Uma estratégia de IA que começa por uma ambição pulou o diagnóstico

Em fevereiro de 2024, a Klarna anunciou que seu assistente de IA, construído com a OpenAI, havia conduzido 2,3 milhões de conversas no primeiro mês, dois terços dos chats de atendimento da empresa, trabalho que a companhia disse equivaler ao de 700 atendentes em tempo integral. Informou que os problemas dos clientes eram resolvidos em menos de dois minutos, contra onze antes, e que as consultas repetidas haviam caído um quarto. O anúncio foi amplamente lido como um modelo para o futuro do atendimento ao cliente. Em maio de 2025, o presidente-executivo da Klarna, Sebastian Siemiatkowski, disse à Bloomberg que a empresa estava contratando atendentes humanos de novo. O custo, afirmou, havia sido um fator dominante demais na organização do trabalho, e o resultado foi qualidade menor.

A reviravolta é fácil de ler como uma história sobre os limites da tecnologia. Eu a leio como uma história sobre a ordem do raciocínio. Uma empresa que se propõe a cortar o custo de uma função com uma ferramenta nova escolheu uma meta. Não necessariamente perguntou para que serve a função, quais de suas partes a ferramenta faz bem e que clientes saem prejudicados quando ela faz mal o restante. A primeira coisa é um alvo. A segunda é um diagnóstico, e Richard Rumelt argumenta em "Good Strategy/Bad Strategy" (2011) que sem um diagnóstico não há estratégia.

Este ensaio aplica o arcabouço dele à IA. Defende que a maioria dos documentos intitulados "estratégia de IA" é uma coleção de ambições e projetos, e que a disciplina de escrever primeiro um diagnóstico é o que separa os que sobrevivem ao contato com a realidade.

O núcleo de uma estratégia

O relato de Rumelt é curto. O núcleo de uma boa estratégia tem três partes. Um diagnóstico nomeia a natureza do desafio, simplificando uma situação confusa ao identificar as poucas coisas que mais importam. Uma política orientadora é a abordagem geral escolhida para lidar com o desafio, um modo de concentrar esforços que exclui algumas ações. As ações coerentes são os passos, coordenados entre si, que executam a política.

Contra isso ele lista as marcas da má estratégia. Ela é cheia de enrolação, com linguagem grandiosa que esconde a falta de conteúdo. Não enfrenta o desafio, de modo que ninguém sabe dizer qual é o obstáculo. Confunde metas com estratégia, tratando "dobrar a receita" ou "ser o líder" como se uma declaração de desejo fosse um plano para realizá-lo. E fixa objetivos ruins, longas listas de prioridades que nunca dizem como o obstáculo será superado ou que são vagas demais para guiar alguém.

O diagnóstico é a parte que mais falta, e é a que mais importa, porque tudo o que vem depois depende dele. Uma política orientadora é uma resposta a um problema diagnosticado. Se o problema é mal descrito, a política e as ações podem ser competentes e apontar para o alvo errado.

O que uma estratégia de IA costuma conter

Um documento típico abre com uma ambição: tornar-se "AI-first", ser líder em IA no nosso setor, pôr IA em todos os produtos. Continua com uma lista de casos de uso coletados nas unidades de negócio, um valor de investimento, um roteiro de plataformas e uma estrutura de governança. Cada um desses itens é útil, e nenhum é um diagnóstico.

"AI-first" é uma meta no sentido que Rumelt dá ao termo. Nomeia um estado desejado sem nomear o obstáculo que separa a empresa desse estado, e sem excluir nada. Uma empresa pode persegui-lo com cem projetos, e qualquer deles será coerente com ele. Uma estratégia precisa ser capaz de dizer não.

Alguns líderes fazem o mais difícil. Em abril de 2025, o presidente-executivo da Shopify, Tobi Lütke, disse aos funcionários num memorando que usar IA de forma reflexa era uma expectativa básica, e que, antes de pedir mais pessoal ou recursos, as equipes deviam mostrar por que o que queriam não podia ser feito com IA. Pense-se o que se quiser disso, é uma política orientadora. É uma regra que molda escolhas e exclui algumas opções. Se é uma boa regra depende de um diagnóstico da situação da Shopify que o memorando não explicita e que quem está de fora não vê. O ponto é que uma política desse tipo pode ser examinada, porque se compromete com algo.

Como é um diagnóstico

Um diagnóstico é uma afirmação curta e específica do que está errado ou de qual é o cerne. A afirmação é um julgamento e pode estar errada, o que é um motivo para escrevê-la. Um diagnóstico útil nomeia a restrição limitante, a coisa que limita o desempenho mais do que as outras. Explica por que as abordagens óbvias não funcionaram e é específico o bastante para que um concorrente do mesmo mercado possa discordar dele.

