Há uma situação que provavelmente se tornará cada vez mais comum nas organizações que adotam inteligência artificial em escala. Quando observamos cada equipe isoladamente, quase todas parecem ter ficado mais rápidas. Produto consegue estruturar análises em menos tempo, tecnologia encurta parte do ciclo de implementação, arquitetura compara alternativas com mais facilidade, dados acelera investigações e lideranças conseguem processar volumes maiores de informação antes de uma decisão.
Mesmo assim, quando medimos o intervalo entre uma iniciativa surgir e produzir algum resultado concreto, o ganho pode ser surpreendentemente pequeno.
Não há necessariamente uma contradição nisso. Um projeto complexo não é simplesmente a soma do tempo que cada equipe leva para executar sua parte. Ele também incorpora os períodos de espera entre essas partes, as dependências que precisam ser negociadas, a capacidade de áreas compartilhadas e as decisões que alguém precisa tomar antes que o trabalho possa continuar.
É justamente nesse ponto que produtividade local e velocidade organizacional começam a se separar.
A inteligência artificial está melhorando rapidamente o desempenho dentro de vários componentes da organização. Isso não significa que tenha redesenhado as interfaces entre eles.
Quando todos ficam mais rápidos, o projeto não fica necessariamente mais rápido
Considere uma iniciativa relativamente comum que envolva Produto, Tecnologia, Arquitetura, Dados, Segurança e Operações. Nenhuma dessas áreas precisa estar trabalhando de maneira ineficiente para que o projeto seja lento.
Produto encerra sua análise na segunda-feira e precisa de uma avaliação técnica antes de assumir determinado compromisso. Tecnologia conclui uma primeira alternativa rapidamente, mas descobre uma dependência de plataforma. A equipe responsável pela plataforma só consegue olhar o assunto na semana seguinte porque já está comprometida com outras iniciativas. Durante essa análise surge uma restrição de segurança que exige uma alteração no desenho original. A mudança afeta parte da jornada e a discussão retorna para Produto.
Talvez ninguém tenha levado mais do que algumas horas ou dias para executar sua parte. Mesmo assim, várias semanas se passaram.
Isso acontece porque uma parcela relevante do lead time não estava no trabalho propriamente dito. Estava nos intervalos entre trabalhos.
Podemos pensar em um exemplo simplificado. Imagine um projeto que historicamente demorava trinta dias, sendo quinze dedicados à produção efetiva e outros quinze distribuídos entre espera, aprovações e dependências. Se a IA reduzir pela metade o tempo de produção, o projeto passa de trinta para 22,5 dias. O trabalho diretamente afetado ficou duas vezes mais rápido, mas o fluxo completo melhorou apenas 25%.
Se continuarmos otimizando apenas a produção, em algum momento encontraremos um limite. Quando quase todo o tempo restante estiver nas dependências, tornar a execução ainda mais rápida produzirá retornos cada vez menores.
Para quem trabalha com arquitetura, a lógica é conhecida: depois que um componente deixa de ser o gargalo, continuar otimizando aquele componente não aumenta significativamente o throughput do sistema.
O que está mudando agora é que esse raciocínio também precisa entrar na agenda de liderança.
A IA parece atravessar silos, mas não elimina as dependências
Existe evidência de que a IA consegue reduzir uma parte importante do custo de trabalhar entre diferentes especialidades.
Um estudo publicado na Organization Science em 2026 acompanhou 791 profissionais trabalhando em desafios reais de inovação. Os participantes foram distribuídos entre condições com e sem IA, trabalhando individualmente ou em equipes. Um dos resultados mais interessantes foi que indivíduos utilizando IA conseguiram, em determinadas dimensões, desempenho comparável ao de equipes sem IA. Os pesquisadores também observaram redução de algumas diferenças tradicionais entre funções: profissionais de perfil técnico passaram a produzir propostas mais equilibradas comercialmente e profissionais comerciais incorporaram melhor aspectos técnicos quando utilizavam IA.
Isso é muito relevante para organizações estruturadas em funções.
Parte da colaboração existe porque o conhecimento necessário para resolver um problema está distribuído. Produto procura arquitetura para compreender uma restrição técnica. Tecnologia conversa com negócio para entender uma dinâmica comercial. Uma liderança envolve vários especialistas porque nenhuma pessoa isoladamente domina todas as dimensões necessárias para formular uma boa solução.
A IA começa a reduzir esse custo. Uma pessoa pode explorar perspectivas fora da própria especialidade antes de acionar outra área. Pode chegar a uma conversa já entendendo conceitos, alternativas e riscos que anteriormente exigiriam várias interações preliminares.
Esse é um ganho importante.
O problema é confundir acesso a conhecimento com autoridade para decidir.
Uma gerente de produto pode utilizar IA para produzir uma excelente análise de segurança. Isso não significa que tenha recebido autoridade para aceitar determinado risco em nome da organização. Um arquiteto pode compreender muito melhor a oportunidade comercial antes de conversar com Produto, mas continua não sendo necessariamente a pessoa responsável por escolher qual mercado a companhia priorizará.
A IA pode reduzir uma parte do custo de atravessar silos, especialmente aquela relacionada a buscar e interpretar conhecimento. Ela não elimina automaticamente a distribuição de responsabilidade, recursos e autoridade que existe entre eles.
Organizações também possuem recursos compartilhados
Há uma analogia particularmente útil para líderes de tecnologia e arquitetura. Grandes organizações possuem algo parecido com recursos compartilhados em sistemas distribuídos.
Uma proposta esperando a próxima reunião do comitê está em uma fila, mesmo que ninguém a chame assim. Uma iniciativa aguardando revisão de segurança também está. Três produtos dependendo do mesmo especialista formam outra fila. Uma equipe de plataforma atendendo solicitações de vinte squads administra, na prática, uma capacidade compartilhada.
Quando observamos a organização dessa forma, surge um efeito interessante da IA: tornar os produtores mais rápidos pode aumentar a pressão sobre os recursos que continuam escassos.
Imagine uma área de arquitetura com cinco pessoas que historicamente recebia dez iniciativas relevantes por mês. Agora várias equipes utilizam IA para investigar alternativas e amadurecer propostas muito mais rapidamente. Em poucos meses, a arquitetura passa a receber vinte e cinco iniciativas no mesmo intervalo.
