Por dezenove dias, em junho de 2026, o modelo de inteligência artificial mais capaz amplamente disponível do planeta simplesmente parou. Não por falha técnica. Não por ataque. Parou porque o Departamento de Comércio dos Estados Unidos emitiu uma diretiva de controle de exportação, e a empresa que o operava desligou o acesso no mundo inteiro, de 12 de junho a 1º de julho. Da noite para o dia, operações em finanças, saúde e infraestrutura, em dezenas de países, descobriram que o cérebro digital que haviam contratado obedecia a uma decisão tomada a milhares de quilômetros de distância.
Guarde a cena, porque ela inverte o que a maioria dos gestores ainda acredita. A inteligência virou o insumo abundante: barata, intercambiável, ao alcance de qualquer pessoa com um cartão de crédito. O que ficou escasso foi o julgamento. A decisão sobre o que ligar, o que desligar, o que automatizar, o que fazer, com quem e a serviço de quem. Chamo isso de “o prêmio do julgamento”. E ele não se compra pronto, nem se terceiriza para a máquina. Ele se aloca, com o mesmo cuidado com que um bom gestor aloca tempo, capital e talento.
A inteligência virou erro de arredondamento
Os números do último ano contam uma história difícil de exagerar. O AI Index 2026, de Stanford, mostrou que a diferença de desempenho entre o melhor modelo americano e o melhor modelo chinês caiu para 2,7% em março de 2026, ante mais de 17 pontos percentuais em 2023. No SWE-bench Verified, o teste de engenharia de software que virou referência de mercado, os primeiros colocados praticamente empataram. Quando a distância entre o líder e o vice cabe dentro de um arredondamento, a matéria-prima virou commodity.
O preço confirma o diagnóstico. Segundo o mesmo AI Index, consultar um modelo com desempenho equivalente ao GPT-3.5 custava cerca de 20 dólares por milhão de tokens no fim de 2022 e caiu para 0,07 dólar dois anos depois. Uma queda de mais de 99%, ou cerca de 280 vezes, em pouco mais de um ano e meio. E a liderança em modelos de peso aberto, aqueles que qualquer empresa pode baixar e rodar dentro de casa, migrou para a China, com famílias como Qwen e DeepSeek definindo o teto do que se consegue praticamente de graça.
Há uma sutileza que interessa a quem gere. Não existe mais o preço da IA. Existem dois mercados. Uma fronteira cara, para as poucas tarefas que exigem o topo absoluto, e um imenso território de inteligência quase gratuita para todo o resto. A pergunta deixou de ser se
conseguimos acesso à melhor IA. Todo mundo consegue. A pergunta virou outra, e é bem mais incômoda.
Quando o insumo vira commodity, o valor sobe um andar
Toda vez que um insumo escasso vira abundante, o valor migra para a camada de cima. Quando a eletricidade barateou, o diferencial deixou de ser ter energia e passou a ser o que se fazia com ela. Quando a banda larga virou commodity, ganhou quem desenhou o melhor serviço em cima dela, não quem tinha o cabo. A história econômica é teimosa nesse ponto.
Com a inteligência artificial, a física é a mesma, e existe um arcabouço preciso para descrevê-la. Em Prediction Machines, os economistas Ajay Agrawal, Joshua Gans e Avi Goldfarb mostram que a IA colapsa o custo de uma coisa específica: a predição. Ela ficou barata. Mas predição não é decisão. A decisão exige julgamento, o discernimento sobre o que fazer com a previsão, a que custo e a serviço de qual objetivo. E o julgamento continua caro, humano e escasso.
É esse o prêmio do julgamento: o valor que se acumula em quem decide bem, agora que produzir ficou quase de graça. Kate Smaje, que lidera a área global de tecnologia e IA da McKinsey, resumiu em maio de 2026 qual habilidade se tornou a mais rara. É a capacidade de decidir o que importa quando você está se afogando em mais resultado do que consegue processar. Análises recentes da Harvard Business Review vão na mesma direção: quando todas as empresas acessam os mesmos modelos, a vantagem migra para o contexto e o discernimento de cada organização, não para a tecnologia em si.
O gargalo nunca foi o modelo
Se a inteligência é tão boa e tão barata, por que quase ninguém está colhendo resultado de verdade? Porque o gargalo nunca foi o modelo.
O dado mais desconfortável do período veio do MIT. Um estudo do projeto NANDA, de 2025, analisou centenas de implementações e concluiu que 95% dos pilotos corporativos de IA generativa não geraram impacto mensurável no resultado, apesar de dezenas de bilhões de dólares investidos. O estudo mede retorno em cerca de seis meses e não é um veredito sobre a tecnologia, e é justamente por isso que incomoda: o problema não está no modelo, está na execução. A Gartner reforça pelo outro lado, ao prever que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custos que escalam e valor de negócio indefinido.
E há um traço da própria tecnologia que torna o julgamento ainda mais indispensável. Ethan Mollick, da Wharton, cunhou a expressão fronteira serrilhada para descrevê-la: a IA é sobre-humana em tarefas que parecem dificílimas e falha em coisas triviais, sem que você consiga prever qual é qual antes de testar. Um estudo com mais de 750 consultores, conduzido por Fabrizio Dell’Acqua e colegas, mediu o preço disso. Numa tarefa que caía fora da zona de competência da máquina, quem trabalhou sem IA acertou 84,5%, enquanto quem confiou nela caiu para 70,6%. A ferramenta não errou sozinha. Errou quem decidiu confiar nela no lugar errado. Faltou julgamento.
