembro dessa época toda vez que entro hoje numa sala de reunião e escuto a palavra "inteligência artificial".

A lei chata que se repete

Existe uma regra meio chata que se repete na história das grandes invenções, e ela é fácil de enunciar: a gente quase sempre acha que a novidade vai mudar tudo amanhã de manhã — e quase sempre erra. Erra para mais no curto prazo e para menos no longo prazo. No primeiro ano a tecnologia decepciona; dez anos depois ela já mudou coisas que nem percebemos que estavam mudando.

Quem formalizou isso foi um pesquisador americano chamado Roy Amara, que passou a vida estudando o futuro à frente de um instituto na Califórnia. A frase ficou conhecida como Lei de Amara e, curiosamente, vive sendo atribuída a outras pessoas, ora Bill Gates, ora um escritor de ficção científica, o que só prova o ponto: a ideia é mais lembrada que o autor.

O que ele quis dizer foi: a gente superestima o efeito de uma tecnologia no curto prazo e subestima no longo.

A montanha-russa tem nome

Tem um desenho que descreve essa montanha-russa melhor que mil relatórios. Imagine uma linha que sobe rápido, chega num pico altíssimo de empolgação, despenca num buraco de decepção e só então volta a subir, devagar, até um patamar firme onde a tecnologia finalmente entrega o que prometia. É a forma de quase toda adoção: um estouro de expectativa, uma queda de braço com a realidade e, no fim, a maturidade.

A Gartner batizou esse desenho de "ciclo do hype" lá em 1995 e até hoje refaz o mapa todo ano. As fases têm nome: gatilho da inovação, pico das expectativas infladas, vale da desilusão, rampa do esclarecimento e platô da produtividade. Não precisa decorar os nomes. Precisa entender a sequência, porque é exatamente nela que estamos metidos agora com a IA. E é ela que explica a frustração que ainda vai chegar.

Já vimos esse filme três vezes

A internet é o exemplo mais didático, e eu vi de perto, como contei. No papel era óbvio que a rede ia mudar o comércio, a mídia, tudo. E ia mesmo. O problema é que o mercado acreditou que isso aconteceria na velocidade de um clique. Entre 1995 e março de 2000, o índice das empresas de tecnologia americanas, o Nasdaq, subiu mais de 600%. Qualquer negócio com ".com" no nome valia uma fortuna, mesmo sem faturar um centavo. Aí a realidade cobrou: do pico de março de 2000 até o fundo do poço, em outubro de 2002, esse mesmo índice caiu 78% e devolveu quase tudo o que tinha subido na festa. Empresas sem modelo de negócio quebraram às centenas.

E aqui está a parte que importa: a internet não morreu na bolha. O que morreu foi a fantasia de que bastava estar online para valer ouro. Vinte anos depois, as empresas que hoje concentram parte enorme do valor do mundo como Amazon, Google, Apple, Microsoft, Meta, Nvidia são, direta ou indiretamente, filhas daquela mesma infraestrutura que a bolha enxergou cedo demais e com método de menos. A bolha não errou ao acreditar na internet. Errou ao achar que todo mundo que falava de internet sabia construir valor com ela.

Com o celular foi parecido, em outro ritmo. Quando a Apple lançou o iPhone, em 2007, muita gente séria torceu o nariz: era um telefone mais caro, com tela de vidro e sem teclado de verdade. Um "telefoninho chique". Levou anos para a ficha cair de que aquilo não era um telefone melhor, era uma camada nova da economia inteira. O smartphone não mudou só como a gente conversa; mudou como a empresa vende, atende, contrata, paga, entrega e mede. De novo: menor do que a euforia inicial em alguns pontos, muito maior do que a imaginação comum conseguia projetar lá no começo.

E se a gente voltar mais no tempo, a lógica continua de pé, e fica até mais reveladora.

Pegue a eletricidade.

As primeiras fábricas elétricas surgiram nos anos 1880, e parecia óbvio que a produtividade ia explodir. Não explodiu. Demorou quase quarenta anos para os ganhos de verdade aparecerem, só lá pelos anos 1920. E sabe por quê? Porque não bastava trocar o motor a vapor por um motor elétrico no mesmo galpão. Foi preciso redesenhar a fábrica inteira em volta da eletricidade, a linha de montagem, a posição das máquinas, o jeito de organizar o trabalho.

A tecnologia estava pronta em 1890; a organização que sabia usá-la só ficou pronta uma geração depois. Um economista chamado Robert Solow resumiu essa estranheza, já nos anos 1980, com uma frase que virou clássica: a gente via computador em todo canto, menos nas estatísticas de produtividade. Estava em cima de toda mesa, e o ganho não aparecia na conta.

