Alexandre Izefler

ai-native

O ROI da IA não é substituir gente, é redesenhar o trabalho

A conta mais comum sobre retorno de IA é a mais errada: cortar N pessoas e somar os salários economizados. Quem tentou trocar humano por modelo direto colheu retrabalho. O retorno de verdade aparece em outro lugar, no redesenho do fluxo, não no corte de cabeça.

Alexandre Izefler
ai-nativeprodutividadeparadigma-70-30estrategia

O ROI da IA não é substituir gente, é redesenhar o trabalho

Toda vez que uma liderança me pergunta qual é o ROI de adotar IA, a primeira versão da resposta que ela tem na cabeça é a mesma. Se a ferramenta faz o trabalho de uma pessoa, eu tiro a pessoa e guardo o salário. Pronto, esse é o retorno. É uma conta simples, direta, e fácil de levar para uma planilha. O problema é que ela quase nunca fecha.

A própria Meta deu o exemplo público disso. O Zuckerberg admitiu que trocar parte do trabalho humano por IA dentro da empresa gerou erros, e que algumas dessas substituições tiveram que ser revistas. Quando a empresa que mais investe em IA no mundo diz que apertou o botão de substituir cedo demais e se queimou, vale parar para pensar. Não porque a IA não entregue. Ela entrega. Mas porque o que ela entrega não é "a pessoa menos".

A matemática do corte ignora o que sobra

A conta de substituição assume uma coisa que não é verdade: que o trabalho de uma pessoa é um bloco fechado que a IA pega inteiro. Não é. O trabalho de quase todo mundo é um amontoado de tarefas, e a IA é boa numa parte delas, a parte repetitiva e mecânica, e ruim em outra, a parte que exige contexto, julgamento e responsabilidade pela consequência.

Quando você automatiza a parte fácil e demite a pessoa, a parte difícil não some. Ela fica órfã. Alguém ainda precisa decidir, revisar, perceber quando o resultado está confiante e errado, assumir o que deu ruim. Esse alguém agora é um time menor, com mais superfície de erro para cobrir. Foi mais ou menos isso que aconteceu na Meta. O custo do erro apareceu depois, fora da planilha do corte.

Tem um dado que gosto de citar aqui porque ele é honesto. O CEO da Read AI comentou recentemente que a IA de fato elimina tarefas repetitivas, só que, em vez de sobrar tempo livre, aparece mais trabalho. Trabalho diferente. Mais decisão, mais coordenação, mais validação. O volume de execução cai e o volume de tudo que vem em volta da execução sobe. Quem esperava que a IA esvaziasse a agenda descobriu que ela só trocou o conteúdo da agenda.

É o mesmo 70/30, visto pelo bolso

Eu já escrevi por aqui sobre o paradigma 70/30 e o modelo V-Bounce. A ideia central é que a IA comprimiu a execução, o passo mais barulhento e visível do processo, mas o valor da engenharia nunca esteve ali. Ele está na intenção, na arquitetura, na especificação e na validação. A geração ficou barata. Decidir o que construir e provar que está certo continua caro.

A conta de substituição erra justamente porque mira no lugar barato. Ela olha para os 30% que a IA absorve e imagina que pode demitir os 70% junto. Só que os 70% não eram a digitação. Eram a cabeça. Quando você corta a pessoa, você corta os dois, e fica pagando o preço dos 70% em retrabalho, incidente e decisão mal tomada.

Por isso o retorno de IA não se mede pela conta de quanta gente saiu. Se mede por quanto o sistema inteiro ficou mais fluido. Quão rápido e com quanta confiança uma intenção vira valor entregue. Essa é uma conta bem mais chata de fazer, e é exatamente por isso que a maioria foge dela.

O retorno mora no redesenho, não na demissão

Tem um relatório do TIInside, de meados de junho, que coloca essa tese de forma direta: o verdadeiro ROI da IA em 2026 não está na produtividade pontual, está no redesenho de processos. E isso conversa com o que a McKinsey vem dizendo há um tempo. No levantamento dela sobre o estado da IA, a leitura que se repete é que a maioria das organizações já usa IA de alguma forma, mas os melhores resultados não vêm de plugar uma ferramenta num fluxo que continua o mesmo. Vêm de redesenhar o fluxo em volta da capacidade nova.

O BCG mediu o tamanho desse buraco. Em 2024, três a cada quatro empresas relataram dificuldade para escalar valor de IA além de pilotos isolados. Não por falta de modelo. Por falta de redesenho. A ferramenta entra, mas o processo, as responsabilidades, a forma de medir, tudo continua desenhado para o mundo anterior. Aí a IA acelera um pedaço e engasga no resto, e o ganho que aparecia na demo some no agregado.

Redesenhar dá muito mais trabalho do que cortar. Cortar é uma decisão de uma linha numa planilha. Redesenhar exige olhar para o fluxo de ponta a ponta e perguntar onde a IA tira atrito de verdade, o que muda de mão quando a execução fica barata, quem valida o quê, e como você sabe que melhorou. É um trabalho de arquitetura, não de tesoura. Mas é nele que o retorno está.

A IA potencializa quem já sabe

Tem uma leitura que vejo circular e com a qual concordo: a IA não substitui as pessoas, ela amplifica as que já sabem o que estão fazendo. Coloca a mesma ferramenta na mão de alguém com contexto profundo e de alguém com contexto raso, e você vê dois resultados opostos. O primeiro usa a IA para ir mais longe no problema certo. O segundo vai mais rápido na direção errada, com mais confiança, porque o modelo é convincente.

Isso muda a pergunta. Não é "quantas pessoas a IA me deixa cortar". É "quais pessoas a IA me deixa potencializar, e que processo eu preciso redesenhar para que essa potência vire valor entregue, não retrabalho". A barreira técnica caiu. Quase qualquer um gera código, texto, análise hoje. O que pesa agora é querência e vontade de resolver problemas difíceis com soluções simples, e o contexto para saber qual problema vale resolver.

Quem trata IA como botão de substituição vai colher o que a Meta colheu. Quem trata IA como motivo para redesenhar o trabalho, e como amplificador de quem entende o trabalho, é quem vai aparecer do outro lado de 2026 com retorno real para mostrar. O ROI nunca esteve no corte. Está em redesenhar o que ficou possível agora que a execução ficou barata.

Referências