A inteligência artificial nas empresas passou rapidamente de tendência tecnológica para tema de gestão. Mas, enquanto parte do mercado associou a IA à substituição de profissionais e à redução indiscriminada de equipas, os dados começaram a mostrar uma realidade mais complexa.
Na Guru Talks, André Cruz, CEO e cofundador da Digital Manager Guru, defendeu que o verdadeiro ganho não esteve em simplesmente comprar ferramentas de IA. Esteve na capacidade da liderança de redesenhar processos, integrar tecnologia na operação e aumentar a produtividade sem comprometer a qualidade.
Um estudo publicado pela Ramp Economics Lab em junho de 2026 reforçou parte dessa visão: entre 21.559 empresas norte-americanas analisadas, as organizações classificadas como utilizadoras de IA de alta intensidade apresentaram crescimento de aproximadamente 10% no headcount após a adoção, enquanto o número de profissionais em posições de entrada aumentou 12%. Os próprios investigadores alertaram, contudo, que a amostra não representava todas as empresas e que os resultados mostravam uma associação, não uma prova simples de causalidade.
Para empresários, founders de SaaS, produtores digitais e gestores, a questão deixou, portanto, de ser apenas “quantas pessoas a IA pode substituir?”. A pergunta mais relevante passou a ser: como construir uma operação em que pessoas e inteligência artificial produzam mais valor juntas?
- 1. O problema não estava no chatbot, mas na gestão
- 2. Por que ferramentas genéricas não criaram vantagem competitiva
- 3. Como integrar inteligência artificial nos processos da empresa
- 4. O mito de que a IA acabaria com os profissionais juniores
- 5. O que mostrou o estudo com mais de 21 mil empresas
- 6. Como a IA aumentou o potencial dos profissionais juniores
- 7. As competências que ganharam valor na era da IA
- 8. Por que a adoção de IA passou a ser responsabilidade da liderança
- 9. Como medir o retorno da inteligência artificial
- 10. Conclusão: a IA tornou a qualidade da gestão ainda mais importante
O problema não estava no chatbot, mas na gestão
[02:16] André Cruz destacou que o principal obstáculo ao crescimento das empresas nunca tinha sido simplesmente a velocidade de execução de uma ferramenta. O problema estava, muitas vezes, na incapacidade de criar processos claros, repetíveis e preparados para ganhar escala.
Esse ponto tornou-se ainda mais importante com a popularização da inteligência artificial.
Comprar uma licença de um modelo generativo poderia tornar determinadas tarefas mais rápidas. Mas isso não corrigiria automaticamente uma operação desorganizada, uma estratégia comercial inconsistente ou uma equipa sem critérios claros de decisão.
A IA poderia acelerar um processo eficiente. Também poderia acelerar um processo mal desenhado.
Por isso, para empresas SaaS e negócios digitais, a adoção de inteligência artificial precisou ser tratada menos como uma compra de software e mais como uma decisão de arquitetura operacional.
Por que ferramentas genéricas não criaram vantagem competitiva
[06:49] Durante a conversa, André Cruz criticou aquilo que classificou como o “fetiche” das ferramentas genéricas: a expectativa de que comprar acesso ao ChatGPT, Claude, Gemini ou outra solução seria suficiente para gerar um salto automático de produtividade.
O problema dessa abordagem esteve na ausência de contexto.
Um conjunto de prompts disponível para qualquer empresa dificilmente geraria uma vantagem competitiva sustentável. Quando diferentes equipas utilizavam as mesmas instruções genéricas, tendiam também a produzir outputs semelhantes, processos semelhantes e comunicação pouco diferenciada.
A vantagem competitiva não estava, portanto, no prompt isolado.
Estava no conhecimento que a organização conseguia incorporar no sistema: dados proprietários, processos internos, critérios de validação, histórico de clientes, documentação, regras de negócio e experiência acumulada.
A inteligência artificial precisava de contexto operacional
[09:12] André explicou que a produtividade encontrava um limite quando a liderança simplesmente distribuía ferramentas pela equipa e transferia para os colaboradores a responsabilidade de descobrir como utilizá-las.
Na experiência relatada pela Digital Manager Guru, a lógica tinha sido diferente. À medida que a IA passou a integrar o processo de desenvolvimento, a equipa continuou a rever procedimentos, criar proteções, ajustar instruções e aperfeiçoar os sistemas utilizados.
A ferramenta não tinha sido entregue de forma isolada. Existia um processo antes, durante e depois da utilização da IA.
Esse princípio tornou-se relevante para qualquer organização que pretendesse transformar IA em produtividade real.
Como integrar inteligência artificial nos processos da empresa
[10:38] André Cruz apresentou diferentes áreas em que a inteligência artificial já podia ser incorporada de forma estruturada.