A lição atravessa os três casos e é desconfortável de tão simples: comprar a tecnologia é a parte fácil. Reorganizar a empresa em volta dela é a parte que dói, custa e demora. E é justamente essa parte que separa quem colhe de quem só assiste.

E isso tem a ver com cultura e estratégia. Não com TI e prompts, skills e melhor modelo de IA. Tem a ver com a jornada de valor que seu negócio criava e agora pode criar (ou não) para seu cliente.

Onde a gente está agora

Hoje a IA está na subida da curva, e dá para sentir no ar. Ela saiu do laboratório e entrou na reunião de diretoria, no grupo de WhatsApp, no palco do evento, no slide da consultoria. Todo mundo quer fazer alguma coisa com IA e todo mundo tem medo de ficar para trás. Eu vivo isso de perto: opero meus negócios com IA o dia inteiro e, nos cursos e nas consultorias, a pergunta que mais escuto é uma variação de "Fernando, por onde eu começo a usar isso na minha empresa?".

Anote aí, em alguns meses vai estar no jornal da noite, na novela e nos bares. Aí é a hora do caos chegando.

A vontade é boa e é natural. Mas é também o terreno perfeito para o erro, porque uma GRANDE parte do mercado vai implementar IA do jeito errado, exatamente como vi acontecer com a internet em 1999. Vai comprar ferramenta solta achando que comprou transformação. Vai colocar um robô de atendimento em cima de um processo bagunçado e esperar mágica. Vai pôr um agente para operar sem contexto, sem objetivo claro e sem ninguém revisando, e vai medir o sucesso pelo encantamento da primeira demonstração, não pelo resultado três meses depois.

E vai ter oportunismo, como sempre tem. Vão surgir especialistas instantâneos, metodologias improvisadas, gente prometendo revolução em trinta dias para empresas que ainda nem mapearam o próprio processo. Comprador ansioso mais vendedor despreparado é uma combinação que eu já vi dar errado antes, e não só com internet. É a fórmula clássica do vale da desilusão.

Em algum momento, depois da euforia, vão pipocar as manchetes dizendo que a IA foi superestimada. Vão aparecer os projetos caros que não deram retorno, as áreas cansadas de piloto que nunca virou produção, os executivos desconfiados. Parte dessa crítica vai ser justa, parte vai ser preguiça. Mas ela vem, pode anotar. E esse momento não vai ser o fim da IA. Vai ser só o fim da fantasia.

A parte chata é onde mora o dinheiro

A diferença entre quem sai fortalecido e quem sai frustrado dessa fase não vai estar no acesso à tecnologia. Esse é o detalhe engraçado: a ferramenta vai ficar cada vez mais barata e disponível para todo mundo, igual ficou um site em 1999. O diferencial vai estar onde estava naquela época, na parte chata, no contexto que só a sua empresa tem, na clareza dos seus processos (ou na escuridão deles) , na qualidade dos seus dados, na disciplina de treinar o agente como se treina um funcionário novo, na decisão madura sobre onde a IA executa sozinha, onde ela só sugere e onde ela tem que parar e chamar um humano.

A pergunta certa
Por isso eu acho que a pergunta que muita gente está fazendo sobre IA "será que isso funciona mesmo?" ou "qual é o melhor modelo" é a pergunta errada.

A IA funciona. A história já respondeu isso três vezes, com a internet, com o celular e com a eletricidade.

A pergunta certa é outra: como atravessar a euforia gerando valor de verdade para meu negócio e construindo uma arquitteura sólida de geração de valor?



Fernando Lucio é um cara que já viu esse filme antes e dessa vez resolveu ajudar empreendedores a fazer direito e pegar a onda da inovação gerando resultado. E também é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA — sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.

Sexta passada eu conversei com o Diretor de Operações de uma empresa de médio porte que tinha acabado de fechar contrato com uma plataforma de IA enterprise.

Big Tech.

Modelo Top, treinamento pra cento e poucos funcionários.

Ele me disse uma frase que vou parafrasear pra preservar a identidade dele, mas a essência é essa: “Comprei a IA, treinei o time, e parece que voltamos à estaca zero. Cada pessoa que abre a ferramenta passa quarenta minutos explicando quem somos antes da IA conseguir fazer alguma coisa útil. Eu não comprei automação. Comprei uma estagiária com Alzheimer.”

Eu ri da frase. Depois parei de rir, porque essa é a história de praticamente todas as empresas tentando colocar IA pra dentro da operação. O modelo é bom. O prompt está bem feito. O time foi treinado. E ainda assim, a IA opera como se fosse o primeiro dia de trabalho dela toda vez que alguém abre a janela.

E pior, virou brinquedo caro de automações pessoais.