Nada necessariamente piorou naquela equipe. Ela pode inclusive estar utilizando IA e analisando cada proposta mais rapidamente.
Ainda assim, existe uma boa chance de a fila crescer.
A situação é semelhante à de escalar uma aplicação sem aumentar a capacidade do banco de dados do qual todas as novas instâncias dependem. A origem passou a produzir mais tráfego, mas o gargalo compartilhado permaneceu praticamente igual.
Nas empresas, esse tipo de saturação aparece de maneiras menos explícitas: calendários cheios, revisões que levam cada vez mais tempo, dificuldade para conseguir uma decisão, dezenas de projetos simultaneamente “em andamento” e uma sensação permanente de atividade que não corresponde ao número de coisas efetivamente concluídas.
O problema, nesse caso, não será resolvido perguntando como fazer cada equipe trabalhar ainda mais rápido.
O que os experimentos com IA já estão nos mostrando
Um experimento de campo envolvendo 7.137 trabalhadores do conhecimento em 66 empresas ajuda a marcar uma fronteira importante. Parte dos participantes recebeu acesso a uma ferramenta generativa integrada às aplicações que já utilizavam para escrever, trabalhar com e-mail e participar de reuniões. Entre os usuários que efetivamente adotaram a ferramenta, houve uma redução aproximada de duas horas semanais no tempo dedicado a e-mail durante a segunda metade do experimento. Fora essas economias individuais, os pesquisadores não encontraram mudanças equivalentes na quantidade ou composição geral das tarefas realizadas.
A distinção interessa mais do que o número absoluto de horas economizadas. Alterar como eu escrevo um documento é uma decisão que posso tomar sozinho. Alterar o processo pelo qual esse documento será aprovado exige que outras pessoas também mudem.
Posso utilizar IA para me preparar melhor para uma reunião. Não posso, individualmente, determinar que aquela decisão não exigirá mais a reunião.
Posso antecipar perguntas de Segurança e preparar respostas excelentes. Não consigo simplesmente remover Segurança de um processo cuja governança formal exige sua participação.
Posso produzir uma arquitetura em uma tarde. Isso não faz aparecer capacidade no roadmap da plataforma da qual a implementação depende.
A adoção individual consegue avançar muito rapidamente. Mudanças que atravessam relações de autoridade, processos e fronteiras organizacionais possuem outra velocidade.
É aí que liderança começa a fazer diferença.
O problema muitas vezes está nas interfaces, não nas equipes
Quando um projeto demora demais, uma reação comum é procurar o problema dentro da equipe responsável pela execução. Talvez faltem pessoas, talvez o processo precise ser melhorado, talvez seja necessário automatizar mais tarefas.
Essas hipóteses podem estar corretas. Mas vale olhar primeiro para os pontos em que o trabalho muda de mãos.
Interfaces organizacionais ruins obrigam cada iniciativa a reconstruir acordos que deveriam estar resolvidos. Não está claro o que uma equipe pode decidir, então outra área é envolvida por precaução. Critérios arquiteturais permanecem como conhecimento tácito de algumas pessoas, fazendo com que cada decisão relevante precise chegar até elas. Segurança possui boas práticas conhecidas, mas elas continuam sendo aplicadas por reuniões e revisões manuais em vez de políticas reutilizáveis. Uma equipe de plataforma oferece capacidades importantes, mas acessá-las depende de negociação individual com seus integrantes.
O resultado é uma organização que utiliza especialistas como APIs humanas.
Toda vez que alguém precisa de determinada decisão, abre-se uma conversa com a mesma pessoa. Quando o volume cresce, essa “API” começa a apresentar latência.
É uma forma um pouco bem-humorada de descrever o problema, mas ela é bastante próxima da realidade de muitas empresas.
Uma organização mais escalável tenta transformar parte dessas interações repetitivas em contratos conhecidos. O objetivo não é impedir que especialistas participem. É garantir que participem principalmente quando existe algo novo para decidir.
Transforme decisões recorrentes em guardrails
Considere uma equipe que precise envolver Segurança praticamente sempre que lança uma funcionalidade nova. Em cada projeto surgem perguntas sobre exposição de dados, integrações externas, autenticação e credenciais.
Se a conversa é praticamente igual depois do décimo projeto, talvez não tenhamos mais dez decisões de segurança. Temos uma política de segurança que ainda não foi suficientemente explicitada.
Em vez de exigir uma nova reunião em cada caso, a organização pode transformar parte desses critérios em guardrails previamente acordados. Certas soluções, dentro de limites específicos, podem seguir autonomamente. Apenas situações que ultrapassem esses limites chegam à avaliação especializada.
Um produto que utiliza um método de autenticação já aprovado, não adiciona nova exposição externa, não altera determinada classificação de dados e segue um padrão arquitetural conhecido talvez não precise reconstruir toda a discussão.
Quando alguma dessas condições muda, aí sim existe algo relevante para analisar.
Para uma liderança de arquitetura, segurança, dados ou plataforma, existe uma pergunta simples e poderosa: quantas das decisões que chegam até mim são realmente novas e quantas são pequenas variações de algo que já decidimos repetidas vezes?
A segunda categoria é uma excelente candidata a virar padrão, política, self-service ou documentação executável.
Isso não reduz governança. Na maior parte das vezes, melhora a governança, porque aquilo que antes dependia da memória e disponibilidade de algumas pessoas passa a ser uma regra visível para todos.
Consultar não é o mesmo que aprovar
Outro ganho importante aparece quando distinguimos conhecimento de autoridade.
Uma área pode precisar ser consultada sem necessariamente se tornar parte obrigatória da aprovação.
Imagine uma iniciativa que aumente custos operacionais. Finanças possui informação importante. Arquitetura precisa avaliar determinadas implicações. Tecnologia precisa estimar esforço. Produto precisa compreender o valor para o cliente.
É perfeitamente possível que todas essas perspectivas sejam necessárias e, ainda assim, apenas uma pessoa seja responsável pela decisão final.
