A inteligência artificial só se aplica de verdade à gestão de uma empresa quando alguém resolve, antes, o motivo estrutural pelo qual as iniciativas de tecnologia anteriores não colaram. Sem isso, um agente de IA vira só mais uma tentativa na pilha de tentativas fracassadas — só que mais cara e mais rápida de descartar. Aprendi essa lição de um jeito difícil de esquecer, num diagnóstico executivo em que o responsável pela área comercial me contou, sem rodeio nenhum, que a empresa já tinha tentado implantar um CRM unificado 45 vezes ao longo de 28 anos.
Quarenta e cinco tentativas. Não é um projeto que fracassou uma vez — é um padrão que se repete há quase três décadas, numa empresa de médio-grande porte do setor educacional. Isso mudou a pergunta que eu faço em qualquer conversa sobre “aplicar IA à gestão”. A pergunta certa nunca é “qual ferramenta comprar” — é “por que as tentativas anteriores não pegaram”, porque um agente de IA mal implantado sofre exatamente da mesma resistência estrutural que qualquer CRM sofreu antes dele.
Principais aprendizados
- Um histórico de múltiplas tentativas fracassadas da mesma categoria de solução — não um projeto único que deu errado — é sinal de causa estrutural, não de ferramenta escolhida errada.
- Aplicar IA à gestão exige diagnosticar primeiro por que a mudança anterior não colou: cultura de trabalho de campo, dependência de conhecimento tácito em pessoas-chave, ausência de patrocínio executivo contínuo.
- Um framework de diagnóstico reconhecido pelo cliente (usei o McKinsey 7S, com foco em valores compartilhados e estrutura) dá legitimidade ao processo e evita que o diagnóstico vire uma lista solta de sintomas.
- Antes de propor “mais uma tentativa” com IA, vale medir o risco operacional silencioso que a ausência de sistema já está causando — nesse caso, o relacionamento comercial com cada conta ficava só na cabeça de quem fazia a visita.
- Um roadmap em duas fases, em que a segunda é financiada pelo ROI comprovado da primeira, reduz a resistência a aprovar orçamento total antecipado — funciona melhor do que pedir patrocínio de um programa inteiro de uma vez.
Por que a resistência a uma tecnologia nova raramente é sobre a tecnologia?
Porque, na maioria dos casos que vejo, o problema não é a ferramenta — é a ausência de um dono do processo e a dependência de conhecimento que mora só na cabeça de algumas pessoas. No diagnóstico que fiz para essa empresa de educação, duas lideranças de áreas diferentes — comercial e pedagógico — pediram, de forma independente e na mesma janela de tempo, essencialmente a mesma coisa: um jeito de consultar “o que já aconteceu com esse cliente” sem depender de perguntar para a pessoa certa.
Isso é um risco operacional silencioso. Não aparece em nenhum KPI até o dia em que a pessoa que carregava aquele histórico sai da empresa — e o relacionamento comercial esfria ou se perde por falta de continuidade, principalmente em ciclos de venda longos, com múltiplos contatos ao longo de meses. Quando duas áreas pedem a mesma coisa de forma independente, isso deixa de ser um problema pontual de gestão de carteira e vira evidência de um problema sistêmico. É exatamente esse tipo de sinal que eu procuro antes de recomendar qualquer iniciativa de IA para um cliente: o sintoma que se repete em mais de uma área é mais confiável do que a reclamação isolada de uma pessoa.
Como aplicar IA à gestão sem repetir o padrão das tentativas anteriores?
Investigando, antes de qualquer piloto, o que as tentativas anteriores tinham em comum — porque quase nunca é a ferramenta escolhida. No caso das 45 tentativas de CRM, a causa raiz nunca tinha sido resolvida: o processo comercial dependia de trabalho de campo, os sistemas legados não tinham API para integrar, e nenhuma das tentativas teve patrocínio executivo contínuo o suficiente para sobreviver a uma troca de gestão. Propor “mais uma tentativa” — agora com um agente de IA em vez de um CRM — sem entender por que as 45 anteriores falharam só reproduziria o mesmo padrão, com um rótulo mais moderno.
