No ano 208 d.C., Cao Cao comandava um exército tão poderoso que poucos ousariam desafiá-lo. Ele controlava uma parcela esmagadora dos recursos, o maior reservatório de talentos e uma capacidade aparentemente ilimitada de ação. Seu objetivo era igualmente ambicioso: atravessar o rio Yangtze, derrotar as forças de Sun Quan e Liu Bei e unificar a China.

Na linguagem empresarial atual, considere isso como um líder de mercado com participação dominante, recursos financeiros consideráveis, os melhores profissionais do setor e um mandato estratégico para transformar os negócios e redefinir o cenário competitivo.

Do outro lado do rio estavam Sun Quan e Liu Bei: dois rivais muito menores e mais modestos, cujas forças combinadas estavam em grande desvantagem numérica.

À primeira vista, parecia uma vitória fácil para Cao Cao. Mas havia um problema: seus soldados do norte não estavam acostumados a lutar na água. Eles ficaram enjoados e tiveram dificuldade para se movimentar nos navios. Então, Cao Cao encontrou uma solução aparentemente elegante: acorrentem os navios uns aos outros e coloquem pranchas sobre eles, transformando efetivamente a frota em uma plataforma estável. Todos podiam agora se movimentar como se estivessem em solo firme.

No contexto da IA corporativa, isso soa familiar: criar uma plataforma de IA centralizada para toda a empresa; conectar todas as unidades de negócios; unificar o data, os modelos, a governança e os processos de aprovação; padronizar a experiência e manter tudo sob controle.

Na reunião de estratégia, alguém poderia ter perguntado: E se eles nos atacarem com fogo?

Cao Cao tinha uma resposta. Era inverno. O vento predominante soprava do noroeste. Suas forças estavam na margem norte, enquanto o inimigo se encontrava na margem sul. Se tentassem incendiar seus navios, o vento simplesmente levaria as chamas de volta na direção deles.

A lógica era irrefutável. O risco estava sob controle. Exceto por um detalhe: o vento mudou de direção. E foi aí que a Batalha de Penhascos Vermelhos tornou-se um dos momentos decisivos mais famosos da história da China.

O comandante adversário, Zhou Yu, percebeu imediatamente essa vulnerabilidade: os navios estavam acorrentados uns aos outros.

Huang Gai, um general veterano que contava com a confiança de Cao Cao, propôs um plano de engano. Ele fingiria desertar, aproximar-se-ia da frota de Cao Cao com um grupo de navios carregados de combustível e lenha e, em seguida, atearia fogo a eles.

Os soldados de Cao Cao observavam os navios que se aproximavam, convencidos de que Huang Gai vinha se render. Então, as chamas começaram. Um forte vento do sudeste espalhou o fogo de navio em navio. O que havia sido concebido para gerar estabilidade tornou-se um mecanismo de propagação da destruição. A frota foi incendiada. Os acampamentos na costa pegaram fogo. As forças de Cao Cao foram derrotadas.

A versão literária tradicional chinesa da história acrescentou posteriormente muitos elementos memoráveis: o famoso “empréstimo do vento do leste”, estratagemas elaborados e a perseguição na Passagem de Huarong. Mas o relato histórico registrado em Zizhi Tongjian é muito mais conciso.

E a descrição da batalha contém dois detalhes de enorme importância:

  • Os navios estavam conectados.
  • O vento estava forteg.

Uma delas era uma vulnerabilidade estrutural. A outra era uma variável inesperada. Juntas, transformaram a maior vantagem de Cao Cao em sua maior fraqueza.

Essa é uma maneira surpreendentemente útil de pensar sobre transformação da IA nas empresas.

Controle centralizado versus agilidade independente

Como evitar o risco sistêmico em sua arquitetura de IA?

Cao Cao acorrentou seus navios uns aos outros. O benefício imediato era óbvio: seus soldados podiam se deslocar pela água sem ficar enjoados. A estabilidade melhorou. A coordenação melhorou. A frota ficou mais fácil de controlar.

Mas o essa mesma decisão criou uma vulnerabilidade sistêmica. Anteriormente, se um navio pegasse fogo, apenas um navio queimaria. Agora, se um navio pegasse fogo, toda a frota poderia pegar fogo. O fato de os navios estarem conectados era a vulnerabilidade que Huang Gai percebeu — uma que o próprio Cao Cao havia criado.

Muitas grandes empresas enfrentam uma tentação semelhante quando iniciam sua transformação em IA.