A conversa do mercado está toda no lugar errado. Discute-se qual modelo é melhor, qual provedor tem o melhor raciocínio, qual prompt funciona melhor. O problema raramente mora em qualquer um desses pontos. O problema é que a IA — por mais inteligente que seja, por mais cara que seja a assinatura, por melhor que o time saiba pedir — não tem acesso ao contexto vivo do negócio. Ela responde no escuro, com confiança de quem sabe, sobre uma versão da empresa que talvez nem exista mais.

O imposto que ninguém colocou na planilha

Tem um custo que não está em nenhum orçamento, mas atravessa a operação inteira: o tempo que o time perde, todo dia, explicando à IA quem é a empresa, quem é o cliente, qual é o produto, qual é o preço, quem é o concorrente, qual é o processo, o que mudou na semana passada. Toda interação começa do zero. Toda pessoa explica a mesma coisa. Toda IA esquece tudo na próxima conversa. E as correções sem fim que o funcionário faz com a IA.

Chamo isso de imposto de briefing, e é uma das contas mais caras e mais invisíveis dos últimos dois anos. Não aparece em DRE. Aparece em gente boa cansada, em equipe que prefere fazer manualmente porque dá menos trabalho, em projeto de IA arquivado porque “ferramentava mais do que entregava”.

E aqui está a pegadinha: a IA não falha por incompetência nessa hora. Ela falha porque está respondendo sobre uma empresa imaginária. Você pode passar contexto no prompt — mas isso é como contratar um funcionário e, em vez de dar onboarding, mandar um WhatsApp toda manhã às oito explicando o que ele faz na sua empresa. Vai dar certo? Talvez. Vai escalar? Não. Vai virar operação séria? Nunca.

A fotografia velha do negócio

Quando uma IA não tem contexto vivo, ela trabalha em cima do que costumo chamar de fotografia velha do negócio. Pode ser literalmente uma foto antiga: o site institucional de dois anos atrás que ela rastreou. Pode ser um treinamento estático: um documento que alguém colou no início e nunca mais atualizou. Pode ser o último prompt do usuário: a tentativa de empilhar contexto manualmente, do zero, toda vez.

O ponto é o mesmo: a empresa avança, o cliente muda, o mercado se mexe, o produto evolui, o time troca, a oferta se reposiciona. A fotografia continua parada. E a IA segue respondendo perguntas atuais consultando uma versão da empresa que pertence ao passado.

O resultado prático aparece em forma de erros estranhamente confiantes. Ela inventa preço errado, oferece produto que não existe mais, manda email com tom que a empresa abandonou, sugere ação com base num concorrente que já saiu do mercado. Não é burra. É que está respondendo sobre um negócio congelado quando o negócio real é um filme.

Os 5 contextos que a IA da sua empresa precisa enxergar

Quando paro pra olhar onde mora o atrito dessas implementações, sempre cai em uma de cinco frentes — e quase nenhuma empresa endereçou todas. Vale o gestor parar dois minutos em cada uma.

O contexto do negócio: Posicionamento, diferenciação, política de preço, voz da marca, o que entra e o que não entra no escopo. Quantas IAs operando na sua empresa hoje sabem responder, sem prompt longo, qual é o desconto máximo que pode ser oferecido sem aprovação? Quantas sabem qual é o tom certo de email pra cliente prospect versus cliente da carteira? Se a resposta é “depende da pessoa que está pedindo”, então o contexto do negócio mora na cabeça das pessoas, não na infraestrutura — e a IA fica eternamente esperando briefing.

O contexto da equipe: Não a tarefa que o time faz, mas como ele faz. Quem segue qual processo, quem é referência em qual conta, qual é o playbook silencioso que os melhores do time desenvolveram e o resto não tem acesso. Esse é o contexto mais subestimado, porque é o que diferencia uma empresa boa de uma média: o conhecimento operacional vive nas pessoas mais experientes, e quando elas saem, sai com elas. IA com acesso a esse contexto deixa de competir com o seu melhor vendedor e começa a clonar a cabeça dele.

O contexto do processo: Os fluxos reais, não o desenhado no manual. Os gatilhos que disparam cada etapa, as prioridades implícitas, as exceções que ninguém escreveu mas todo mundo respeita. A maioria das empresas tem processo escrito que parece uma coisa e operação real que é outra. A IA que age sobre o processo escrito vai estar errada exatamente no momento da exceção — que é quando ela mais precisaria ajudar.

O contexto do cliente: Histórico de compras, atritos passados, conversas anteriores, objetivos declarados, próximo passo definido. Não estou falando de CRM bonito com pipeline limpo — estou falando do que o cliente disse na ligação de terça e o que isso muda na proposta de quinta. Esse contexto, quando existe, mora geralmente fragmentado em três sistemas, dois emails e uma conversa de WhatsApp que ninguém transcreveu perdida no celular pessoal de um funcionário.

