Por Antonio Carlos Matos da Silva*

A inteligência artificial ocupa o centro das discussões empresariais. Fala-se em estratégia de IA, governança, aplicações práticas, produtividade, mitigação de riscos, arquitetura de dados, compliance. Em muitos setores, a pressão já não é apenas para entender o fenômeno, mas também para demonstrar algum grau de adoção.

O movimento é compreensível. Poucas tecnologias chegaram ao ambiente corporativo com tamanha velocidade, amplitude e promessa de impacto. Ainda assim, no meio da corrida, um erro clássico voltou a se impor: o de tratar transformação tecnológica como se fosse, essencialmente, uma questão de ferramenta, investimento e desenho de governança. Não é. O debate sobre IA, embora revestido de novidade, resgata um dilema antigo da gestão: tecnologias não fracassam apenas por limitações técnicas. Elas fracassam, muitas vezes, porque encontram organizações despreparadas para reorganizar trabalho, desenvolver repertório interno e reconstruir as bases de cooperação sobre as quais o desempenho efetivamente se sustenta.

Essa é uma lição que não nasceu com a economia digital. Nos anos 1950, Eric Trist e Ken Bamforth, ao estudarem a mecanização da mineração de carvão, já mostravam que mudanças tecnológicas profundas alteravam não só o processo produtivo, mas também a estrutura social do trabalho. Quando a nova lógica operacional fragmentava funções, enfraquecia vínculos e reduzia a autonomia dos grupos, os efeitos apareciam em diferentes planos: produtividade, moral, integração social e saúde mental.

É difícil não perceber a atualidade desse diagnóstico tão antigo. A linguagem mudou, mas a tensão permanece. Hoje, as empresas discutem machine learning, LLMs, automação cognitiva e agentes inteligentes, mas, no cotidiano, o que também ocorre é insegurança sobre papéis, fadiga digital, receio de substituição, erosão do julgamento individual e dúvidas sobre o lugar do humano em processos cada vez mais mediados por sistemas.

A promessa da IA é elevar a eficiência. O risco, quando mal-conduzida, é rebaixar a qualidade da experiência de trabalho. Esse ponto é especialmente relevante porque boa parte da agenda empresarial ainda privilegia a camada visível da transformação: tecnologia adquirida, políticas de governança, frameworks de risco, metas de escala. Tudo isso é necessário, mas não suficiente. Uma empresa pode contratar as melhores soluções disponíveis e, ainda assim, falhar em capturar valor se não conseguir ajustar o sistema técnico ao sistema social que o sustenta.

Há uma segunda contribuição teórica que ajuda a compreender por que isso acontece. Em 1990, Wesley Cohen e Daniel Levinthal formularam o conceito de capacidade absortiva: a habilidade de uma organização de reconhecer o valor de um conhecimento externo, assimilá-lo e aplicá-lo a fins concretos. A ideia é particularmente útil no atual ciclo da IA porque reforça que o acesso à tecnologia não equivale, por si só, a capacidade de transformação. A adoção de inteligência artificial depende também da capacidade da empresa de desenvolver musculatura para compreender o que está comprando, julgar onde faz sentido aplicar, adaptar ao contexto e incorporar o conhecimento de forma disseminada.

Esse ponto merece atenção especial. Muitas empresas estão criando núcleos de excelência em IA, centros de governança ou estruturas especializadas compostas por profissionais altamente qualificados. Trata-se de um passo importante, mas insuficiente. Devemos lembrar que não podemos deixar o restante da organização à margem desse processo, sem alfabetização mínima, sem tempo para aprendizado e sem participação concreta no redesenho dos processos.

Cohen e Levinthal também chamam atenção para o caráter cumulativo da aprendizagem organizacional. Capacidades não surgem da noite para o dia. Elas se constroem ao longo do tempo e dependem de investimentos continuados. Essa observação é valiosa porque ajuda a distinguir adoção de absorção. Uma empresa pode adotar IA rapidamente e, ainda assim, absorvê-la mal. Pode lançar pilotos, contratar fornecedores e anunciar sua estratégia ao mercado, mas continuar sem a base cognitiva e institucional necessária para converter tecnologia em vantagem competitiva.

É justamente aí que se encontra uma das grandes fragilidades da agenda atual. O debate sobre IA nas empresas vem sendo moldado, em larga medida, por uma visão de urgência. Quem ficar para trás perderá relevância. Quem não agir agora corre risco de obsolescência. Há verdade nisso. Mas a urgência tem produzido um efeito colateral: a subestimação do trabalho menos vistoso e mais demorado de preparação organizacional.

Preparar a empresa para IA não é apenas definir diretrizes de uso responsável ou aprovar investimentos em infraestrutura. É rever modelos de gestão, incentivar colaboração transversal, desenvolver competências, ampliar repertório crítico e reconhecer que o processo de incorporação tecnológica envolve também subjetividade, confiança e sentido no trabalho.

Essa talvez seja a parte mais negligenciada da conversa. Em um ambiente empresarial orientado pela velocidade, é natural que o foco recaia sobre aquilo que pode ser medido rapidamente: ganho de produtividade, redução de custos, número de aplicações, tempo de implementação. Mas há dimensões menos tangíveis que definem o sucesso a longo prazo: a disposição das pessoas para aprender, a qualidade da coordenação entre áreas, a maturidade das lideranças e a capacidade institucional de transformar conhecimento novo em prática cotidiana.

A agenda de IA exige reconhecer que tecnologia não opera no vazio. Ela entra em estruturas de poder, rotinas, culturas e identidades profissionais já existentes. E, ao fazê-lo, tanto pode ampliar capacidades quanto desorganizar equilíbrios delicados.

Em termos simples, a pergunta mais importante para as empresas não é “qual solução de IA devemos adotar?”, mas outra, menos sedutora e mais estratégica: estamos construindo a organização capaz de absorvê-la, governá-la e utilizá-la sem destruir os vínculos humanos e as capacidades coletivas que, no fim, são o que transformam tecnologia em valor? As tecnologias mudam de nome, de velocidade e de escala; o que não muda é a necessidade de revisitar as lições que separam fascínio técnico de transformação verdadeira.

*Antonio Carlos Matos da Silva é mestre em Farmácia, mestrando em Gestão e Políticas Públicas pela FGV-EAESP e especialista em Acesso à Inovação em Saúde. Possui MBA em HealthTech pela FIAP e mais de duas décadas de experiência de alta gestão no setor de setor de saúde. Conselheiro independente associado ao IBGC.