O instinto costuma ser o de criar uma plataforma de IA centralizada, que abranja toda a empresa: conectar todas as unidades de negócios, consolidar o data, padronizar as capacidades, estabelecer uma governança comum e criar uma experiência consistente para o usuário.

Do ponto de vista da governança, isso faz todo o sentido. Reduz a duplicação de investimentos, reforça a segurança e a conformidade e gera economias de escala. Mas segue a mesma lógica subjacente — e falha — de acorrentar os navios uns aos outros: reunir um conjunto de unidades independentes e integrá-las em um único sistema gerenciado centralmente.

O problema é que, uma vez que tudo está fortemente acoplado, surgem três desafios.

  • Risco concentrado: Um incidente do tipo data em uma unidade de negócios pode rapidamente se transformar em uma crise de confiança e conformidade que afete toda a empresa.
  • Perda de velocidade: As equipes de negócios perdem a capacidade de realizar experimentos de forma independente. Quando surge uma nova oportunidade relacionada à IA, sua primeira pergunta pode não ser mais “Podemos tentar isso?”, mas sim “Quando a equipe central poderá aprová-la?”.”
  • A ilusão da transformação: Uma plataforma centralizada de IA pode dar à organização a impressão de que está passando por uma transformação, quando, na verdade, pode estar simplesmente utilizando a IA para tornar os processos existentes mais rápidos e mais baratos — sem questionar se esses processos deveriam, de fato, existir na forma atual.

É claro que plataformas centralizadas e agilidade independente não são mutuamente exclusivas.

Uma arquitetura de IA madura deve oferecer recursos comuns, medidas de segurança e economias de escala no nível da plataforma, ao mesmo tempo em que se preserva espaço para que as unidades de negócios tomem suas próprias decisões e realizem iterações de forma independente.

O acoplamento deve ser intencional. Ele nunca deve se tornar uma cadeia.Isso significa separar claramente os limites de governança entre a plataforma e os aplicativos desenvolvidos com base nela:

Padronizar a plataforma. Potenciar os aplicativos. Isso permite que a organização mantenha padrões comuns e controles de risco, ao mesmo tempo em que preserva a capacidade de cada unidade de negócios de se adaptar às mudanças do mercado.

A questão não é se os navios devem estar conectados. É quais navios precisam ser conectados, em qual camada e com que finalidade.

Transformação de cima para baixo versus inovação a partir de dentro

De onde vem o verdadeiro motor da adoção da IA?

O ardil de Huang Gai não foi simplesmente um estratagema militar. Funcionou porque proporcionou um pretexto plausível para que o ataque com fogo se aproximasse. Huang Gai era um general veterano conhecido por Cao Cao. Sua reputação tornou sua rendição verossímil. O fogo não veio de fora; foi trazido de dentro.

Essa é mais uma lição útil para a IA corporativa.

Quando as organizações iniciam uma transformação em IA, a abordagem padrão costuma ser de cima para baixo: a sede define a estratégia, desenvolve a plataforma, estabelece o modelo de governança e, em seguida, implementa-o em toda a empresa.

O desafio é que As novas tecnologias criam, naturalmente, uma barreira à confiança. Está-se pedindo às pessoas que mudem sua forma de trabalhar, aprendam a utilizar ferramentas desconhecidas e arcem com os custos da experimentação. E é por isso que alguns dos sucessos mais rápidos em IA que observamos geralmente têm origem muito mais próxima do próprio negócio.

As pessoas que passaram anos trabalhando em uma determinada área compreendem onde estão os verdadeiros pontos de atrito. Quando, além disso, adquirem conhecimentos suficientes sobre IA para reconhecer o que a tecnologia pode e não pode fazer, elas conseguem identificar pontos de entrada muito mais precisos e validar novos casos de uso com muito menos esforço.

Essas pessoas podem não ser as mais sofisticadas do ponto de vista técnico na organização. Mas, muitas vezes, elas possuem algo igualmente valioso: conhecimento empresarial e confiança interna.

A estratégia de cima para baixo e a inovação de baixo para cima não são, portanto, modelos concorrentes. Elas resolvem problemas diferentes:

  • Liderança de cima para baixo oferece orientação, recursos, gestão de riscos e a estrutura necessária para a expansão.
  • Inovação impulsionada pelas empresas oferece relevância, rapidez e validação prática.

A estratégia de IA mais eficaz faz as duas coisas. Defina a direção a partir da alta administração e, em seguida, identifique e mobilize as pessoas dentro da organização que possam concretizar essa direção.

