Em fevereiro de 2024, a Klarna anunciou ao mundo que sua IA estava fazendo o trabalho equivalente ao de 700 atendentes humanos. Os números eram reais: 2,3 milhões de conversas processadas no primeiro mês, tempo médio de resolução caindo de 11 minutos para menos de 2, economia projetada de US$ 40 milhões ao ano. O CEO Sebastian Siemiatkowski celebrou publicamente. Analistas aplaudiram. O caso virou referência obrigatória em toda apresentação sobre transformação por IA.
Um ano depois, Siemiatkowski disse à Bloomberg que tinha ido longe demais. A empresa voltou a contratar atendentes humanos. O motivo declarado pelo próprio CEO: ‘custo foi um fator predominante na organização do serviço, e o resultado foi menor qualidade.’ A IA resolvia volume. Não resolvia complexidade. E ninguém tinha redesenhado o fluxo de decisão para definir onde a IA para e onde o humano entra.
Esse não é um caso de IA que falhou. É um caso de arquitetura organizacional que não acompanhou a tecnologia. E esse erro, cometido pelos dois lados, tanto por quem deu autonomia demais sem governança quanto por quem manteve aprovação humana em tudo sem questionar por quê, é o problema central que as empresas ainda não aprenderam a nomear.
O obstáculo não é a ferramenta. É o organograma. E ninguém quer ser o primeiro a dizer isso em reunião de board.
Os números que revelam onde o gargalo realmente está
Existe uma ilusão confortável que domina a conversa sobre IA nas organizações: a de que o obstáculo é de adoção. Treinar pessoas, mudar cultura, escolher a ferramenta certa. Supere essa fase e a transformação acontece.
Os dados de 2026 mostram algo mais incômodo. Segundo levantamento da McKinsey¹, cerca de 90% das organizações globais já utilizam IA em ao menos uma função de negócio. O número de empresas com IA em produção cresceu de 55% em 2024 para 72% no primeiro trimestre de 2026². Adoção não é mais o problema. O relatório Global Human Capital Trends 2026 da Deloitte aponta que 60% dos executivos já usam IA regularmente para apoiar decisões³. A Gartner projeta que, até 2027, metade das decisões de negócio será aumentada ou automatizada por agentes de IA⁴.
O problema é que a maioria dessas organizações implantou IA sem alterar a arquitetura de decisão. A tecnologia entrou. O organograma ficou.
E quando uma ferramenta que opera em milissegundos precisa esperar a aprovação de três comitês para agir, o que você tem não é uma empresa com IA. Você tem uma empresa com um consultor caro que ninguém escuta de verdade.
A Atlassian reconheceu publicamente, no mesmo relatório da Deloitte, que fronteiras pouco claras entre decisões conduzidas por IA e decisões conduzidas por humanos estavam gerando gargalos operacionais dentro da própria empresa. Uma das organizações mais avançadas em adoção de ferramentas digitais do planeta enfrentando o mesmo problema que uma empresa tradicional de manufatura: ninguém definiu quem decide o quê quando a IA está no loop.
Um dado adicional fecha o argumento: implementações conduzidas com redesenho explícito de processos decisórios têm taxa de sucesso 67% maior do que aquelas que mantêm a estrutura organizacional intacta⁵. A diferença não está na tecnologia. Está em quem, ou no quê, está autorizado a decidir.
Três dinâmicas que travam o que deveria voar
1. O paradoxo da aprovação
Organizações hierárquicas foram construídas sobre um pressuposto legítimo: decisões importantes precisam de controle, e controle exige escalonamento. Durante décadas, esse modelo funcionou porque humanos eram os únicos agentes capazes de processar contexto e emitir julgamento.
A IA agentiva rompe esse pressuposto. Não porque elimina a necessidade de controle, mas porque torna o escalonamento hierárquico o gargalo mais caro do sistema. Quando a IA é capaz de recomendar, avaliar e executar com precisão superior à média humana em domínios específicos, e ainda assim precisa esperar a aprovação de um gestor que vai passar vinte minutos lendo o mesmo resumo que a IA produziu em três segundos, o resultado é previsível: a IA é rebaixada a ferramenta de apoio, e o processo continua tão lento quanto antes.
