Quanto mais barato fica fazer, mais caro fica saber o que não fazer

Eu tenho a impressão de que estamos medindo o impacto da IA com uma régua pequena demais.

Uma campanha que levava dias pode ficar pronta em horas. Uma análise que exigia uma tarde inteira pode sair em minutos. Uma apresentação que consumia tempo de várias pessoas hoje começa praticamente pronta. Por isso, quase toda conversa sobre inteligência artificial nas empresas acaba na mesma pergunta: quanto tempo conseguimos economizar?

Eu acho que estamos fazendo a pergunta errada.

Talvez estejamos entrando em uma fase em que fazer deixa de ser a parte cara do trabalho. O caro passa a ser decidir o que merece ser feito.

Durante anos, a falta de capacidade funcionou como um filtro involuntário. Não dava para tocar vinte projetos ao mesmo tempo, testar cinquenta campanhas ou produzir dez análises para a mesma decisão. A escassez obrigava, ainda que mal, a escolher.

E talvez seja isso que a IA esteja expondo agora: muita empresa nunca aprendeu a priorizar de verdade. Apenas era obrigada a escolher porque não tinha braço para fazer tudo.

A escassez escondia a falta de prioridade.

Os dados já mostram parte dessa distância. No State of AI 2026, da McKinsey, 80% dos respondentes dizem que a IA melhorou sua produtividade individual, enquanto 37% relatam impacto positivo no EBIT. Produzir mais e gerar mais valor continuam sendo coisas diferentes.

Tenho uma implicância com empresas que chamam quinze coisas de prioridade e depois comemoram que a IA permitiu executar as quinze mais rápido. Isso não é foco. É só dispersão com infraestrutura melhor.

E existe um motivo para isso acontecer: as empresas costumam criar status em torno de adicionar coisas.

Abrir um projeto parece iniciativa. Pedir uma análise parece diligência. Criar uma nova frente mostra movimento. Já dizer que uma análise não muda decisão nenhuma, encerrar um projeto bom para proteger um melhor ou simplesmente decidir que alguma coisa não deveria começar exige muito mais convicção.

Pouca gente é reconhecida por impedir uma boa ideia de virar projeto.

E talvez essa seja uma parte subestimada dessa discussão. A IA reduz o custo técnico de produzir, mas não reduz o custo político de renunciar.

Cancelar uma iniciativa mexe com quem a criou. Tirar prioridade de uma frente mexe com orçamento, visibilidade e poder. Dizer “não vamos fazer” costuma exigir mais coragem do que dizer “vamos testar”. A tecnologia pode baratear a execução, mas não toma essa decisão no lugar da liderança.

Esse incentivo importa porque a IA chega justamente em organizações que já eram melhores em começar do que em parar.

É aí que a conversa sobre produtividade fica pequena.

Se uma equipe consegue fazer três vezes mais, mas continua escolhendo do mesmo jeito, o ganho de capacidade não resolve o problema. Ele só permite que mais decisões atravessem a organização sem serem suficientemente questionadas.

Quando produzir era caro, a própria limitação fazia parte da priorização. Agora que essa limitação diminui, o critério precisa ocupar esse lugar.

E isso muda o que passa a diferenciar um profissional de alta performance.

Continuo valorizando execução. Mas volume, sozinho, vai dizer cada vez menos. Se determinadas formas de execução ficam mais baratas, aumenta o valor de quem entende contexto, reconhece o que não muda nenhuma decisão e consegue evitar trabalho antes que ele exista.

Talvez o profissional mais valioso da era da IA não seja quem consegue produzir mais coisas com ela. Talvez seja quem consegue apagar mais coisas antes que elas consumam a empresa.

Isso vale ainda mais para a liderança. Se tudo cabe, nada precisou ser priorizado. Se a IA permite fazer tudo e a liderança aceita fazer tudo, não temos uma organização mais inteligente. Temos uma organização mais rápida sem necessariamente ter ficado melhor em escolher.

Por isso, tenho alguma resistência quando o principal indicador de sucesso de um projeto de IA é “horas economizadas”.

Economizadas para quê?

Se as cinco horas que sobraram viraram cinco horas de novas demandas, relatórios, reuniões e projetos que ninguém teve coragem de questionar, talvez não tenhamos criado valor. Apenas aumentamos a esteira.

A pergunta não deveria ser apenas “o que mais podemos fazer com IA?”. Talvez a mais importante seja outra:

“o que agora podemos parar de fazer?”.

Porque, quanto mais barato fica fazer, mais caro fica saber o que não fazer.