O contexto da rede: Inteligência coletiva, benchmark de mercado, o que outras empresas no setor estão fazendo, o que está deixando de funcionar. A IA isolada na sua empresa só sabe o que sua empresa contou pra ela. A IA conectada a uma camada de rede aprende com padrões que atravessam casos individuais — e isso é o que separa quem está iterando a partir do mesmo livro de receita de quem está aprendendo com o setor inteiro.

A maioria das empresas tenta resolver tudo isso enfiando texto no prompt. Não funciona. Prompt é conversa pontual. O que está em jogo é outra coisa: construir uma infraestrutura.

Prompt é conversa. Contexto é infraestrutura.

Essa é a virada de chave que pouca gente executiva percebeu até agora. Prompt é instrução pontual — você diz à IA o que quer agora, ela responde agora. Contexto é estado persistente — a IA carrega ele entre conversas, atualiza com novos eventos, integra com sistemas vivos, mantém vivo sem alguém ter que reativar manualmente toda vez.

O próximo diferencial competitivo das empresas que vão de fato usar IA não vai ser quem tem o melhor modelo. O modelo vira commodity em poucos meses. Não vai ser quem sabe pedir melhor — bom prompt é treinamento, e treinamento dura uma semana até a próxima versão do produto. O diferencial real vai ser quem organizou melhor o contexto do próprio negócio, e construiu uma camada que mantém esse contexto vivo, acessível e atualizável pela IA.

A pergunta que importa AGORA

Antes de perguntar qual modelo de IA usar, qual plataforma assinar, qual prompt funciona melhor, a pergunta que separa empresa séria de empresa pagando assinatura é outra: qual contexto a sua IA consegue acessar — e manter vivo?

Se a resposta for “depende da pessoa que está usando”, você não tem IA de negócio. Tem ferramenta esperando briefing. E o imposto desse briefing está te roubando o ganho de produtividade que você comprou.

A corrida não é por modelo. Não é por dados brutos. É por contexto vivo. E se possível SEM ficar amarrado a um contrato de 12 meses com nenhum fornecedor de IA. Seu contexto é seu, sua memória, seus dados.

Não abra mão disso nesse momento.

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA — sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

Durante os últimos dois anos, a inteligência artificial entrou nas empresas de um jeito bastante previsível: primeiro pelas mãos dos curiosos, depois pelos times mais inquietos, e só mais tarde pelo radar da liderança. Foi o gerente que começou a testar prompts para ganhar tempo, o analista que descobriu uma automação útil no meio da rotina, o líder de área que percebeu que uma ferramenta de IA conseguia resumir reuniões, organizar informação dispersa ou acelerar entregas. Esse movimento foi importante, porque criou repertório, reduziu medo e provou que a tecnologia tinha utilidade prática. Mas ele também mostrou um limite muito claro: experimentação distribuída gera aprendizado, porém raramente gera transformação de verdade.

É justamente aí que começa a nova fase. Quando olhamos para o que OpenAI, Google e Anthropic estão fazendo no mercado corporativo, o sinal é bastante claro: a discussão deixou de ser apenas sobre disponibilizar modelos poderosos e passou a ser sobre ajudar empresas a redesenhar operações inteiras com base nesses modelos.

Sinto isso nos meus alunos nos cursos! “Fernando, como faço para redesenhar a empresa usando IA?”

Segundo artigo de Ben Thompson, publicado no Stratechery em maio de 2026, empresas de tecnologia estão formando estruturas de implantação com engenheiros e especialistas dedicados a entrar nas organizações para identificar onde a IA pode produzir impacto real, o que mostra que a batalha já não é apenas por acesso à tecnologia, mas pela capacidade de implementá-la dentro do negócio de forma coordenada e economicamente relevante.

Esse ponto é mais importante do que parece, porque desmonta uma ilusão que ainda circula em muitas empresas: a de que a adoção de IA vai se consolidar naturalmente, quase sozinha, desde que as pessoas tenham acesso às ferramentas certas.

Não vai.

Ferramenta solta gera uso solto. Uso solto até pode gerar ganho individual, mas quase nunca produz mudança estrutural. O máximo que se obtém nesse modelo é uma coleção de pequenas eficiências espalhadas pela empresa, sem integração, sem padronização, sem métrica comum e, principalmente, sem vínculo direto com as prioridades estratégicas do negócio.

