Quando a IA vira commodity, estratégia passa a ser o diferencial

No começo, eu achei que tinha superpoderes.

Não estou exagerando.

Quando comecei a me aprofundar no uso de inteligência artificial no trabalho, passei a fazer coisas que antes exigiriam muito mais tempo, pessoas ou conhecimento especializado.

Montava apresentações melhores. Analisava números de mercado. Buscava informações em fontes que provavelmente eu não procuraria sozinho. Construía cenários. Revisava textos. Estruturava ideias. Respondia e-mails com mais clareza.

E comecei a perceber que conseguia chegar mais preparado às discussões.

Lembro de uma reunião do comitê gestor em que discutíamos nossa taxa administrativa. Durante a conversa, busquei nos sites de algumas Unimeds os balanços que elas são obrigadas a publicar. Peguei aqueles dados e utilizei IA para calcular indicadores como taxa administrativa e ticket médio.

A análise mostrou algo importante.

Nosso problema não estava apenas na taxa administrativa. Naquele cenário, nosso ticket médio também estava abaixo de outras referências e isso mudava a interpretação do problema.

De repente, uma discussão que poderia ficar baseada em percepção ganhou outro nível porque conseguimos olhar para dados públicos, fazer comparações e construir rapidamente uma hipótese muito mais consistente.

Naquele momento, pensei: isso é quase um superpoder.

E confesso que fiz algo bastante humano: não compartilhei tudo que estava aprendendo.

Dividia algumas coisas, ajudava algumas pessoas, mostrava algumas possibilidades. Mas guardava parte daquele conhecimento porque, de alguma maneira, eu acreditava que aquilo poderia continuar sendo uma vantagem competitiva pessoal.

Não durou muito.

Quando todo mundo começa a ter o mesmo superpoder

A primeira quebra dessa sensação aconteceu de uma maneira bastante simples.

Recebi um e-mail muito bem escrito, longo, bem estruturado e cheio de argumentos de uma pessoa que eu conhecia e que normalmente não escrevia daquela forma.

Era um bom texto.

Mas não parecia aquela pessoa.

Depois disso comecei a prestar mais atenção.

Vieram apresentações extremamente bem organizadas. Postagens cada vez mais sofisticadas no LinkedIn. Mensagens de WhatsApp excessivamente formais. Textos impecáveis de pessoas que nunca tinham escrito daquele jeito.

Aos poucos ficou evidente: todos ao meu redor também estavam descobrindo aqueles superpoderes.

E isso não é necessariamente ruim.

Pelo contrário.

Pessoas passaram a estudar assuntos que antes pareciam distantes. Acessaram conteúdos internacionais. Fizeram análises melhores. Aumentaram sua capacidade de argumentação. Produziram mais.

O volume de informação e produção explodiu.

Mas alguma coisa também começou a mudar.

Quando todos conseguem produzir textos perfeitos, apresentações bonitas e argumentos estruturados em poucos minutos, isso deixa de ser uma vantagem competitiva.

Em alguns casos, começa inclusive a provocar o efeito contrário.

Tenho percebido cada vez mais uma certa rejeição a mensagens excessivamente elaboradas.

Um e-mail de cinco parágrafos muito bem escrito pode ser pior do que três linhas objetivas de alguém que eu conheço.

Uma mensagem de WhatsApp perfeitamente estruturada pode parecer estranha quando a relação entre as duas pessoas nunca teve aquela formalidade.

E uma apresentação visualmente impecável pode esconder o fato de que ninguém realmente entrou no processo que está sendo apresentado.

Comecei, curiosamente, a valorizar novamente algumas imperfeições.

Não estou defendendo comunicação ruim.

Uma mensagem precisa ser clara, objetiva e coerente. Precisa permitir que quem a recebe entenda o que está sendo dito e o que se espera dela.

Mas um erro de pontuação, uma palavra colocada de um jeito diferente ou uma frase que não passou por dez revisões deixou de me incomodar.

Às vezes essas imperfeições me mostram justamente que existe uma pessoa ali.

Um material perfeito também pode estar completamente errado

Essa percepção ficou ainda mais forte em uma situação que vivi recentemente.

Uma gestora apresentou uma análise sobre um problema em um sistema.

O material era muito bom.

Tinha números, fatos, argumentos e uma lógica aparentemente bastante sólida. A conclusão indicava uma falha no sistema e a necessidade de uma ação de melhoria.