O que funcionou, nesse diagnóstico, foi estruturar a entrega em três blocos, e essa estrutura eu uso até hoje: primeiro, um framework de referência reconhecido pela liderança — usei o McKinsey 7S, com foco em valores compartilhados e estrutura, para nomear as sinergias críticas entre áreas interdependentes (comercial, licitações, operação). Segundo, uma tabela de KPIs em duas dimensões — resultado de negócio e gestão de equipe —, em que cada linha traz a métrica e o objetivo que ela mede, não só o número solto. Terceiro, um roadmap de duas fases: quick wins nos primeiros seis meses, estrutura mais robusta entre o sexto e o décimo segundo mês, com a segunda fase explicitamente condicionada ao resultado comprovado da primeira. Essa lógica de fase 2 financiada pela fase 1 facilita a aprovação orçamentária incremental — muito mais fácil de vender internamente do que pedir patrocínio total antecipado para um programa de doze meses.
Qual é o primeiro piloto que faz sentido quando a ferramenta grande já fracassou várias vezes?
Não é o CRM completo de novo — é um piloto pequeno o suficiente para não depender do projeto maior nem do mesmo processo de aprovação que já fracassou 45 vezes. Antes de qualquer sistema robusto, um assistente de IA consultável com o histórico mínimo por conta — visitas, status, próximos passos — já mitiga o risco específico de continuidade do relacionamento, de forma rápida e barata, sem esperar anos por um projeto de CRM que talvez nunca saia do papel. Escrevi recentemente sobre como estruturar esse tipo de piloto sem cair na armadilha de um projeto que nunca termina, com um roteiro de 30 dias que exige um problema único, um dono com autoridade real e uma régua clara de sucesso antes de qualquer promessa de escala.
O critério que uso para decidir se um piloto de IA está pronto para virar projeto maior é simples: ele precisa mostrar resultado mensurável rodando dentro do trabalho real, não numa demonstração isolada. Programas de capacitação em IA que acompanhei, em times de negócio de diferentes setores, mostraram ciclos de validação documental caindo de dias para horas, e estruturações de portfólio que levariam meses tradicionalmente sendo concluídas em semanas — sempre com a ressalva de que os resultados variam conforme o contexto, a maturidade e os processos de cada organização, e não devem ser lidos como promessa de resultado equivalente em qualquer outro ambiente.
Perguntas frequentes
Minha empresa já tentou implementar tecnologia várias vezes e falhou. Isso significa que não é hora de tentar IA?
Não necessariamente — mas significa que o próximo passo não pode ser “mais uma tentativa” igual às anteriores. Antes de qualquer piloto de IA, vale mapear o que as tentativas fracassadas tinham em comum: falta de dono do processo, dependência de conhecimento tácito ou ausência de patrocínio contínuo costumam pesar mais do que a ferramenta escolhida.
Como saber se o problema é a ferramenta ou a estrutura de gestão?
Um bom indício é quando mais de uma tentativa de solução parecida já fracassou, ou quando mais de uma área da empresa pede, de forma independente, a mesma coisa. Isso costuma apontar para uma causa estrutural — cultural ou organizacional — que nenhuma troca de ferramenta resolve sozinha.
Preciso de um framework formal, tipo McKinsey 7S, para aplicar IA à gestão da minha empresa?
Não é obrigatório, mas ajuda. Um framework de diagnóstico reconhecido organiza a conversa com a liderança em torno de sinergias entre áreas, em vez de uma lista solta de sintomas, e dá mais legitimidade ao roadmap que vem depois — principalmente quando o histórico da empresa com projetos de tecnologia já é de desconfiança.
Por onde começar se o histórico de tentativas anteriores é ruim?
Comece pequeno e barato, mirando o risco mais silencioso, não o problema mais visível. Um assistente de IA simples que reduza a dependência de conhecimento tácito de uma pessoa específica costuma gerar confiança mais rápido do que prometer substituir, de uma vez, um sistema que já fracassou dezenas de vezes.
Sou Gillian Pellegrino, fundadora da HAIA, com mais de 30 anos de carreira em tecnologia — hoje dedicados a ajudar empresas de médio porte a aplicar IA onde o valor real está, não onde o hype aponta. Se este relato te fez pensar num CRM (ou qualquer outro projeto) que nunca saiu do papel na sua empresa, me conta — é provavelmente o próximo piloto certo.