Por isso faz tanto sentido falar em uma adoção “top-down”. Não se trata de um movimento autoritário, nem de uma defesa da velha centralização corporativa por reflexo. Trata-se, na prática, de reconhecer que a IA passou a mexer com processos, fluxos de decisão, governança, qualidade de informação, desenho de trabalho e até estrutura de custo. E quando a tecnologia começa a afetar esse nível da operação, ela deixa de ser um assunto apenas de entusiastas ou de uma área específica e passa a exigir patrocínio executivo, definição de prioridades e clareza sobre onde a empresa quer, de fato, capturar valor.

Em outras palavras, a pergunta mais importante já não é “quem está usando IA aqui dentro?”, mas sim “onde a liderança decidiu que a IA deve transformar a forma como a empresa opera?”. Essa mudança de pergunta é decisiva. Enquanto a primeira leva a uma espécie de mapeamento de curiosidades internas, a segunda obriga a organização a pensar em resultado, processo, responsabilidade e escala. E é justamente esse tipo de raciocínio que separa moda tecnológica de capacidade competitiva.

Ben Thompson faz uma analogia interessante ao sugerir que talvez a melhor comparação histórica para a IA empresarial não seja a era do SaaS nem a explosão da internet, mas sim a primeira grande onda da computação corporativa, lá nos anos 1970.

Olha olha.. para quem leu meu artigo Você não vai ser demitido pela IA. Você vai ser demitido por alguém que aprendeu a usá-la já viu exatamente o exemplo que eu uso no curso né!

A razão é simples: naquele momento, a transformação não dependia de cada funcionário aderir espontaneamente a uma novidade, mas de executivos decidirem que certos processos passariam a funcionar de outro jeito porque o impacto no negócio justificava a mudança. A lógica agora parece semelhante. A implementação de IA em escala não nasce apenas do interesse dos usuários; ela nasce quando a direção entende que há uma oportunidade concreta de aumentar receita, reduzir custo, melhorar velocidade, elevar consistência operacional ou reconfigurar funções inteiras dentro da empresa.

Isso ajuda a explicar por que tantas iniciativas de IA parecem promissoras nas demonstrações e decepcionantes na vida real. Muitas empresas ainda tratam a tecnologia como um conjunto de ferramentas acessórias, quase como se estivessem distribuindo novos aplicativos para as equipes. Só que IA não é apenas uma camada de software adicional. Em muitos casos, ela funciona como uma nova forma de organizar trabalho cognitivo, transformar conhecimento em processo e conectar informação dispersa a decisões operacionais. Quando vista desse jeito, a implantação deixa de ser uma pauta exclusivamente técnica e vira uma pauta claramente gerencial.

O gargalo, portanto, em boa parte das empresas, não é falta de modelo, nem falta de interface amigável, nem falta de disposição das equipes para testar. O gargalo real costuma ser executivo. Falta prioridade definida. Falta um dono claro. Falta decisão sobre quais processos merecem ser redesenhados primeiro. Falta critério para separar curiosidade tecnológica de oportunidade econômica. Falta, em resumo, liderança disposta a tratar IA como capacidade organizacional e não como experimento lateral.

Há ainda um outro aspecto importante, que o próprio artigo do Stratechery toca de forma muito pertinente: a questão dos dados. Mesmo quando a IA impressiona no front-end, sua aplicação séria dentro de empresas depende de acesso confiável à informação certa, conectada do jeito certo, com contexto suficiente para sustentar decisões ou execuções. Isso significa que a adoção top-down não passa apenas por comprar tecnologia ou contratar especialistas; ela passa também por encarar o trabalho menos glamouroso — e frequentemente mais decisivo — de revisar bases, organizar fluxos de informação, reduzir fragmentação e tornar os dados utilizáveis de maneira operacional. Sem isso, a empresa até consegue brincar de IA. Mas brincar é muito diferente de escalar.

Talvez essa seja a principal mensagem para gestores: o papel da liderança na era da IA não é dominar todas as ferramentas, nem virar especialista em prompt, nem acompanhar cada novidade semanal do mercado como se isso, por si só, gerasse vantagem. O papel da liderança é mais estratégico e, ao mesmo tempo, mais concreto do que isso. É decidir onde a inteligência artificial deve entrar primeiro, quais problemas de negócio ela precisa resolver, quais áreas terão prioridade, quais critérios definirão sucesso e quais mudanças de processo serão necessárias para que a adoção deixe de ser improvisada e passe a ser estrutural.

Isso muda também a forma como programas de educação executiva em IA deveriam ser pensados. O gestor não precisa sair de um curso sabendo construir modelos, programar agentes ou operar stacks complexas. Mas ele precisa sair entendendo como diagnosticar oportunidades reais, como escolher casos de uso com impacto, como mobilizar times em torno de transformação operacional e como evitar o erro comum de confundir fascínio tecnológico com implementação eficaz. Em outras palavras, ele precisa aprender menos sobre “a ferramenta da semana” e mais sobre como liderar adoção com intencionalidade.

