A inteligência artificial já ocupa espaço relevante nas estratégias de transformação digital de grande parte das organizações, mas ainda existe uma distância significativa entre a promessa de aumento de produtividade e a capacidade das empresas de comprovar, em números, o valor efetivamente gerado pela tecnologia. Para Diovani Merlo, Arquiteto de Soluções da Montreal Tecnologia, o próximo estágio da adoção de IA passa por transformar produtividade em um indicador mensurável, auditável e conectado à entrega de resultados.
A tese foi apresentada durante o CIOs Connection 2026 e parte de um conceito definido pelo especialista como “produtividade contratada”: um modelo em que os ganhos proporcionados pela inteligência artificial são medidos, submetidos a mecanismos de governança e, posteriormente, incorporados aos contratos e SLAs das empresas.
Na prática, a discussão leva executivos a responder perguntas cada vez mais objetivas: quanto a IA economizou? Qual foi o ganho de produtividade? O que mudou na entrega ao cliente? Sem indicadores que permitam responder a essas questões, a percepção de que determinada atividade ficou “mais rápida” não é suficiente para sustentar novos investimentos.
De executor a maestro
A adoção de IA também modifica a composição e o funcionamento das equipes. Em vez de substituir integralmente profissionais, a tendência apontada por Merlo é a formação de squads híbridos, nos quais especialistas humanos trabalham em conjunto com agentes de inteligência artificial responsáveis por tarefas específicas.
Nesse modelo, o profissional passa a assumir funções de maior complexidade, como especificação, julgamento, curadoria, validação e tomada de decisão. Para o especialista, a transformação também altera o papel das lideranças de tecnologia. “O líder não é substituído pela IA. Ele passa a reger um time misto, garantindo que pessoas e agentes trabalhem com a mesma especificação, qualidade e objetivo”, explica. A mudança, portanto, não se limita à adoção de uma nova ferramenta. Ela envolve uma revisão da forma como o trabalho é distribuído, acompanhado e avaliado.
Três pilares para transformar IA em resultado
Para que a produtividade proporcionada pela IA possa ser efetivamente incorporada ao negócio, Merlo aponta três etapas fundamentais: medir, governar e contratar.
Medir: quando humanos e sistemas de IA participam conjuntamente de uma entrega, é necessário identificar a contribuição de cada um. A autoria das atividades, o percentual de trabalho produzido ou apoiado por IA, a quantidade de conteúdo aceito sem retrabalho e o custo associado a cada entrega são exemplos de indicadores que podem transformar percepção em dados auditáveis.
Governar: a mensuração precisa estar acompanhada de regras e padrões de qualidade. Isso inclui rastreabilidade, critérios de validação e conformidade por design, contemplando aspectos como LGPD, sigilo de informações e práticas de uso responsável de inteligência artificial.
Contratar: uma vez que a produtividade pode ser medida e governada, ela pode também ser incorporada aos modelos comerciais. Em vez de contratos baseados exclusivamente em horas trabalhadas, abre-se espaço para modelos associados à produtividade, às entregas homologadas e ao valor efetivamente gerado.
A lógica está diretamente relacionada à forma como as organizações definem seus indicadores de desempenho. Como resume uma referência utilizada por Merlo em sua trajetória acadêmica e profissional, a maneira como uma atividade é medida influencia o comportamento dos times e os resultados que eles perseguem.
Menos percepção, mais indicadores
A adoção desse modelo pode provocar mudanças na própria estrutura das equipes e dos processos. Squads maiores e homogêneos podem dar lugar a equipes menores e híbridas, com profissionais especializados coordenando agentes de IA em diferentes etapas de uma operação.
Também entram nessa transformação aspectos como documentação contínua e versionada, rastreabilidade automatizada e acompanhamento do custo por ciclo ou por entrega.
Para empresas e líderes de tecnologia, a discussão ganha relevância à medida que a inteligência artificial deixa de ser tratada apenas como uma tecnologia experimental e passa a ocupar espaço permanente nas operações. Nesse cenário, a capacidade de demonstrar retorno, controlar riscos e estabelecer responsabilidades tende a ganhar importância nas decisões de investimento.
“A IA não elimina a necessidade da liderança. Ela cria a necessidade de um novo tipo de liderança: capaz de reger pessoas e agentes e, principalmente, responder pela entrega”, conclui Merlo.