Suponha que exista um acordo organizacional segundo o qual a liderança de Produto pode decidir desde que a iniciativa permaneça abaixo de determinado investimento, utilize padrões arquiteturais previamente aprovados e não ultrapasse um nível definido de risco. Finanças fornece informação, arquitetura valida as premissas técnicas e tecnologia informa capacidade, mas nenhuma delas precisa transformar automaticamente sua contribuição em um veto.
Quando algum dos limites é ultrapassado, a governança muda e a decisão pode subir para outro nível.
Esse desenho preserva especialização sem tornar consenso obrigatório.
É uma diferença pequena no papel e enorme no fluxo.
Muitos processos ficam lentos porque ninguém distingue claramente quem precisa fornecer conhecimento, quem precisa ser ouvido e quem efetivamente possui autoridade para fechar a questão. Quando tudo é tratado como aprovação, cada participante adicional multiplica a possibilidade de espera.
Para líderes, vale procurar processos nos quais existe uma longa lista de pessoas “obrigatórias”. Em vários deles, talvez cinco pessoas precisem contribuir e apenas uma precise decidir.
Nem toda dependência pode ser removida. Algumas precisam de capacidade.
Há situações em que melhorar direitos de decisão e políticas não resolve o problema porque existe uma restrição concreta de capacidade.
Uma equipe de plataforma pode simplesmente não conseguir atender vinte projetos ao mesmo tempo. Um pequeno grupo especializado pode possuir conhecimento difícil de distribuir no curto prazo. Uma determinada infraestrutura pode suportar apenas algumas iniciativas simultâneas.
Nesse cenário, pedir mais alinhamento produz pouco efeito. Existe mais demanda do que capacidade.
A organização precisa escolher entre três caminhos: aumentar a capacidade, reduzir a dependência ou reduzir a quantidade de trabalho concorrendo por aquele recurso.
Imagine cinco produtos dependendo da mesma capacidade de plataforma. Com IA, todos conseguem amadurecer suas iniciativas mais rapidamente e chegam praticamente juntos à mesma equipe. Se a plataforma consegue absorver apenas duas delas, nenhuma ferramenta eliminará a necessidade de priorização.
A pior opção é fingir que todas continuam prioritárias.
Quando isso acontece, prioridade começa a ser determinada informalmente por quem insiste mais, quem possui maior influência ou qual demanda conseguiu chegar primeiro. É uma maneira bastante sofisticada de dizer que não existe prioridade.
Uma liderança pode preferir investir para tornar aquela capacidade self-service, contratar mais pessoas ou criar uma solução reutilizável. Em outros momentos, a decisão correta será simplesmente admitir que apenas duas iniciativas começarão agora.
Limitação de capacidade não é falha de colaboração.
É uma restrição que precisa ser administrada.
Começar ficou barato. Terminar continua caro.
Aqui aparece talvez um dos efeitos mais perigosos da IA para organizações que já tinham excesso de trabalho em progresso.
Se ficou mais fácil analisar uma oportunidade, passamos a analisar mais oportunidades. Se prototipar custa pouco, abrimos mais protótipos. Se produzir propostas executivas leva algumas horas, colocamos mais propostas na mesa.
Cada uma dessas decisões parece econômica isoladamente.
O problema é que uma iniciativa não consome recursos apenas quando começa.
Ela precisa continuar sendo acompanhada, disputar prioridade, atravessar dependências, receber decisões, manter contexto e eventualmente chegar à produção. Quando cinquenta coisas permanecem abertas, a organização paga um custo de coordenação sobre as cinquenta.
É possível, portanto, utilizar IA para aumentar output e simultaneamente reduzir throughput.
Há mais documentos, mais protótipos, mais hipóteses e mais projetos em andamento, mas não necessariamente mais resultados chegando ao cliente.
O relatório DORA de 2025, baseado em quase 5 mil profissionais de tecnologia e mais de cem horas de pesquisa qualitativa, descreve IA justamente como um amplificador das características do sistema no qual ela é inserida. O relatório argumenta que os maiores ganhos dependem menos da ferramenta isolada e mais das capacidades organizacionais que permitem transformar produtividade local em desempenho do produto.
Essa ideia vale muito além de desenvolvimento de software.
Se uma empresa já possui dificuldade para terminar aquilo que começa, IA pode tornar extremamente eficiente o ato de começar ainda mais coisas.
Às vezes, a solução mais tecnológica é começar menos
Existe uma intervenção surpreendentemente simples para parte desse problema: limitar trabalho em progresso.
Suponha que uma diretoria historicamente consiga executar bem seis iniciativas relevantes por trimestre. Depois de adotar IA, sua capacidade de estudar oportunidades cresce de quinze para quarenta.
Isso não significa que agora seja capaz de executar dezesseis iniciativas.
Talvez a melhor decisão seja continuar selecionando seis, mas escolhê-las com muito mais informação e testando suas premissas antes de comprometer recursos.
Esse é um aspecto pouco discutido da produtividade com IA. Parte do ganho não precisa ser convertida em mais volume. Pode ser convertida em melhor seleção.
A organização pode investigar cinquenta oportunidades e executar apenas cinco. Pode analisar dez arquiteturas e construir uma. Pode produzir dezenas de cenários e escolher um.
Quando o custo de gerar possibilidades cai, selecionar passa a ser mais importante do que gerar.
Para líderes, isso significa resistir à tentação de transformar cada ganho de produtividade em mais trabalho simultâneo. A capacidade liberada também pode ser usada para pensar melhor, reduzir riscos ou terminar antes.
Um exemplo: o projeto que parecia ter um problema de execução
Imagine uma empresa lançando um novo produto digital. A equipe responsável produz uma primeira proposta em três dias com auxílio de IA. O documento está bom, a oportunidade foi analisada e existe uma solução técnica plausível.
A partir dali, o projeto demora sete semanas para começar.
Uma análise retrospectiva mostra o seguinte: foram gastos quatro dias com trabalho efetivo de arquitetura, segurança e dados. O restante ficou distribuído entre espera por agenda, duas reuniões canceladas, uma dúvida sobre quem poderia aceitar determinado risco, priorização de uma dependência de plataforma e uma discussão que voltou ao início porque duas áreas haviam entendido de forma diferente o objetivo do lançamento.