E isso é exatamente o que estamos buscando no nosso programa IA Para Gestores, mais que prompt ou ferramenta, abordamos cultura, estratégia, cases e mão na massa.

No fim das contas, a nova fase da IA nas empresas parece estar deixando para trás a lógica do “cada área experimenta do seu jeito” e entrando na lógica do “a liderança decide onde a empresa vai operar de maneira diferente”. Essa é uma virada importante, porque ela desloca o centro da discussão da tecnologia em si para a capacidade de implantação. E, como tantas vezes acontece no mundo corporativo, o maior diferencial talvez não esteja em quem teve acesso primeiro à novidade, mas em quem conseguiu traduzi-la com mais clareza em processo, governança e resultado.

Se esse diagnóstico estiver correto, o risco para muitas empresas já não é adotar IA cedo demais. O risco é continuar tratando IA como iniciativa periférica, quando o mercado começa a sinalizar que ela está se tornando peça central do desenho operacional. E quando uma tecnologia chega a esse ponto, ela já não pertence mais apenas aos curiosos.

Ela passou a ser, gostemos ou não, assunto de diretoria.

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA — sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*

Fernando Lucio | Fevereiro 2026

A churrasqueira

Aniversário da minha prima. Sábado à tarde, sol de Belo Horizonte, cerveja gelada, carne no ponto. Daqueles encontros de família expandida onde você acaba conversando com gente que não via há meses.

Perto da churrasqueira, um empresário que conheço há anos me perguntou o que eu estava fazendo da vida. Respondi que tinha virado meu foco inteiro para inteligência artificial. Que estava construindo produtos, dando consultoria, montando curso.

Ele tomou um gole de cerveja, olhou pro carvão e soltou:

— Eu não vou aprender isso. Tenho gente no time que faz pra mim.

Não rebati. Sorri, mudei de assunto, fui buscar outra cerveja.

Mais tarde, na hora do parabéns, outro empresário — dono de uma operação grande, respeitado, competente — encostou do meu lado e falou baixo, como quem faz confissão:

— Olha, Fernando, eu já cansei de ver o ChatGPT escrevendo bobagem no para casa dos meus filhos. Não acredito que isso vai mudar algo na vida. Ele mente e erra.

Também não rebati. Cantei parabéns, comi bolo, fui embora.

Voltei pra casa mastigando as duas frases. Não porque estivessem erradas do ponto de vista deles. Mas porque eu já tinha ouvido frases exatamente iguais. Trinta e dois anos atrás. Sobre outra tecnologia. De pessoas que eu amava.

E não acabou bem.

1993

Eu tinha 11 anos quando os PCs com DOS e Windows invadiram os escritórios brasileiros. Por volta de 1993, talvez 1994 — não lembro o mês, mas lembro a sensação.

Áreas inteiras de empresas foram demitidas. Departamentos que faziam trabalho manual — datilografia, arquivo, controle de estoque no papel, folha de pagamento na calculadora — simplesmente deixaram de existir. Não gradualmente. De uma vez.

Meu pai foi um dos que saíram. Minha mãe também.

Os dois foram expurgados do mercado de trabalho. A palavra é essa: expurgados. Não foi uma transição suave. Não teve programa de requalificação. Não teve “vamos te ensinar a usar o computador”. Foi: você não sabe usar essa máquina, não precisamos mais de você, tchau.

Meu pai nunca mais voltou ao mercado de trabalho.

Essa frase precisa de um segundo de silêncio.

Nunca mais. Ele tentou. Mandou currículo. Fez entrevista. Mas o mundo tinha virado uma chave que ele não conseguiu acompanhar. E naquela época não tinha YouTube pra aprender sozinho, não tinha curso online de graça, não tinha tutorial de nada. Ou você sabia, ou ficava pra trás.

Minha mãe foi mais teimosa. Depois dos 40 anos, sentou na frente de um computador e aprendeu. Não foi bonito. Foi lento, doloroso, cheio de vergonha. Eu lembro dela me chamando pra explicar como salvar um arquivo. Lembro da frustração, do “eu sou burra pra isso”. Ela não era burra. Era uma profissional competente que foi jogada num mundo novo sem manual.

Naquele ano eu fiz duas promessas pra mim mesmo — com 11 anos, sem entender direito o que estava prometendo:

Uma: Eu não vou trabalhar pra ninguém. Porque ninguém vai me demitir.

Duas: Eu vou aprender sempre tudo que surgir de tecnologia. Tudo. Sempre. Custe o que custar.