Julgamento é o recurso que a gestão precisa alocar
Aqui está a virada que interessa a quem gere gente e processos. Se o julgamento é o recurso que ficou escasso, ele precisa ser tratado como todo recurso escasso: alocado de propósito, e não desperdiçado no piloto automático.
A maioria das organizações faz o contrário. Adota a ferramenta, distribui licenças e espera que o resultado apareça sozinho. É o equivalente a comprar máquinas caras e continuar rodando o processo antigo, o erro clássico de toda onda tecnológica, da eletricidade ao ERP. A McKinsey observou que apenas cerca de 28% das organizações colocam o próprio CEO à frente da direção do uso de IA. Nas demais, a responsabilidade fica difusa, e responsabilidade difusa é julgamento abandonado. Quando o discernimento não tem dono, ninguém o aloca, e ele simplesmente não acontece.
Alocar julgamento como se aloca capital significa decidir, de forma deliberada, três coisas. Onde a decisão permanece humana, e por quê. Quem é a pessoa com competência e autoridade para dizer não à máquina. E como se mede o retorno, não pela quantidade de IA adotada, mas pela qualidade das decisões que ela ajudou a tomar e pelo custo por tarefa efetivamente concluída, incluindo o retrabalho que volta para uma mesa humana toda vez que o sistema erra. Essa é a conta que sobrevive ao contato com a realidade. A outra, a do deslumbramento, quebra já no primeiro trimestre.
O Brasil já adotou. Falta decidir bem.
No Brasil, a parte fácil já aconteceu. Levantamento do Sebrae com a FGV IBRE e o Google, de dezembro de 2025, mostrou que 63% das médias e grandes empresas do país já usam alguma ferramenta de IA no negócio, além de 46% das pequenas e 42% dos microempreendedores. Adotar deixou de ser diferencial. Adotar virou o novo normal.
O diferencial está em decidir bem, e os adotantes mais avançados sabem disso. No Febraban Tech de 2026, os presidentes dos maiores bancos brasileiros disseram, quase em uníssono, que a IA transformou o negócio, mas que a palavra final em decisões sensíveis continua sendo de pessoas. Milton Maluhy Filho, do Itaú, trata a IA como instrumento de relações de longo prazo, não como substituta do trabalho humano. Livia Chanes, do Nubank, um banco nativo em inteligência artificial, relata ganhos expressivos de produtividade na engenharia e, ainda assim, mantém o julgamento humano nas decisões que afetam o cliente. Não é atraso tecnológico. É alocação consciente de julgamento por quem mais entende de IA no país.
E vale além da empresa. O Marco Legal da IA, o PL 2338, aprovado por unanimidade no Senado e em tramitação na Câmara ao longo de 2026, é, no fundo, uma decisão coletiva sobre o que a sociedade não delega à máquina. Uma alocação de julgamento em escala institucional.
A última milha é humana
Falta desfazer um mal-entendido comum. Manter uma pessoa no circuito, o famoso humano no loop, não é desconfiança da máquina nem apego ao passado. É arquitetura.
Os melhores agentes de IA de 2026 concluem cerca de dois terços das tarefas de computador em testes controlados. É um avanço enorme e, ao mesmo tempo, significa que um terço do trabalho volta para uma pessoa. E o agente não erra como um humano erra. Ele não hesita, não pede confirmação, não percebe que está fazendo besteira. Executa com convicção total. Por isso o humano no circuito não está ali porque a máquina é burra. Está ali porque a máquina não sabe quando não sabe.
Foi o que descobriu, do jeito caro, mais de uma empresa que anunciou automação total do atendimento e teve que recontratar gente depois que o cliente sentiu a diferença. A lição não é deixar de automatizar. É que o modelo que vence é híbrido: a máquina faz o volume, a pessoa resolve a exceção e melhora a regra. A pergunta prática, no seu processo, é simples e reveladora. Quem é a pessoa que confere? E ela tem tempo e autoridade para dizer não?
O que fazer na segunda-feira
Seis movimentos para alocar o prêmio do julgamento na sua operação, na ordem em que importam:
- Mapeie antes de automatizar. Não dá para alocar julgamento num processo que ninguém desenhou. Descubra onde estão o retrabalho, o gargalo e a fila, e só então decida o que vira máquina e o que continua humano.
- Redesenhe, não digitalize. Automatizar um processo ruim entrega um processo ruim mais rápido. O ganho vem da reengenharia do fluxo, nunca da licença comprada.
- Nomeie os pontos de decisão humana. Deixe por escrito quais decisões não se delegam ao software, e por quê. Julgamento sem dono não é alocado, é abandonado.
- Mude a métrica. Pare de medir IA por adoção. Meça por qualidade de decisão e por custo por tarefa concluída, com o retrabalho humano dentro da conta.
- Dê tempo e autoridade a quem confere. O humano no circuito só funciona se a pessoa tiver competência para avaliar e poder real de vetar. Sem isso, é carimbo, não é controle.
- Não dependa de um único fornecedor no que é crítico. Dezenove dias sem aviso não é hipótese. É risco de continuidade, e ele se administra com alternativas mapeadas antes de precisar delas.
E nós?
A tecnologia desta década já sabe fazer quase tudo. Escreve, calcula, programa, resume, propõe alternativas em segundos. O que ela não faz, e não fará, é decidir o que vale a pena, para quem e a que custo. Esse continua sendo o trabalho mais humano que existe, e acabou de se tornar o mais valioso.
A inteligência ficou barata. E o que é barato e abundante ninguém governa, porque não precisa. Governa-se o que é escasso. O que ficou escasso foi o julgamento. A pergunta que sobra para cada líder nesta virada não é qual modelo comprar. É bem mais antiga e mais difícil: onde, na sua operação, mora o julgamento, e quem cuida dele?