A reação errada seria perguntar como IA poderia acelerar aqueles quatro dias. A reação mais útil seria observar as outras seis semanas.
Talvez o padrão arquitetural utilizado pudesse ter sido previamente aprovado. Talvez o risco tivesse um decision owner claro. Talvez a capacidade de plataforma precisasse ser tratada como dependência de portfólio já no início. Talvez as duas áreas precisassem concordar sobre o objetivo antes de produzir suas respectivas soluções.
Nenhuma dessas melhorias depende de uma IA mais sofisticada. Dependem de uma organização melhor desenhada para transformar trabalho em decisão.
O papel da liderança é reduzir coordenação desnecessária
Isso não significa perseguir uma empresa sem dependências. Organizações grandes possuem especialização por bons motivos. Segurança precisa controlar riscos que uma equipe de produto talvez não consiga avaliar sozinha. Arquitetura precisa preservar determinadas propriedades que atravessam produtos. Plataformas compartilhadas evitam duplicação. Lideranças precisam arbitrar investimentos que competem entre si.
A meta não é eliminar coordenação. É parar de pagar repetidamente por coordenação que não adiciona mais valor.
Uma boa organização faz algo semelhante a uma boa arquitetura: estabelece contratos suficientes para que as partes consigam operar com autonomia e reserva integração mais intensa para situações realmente complexas.
Algumas decisões merecem várias lideranças na mesma sala. Outras deveriam estar representadas por políticas conhecidas. Algumas dependências exigem colaboração entre especialistas. Outras já deveriam ter virado uma capacidade self-service. Outras situações possuem risco suficiente para exigir aprovação. Outras continuam atravessando o mesmo processo simplesmente porque “sempre fizemos assim”.
Quanto mais a IA acelera a produção, maior fica o custo dessas diferenças.
Não pergunte apenas quem está trabalhando. Pergunte onde o trabalho está esperando.
Uma das mudanças mais úteis que líderes podem fazer é começar a observar lead time organizacional com a mesma atenção que observam produtividade.
Pegue algumas iniciativas concluídas recentemente e reconstrua sua trajetória. Não pergunte apenas quanto tempo cada equipe levou. Pergunte quanto tempo o trabalho permaneceu parado e por quê.
Talvez descubra que uma iniciativa permaneceu cinco dias esperando uma decisão que levou vinte minutos. Outra ficou uma semana aguardando alguém que nem precisava ser approver. Um terceiro projeto passou por três reuniões diferentes para validar uma regra que já havia sido decidida em projetos anteriores.
Esses intervalos são difíceis de enxergar porque não aparecem como trabalho. Ainda assim, fazem parte integral do tempo que o cliente espera pelo resultado.
A IA torna esse diagnóstico mais urgente. Se continuarmos medindo apenas quanto mais cada pessoa consegue produzir, podemos celebrar enormes ganhos locais enquanto a velocidade percebida pela organização muda muito pouco.
Para uma liderança, portanto, o objetivo não deveria ser fazer todos produzirem o máximo possível.
Deveria ser fazer o trabalho importante atravessar a organização com o mínimo necessário de espera, retrabalho e negociação.
A próxima fronteira não é automatizar pessoas. É redesenhar interfaces.
Durante a primeira fase de adoção de IA, era natural concentrar atenção em produtividade individual. As ferramentas eram novas e havia muito valor óbvio em acelerar atividades que consumiam horas do dia.
A próxima fase exige olhar para outro lugar.
Quando produzir uma análise, uma proposta ou uma primeira solução deixa de ser a parte cara, o sistema organizacional que recebe esse trabalho passa a determinar uma parcela maior do resultado.
Isso coloca temas menos tecnológicos no centro da transformação: direitos de decisão, desenho de processos, autonomia, capacidade compartilhada, quantidade de trabalho em progresso e qualidade das interfaces entre áreas.
Em alguns casos, IA ajudará diretamente. Pode tornar políticas mais acessíveis, recuperar contexto, antecipar perguntas de outras funções e evitar reuniões puramente informativas.
Em outros, a solução precisará vir da liderança.
Nenhum modelo decide sozinho que uma aprovação deixou de ser necessária. Nenhum copiloto redistribui autoridade formal apenas porque detectou um gargalo. Nenhum agente consegue resolver a escassez de uma equipe estratégica se a organização insiste em comprometer cinco vezes sua capacidade.
Essas são escolhas de desenho organizacional.
A IA pode tornar cada equipe muito mais rápida e ainda deixar a empresa praticamente no mesmo lugar se o trabalho continuar atravessando exatamente as mesmas filas, aprovações e dependências.
O verdadeiro ganho começa quando a organização aproveita a produtividade adicional para questionar essas interfaces.
Porque o objetivo não é ter equipes mais rápidas produzindo trabalho para outras equipes mais rápidas.
É fazer a empresa inteira conseguir transformar uma boa ideia em resultado com menos atrito.
E existe um lugar em que boa parte desse atrito acaba ficando visível: a agenda. Quando direitos de decisão são confusos, contexto está fragmentado e dependências são excessivas, a resposta organizacional costuma ser convocar mais uma reunião de alinhamento.
É justamente por isso que o próximo artigo desta série não será sobre como usar IA para fazer reuniões melhores.
Será sobre entender por que ainda precisamos de tantas delas.
Referências
Dillon, E. W.; Jaffe, S.; Immorlica, N.; Stanton, C. T. Shifting Work Patterns with Generative AI. NBER Working Paper 33795, publicado em maio de 2025 e revisado em novembro de 2025. O estudo conduziu um experimento de campo com 7.137 trabalhadores do conhecimento em 66 empresas.
Dell’Acqua, F. et al. The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork. Organization Science, 2026. O experimento acompanhou 791 profissionais em desafios reais de inovação e avaliou desempenho, integração entre especialidades e colaboração com IA.
DORA. State of AI-assisted Software Development 2025. A pesquisa reuniu respostas de quase 5 mil profissionais de tecnologia e mais de cem horas de dados qualitativos, apontando a IA como um amplificador das capacidades e fragilidades organizacionais existentes.
hoje 18:30
agora artigo 3
Reunião não existe só para trocar informação. É por isso que a IA ainda não conseguiu eliminá-la
Meta description: IA já consegue resumir reuniões, preparar decisões e recuperar contexto. Mesmo assim, as agendas continuam cheias. O motivo é que parte das reuniões não existe para transmitir informação, mas para coordenar, negociar, decidir e construir compromisso.