2. O conflito de temporalidade
Empresas operam em ciclos: reuniões semanais, revisões mensais, planejamentos trimestrais. Esses ritmos foram calibrados para a velocidade cognitiva humana e para a cadência de mercados que mudavam em meses, não em dias.
A IA agentiva opera em outra temporalidade. Sistemas de precificação dinâmica ajustam variáveis em tempo real. Modelos de crédito recalibram risco a cada transação. Plataformas logísticas reroteiam frotas a cada atualização de tráfego. Quando esses sistemas precisam pausar para entrar no ciclo de aprovação humana, perdem a única vantagem que justifica sua existência: a velocidade de resposta ao ambiente.
O resultado é que as empresas estão pagando pelo carro mais rápido do mercado e insistindo em andar a 40 por hora porque é a velocidade que o processo interno permite.
3. A armadilha da responsabilidade difusa
Existe uma razão psicológica e institucional pela qual os organogramas não são redesenhados: ninguém quer ser responsável por uma decisão que a IA tomou.
Quando um analista aprova um crédito e o cliente não paga, há um responsável. Quando um sistema de IA aprova o mesmo crédito com base nos mesmos dados e o desfecho é idêntico, a pergunta imediata é outra: de quem é a culpa? Do desenvolvedor? Do gestor que implantou? Da empresa que comprou?
O caso Klarna ilustra a armadilha pelo outro lado: quando a empresa eliminou a fronteira entre o que a IA decide autonomamente e o que precisa de julgamento humano, a satisfação dos clientes caiu nas interações complexas. Não porque a IA era ruim. Porque ninguém tinha definido o limite de sua autoridade, criando um vácuo de responsabilidade que os clientes sentiam antes que os dashboards mostrassem.
Nas empresas que vão no sentido oposto, mantendo aprovação humana em tudo, o mecanismo de defesa é idêntico na origem: ninguém quer assinar embaixo de uma decisão que a IA tomou. O humano na cadeia de decisão funciona como para-raios institucional. A IA recomenda. O humano assina. Todos se protegem. E o processo continua lento, caro e capaz de atribuir culpa, que era o objetivo real.
Não é falta de confiança na IA. É excesso de confiança no organograma como mecanismo de proteção.
Três movimentos para quem quer sair do piloto eterno
1. Mapeie onde as decisões realmente acontecem
O primeiro movimento não é tecnológico. É um exercício de diagnóstico: identifique, para cada processo crítico do negócio, onde a decisão de fato ocorre, quem está autorizado a tomá-la, qual é o tempo médio entre o gatilho e a ação, e qual percentual dessas decisões é revertido ou questionado depois.
Esse mapeamento revela algo que a maioria dos líderes não consegue ver de dentro: boa parte das aprovações humanas não é uma decisão. É uma ritualização de decisões que já foram tomadas por sistemas ou por pessoas mais próximas do problema. O gestor que assina o relatório raramente discorda do analista que o produziu. Mas o processo exige a assinatura porque o organograma exige.
Com esse mapa em mãos, é possível classificar as decisões em três categorias: as que a IA pode executar com autonomia, as que precisam de supervisão humana ativa e as que genuinamente exigem julgamento de liderança. A maioria das organizações vai descobrir que a terceira categoria é muito menor do que imagina.
2. Crie zonas de autonomia com governança por exceção
Redesenhar o organograma para IA não significa eliminar controle. Significa inverter o modelo padrão: em vez de aprovação como regra e autonomia como exceção, autonomia como padrão e intervenção humana como resposta a desvios.
Bancos que operam com IA em crédito já fazem isso há anos: o sistema aprova, processa e liquida autonomamente dentro de parâmetros definidos. O humano entra quando o caso está fora da curva. O papel do gestor muda de aprovador para curador de exceções, o que é intelectualmente mais exigente e estrategicamente mais valioso.
