A pressão para responder ao negócio é real.
Mais concorrência. Mais oferta. Campanhas criam picos de demanda. SLAs não admitem falhas. Clientes com mais opções e menos tolerância.
O resultado é previsível: as empresas precisam fazer mais, melhor e mais rápido ao mesmo tempo.
E é nesse contexto que entra o novo perfil de talento: reforçar equipes com profissionais capazes de operar com autonomia desde o primeiro momento. Perfis rápidos, com elevada fluidez digital, que aprendem rápido e executam ainda mais rápido.
Quando a execução deixa de caber no sistema
Na prática, o que tenho observado em diferentes contextos é um desalinhamento crescente entre o tipo de talento que se atrai e a capacidade real dos sistemas onde esse talento vai operar.
Ao longo dos anos, as organizações foram adicionando camadas sucessivas de controle: validações, checkpoints, regras de compliance, requisitos de auditoria, novas funcionalidades. Cada uma dessas camadas foi introduzida com um objetivo legítimo: reduzir risco, garantir consistência, proteger o cliente e manter a operação dentro de ambientes regulatórios cada vez mais exigentes.
O resultado é um tipo de sistema que funciona bem sob estabilidade, mas que tem dificuldade em responder a variações rápidas de volume ou necessidade. Sistemas desenhados para proteger acabam, inevitavelmente, sacrificando velocidade.
Para responder à pressão de capacidade, as organizações passam a recrutar perfis com elevada autonomia e rapidez de execução. O objetivo é claro: ganhar velocidade onde o sistema não consegue.
Mas essa velocidade não é absorvida pelo sistema. É exercida muitas vezes, fora do fluxo formal de trabalho.
É aqui que a inteligência artificial deixa de ser tendência e passa a ser ferramenta operacional do dia a dia.
Segundo dados da Microsoft e da LinkedIn, cerca de 75% dos profissionais do conhecimento já utilizam AI no trabalho, sendo que mais da metade recorre a ferramentas próprias, fora do ambiente corporativo. No Brasil, esse número ultrapassa 80%.
Na prática, isso se traduz em comportamentos muito concretos:
Respostas a clientes são estruturadas com apoio de ChatGPT para ganhar velocidade e clareza; reuniões são gravadas e transformadas automaticamente em atas por ferramentas como Otter.ai ou Fireflies.ai. Decisões são preparadas com base em informações reorganizadas fora dos sistemas internos, muitas vezes com apoio de documentos temporários, prompts ou automações simples.
Nada disso acontece por desvio. Acontece porque funciona.
Mas é exatamente aqui que surge o risco.
Para ganhar velocidade, a execução passa a acontecer em canais que não foram desenhados para garantir controle, rastreabilidade e proteção de dados. E, nesse movimento, a organização perde visibilidade sobre onde o trabalho acontece, com que informação e sob quais regras.
Quando talento operando a 200 km/h entra em sistemas desenhados para operar a 100, a adaptação não acontece do lado da velocidade, acontece na forma como o trabalho é executado.
À medida que essas práticas se tornam recorrentes, parte da execução deixa de ser totalmente auditável. A informação utilizada nem sempre fica registrada, as decisões deixam de ser totalmente rastreáveis e a interação com o cliente pode sair dos fluxos definidos.
O risco não aparece nos indicadores
Esses desvios não surgem como incidentes isolados. Surgem como pequenas adaptações operacionais que resolvem o imediato, mas que, acumuladas, introduzem riscos concretos: exposição de dados, perda de rastreabilidade, inconsistência na experiência do cliente e dificuldade de auditoria.
Esse comportamento não resulta de negligência. Resulta de um desalinhamento simples.
Talento com elevada capacidade digital, frequentemente em início de carreira, entra em organizações com sistemas complexos, lentos e altamente controlados. Ao mesmo tempo, enfrenta pressão para demonstrar impacto rapidamente.
Entre cumprir o processo ou cumprir o objetivo, a escolha tende a ser clara. E, com ferramentas de AI disponíveis, essa escolha se torna mais fácil e mais rápida de executar.
Enquanto a entrega acontece e os SLAs são cumpridos, o modelo parece funcionar. Mas a complexidade não desaparece – apenas muda de lugar. Sai do sistema formal e passa para a forma como o trabalho é realmente executado.
O problema se torna visível quando é necessário responder a perguntas simples: onde foi tomada uma decisão, com base em qual informação e dentro de qual sistema. Quando a resposta não é clara, o tema deixa de ser eficiência e passa a ser risco operacional, risco reputacional e risco de compliance.
Uma reflexão final
Como escreveu W. Edwards Deming: “Um sistema ruim vai derrotar uma pessoa boa todas as vezes.”
Hoje, isso não se traduz apenas em desempenho. Se traduz em frustração. Talento entra e acaba saindo.
E deixa para trás mais do que uma vaga por preencher: deixa formas de trabalho não formalizadas, fluxos incompletos e exposição que não é imediatamente visível.
Sai o talento. Fica o risco.
A questão já não é apenas como atrair ou reter talento. É mais estrutural:
Quanto da operação já depende de práticas que a organização não vê – e que riscos estão sendo aceitos, todos os dias, para manter a velocidade?