Slug sugerido: reuniao-nao-existe-so-para-trocar-informacao-ia
Poucas atividades do trabalho corporativo parecem tão prontas para serem transformadas pela inteligência artificial quanto as reuniões. Hoje conseguimos gravar uma conversa, transcrevê-la, resumir os principais pontos, identificar responsáveis e recuperar decisões anteriores praticamente sem esforço. Antes de um encontro, a IA consegue percorrer documentos, mensagens e atas anteriores e preparar um participante em poucos minutos. Depois, quem não estava presente pode descobrir o que aconteceu sem assistir a uma hora de gravação.
Seria razoável imaginar que, com tudo isso, nossas agendas começariam a esvaziar.
Os dados mostram que essa relação não é tão simples. Um experimento de campo conduzido com 7.137 profissionais em 66 empresas durante seis meses avaliou o impacto de uma ferramenta generativa integrada a atividades como e-mail, criação de documentos e reuniões. Entre os profissionais que efetivamente utilizaram a tecnologia, houve redução relevante do tempo gasto com e-mail e alguma aceleração na produção de documentos. O estudo, porém, não encontrou redução estatisticamente significativa no tempo dedicado a reuniões.
Isso pode parecer estranho até percebermos que chamamos de “reunião” atividades muito diferentes. Algumas existem simplesmente para transmitir informação e estão, sim, bastante ameaçadas pela IA. Outras servem para construir entendimento compartilhado, negociar prioridades, decidir diante de objetivos conflitantes ou fazer pessoas assumirem compromissos umas com as outras.
A IA já está ficando muito boa na primeira categoria. O restante é um problema mais difícil porque não depende apenas de informação.
Esse talvez seja o ponto mais importante para líderes de produto, tecnologia, arquitetura, dados e operações. A oportunidade não está simplesmente em colocar IA dentro das reuniões. Está em descobrir qual trabalho ainda justifica colocar várias pessoas ao mesmo tempo na mesma conversa.
Nem toda reunião faz o mesmo trabalho
Considere duas reuniões aparentemente semelhantes.
Na primeira, oito líderes entram em uma chamada semanal para ouvir atualizações sobre cinco frentes de um programa. Cada responsável apresenta o que aconteceu, quais indicadores mudaram e quais são os próximos passos. Há poucas perguntas e nenhuma decisão relevante.
Na segunda, Produto quer manter uma data de lançamento porque existe uma janela comercial importante. Tecnologia acredita que o prazo é possível, mas exige assumir dívida que precisará ser paga depois. Operações considera que o suporte ainda não está preparado para o volume esperado. Arquitetura identifica uma restrição que não impede o lançamento, mas aumenta o risco.
As duas aparecem na agenda como “alinhamento”. Na prática, fazem trabalhos completamente diferentes.
A primeira existe principalmente porque informação precisa circular. A segunda existe porque a organização precisa transformar perspectivas legítimas e incompatíveis em uma decisão única.
Misturar essas duas coisas ajuda a explicar por que a discussão sobre “acabar com reuniões usando IA” costuma ser superficial. Podemos automatizar quase completamente a preparação da primeira e talvez eliminar o encontro. Na segunda, produzir um resumo perfeito não resolve o principal problema.
Todos podem conhecer exatamente os mesmos fatos e continuar discordando sobre o que fazer com eles.
Para quem lidera, essa distinção muda a pergunta. Em vez de começar tentando deixar todas as reuniões 30% mais eficientes, vale perguntar por que cada uma delas existe. Se a única resposta for “para todo mundo ficar sabendo”, há uma boa chance de que o problema possa ser resolvido de outra maneira.
A reunião informativa está ficando difícil de defender
Durante muito tempo, colocar pessoas numa sala era uma solução relativamente eficiente para sincronizar informação. O contexto estava espalhado entre e-mails, documentos, sistemas e conversas individuais. Juntar todos por uma hora resolvia, ainda que de forma cara, o problema de reconstruir o estado atual de um projeto.
Essa economia mudou.
Uma atualização semanal pode ser montada a partir das próprias fontes de trabalho. A IA consegue mostrar o que mudou desde a última semana, quais decisões foram tomadas, quais riscos surgiram e onde existem bloqueios. Quem precisar de mais contexto pode fazer perguntas sobre esse material sem obrigar dez pessoas a consumirem a mesma apresentação simultaneamente.
Isso significa que algumas das reuniões mais comuns nas empresas deveriam estar realmente sob pressão: status, leitura de indicadores, recap de projeto, apresentação de documentos e encontros cujo principal objetivo é garantir que todos tenham ouvido a mesma informação.
O ganho não está em transcrever melhor essas reuniões. Está em evitá-las.
Imagine uma reunião semanal de uma hora envolvendo dez pessoas. Há dez horas de capacidade executiva ou especializada sendo consumidas para produzir uma hora de calendário. Se o conteúdo poderia ser assimilado individualmente em dez minutos, o custo coletivo deixa de ser trivial.
É aqui que a IA oferece uma oportunidade muito concreta para lideranças. Em vez de perguntar “como colocamos um copiloto nessa reunião?”, vale experimentar uma pergunta mais incômoda: “se todos recebessem uma atualização confiável antes, essa reunião ainda precisaria acontecer?”.
Quando a resposta for não, cancelar o encontro é uma aplicação de IA muito mais interessante do que gerar uma ata impecável dele.
Informação compartilhada não significa entendimento compartilhado
Eliminar reuniões informativas, porém, resolve apenas a parte mais fácil.
Uma organização também precisa criar entendimento compartilhado, e isso é diferente de simplesmente distribuir informação.
Imagine que cinco líderes recebam o mesmo material estratégico. Os números são iguais para todos, as premissas estão documentadas e a recomendação é clara. Mesmo assim, uma pessoa pode interpretar que o objetivo mais importante é velocidade; outra pode entender que a prioridade é redução de custo; uma terceira pode assumir que a empresa aceita um grau maior de risco naquele momento.