Toda organização precisa de sua própria versão de Huang Gai: pessoas que compreendam o negócio com profundidade suficiente para saber onde a IA pode gerar valor e que tenham credibilidade suficiente para promover essa mudança na organização a partir de dentro.

A questão não é se a transformação deve ser de cima para baixo ou de baixo para cima. A questão é: “Quem, dentro da empresa, é capaz de manter a chama acesa?”

Uma estratégia que era lógica versus um paradigma que mudou

O que deve orientar o julgamento durante uma transformação em IA?

Cao Cao não subestimava os riscos. De acordo com o relato histórico, seus conselheiros haviam considerado a possibilidade de um ataque com fogo. Seu raciocínio era simples: o inimigo estava ao sul. Suas forças estavam ao norte. Era inverno. O vento predominante soprava do noroeste. Portanto, se o inimigo tentasse usar o fogo, as chamas seriam levadas de volta na direção deles.

O raciocínio não era irracional. Na verdade, baseava-se em anos de experiência. Cao Cao havia passado décadas lutando no norte da China. Seu conhecimento sobre o clima de inverno havia sido comprovado repetidas vezes. O problema não era que sua experiência estivesse errada.

O problema era que ele havia transferido uma regra local para um ambiente diferente e a tratava como se fosse universal.

A região do rio Yangtze apresentava um conjunto diferente de condições climáticas. O contexto havia mudado. E quando o contexto muda, mesmo um modelo perfeitamente racional pode produzir uma resposta errada.

Ouvimos argumentos semelhantes por parte das empresas quando se discute IA:

  • “Nosso setor é muito especializado. A IA não será capaz de lidar com isso.”
  • “Contamos com vinte anos de know-how próprio. Um modelo não é capaz de compreender isso.”
  • “Nossos clientes precisam de confiança. Uma máquina não pode oferecer isso.”

Essas afirmações podem ter sido perfeitamente razoáveis no contexto tecnológico anterior. Mas a IA não é simplesmente uma ferramenta melhor. Ela representa uma mudança de paradigma.

A experiência que tornava alguém um excelente marítimo na era dos veleiros não necessariamente lhe dizia como um navio a vapor se comportaria.

O mesmo se aplica à IA. Muitas organizações estão tomando decisões perfeitamente racionais sobre a IA com base em pressupostos que já não são mais válidos.

Eles confundem:

  • “Ainda não funciona” em vez de “Isso nunca vai dar certo.”
  • “Nunca vi isso” em vez de “Isso não existe.”
  • “Fazemos assim há vinte anos” em vez de “Faremos assim nos próximos vinte.”

Essas são armadilhas cognitivas perigosas durante uma transição tecnológica. A resposta não é desconsiderar a experiência. A experiência continua sendo uma das fontes mais valiosas de julgamento. Mas as organizações precisam incorporar um hábito adicional a todas as discussões sobre estratégias de IA: quais são os pressupostos que fundamentam nossa conclusão, e se esses pressupostos ainda são válidos no novo paradigma tecnológico?

Em momentos críticos da estratégia de IA, as organizações também devem procurar deliberadamente incluir diferentes perspectivas na discussão. Não porque essas pessoas tenham necessariamente a resposta certa, mas porque podem fazer a pergunta que ninguém mais pensou em fazer.

No acampamento de Cao Cao, a pessoa desaparecida não era outro estrategista. Era alguém que perguntava: “E se o vento for diferente do outro lado do rio??”

Comando centralizado versus tomada de decisão distribuída

A quem devem caber os direitos de decisão na era da IA?

A estrutura de comando de Cao Cao era altamente centralizada. As ordens partiam do comando central e eram transmitidas por meio da hierarquia. Esse modelo funcionava bem nos campos de batalha que Cao Cao conhecia: grandes espaços abertos, condições relativamente previsíveis e tempo suficiente para que as ordens percorressem a cadeia de comando.

Red Cliffs foi diferente. O campo de batalha mudava a cada minuto. E quando os navios de Huang Gai se aproximaram, os soldados de Cao Cao limitaram-se a observar. Eles aguardavam instruções. Antes que alguém pudesse reagir, o incêndio já havia se alastrado. É aqui que o contraste com as forças adversárias se torna importante.

Huang Gai percebeu a oportunidade criada pelos navios interligados e agiu por meio da estrutura de comando existente, contornando o demorado processo de escalada. O princípio geral é simples: quando o ambiente muda mais rapidamente do que a hierarquia consegue responder, a tomada de decisão centralizada torna-se um obstáculo.