Para tornar isso concreto, considere uma seguradora de automóveis brasileira de porte médio, inventada, apenas para ilustração. Sua sinistralidade é saudável, e ela está perdendo renovações no Sudeste. Uma primeira reação, sem foco, é que a empresa precisa de "IA em sinistros". Um diagnóstico iria além. Depois de olhar os dados, a diretoria constata que os sinistros na região levam em média 18 dias para ser liquidados, contra 9 do rival mais rápido, e que os clientes que esperam mais de duas semanas renovam numa taxa visivelmente menor. Marcar o tempo de cada etapa mostra que cerca de 60% do tempo decorrido é manuseio de documentos e idas e vindas com o segurado, e que a avaliação do regulador em si responde por uma parte pequena. O diagnóstico diz: nossas renovações sofrem por causa do tempo de liquidação, o tempo de liquidação é sobretudo atrito documental, e o julgamento dos nossos reguladores não é o gargalo.

A política orientadora decorre daí: concentrar a IA na entrada e verificação de documentos nos sinistros de automóvel, manter os reguladores nas decisões de julgamento e não mexer nos modelos de precificação nem acrescentar chat voltado ao cliente neste ano. As ações coerentes são específicas. Montar um conjunto de avaliação com 500 sinistros encerrados. Automatizar a extração e o cruzamento dos documentos padronizados. Redesenhar o fluxo para que o segurado envie tudo uma vez e seja informado do que falta na mesma sessão. Medir o tempo de liquidação, o tempo do regulador por sinistro e as taxas de renovação por coorte. Cada ação apoia as outras, e a política exclui uma longa lista de projetos atraentes.

Nada disso exigiu um modelo específico. Exigiu saber qual era o problema. O exemplo da seguradora também mostra para que serve uma estratégia de IA: não para aplicar uma tecnologia em toda parte, mas para aplicá-la onde está um obstáculo diagnosticado, numa profundidade que mude o resultado.

Como a IA muda o diagnóstico

A IA muda os insumos do diagnóstico, e o estrategista precisa saber quais. Ela reduz o custo de algumas tarefas cognitivas, de modo que atividades que eram escassas e caras, como redigir, resumir, classificar e dar respostas de primeira linha, estão ficando baratas. Isso desloca onde fica a margem em setores construídos sobre essas tarefas. Eleva a velocidade com que os concorrentes podem iterar, porque uma equipe pequena agora consegue construir o que antes exigia uma grande. Transforma em commodity capacidades que eram diferenciais quando eram difíceis, o que significa que uma posição baseada numa habilidade difícil de replicar pode se erodir sem aviso. E abre caminhos de substituição vindos de fora do setor, já que uma ferramenta de uso geral pode atender um cliente que antes precisava de um serviço especializado.

Um diagnóstico para a era da IA pergunta sobre cada um desses pontos. Quais das nossas atividades ficaram baratas, e para quem? Onde a nossa vantagem dependia de algo agora fácil de replicar? O que os clientes estão fazendo com ferramentas gerais que antes compravam de nós? O que temos que continua difícil: relacionamentos, status regulado, dados que mais ninguém possui, confiança construída ao longo de anos, uma operação que funciona em escala?

Cinco testes para saber se você tem uma estratégia

Um pequeno conjunto de perguntas ajuda a conferir um documento.

1. Ele diz o que a empresa não vai fazer? Uma estratégia que não exclui nada é uma lista.
2. Ele nomeia um obstáculo, em termos específicos o bastante para que alguém possa argumentar que está errado?
3. Um concorrente inteligente na sua posição escolheria de modo diferente? Se todo rival escreveria o mesmo plano, ele descreve o setor e não você.
4. Ele pode ser desmentido numa data, com um número? Uma estratégia sem como falhar é uma esperança.
5. As ações se reforçam, de modo que fazer todas juntas produz mais do que a soma? Se os projetos pudessem ser financiados e conduzidos de forma independente, nada os liga numa estratégia.

Um segundo caso, e a mesma ferramenta sob diagnósticos diferentes

A Zillow oferece uma falha de diagnóstico diferente. Em novembro de 2021, seu conselho decidiu encerrar a Zillow Offers, o negócio que comprava casas com ajuda de estimativas algorítmicas de preço e as revendia. A empresa registrou uma baixa contábil de US$ 304,4 milhões no terceiro trimestre, por casas compradas a preços acima de suas estimativas do que conseguiria vendê-las, e disse que a saída cortaria cerca de um quarto de sua força de trabalho. Seu presidente-executivo, Rich Barton, disse que a imprevisibilidade na projeção dos preços das casas superava em muito o que a empresa havia antecipado. O relatório anual acrescentou restrições de capacidade e dificuldades operacionais, agravadas pelas condições da pandemia.