O documento foi compartilhado. O entendimento não.
É durante uma boa conversa que essas diferenças muitas vezes aparecem. Uma pergunta revela que duas pessoas estavam usando a palavra “prioridade” de maneiras distintas. Uma objeção mostra que uma condição considerada secundária por Produto é central para Operações. Uma alternativa aparentemente consensual deixa de ser tão consensual quando alguém explicita quem absorverá o custo.
A IA consegue ajudar bastante nesse processo. Pode comparar versões de documentos, encontrar premissas conflitantes, recuperar decisões anteriores e até antecipar pontos que provavelmente precisarão ser discutidos.
Mas existe uma diferença entre detectar uma divergência e fazer uma organização resolver essa divergência.
Isso importa porque parte do trabalho de liderança acontece justamente nessa distância. Líderes não estão ali apenas para fornecer informações que os demais ainda não possuem. Eles também criam critérios, interpretam ambiguidades, arbitram prioridades e ajudam pessoas com responsabilidades diferentes a chegar a uma direção suficientemente comum para permitir execução.
Quanto mais barato fica acessar informação, mais evidente tende a ficar essa outra dimensão do papel.
A IA já consegue substituir parte do benefício cognitivo da colaboração
Isso não significa que a forma atual de colaboração esteja protegida da automação.
Um experimento publicado na Organization Science em 2026 acompanhou 791 profissionais trabalhando em desafios reais de inovação. Os pesquisadores compararam pessoas trabalhando individualmente ou em equipes, com e sem auxílio de IA. Entre os resultados, indivíduos utilizando IA conseguiram alcançar desempenho comparável ao de equipes sem IA em determinadas dimensões. A tecnologia também ajudou a reduzir parte da separação entre especialidades: profissionais técnicos produziram soluções mais equilibradas comercialmente, enquanto profissionais comerciais incorporaram melhor aspectos técnicos.
Esse resultado é especialmente relevante para ambientes de liderança porque uma das razões para reunir pessoas é distribuir conhecimento. Produto chama Arquitetura porque precisa compreender determinadas restrições. Arquitetura chama Produto porque precisa entender melhor o contexto comercial. Finanças participa porque outra área precisa compreender uma implicação econômica.
A IA começa a diminuir bastante o custo dessas interações preliminares. Um líder pode chegar à conversa entendendo conceitos de outra especialidade que antes exigiriam meia hora de explicação. Uma equipe pode antecipar dúvidas de Segurança antes de marcar uma reunião. Um arquiteto pode explorar o impacto comercial de três alternativas antes de envolver Produto.
Isso deveria nos permitir fazer menos reuniões nas quais especialistas participam apenas para emprestar conhecimento.
Conhecimento, porém, não é a mesma coisa que autoridade.
Uma líder de produto pode chegar a uma análise excelente sobre risco operacional sem possuir autoridade para aceitar esse risco em nome da organização. Um arquiteto pode compreender perfeitamente o impacto comercial de uma decisão sem ser a pessoa responsável por assumir aquele compromisso de mercado.
IA pode reduzir a necessidade de reunir pessoas apenas porque cada uma conhece uma parte diferente do problema. Ela não redistribui automaticamente accountability, orçamento ou direito de decisão.
Essa diferença é pequena na teoria e enorme quando olhamos uma agenda executiva.
Muitas reuniões são compensações para problemas organizacionais
Quando uma empresa reclama que possui reuniões demais, a resposta costuma ser comportamental: criar dias sem reunião, diminuir blocos para trinta minutos, exigir agenda ou incentivar as pessoas a recusar convites.
Essas práticas podem ajudar. Mas há um limite para quanto conseguimos resolver o problema mexendo apenas no calendário.
Muitas reuniões existem porque a organização possui dependências demais ou direitos de decisão de menos.
Quando não está claro quem decide, convidamos mais pessoas. Quando uma estratégia permite interpretações diferentes, criamos mais alinhamentos. Quando decisões não são registradas adequadamente, revisitamos assuntos. Quando uma equipe depende constantemente de outra, criamos rituais de sincronização. Quando lideranças não confiam que uma decisão possa acontecer sem elas, passam a ocupar reuniões em que sua participação é quase cerimonial.
Nesse sentido, a agenda funciona como uma espécie de radiografia do desenho organizacional.
Uma pesquisa publicada na Management Science formalizou justamente o trade-off entre produção e coordenação. Reuniões podem ser necessárias porque equipes precisam resolver problemas que surgem durante trabalho independente, mas cada período dedicado à coordenação também retira tempo da produção. O estudo mostra ainda que a melhor forma de coordenar varia com tamanho e características da equipe, o que ajuda a desmontar a ideia de que existe uma cadência universalmente correta.
Para uma liderança, isso sugere uma abordagem melhor do que simplesmente impor “menos reuniões”. Primeiro é preciso descobrir qual dependência está criando a necessidade delas.
Se uma reunião semanal existe porque duas equipes não possuem uma interface clara de trabalho, cancelar a reunião sem resolver a interface provavelmente apenas deslocará o problema para Slack, e-mail ou conversas ad hoc.
Se ela existe porque ninguém sabe quem pode tomar determinada decisão, a solução real é esclarecer autoridade.
E se existe porque todo mundo precisa ouvir um status, então talvez possamos, sim, simplesmente cancelá-la.
Antes de melhorar uma reunião, descubra qual problema ela resolve
Há um teste simples que líderes podem aplicar à própria agenda. Imagine que a reunião fosse cancelada permanentemente. O que deixaria de acontecer?
Se a resposta for “as pessoas não saberiam o andamento do projeto”, há um problema predominantemente informacional.
Se for “não conseguiríamos escolher entre as duas alternativas”, existe uma decisão.
Se for “Produto e Tecnologia continuariam entendendo objetivos diferentes”, existe um problema de entendimento compartilhado.
Se for “ninguém saberia quem ficou responsável”, há uma falha de ownership.
E se a resposta for simplesmente “não sei”, talvez o encontro tenha sobrevivido mais por hábito do que por necessidade.
Essa classificação não precisa virar um framework corporativo, nem ganhar sigla e treinamento obrigatório. Ela serve apenas para impedir que problemas diferentes recebam sempre a mesma solução: colocar mais gente no calendário.