As grandes empresas frequentemente caem exatamente nessa armadilha ao lidar com a IA. Elas centralizam a plataforma; centralizam a aprovação; centralizam o acesso. E centralizam as decisões sobre quais casos de uso são permitidos, quais data podem ser utilizados e quais modelos podem ser implantados.

A intenção é compreensível: controlar os riscos e evitar o caos. Mas esse modelo traz consigo uma suposição implícita: A IA é estável o suficiente para que o centro avalie tudo antes que a empresa precise agir.

Na realidade, muitas vezes, o contrário é verdadeiro. As oportunidades de IA estão distribuídas. As necessidades empresariais são altamente contextuais. As equipes mais próximas dos clientes e das operações geralmente identificam as oportunidades em primeiro lugar. E enquanto a matriz ainda está avaliando se vale a pena dar continuidade a um caso de uso, o caso de uso pode já ter mudado. Embora a equipe de governança ainda esteja avaliando se um modelo é seguro, o próprio modelo pode ter passado por várias iterações.

Portanto, a questão não é: Devemos controlar a IA ou não?? É o seguinte: O que deve ser controlado centralmente — e o que deve ser decidido localmente?

A lição de Red Cliffs é surpreendentemente relevante. A liderança central deve assumir a responsabilidade por três aspectos:

  • Objetivo estratégico: O que estamos tentando alcançar?
  • Guarda-corpos: Quais são os limites inegociáveis em matéria de segurança, conformidade e risco?
  • O arsenal: A quais modelos comuns, infraestrutura data, plataformas e recursos de segurança todos deveriam ter acesso?

Em seguida, vem a parte crucial: Quando a oportunidade surgir, tome a decisão no momento em que ela se tornar visível.

Quando aplicado à governança da IA corporativa, o princípio é simples:

  • Centralize o que precisa ser centralizado: Segurança, conformidade, princípios arquitetônicos e eficiência de recursos.
  • Descentralizar o que se beneficia da proximidade com a empresa: Quais casos de uso devem ser explorados, como aplicar a IA, como realizar experimentos e com que rapidez realizar iterações.

As equipes mais próximas do negócio são, muitas vezes, as que conseguem identificar onde está surgindo a próxima oportunidade. Forneça-lhes as ferramentas. Estabeleça os limites. Em seguida, deixe-as agir.

O Teste de Red Cliffs para a IA Corporativa

A Batalha de Penhascos Vermelhos costuma ser lembrada como a história de uma força em desvantagem numérica que derrotou um exército muito maior. Mas, do ponto de vista da IA empresarial, a lição mais interessante é outra.

Cao Cao não perdeu por falta de recursos. Ele perdeu porque a forma como organizou seus recursos criou uma vulnerabilidade; sua transformação foi impulsionada a partir do centro, e não a partir da periferia; seu julgamento baseava-se excessivamente em suposições que haviam se alterado; e sua estrutura de tomada de decisões não conseguiu responder com a rapidez necessária quando o ambiente mudou.

Isso torna “Red Cliffs” uma estrutura inesperadamente útil para refletir sobre a transformação impulsionada pela IA.

Vale a pena fazer quatro perguntas:

  • Ao projetar sua arquitetura de IA, o senhor está montando uma frota resiliente ou unindo todas as naves em um único sistema frágil?
  • Ao impulsionar a adoção da IA, o motor da inovação está em um documento estratégico na sede ou nas mãos das pessoas dentro da empresa que podem realmente dar o pontapé inicial?
  • Ao avaliar o cronograma e os riscos da IA, as suas decisões se baseiam no que a sua experiência lhe diz hoje ou no que poderá ser possível no contexto do paradigma tecnológico do futuro?
  • E ao elaborar a governança da IA, o senhor está tentando controlar cada movimento de cada navio ou está definindo a direção, os limites e as capacidades que permitem que a frota se mova?

As empresas que tomarem as decisões corretas a esse respeito não serão necessariamente aquelas com os maiores orçamentos para IA, os modelos mais avançados ou as equipes de tecnologia mais numerosas. Serão aquelas que compreenderem onde padronizar, onde experimentar, quais pressupostos questionar e a quem atribuir o poder de decisão.

Na próxima década de competição impulsionada pela IA, isso pode vir a ser o que distingue uma organização que se limita a adotar a IA daquela que se transforma verdadeiramente com ela.