Esse modelo exige governança clara: quais são os limites de autonomia? Quais métricas monitoram o desempenho do sistema? Com que frequência os parâmetros são revisados? Sem essas definições, a zona de autonomia vira zona de risco não gerenciado.
3. Redefina o papel do gestor antes que o vácuo o redefina
O maior obstáculo ao redesenho organizacional não é técnico nem estratégico. É humano. Gestores cujo valor atual está na capacidade de aprovação precisam compreender que esse valor está sendo comprimido, e que o valor do futuro está em outro lugar: na calibração de sistemas, na leitura de exceções, na decisão sobre os limites da autonomia.
Essa transição não acontece sozinha. Ela precisa ser nomeada, suportada e incentivada ativamente pela liderança sênior. Empresas que estão redesenhando bem suas estruturas para IA não estão eliminando gestores. Estão redefinindo o que excelência gerencial significa quando as decisões de rotina já não precisam de aprovação humana.
O gestor que entende isso sai na frente. O que espera que o organograma permaneça intacto vai descobrir que a IA não pediu licença para torná-lo irrelevante.
A pergunta que o organograma não consegue responder
A questão que emerge desse diagnóstico não é sobre tecnologia. É sobre arquitetura de poder.
Organogramas não são apenas representações de quem responde a quem. São a codificação das crenças da organização sobre onde o julgamento confiável mora. Mudar um organograma é dizer, explicitamente, que o julgamento confiável pode morar num sistema, num algoritmo, num agente autônomo. Essa é uma mudança que começa com uma decisão estrutural, não com um workshop de cultura.
A pergunta que proponho que você leve para sua próxima reunião de liderança é simples e desconfortável: qual decisão concreta, que hoje passa por aprovação humana, você está disposto a dar autonomia para a IA tomar na próxima semana?
Se a resposta demorar mais do que alguns segundos para vir, o organograma já respondeu por você.
Para reflexão: A sua empresa já redesenhou algum processo decisório para dar autonomia real à IA? Que resistências apareceram? Quais estruturas provaram ser mais difíceis de mover?
Lembre-se: as conversas mais interessantes sobre transformação raramente começam nas apresentações de estratégia. Começam quando alguém finalmente nomeia o que estava travando.
Fontes
1. McKinsey & Company. State of AI Trust in 2026: Shifting to the Agentic Era. Março de 2026. Disponível em: https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/tech-forward/state-of-ai-trust-in-2026-shifting-to-the-agentic-era
2. Sykes, B. The State of AI Adoption in the Enterprise (Q1 2026 Review). Substack, abril de 2026. Disponível em: https://bsykes.substack.com/p/the-state-of-ai-adoption-in-the-enterprise
3. Deloitte. Global Human Capital Trends 2026. Março de 2026. Disponível em: https://www.deloitte.com/us/en/insights/topics/talent/human-capital-trends/2026/decision-making-with-ai.html
4. Gartner. Top Strategic Technology Trends for 2027 (projeção citada no relatório Deloitte HCT 2026). Disponível em: https://www.gartner.com/en/articles/top-technology-trends-2025
5. ServicePath / McKinsey. Workflow redesign as the single biggest driver of EBIT impact from gen-AI. 2025. Disponível em: https://servicepath.co/2025/09/ai-integration-crisis-enterprise-hybrid-ai/
6. Siemiatkowski, S. (CEO Klarna). Entrevista à Bloomberg. Maio de 2025. Disponível em: https://www.bloomberg.com/news/articles/2025-05-08/klarna-turns-from-ai-to-real-person-customer-service
7. CX Dive. Klarna changes its AI tune and again recruits humans for customer service. Maio de 2025. Disponível em: https://www.customerexperiencedive.com/news/klarna-reinvests-human-talent-customer-service-AI-chatbot/747586/
8. National CIO Review. The Architecture of Authority: Why AI is Breaking the Traditional Corporate Hierarchy. Março de 2026. Disponível em: https://nationalcioreview.com/articles-insights/the-architecture-of-authority-why-ai-is-breaking-the-traditional-corporate-hierarchy/