A apresentação chegou à diretoria e, pela qualidade do material e dos argumentos apresentados, um diretor entendeu que aquela conclusão estava correta.

Quando entramos no processo para analisar o problema em profundidade, descobrimos outra coisa.

A funcionalidade apontada como inexistente já existia.

O problema não era aquele.

O que havia faltado era algo muito menos sofisticado: entrar no processo, reproduzir o que aconteceu e entender a operação real antes de construir a hipótese.

A partir de uma suposição inicial, foi possível construir com ajuda da IA um material bonito, consistente e convincente.

Mas continuava sendo uma suposição.

Esse episódio me fez perceber uma coisa importante.

A IA aumentou enormemente nossa capacidade de argumentar.

Mas aumentar nossa capacidade de argumentar não significa necessariamente aumentar nossa capacidade de estar certos.

Talvez essa seja uma das grandes armadilhas desse momento.

Nunca foi tão fácil construir uma narrativa convincente.

Por isso, talvez nunca tenha sido tão importante saber questioná-la.

O acesso está deixando de ser vantagem

Essa percepção pessoal encontra respaldo no que está acontecendo com a própria tecnologia.

O AI Index 2025, publicado pelo Stanford Institute for Human-Centered Artificial Intelligence, mostrou que o custo para consultar um modelo com desempenho equivalente ao GPT-3.5 caiu de aproximadamente US$ 20 por milhão de tokens em novembro de 2022 para apenas US$ 0,07 em outubro de 2024.

Uma redução superior a 280 vezes.

Modelos continuam evoluindo enquanto o custo de acessar determinadas capacidades diminui rapidamente.

Isso muda a lógica da vantagem competitiva.

Uma tecnologia pode continuar sendo extremamente importante mesmo quando o simples acesso a ela deixa de ser raro.

Foi justamente essa ideia que me chamou a atenção quando meu amigo Rodrigo Acras me enviou recentemente o artigo “When AI Becomes a Commodity”, de Henrique Castrequini.

A tecnologia continua valiosa.

O acesso a ela é que tende a deixar de ser diferencial.

A corrida pela quantidade

Essa mesma inquietação começou a aparecer para mim em outro lugar.

Passei a observar no LinkedIn empresas divulgando quantidades crescentes de iniciativas de inteligência artificial.

Dezenas de agentes.

Centenas de casos de uso.

Milhares de automações.

Ao mesmo tempo, em minha segunda participação no IA & Data Leaders, encontrei discussões muito mais maduras sobre o tema.

Vi cases apresentando valores relevantes investidos em inteligência artificial sem conseguir demonstrar, na mesma proporção, o resultado concreto desses investimentos.

E percebi uma convergência muito grande entre fornecedores.

Todos estão preparados para colocar agentes dentro das empresas.

Isso é compreensível. É o mercado atual.

Mas comecei a me perguntar se não estamos confundindo movimento com progresso.

Ter cem agentes é melhor do que ter dez?

Mil automações significam que uma empresa é mais competitiva?

Quantos casos de uso de IA uma empresa precisa ter para dizer que está realmente transformando seu negócio?

Não sei.

E, cada vez mais, acho que essas são as perguntas erradas.

Os dados mais recentes mostram que essa preocupação não está restrita à minha percepção.

Em pesquisa publicada pela Boston Consulting Group em julho de 2026, com 152 CEOs de empresas com receita de pelo menos US$ 500 milhões, quase nove em cada dez afirmaram já perceber algum benefício de custo ou receita da IA em áreas específicas de suas empresas.

Parece uma ótima notícia. E é.

Mas existe outro lado.

A maioria ainda enfrenta dificuldade para transformar esses ganhos localizados em impacto financeiro em escala. E somente 14% dos CEOs pesquisados disseram definir claramente o impacto no P&L para todas as suas iniciativas de inteligência artificial.

Existe, portanto, uma diferença importante entre ter iniciativas e transformar essas iniciativas em resultado.

Uma empresa pode ter centenas de projetos de IA e nenhum deles mudar substancialmente sua posição competitiva.

Outra pode escolher dois ou três problemas muito relevantes e, a partir deles, construir novos negócios, fidelizar clientes, mudar sua estrutura de custos ou transformar radicalmente sua operação.