Considere novamente uma reunião semanal de acompanhamento. Em vez de reunir todos, um resumo pode ser distribuído automaticamente com mudanças, riscos e bloqueios. Se não existir decisão ou impedimento relevante naquela semana, não há encontro. Caso exista, apenas as pessoas necessárias discutem o assunto específico.
Agora compare com uma decisão sobre antecipar um lançamento assumindo um risco operacional maior. Nesse caso, trocar a conversa por uma sequência interminável de comentários assíncronos pode apenas deixar o conflito menos visível. Há valor em colocar as pessoas responsáveis juntas, desde que o objetivo seja realmente decidir.
O ponto não é tornar tudo assíncrono. É parar de tratar sincronismo como configuração padrão.
Faça a reunião começar onde a informação termina
Muitas reuniões importantes poderiam continuar existindo e ainda assim consumir muito menos tempo.
É comum observar encontros executivos em que os primeiros vinte minutos são usados para reconstruir o histórico. Outros quinze apresentam números. Depois surgem perguntas factuais que poderiam ter sido respondidas antes. Quando a conversa finalmente chega ao trade-off relevante, metade da reunião já acabou.
Nesse caso, a IA não precisa substituir a reunião. Precisa retirar dela o trabalho que não exige interação.
Imagine uma discussão sobre uma nova iniciativa. Antes do encontro, os participantes recebem uma síntese curta contendo contexto, evolução desde a última decisão, indicadores relevantes, principais alternativas e pontos em que ainda existe divergência. Também podem consultar os documentos originais caso queiram aprofundar alguma informação.
A conversa poderia começar assim:
“Temos duas alternativas. A primeira mantém o lançamento em novembro, mas cria um risco operacional que precisaremos administrar nos três primeiros meses. A segunda elimina esse risco, porém adia a oportunidade para fevereiro. Precisamos decidir qual risco a empresa prefere assumir.”
Agora existe um bom motivo para aquelas pessoas estarem juntas.
O que mudou não foi apenas a duração. A arquitetura da conversa mudou. Informação foi consumida antes; o tempo coletivo foi reservado para julgamento.
Esse deveria ser um objetivo muito mais interessante para a IA no trabalho do que simplesmente criar melhores resumos depois que todos já gastaram uma hora na reunião.
Reuniões de decisão precisam ter um contrato simples
Outro problema frequente é entrar em uma reunião sem saber se ela deveria produzir uma decisão.
Um convite chamado “Alinhamento sobre o novo modelo comercial” pode significar praticamente qualquer coisa. Alguém entra preparado para apresentar informações, outra pessoa pretende explorar alternativas e uma terceira espera sair com uma aprovação.
Não é surpreendente que a reunião termine com “vamos amadurecer mais e retomamos”.
Uma reunião de decisão melhora muito quando três coisas estão claras antes de começar: qual pergunta precisa ser respondida, quais são as alternativas reais e quem possui autoridade para decidir.
Compare um convite genérico com algo como: “Precisamos decidir entre lançar em outubro com operação limitada ou adiar para janeiro. Produto recomenda outubro; Operações recomenda janeiro. A decisão é da diretoria responsável pelo produto.”
O segundo cenário muda a preparação dos participantes. Segurança sabe se precisa levantar uma objeção. Finanças sabe qual informação é relevante. Arquitetura sabe quais consequências precisam estar claras. E todos sabem que o objetivo da conversa não é simplesmente sair “mais alinhados”.
Isso não exige uma metodologia complexa. Exige disciplina de liderança.
Também ajuda a IA a ser mais útil. Em vez de pedir “prepare-me para a reunião sobre o projeto”, podemos pedir que consolide evidências relacionadas às duas alternativas, identifique premissas contraditórias e recupere decisões anteriores relevantes.
A qualidade da automação melhora porque a própria organização deixou claro o que está tentando fazer.
Contribuir para a decisão não significa participar de toda a reunião
Existe um hábito bastante caro em organizações grandes: convidar qualquer pessoa que possua relação potencial com o assunto.
A lógica é compreensível. É melhor incluir do que descobrir posteriormente que alguém relevante não foi ouvido.
O problema é que isso transforma “ter algo a contribuir” em “ficar uma hora na chamada”.
Essas duas coisas não são equivalentes.
Imagine que uma decisão de arquitetura tenha uma implicação jurídica específica. Jurídico pode analisar previamente essa implicação e registrar sua posição. Isso não significa necessariamente que alguém daquela área precise acompanhar cinquenta minutos de discussão sobre alternativas técnicas que não mudam sua avaliação.
O mesmo vale para Arquitetura, Segurança, Finanças, Dados e praticamente qualquer função especializada.
A IA torna esse modelo ainda mais viável porque reduz bastante o custo de consumir contribuições de maneira assíncrona. Podemos reunir avaliações anteriores, sintetizá-las e garantir que uma preocupação importante não desapareça apenas porque a pessoa não estava presente.
Isso permite uma distinção útil para quem organiza reuniões: quem precisa contribuir e quem precisa estar na conversa?
Muitas agendas ficariam surpreendentemente menores se tratássemos essas duas perguntas separadamente.
Explorar e decidir são dois modos diferentes
Há ainda reuniões que fracassam porque tentam explorar possibilidades e fechar uma decisão simultaneamente.
Exploração precisa de abertura. Pessoas deveriam poder propor coisas incompletas, fazer perguntas, mudar de ideia e testar hipóteses sem que cada comentário seja tratado como posição definitiva.
Decisão exige o oposto. Em determinado momento, precisamos reduzir alternativas, aceitar imperfeições e fechar uma direção.
Quando ninguém sabe em qual desses modos a reunião está operando, parte dos participantes continua abrindo novas possibilidades enquanto outra parte tenta encerrá-las.
Uma liderança pode resolver boa parte dessa confusão simplesmente separando os momentos.
Uma primeira conversa pode ter como objetivo chegar a duas ou três alternativas suficientemente boas. Não há obrigação de decidir ali. Depois, a IA e os times podem aprofundar cada opção, organizar dados e explicitar consequências. O encontro seguinte, se necessário, já começa como fórum de decisão.