Na engenharia e no desenvolvimento, a IA podia apoiar documentação, testes, refatoração de código, automações e integração com APIs. Segundo o relato apresentado no episódio, a Digital Manager Guru tinha conseguido aumentar tanto a velocidade como a qualidade do desenvolvimento ao incorporar esses sistemas no fluxo de trabalho.
[11:36] No atendimento, vendas e Customer Success, a lógica passava por utilizar informação interna da organização em vez de depender exclusivamente das respostas genéricas de um modelo.
André contou que milhares de transcrições de reuniões tinham sido utilizadas juntamente com outros dados comerciais e históricos de clientes para disponibilizar mais contexto às equipas. Dessa forma, a IA podia apoiar respostas e decisões com base em situações reais já vividas pela empresa.
[13:04] Em vendas e marketing, essa mesma base de conhecimento tinha permitido desenvolver sistemas específicos para qualificação de leads, criação de campanhas, conteúdos e roteiros.
A diferença esteve num princípio simples:
a inteligência artificial deixou de funcionar como uma ferramenta externa ao processo e passou a fazer parte do próprio processo.
O mito de que a IA acabaria com os profissionais juniores
[14:31] Um dos principais argumentos abordados por André Cruz foi o receio de que as funções de entrada desaparecessem porque a IA já conseguia escrever textos, criar imagens, gerar código e executar tarefas administrativas.
À primeira vista, a conclusão parecia lógica.
Se muitas atividades normalmente atribuídas a estagiários e profissionais juniores podiam ser realizadas por inteligência artificial, por que uma empresa continuaria a contratar essas pessoas?
Para André, essa interpretação ignorava dois fatores importantes.
O primeiro era a formação da própria organização. Se uma empresa deixasse de desenvolver profissionais em início de carreira, criaria uma lacuna futura na formação de especialistas e líderes.
O segundo era ainda mais relevante: a IA não reduzia necessariamente o valor do profissional júnior. Quando corretamente integrada, podia aumentar drasticamente a capacidade desse profissional.
O que mostrou o estudo com mais de 21 mil empresas
[19:45] André apresentou durante o episódio os resultados de uma investigação conduzida pela Ramp e pela Revelio Labs.
O estudo, publicado em 30 de junho de 2026, cruzou dados de gastos empresariais em inteligência artificial com registos de força de trabalho de 21.559 empresas nos Estados Unidos.
Os investigadores verificaram que as empresas classificadas no grupo de adoção de IA de alta intensidade apresentaram, ao longo dos 24 meses analisados, cerca de 10,2% de crescimento no número total de colaboradores. Nas funções de entrada, o aumento observado chegou a 12%. Já entre os utilizadores de baixa intensidade, não foi identificado um crescimento estatisticamente significativo associado à adoção.
O estudo também encontrou crescimento em áreas como engenharia, vendas, administração e atendimento ao cliente.
O dado exige contexto
A investigação não demonstrou que simplesmente gastar mais dinheiro em IA faria qualquer empresa contratar mais.
Os próprios autores observaram que as organizações adotantes já tendiam a ser maiores, mais tecnológicas e a crescer mais rapidamente antes da adoção. Além disso, a amostra era formada por clientes Ramp que podiam ser associados aos dados da Revelio Labs, o que significava uma concentração maior de empresas tecnológicas e trabalho do conhecimento.
O resultado, portanto, não deveria ser interpretado como uma relação causal automática.
Ainda assim, os dados contrariaram a narrativa simplista de que mais utilização de IA significaria inevitavelmente menos pessoas, sobretudo nos níveis de entrada.
Como a IA aumentou o potencial dos profissionais juniores
[20:46] André Cruz chamou esse fenómeno de uma espécie de profissional júnior “superpotencializado”.
Historicamente, muitos profissionais em início de carreira começavam por atividades operacionais e repetitivas: pesquisas básicas, formatação, testes, recolha de dados e execução de tarefas simples.
Com sistemas de IA integrados aos processos da organização, uma parte significativa desse trabalho podia ser acelerada.
[22:16] Segundo André, quando um profissional júnior recebia acesso a uma infraestrutura de IA acompanhada por regras, processos e mecanismos de controlo bem definidos, a sua curva de aprendizagem podia ser reduzida significativamente.
Isso alterava a equação económica da contratação.
O objetivo deixava de ser utilizar um júnior apenas para executar tarefas básicas. O profissional passava a poder operar sistemas desenhados por pessoas mais experientes, validar resultados e produzir num nível de velocidade anteriormente inacessível no início da carreira.
Nesse modelo, os profissionais séniores também não desapareciam.
Pelo contrário: tornavam-se fundamentais para desenhar processos, definir critérios, construir guardrails, supervisionar a qualidade e transferir conhecimento para os sistemas utilizados pelo restante da organização.
A IA podia, assim, aumentar a alavancagem dos dois níveis de senioridade.
As competências que ganharam valor na era da IA
[25:10] André defendeu que as descrições de funções precisavam acompanhar essa transformação.
