Liderar a adoção de IA não é apenas escolher uma ferramenta e pedir produtividade. É decidir que trabalho merece mudar, qual resultado é aceitável e quem continua responsável quando parte da execução é automatizada.
A participação do time é importante porque quem realiza o trabalho conhece exceções que raramente aparecem em uma apresentação. A liderança precisa transformar esse conhecimento em critérios de uso, não apenas em pedidos genéricos para “usar mais IA”.
Defina a intenção de forma verificável
Em vez de “melhorar o atendimento”, descreva o problema: preparar um resumo correto do histórico autorizado para o profissional revisar antes da conversa. Esse objetivo permite avaliar completude, tempo de preparação e erros. Uma intenção ampla não oferece o mesmo critério.
O artigo Vibe Management: gestão e curadoria de intenções propõe uma reflexão sobre o papel da clareza de contexto. A aplicação prática exige acrescentar critérios de aceitação e responsabilidade sobre a execução.
Distribua responsabilidades antes do piloto
Defina um responsável pelo processo, uma pessoa que valide a qualidade e quem pode autorizar mudanças de acesso. Em equipes pequenas, a mesma pessoa pode exercer mais de um papel, desde que as responsabilidades estejam claras.
A ferramenta não assume responsabilidade por um compromisso comercial, uma decisão de gestão ou a exposição de dados. O uso da IA precisa preservar a capacidade humana de revisar, contestar e interromper uma ação.
Combine autonomia com limites
Autonomia para produzir um rascunho não é autonomia para publicá-lo. Autonomia para sugerir uma atualização não é permissão para alterar qualquer registro. Liste o que o sistema pode fazer sozinho, o que exige aprovação e o que está fora do escopo.
A OWASP discute excessive agency, o risco associado a capacidades, permissões ou autonomia excessivas em aplicações com modelos de linguagem. A resposta organizacional inclui limites sobre ações e acesso, e não apenas instruções para o modelo se comportar bem.
Crie espaço para discordância
Peça ao time que encontre exemplos em que a IA erra, interpreta mal uma solicitação ou deixa de reconhecer uma exceção. Trate esses casos como material de avaliação. Se a única evidência coletada for uma demonstração bem-sucedida, a decisão terá uma visão incompleta do processo.
Exemplo ilustrativo: uma ferramenta resume chamadas de vendas, mas confunde uma hipótese do vendedor com um compromisso do cliente. O time pode transformar essa falha em um critério de revisão: compromissos só entram no resumo quando há evidência explícita.
Avalie qualidade, não só velocidade
Acompanhe tempo economizado, retrabalho, correções relevantes e situações em que houve necessidade de intervenção. Faça perguntas sobre a experiência do time e os efeitos para clientes. Uma tarefa rápida que aumenta erro pode transferir custo para outra etapa.
O perfil de IA generativa do NIST complementa o AI RMF com considerações específicas para esses sistemas. Use-o como referência de gestão de riscos, sem tratá-lo como substituto de avaliação técnica ou de contexto.
Uma pauta para a próxima reunião
Escolha uma tarefa, descreva o resultado esperado, identifique os dados permitidos e determine quem aprova o uso. Peça um caso de sucesso e um caso de falha. Termine com uma decisão: continuar o teste, ajustar limites ou interromper. Essa rotina torna a adoção uma prática de gestão, não uma disputa entre entusiasmo e resistência.
Referências
- Publicação de Robson sobre liderança e IA — tema de partida desta expansão editorial.
- NIST: perfil de IA generativa.
- OWASP Top 10 para aplicações com LLMs.
- Governança de IA nas empresas.