Essa pequena separação tende a melhorar as duas conversas. Exploração deixa de ser apressada e decisão deixa de virar brainstorming infinito.
Registre decisões, não reuniões
As ferramentas atuais tornaram quase trivial guardar tudo que foi dito. Paradoxalmente, isso pode nos deixar piores em preservar aquilo que realmente importa.
Uma transcrição de cinquenta páginas não é memória organizacional útil apenas porque pode ser pesquisada.
Meses depois, a pergunta que normalmente interessa não é “o que cada pessoa disse aos 37 minutos?”. Queremos saber qual decisão foi tomada, por que foi tomada, quais premissas sustentavam a escolha, quem assumiu a responsabilidade e em que condições deveríamos revisar aquela decisão.
Considere um registro simples:
“Em setembro, optamos por lançamento gradual porque a capacidade operacional não suportava toda a base. O rollout será ampliado quando a capacidade atingir X. A decisão será revista em janeiro caso isso ainda não tenha acontecido.”
Esse pequeno artefato costuma ser mais valioso do que a transcrição inteira.
E há um benefício adicional em um ambiente com IA. Modelos conseguem reconstruir contexto futuro com muito mais qualidade quando decisões importantes estão explicitamente preservadas. Caso contrário, pedimos que a tecnologia descubra qual das centenas de frases de uma conversa representava a decisão efetiva.
IA não elimina a necessidade de memória organizacional. Ela aumenta o retorno de mantê-la bem estruturada.
Use a agenda como um diagnóstico de liderança
Quando esse olhar é aplicado durante algum tempo, padrões começam a aparecer.
Se uma liderança participa constantemente de decisões pequenas, talvez não tenha criado autonomia suficiente abaixo dela. Se quatro áreas precisam se reunir toda semana para manter um fluxo funcionando, talvez exista uma dependência estrutural que deveria ser redesenhada. Se reuniões gastam metade do tempo reconstruindo histórico, o problema provavelmente está na preservação de contexto. Se todo projeto relevante passa pelo mesmo grupo, esse grupo pode ter se tornado um gargalo organizacional.
Nesse momento, contar reuniões deixa de ser tão interessante.
Uma pessoa pode ter poucas reuniões porque está isolada das decisões importantes. Outra pode ter muitas porque coordena um programa temporariamente complexo. Não existe um número mágico de horas que represente maturidade.
O que importa é a relação entre o custo da coordenação e o trabalho que ela permite realizar.
É por isso que iniciativas como “zero meetings Friday” podem ser agradáveis sem necessariamente resolver o problema estrutural. Reservar tempo protegido é útil, mas uma organização não fica menos dependente apenas porque empurrou suas dependências para quinta-feira.
Liderança precisa atuar também sobre as causas: clareza de decisão, autonomia, interfaces entre equipes, qualidade do contexto e quantidade de trabalho simultaneamente em andamento.
O papel da liderança fica mais importante quando informação fica barata
Há uma consequência mais ampla dessa mudança.
Durante muito tempo, possuir informação era uma fonte importante de vantagem dentro das organizações. Pessoas seniores estavam em mais reuniões, conheciam mais contexto e tinham acesso a discussões que outros profissionais não acompanhavam.
A IA começa a reduzir parte dessa assimetria. Um profissional consegue chegar a uma conversa conhecendo o histórico, explorando perspectivas diferentes e testando argumentos com profundidade muito maior do que antes.
Isso não torna liderança menos importante. Muda o tipo de valor que esperamos dela.
Se informação está mais acessível, o diferencial deixa de ser simplesmente saber algo antes dos outros. Torna-se mais importante estabelecer critérios, reconhecer quando existe um conflito real, criar espaço para discordância, decidir sob incerteza, atribuir responsabilidade e saber quais decisões não precisam chegar até você.
Esse último ponto é particularmente relevante.
Uma liderança que utiliza IA para processar duas vezes mais informação, mas continua exigindo participação pessoal em todas as decisões, pode simplesmente construir um gargalo mais sofisticado.
A maturidade não está em conseguir participar de mais reuniões.
Está em desenhar uma organização que precise menos da sua presença para funcionar bem.
Talvez a IA não elimine reuniões. Ela pode eliminar as reuniões erradas
A conclusão desta série não é que interação humana tenha se tornado o último reduto impossível de automatizar. Tampouco é uma defesa das agendas que temos hoje.
Muitas reuniões deveriam desaparecer. Se sua função é apenas comunicar status, reproduzir um documento, apresentar indicadores ou reconstruir acontecimentos, já temos alternativas melhores. Outras podem ser significativamente menores porque a maior parte do contexto pode ser consumida antes. E algumas continuarão existindo porque há um trabalho genuinamente coletivo a ser realizado: reconciliar interpretações, negociar prioridades, assumir trade-offs e construir compromisso em torno de uma decisão.
Essa distinção importa porque evita dois erros igualmente ruins. O primeiro é manter todos os rituais atuais e apenas adicionar IA a eles. O segundo é acreditar que qualquer conversa síncrona representa uma ineficiência que deveria ser automatizada.
Coordenação possui custo. Também possui valor.
O trabalho da liderança é garantir que pagamos esse custo quando há algo realmente importante para coordenar.
Nos dois artigos anteriores desta série, partimos do aumento da produtividade individual e chegamos ao problema das dependências entre equipes. As reuniões são uma manifestação muito concreta dessa mesma mudança. Quanto mais barata fica a produção de informação, propostas e análises, menos justificável fica utilizar o tempo coletivo simplesmente para transportá-las.
A pergunta que eu usaria para revisar uma agenda, portanto, não é “essa reunião poderia ter sido um e-mail?”. A frase virou quase uma piada e simplifica demais o problema.
Uma pergunta melhor é: o que aconteceu nessa conversa que realmente exigia aquelas pessoas juntas naquele momento?
Se a resposta envolver uma decisão difícil, uma divergência importante ou um compromisso que precisava ser construído, talvez tenha sido um ótimo uso do tempo.
Se a resposta for apenas “agora todos sabem o que aconteceu”, provavelmente encontramos uma reunião que a IA não precisa melhorar. Pode simplesmente ajudar a tornar desnecessária.