Para mim, a segunda está muito mais avançada.

Talvez tenhamos chegado à governança pelo caminho certo sem saber

Existe ainda uma coincidência interessante nessa história.

Em 2024 iniciamos um movimento de governança de dados.

Nosso objetivo original não era preparar a empresa para IA.

Queríamos algo mais básico e, ao mesmo tempo, mais difícil.

Queríamos dados governados.

Queríamos que as informações relevantes chegassem de maneira democrática às pessoas que precisavam delas.

Queríamos garantir que cada área tivesse acesso ao que era pertinente ao seu trabalho sem necessariamente acessar informações que não deveria.

E, principalmente, queríamos que decisões fossem tomadas sobre informações confiáveis.

Naquele momento já entendíamos que isso poderia ser importante no futuro para inteligência artificial, mas essa não era a principal motivação.

Acontece que, enquanto avançávamos nesse trabalho, a IA começou a se democratizar numa velocidade enorme.

E os dois caminhos acabaram convergindo.

Hoje estou cada vez mais convencido de que essa sequência fez sentido.

Primeiro pessoas capazes de pensar digitalmente.

Depois processos concebidos para um mundo digital.

Dados organizados, confiáveis e governados.

E então tecnologia.

Quando invertemos essa ordem e começamos simplesmente espalhando agentes sobre processos antigos, dados ruins e objetivos pouco claros, podemos até gerar movimento.

Mas dificilmente geraremos transformação.

Esse talvez seja um dos pontos em que mais recebo cobranças.

Vivemos em uma época em que minutos e horas economizadas são fáceis de demonstrar.

É muito mais difícil explicar por que uma arquitetura, uma governança ou uma decisão estratégica que talvez demore meses para amadurecer poderá mudar a empresa nos próximos cinco anos.

Quantidade é visível.

Estratégia nem sempre é.

Mas continuo acreditando que é justamente aí que estará a diferença.

A IA pode se tornar commodity. Estratégia, não.

Imagine duas empresas concorrentes.

As duas podem acessar os mesmos modelos.

Podem contratar os mesmos fornecedores.

Podem utilizar ferramentas semelhantes.

Podem construir agentes utilizando praticamente a mesma tecnologia.

Onde estará a vantagem competitiva?

Não estará simplesmente na IA.

Estará na capacidade de entender onde aquela empresa está, para onde o mercado está indo, quem são seus concorrentes atuais e, talvez mais importante, quem poderá ser seu concorrente daqui a alguns anos.

Estará na capacidade de escolher.

Escolher quais problemas valem a pena resolver.

Quais processos precisam ser abandonados em vez de automatizados.

Quais dados precisam ser governados.

Onde a tecnologia pode criar um novo negócio.

O que realmente melhora a experiência e a fidelidade do cliente.

E onde não fazer nada talvez seja uma decisão melhor do que criar mais um agente.

Quanto mais acessível a tecnologia se torna, menos vantagem existe simplesmente em possuí-la.

E mais importante fica o que fazemos com ela.

Há uma analogia que tenho usado muito para pensar sobre isso.

O tempo é uma das poucas coisas distribuídas igualmente entre todos nós.

Todos temos as mesmas 24 horas.

O que diferencia pessoas e empresas é a maneira como decidem utilizá-las.

A IA está nos entregando mais capacidade dentro dessas mesmas 24 horas.

Podemos utilizar essa capacidade para produzir mais e-mails, mais apresentações, mais relatórios, mais análises e mais agentes.

Ou podemos utilizá-la para pensar mais profundamente sobre aquilo que queremos construir.

E existe uma escolha aí.

Porque não conseguimos fazer tudo.

Podemos consumir nossa nova capacidade resolvendo pequenos problemas de hoje ou direcioná-la para construir algo relevante para amanhã.

Provavelmente precisaremos fazer um pouco dos dois.

Mas a proporção entre eles será uma decisão estratégica.

E talvez essa seja uma das perguntas que CEOs e executivos deveriam começar a fazer com mais frequência.

Não:

“Quantas IAs temos?”

Mas:

“Que resultado estamos construindo com elas?”

Porque se amanhã seu concorrente puder comprar a mesma inteligência artificial que você utiliza hoje, sua vantagem nunca esteve realmente naquela tecnologia.

Estava naquilo que você decidiu fazer com ela.