Trinta e dois anos depois, perto da churrasqueira, eu ouvi dois empresários de sucesso dizerem frases que eram a versão 2026 do que meu pai disse em 1993. E o frio na barriga foi o mesmo.

As três armadilhas do empresário sólido

Eu entendo os dois. De verdade. Porque as frases deles não são burrice — são armadilhas que pegam justamente quem é bom no que faz.

A primeira armadilha é a da delegação. “Tenho gente no time que faz pra mim.” Faz sentido, não faz? Você construiu uma empresa. Aprendeu a delegar. Marketing é com o marketing. Jurídico é com o jurídico. TI é com a TI. Quando surgiu o ERP, você não foi aprender a configurar SAP — contratou alguém. Quando surgiu o e-commerce, não foi aprender a programar loja virtual — contratou alguém. Funcionou.

O problema é que IA não é TI.

IA não é um departamento. Não é uma ferramenta que você instala e alguém opera pra você. É uma camada que toca tudo: o jeito que você atende cliente, o jeito que você analisa número, o jeito que você escreve proposta, o jeito que você treina gente, o jeito que você toma decisão. Delegar IA pro TI é como ter delegado “saber ler” pro departamento de comunicação em 1500. Leitura não era habilidade de um departamento. Era a nova base.

A segunda armadilha é a do julgamento pelo pior exemplo. “ChatGPT escreve bobagem no para casa dos meus filhos.” Sim, escreve. Também erra conta, inventa referência, fala besteira com convicção. Eu sei. Eu uso todo dia e sei exatamente onde ela falha.

Mas julgar inteligência artificial pelo ChatGPT do para casa é como ter julgado a internet pelo Orkut. Em 2005, Orkut era coisa de adolescente, cheio de comunidade boba, “quem me adicionou”. Quem disse “isso é bobagem” em 2005 assistiu, cinco anos depois, a Amazon, Netflix, Uber, iFood e o sistema bancário inteiro se mudarem pra internet. A versão tosca de hoje é o rascunho da versão que vai engolir mercados inteiros amanhã.

A terceira armadilha é a mais silenciosa: a vergonha.

Essa quase ninguém fala em voz alta.

Você é empresário. Construiu empresa. Toma decisão. Gente depende de você. Você é “o cara que entende”. E de repente aparece uma tecnologia inteira que você não domina, não entende, e que seu estagiário de 22 anos usa melhor do que você.

Isso dói. Dói no ego. Dói na identidade.

E o que a maioria faz com essa dor? Finge que não existe. Muda de assunto na churrasqueira. Diz que “vai ver isso depois”. Ou — pior — transforma a dor em desdém: “isso é modinha”, “isso é coisa de TI”, “isso vai passar”.

Minha mãe sentiu essa vergonha em 1993. Tinha medo de perguntar que diacho é recortar e colar. Medo de parecer incompetente. Ela tinha mais de 20 anos de carreira e estava com vergonha de não saber clicar num ícone.

Se você está sentindo algo parecido com IA — saiba que é normal. Mas não deixe a vergonha virar paralisia. Porque a história não espera quem está envergonhado.

Isso não é de TI

Preciso ser direto aqui.

Quando o computador entrou nas empresas nos anos 90, quem disse “isso é coisa de informática” ficou refém do cara de TI por 20 anos. Literalmente. Qualquer mudança de processo, qualquer relatório novo, qualquer ajuste no sistema — tinha que pedir pro TI. E o TI tinha fila. E a fila demorava. E custava caro. E o empresário ficava esperando. Dependente de uma pessoa ou de um fornecedor pra operar o próprio negócio.

Quem aprendeu, mesmo que superficialmente, a lógica por trás do computador — o que é um banco de dados, o que é um relatório, o que o sistema pode e o que não pode — esse empresário negociava com o TI de igual pra igual. Sabia o que pedir. Sabia quando estava sendo enrolado. Sabia quanto custava. Sabia o que era viável e o que era conversa de vendedor.

Com IA vai ser pior. Porque a velocidade é outra.

Em 1993, você tinha 5 a 10 anos pra se adaptar. O computador demorou uma década pra penetrar em todas as camadas de uma empresa média brasileira. Dava tempo de resistir, ceder aos poucos, aprender devagar.

Em 2026, você não tem esse prazo.

O que existe hoje de IA já está fazendo, agora, coisas que a maioria dos empresários brasileiros acha que só gente faz. Atende cliente por texto e voz com paciência infinita. Analisa contrato de 50 páginas em 30 segundos. Resume reunião de uma hora em 5 bullets. Escreve proposta comercial, analisa balanço, gera relatório, responde e-mail, agenda reunião, filtra currículo. Isso é abril de 2026. Não é previsão de futuro.

E a cada mês, fica melhor.

Isso não é de TI.