Lida como estratégia, a história trata do que o negócio presumiu. Na minha leitura, ele repousava num diagnóstico, implícito e nunca testado em público, de que a restrição à compra lucrativa de casas era a qualidade da estimativa de preço, e de que um modelo melhor operando em escala converteria essa vantagem em margem. O relato da própria empresa sugere que a restrição limitante estava em outro lugar: no quanto os preços podiam ser projetados, e na capacidade operacional de reformar e revender no ritmo que suas compras implicavam. Um modelo pode ser bom e o diagnóstico errado. A falha, num caso assim, está a montante do modelo, na escolha do que se esperava que o modelo consertasse.

A tecnologia não é o que distingue uma política de outra. Duas empresas podem ter os mesmos modelos e chegar a conclusões opostas. Um banco que diagnostica seu problema como perdas por fraude concentradas em poucos canais porá IA no monitoramento de transações e a manterá longe do marketing. Um banco que diagnostica seu problema como integração lenta, com clientes abandonando propostas, porá IA na verificação de documentos e na comunicação com o cliente. Cada estratégia pareceria estranha ao outro banco, o que é sinal de que cada uma é, de fato, uma estratégia. Tudo o que vem depois difere: os dados a coletar, as pessoas a contratar, a métrica que conta, os riscos a governar.

O diagnóstico deve ser escrito pelas pessoas que dirigem o negócio e sabem onde está o atrito, com colegas técnicos contribuindo com o que é viável. Um diagnóstico escrito só pela área de tecnologia tende a achar um problema que a tecnologia resolve. Deve ser revisto sempre que uma premissa importante mudar, como um novo modelo que torna barata uma tarefa antes cara ou um movimento de um concorrente, e ao menos uma vez por ano de qualquer modo.

O problema do objetivo de custo, revisitado

O episódio da Klarna ilustra uma forma particular do problema: o objetivo estratégico que é um número de custo. "Reduzir o custo do atendimento com IA" diz à organização o que maximizar e nada sobre o que proteger. Incentiva a medir a função pela métrica mais fácil de mover. As palavras do próprio presidente-executivo sugerem que foi isso o que aconteceu: o custo virou a régua dominante, e a qualidade pagou por isso. Um diagnóstico teria perguntado primeiro por que os clientes contatam a empresa, que fração desses contatos é rotineira e que fração envolve aflição, disputas ou dinheiro, e onde uma resposta ruim custa mais do que a economia. Essas perguntas apontam para uma política que automatiza totalmente o rotineiro e encaminha o restante a pessoas, o que é coerente com a direção que a empresa disse ter tomado depois da correção.

Escreva primeiro o diagnóstico

O conselho prático é simples de enunciar e desconfortável de seguir. Antes de qualquer roteiro de IA, escreva o diagnóstico em três a cinco frases. Circule-o pela diretoria e pergunte onde está errado. Espere discordância e trate-a como a parte útil, já que discordar do diagnóstico é discordar da realidade e é mais barato fazê-lo agora do que depois de gasto o orçamento. Depois escreva a política orientadora como uma lista curta de coisas em que a empresa vai se concentrar e uma lista das que vai deixar de lado. Só então liste os projetos, e teste cada um contra a política.

Se nenhum diagnóstico puder ser escrito, o rótulo honesto para o documento é orçamento. Não é um insulto, já que orçamentos são necessários. Um orçamento é a resposta a outra pergunta.

Fontes

1. Rumelt, R. P. (2011). Good Strategy/Bad Strategy: The Difference and Why It Matters. Crown Business.
2. Klarna (fevereiro de 2024). Klarna AI assistant handles two-thirds of customer service chats in its first month, comunicado de imprensa, conforme noticiado pela imprensa especializada.
3. Bloomberg (maio de 2025). Entrevista com o presidente-executivo da Klarna, Sebastian Siemiatkowski, sobre a recontratação de atendentes humanos, conforme noticiado pela Entrepreneur e outros veículos.
4. Lütke, T. (abril de 2025). Memorando aos funcionários da Shopify sobre a IA como expectativa básica, conforme publicado e noticiado pela imprensa.
5. Exemplo ilustrativo: a seguradora de automóveis do texto é inventada para efeito do argumento, e seus números não são de nenhuma empresa.
6. Zillow Group (novembro de 2021). Formulário 8-K e Formulário 10-K do exercício de 2021, encerramento da Zillow Offers; CNN Business (2 de novembro de 2021), Zillow to exit its home buying business, cut 25% of staff.