O mercado tinha passado anos a contratar pessoas sobretudo pela capacidade de executar determinadas tarefas: escrever uma peça de copy, produzir uma imagem, programar uma funcionalidade ou configurar uma campanha.
Com a automação crescente dessas atividades, outras competências passaram a ganhar relevância.
[26:23] Pensamento crítico, capacidade de julgamento e validação de resultados tornaram-se elementos centrais porque um sistema de IA podia gerar rapidamente uma resposta plausível sem garantir que essa resposta fosse correta, adequada ao negócio ou alinhada com a estratégia.
O profissional valioso deixou, portanto, de ser apenas aquele que sabia executar.
Passou a ser também aquele que sabia perguntar:
Este resultado está correto? Faz sentido para o cliente? Está de acordo com os dados? Respeita as regras do negócio? É a melhor decisão estratégica?
Essa capacidade tornou-se particularmente relevante em empresas SaaS, onde decisões aparentemente pequenas podiam afetar produto, churn, suporte, aquisição, margem e experiência do cliente.
Por que a adoção de IA passou a ser responsabilidade da liderança
[26:54] Outra mudança destacada por André Cruz esteve na responsabilidade sobre tecnologia.
A inteligência artificial deixou de poder ser tratada exclusivamente como um assunto da equipa técnica.
Quando uma tecnologia começava a modificar processos de desenvolvimento, marketing, vendas, atendimento, finanças e gestão, a sua implementação passava a ser uma responsabilidade direta da liderança.
O CEO e os diretores precisavam compreender o suficiente sobre a tecnologia para decidir onde deveria ser aplicada, que problemas deveria resolver e como os resultados seriam medidos.
Sem essa participação, existia o risco de a organização acumular assinaturas de ferramentas sem alterar verdadeiramente a forma como operava.
Transformação por IA não significava disponibilizar uma ferramenta. Significava redesenhar a empresa para tirar partido dela.
Como medir o retorno da inteligência artificial
[27:50] Para André Cruz, existia um teste prático para perceber se a inteligência artificial tinha realmente gerado valor: o seu impacto precisava aparecer nos indicadores do negócio.
Numa empresa SaaS, isso poderia ser percebido, por exemplo, através da redução do custo de aquisição, aumento da margem operacional, maior capacidade de desenvolvimento, melhoria do atendimento, redução de tarefas manuais ou crescimento do volume produzido sem aumento proporcional de headcount.
Na Digital Manager Guru, André relatou que diferentes áreas passaram a executar um volume de trabalho que exigiria uma equipa significativamente maior caso os mesmos processos fossem realizados sem IA.
Essa diferença representava ganho operacional.
O número de licenças contratadas, a quantidade de prompts utilizados ou o número de ferramentas disponíveis não deveria ser o KPI principal.
A pergunta deveria ser outra:
O que mudou no resultado da empresa depois da implementação da inteligência artificial?
Se a resposta não pudesse ser encontrada nos indicadores financeiros e operacionais, havia uma forte probabilidade de a organização ainda estar numa fase de experimentação — e não de transformação.
Conclusão: a IA tornou a qualidade da gestão ainda mais importante
[29:17] A principal reflexão apresentada por André Cruz foi que as grandes mudanças tecnológicas não premiavam automaticamente quem comprava a tecnologia. Premiavam quem conseguia adaptar a forma de trabalhar.
No caso da inteligência artificial, essa diferença tornou-se especialmente visível.
Empresas que apenas disponibilizavam ferramentas genéricas às equipas podiam ganhar alguma velocidade individual, mas dificilmente construiriam uma vantagem competitiva sustentável.
Empresas que transformavam conhecimento interno, processos, dados, experiência, sistemas de validação e liderança numa arquitetura de IA integrada tinham uma oportunidade muito maior de ampliar produtividade e margem.
[30:43] No episódio, André resumiu essa visão ao explicar que, na Digital Manager Guru, a inteligência artificial tinha libertado tempo para que os profissionais se concentrassem em atividades que anteriormente não conseguiam priorizar. Em vez de uma redução automática da equipa, a empresa estava a ampliar a capacidade operacional e continuava a contratar.
Os dados da Ramp não permitiram concluir que a IA criaria empregos em todas as empresas ou funções. Mas forneceram uma evidência relevante contra a ideia de que uma utilização intensiva de inteligência artificial conduziria necessariamente à eliminação dos profissionais de entrada: no grupo de empresas com maior intensidade de adoção, o headcount de entrada cresceu 12% no período analisado.
Para líderes de SaaS e negócios digitais, a consequência estratégica foi clara.
A vantagem não esteve em ter acesso à inteligência artificial. Esteve em saber transformá-la num sistema de trabalho melhor.
E, nesse cenário, processos bem desenhados, profissionais capazes de validar resultados e líderes preparados para integrar tecnologia à operação tornaram-se ainda mais valiosos.