Isso é o novo chão do seu negócio.

O que muda pra quem já tem empresa rodando

Se você está lendo isso e tem um negócio funcionando — clientes entrando, time operando, conta fechando — eu não estou dizendo pra você jogar fora o que funciona. Pelo contrário.

Ser AI First quando você já tem negócio rodando não é reinventar a empresa. É colocar uma lente nova sobre o que já existe.

É olhar pro seu atendimento e perguntar: meu time gasta quantas horas por semana respondendo as mesmas 15 perguntas? Uma IA treinada com as respostas certas faria isso em segundos, 24 horas por dia, sem erro, sem mau humor, sem férias.

É olhar pro seu financeiro e perguntar: quanto tempo o analista leva pra consolidar os números do mês? Uma IA conectada às suas planilhas faz o mesmo trabalho no café da manhã de uma segunda-feira — e te entrega com gráfico, tendência e alerta de risco.

É olhar pro seu comercial e perguntar: quantos leads a gente perde porque demora 3 dias pra responder? Uma IA responde em 3 minutos. De madrugada. No feriado. No domingo.

É olhar pra sua operação e perguntar: quantos processos dependem de alguém lembrar de fazer alguma coisa? Porque a IA não esquece. Nunca. De nada.

Não estou falando de substituir seu time. Estou falando de dar ao seu time uma ferramenta que multiplica o que eles já fazem de bom — e elimina o que é repetitivo, chato e propenso a erro humano.

O empresário que entende isso de verdade — não de ouvir falar, não de ler manchete, mas de ter sentado na frente da ferramenta e testado — esse empresário negocia de igual pra igual com qualquer fornecedor de tecnologia. Sabe o que pedir. Sabe o que é possível. Sabe quando estão te vendendo fumaça.

O que não entende fica refém. Como ficou refém do TI nos anos 2000.

A vergonha que ninguém confessa

Eu sei que tem gente lendo isso agora com um nó na garganta. Porque reconheceu a vergonha.

Vergonha de não saber o que é um prompt. Vergonha de não entender por que o filho de 15 anos faz em 5 minutos o que você não consegue fazer em uma hora. Vergonha de ser o dono da empresa e sentir que perdeu o controle de algo que, teoricamente, deveria ser “simples”.

Vou te contar um segredo: quase todo mundo que está nessa mesma posição sente a mesma coisa. Mas ninguém fala. Porque no almoço de negócios todo mundo finge que já sabe. No jantar com sócios todo mundo cita uma matéria que leu. Na reunião do board todo mundo acena com a cabeça quando alguém fala “precisamos de uma estratégia de IA”.

E quase ninguém sentou, de verdade, na frente da ferramenta.

A boa notícia é que hoje é infinitamente mais fácil. Em 1993 não tinha tutorial no YouTube. Não tinha curso que te pegava pela mão. Não tinha comunidade no WhatsApp onde você podia perguntar sem julgamento.

Hoje tem. Nosso curso e nossa Aion Educação é uma delas.

Você já está na arca

Se você está lendo este texto, você já fez o que 90% dos empresários que eu conheço não fizeram: levantou a mão e disse “quero entender”.

Você não ficou na churrasqueira dizendo “tenho gente no time que faz pra mim”. Não ficou na hora do parabéns dizendo “isso é bobagem”. Você se inscreveu. Separou tempo. Está aqui.

Isso importa. Mais do que você imagina.

Porque a arca não precisa ser perfeita. Não precisa ser de madeira nobre. Não precisa ser a maior do porto. Ela só precisa existir. E só depende de você.

Eu sei como é. Vi minha mãe aprender depois dos 40. Vi meu pai não conseguir. A diferença entre os dois não foi inteligência. Foi coragem de sentar na frente da tela e começar.

Três batidas pra guardar

Quando eu voltei daquele aniversário, sentei no meu escritório e pensei nos dois empresários da churrasqueira. Gente boa. Competente. Com negócio de verdade funcionando. E com as mesmas frases que ouvi em 1993, trinta e dois anos atrás, de gente que também era boa e competente — e ficou pra trás.

Eu não quero que você fique pra trás.

Não porque eu sou melhor. Não porque eu sei mais. Mas porque eu vi de perto, em casa, dentro da minha família, o que acontece quando a tecnologia vira e a pessoa não vira junto.

E doeu demais pra eu ficar quieto.

*Fernando Lucio é fundador da Aion (Tecnologia e Educação Executiva). Opera 10 projetos simultâneos usando IA como copiloto. O Workshop IA para Gestores, da Aion, ensina empresários e executivos a colocar a mão na massa com IA — sem jargão, sem teoria vazia, sem hype e com ferramenta na tela desde o primeiro minuto.*