A inteligência artificial já faz parte da rotina de muitas empresas. Profissionais utilizam ferramentas para analisar informações, produzir materiais, automatizar tarefas e acelerar entregas. Mas essa adoção crescente trouxe uma questão que começa a ganhar espaço na agenda das lideranças:
Se a tecnologia mudou a maneira de executar o trabalho, por que tantas equipes continuam organizadas da mesma forma?
Uma pesquisa apresentada por Jim Lecinski, professor de marketing da Kellogg School of Management, em um artigo publicado no Think with Google, ajuda a dimensionar esse desafio. Segundo o levantamento realizado em colaboração com a McKinsey, 86% dos profissionais de marketing estão entusiasmados com as possibilidades da IA, enquanto quase 60% utilizam essas ferramentas várias vezes por semana.
O contraste aparece quando a discussão passa da adoção para a organização do trabalho. Apenas 28% dos profissionais consideram que suas empresas estão reconfigurando equipes e workflows de marketing, e 57% relatam ansiedade em relação ao impacto da tecnologia sobre suas funções.
Os números revelam uma diferença importante entre incorporar ferramentas e preparar uma organização para trabalhar com elas. À medida que a automação com IA avança para atividades mais complexas, gestores precisam reconsiderar a distribuição de tarefas, os mecanismos de supervisão e as competências necessárias para conduzir suas operações.
Por que os times com IA precisam de uma nova organização?
Durante os primeiros anos de adoção da inteligência artificial generativa, grande parte das aplicações empresariais estava concentrada em tarefas individuais. Um profissional recorria à tecnologia para produzir uma primeira versão de um texto, organizar uma planilha, resumir uma reunião ou pesquisar informações.
Esse modelo continua relevante, mas já não representa todas as possibilidades da tecnologia. Com a evolução dos agentes de IA, sistemas passam a executar sequências de atividades, consultar diferentes fontes de informação e encaminhar resultados para outras etapas de um processo. Em determinadas aplicações, podem atuar continuamente, respeitando regras e limites definidos pela organização.
Isso altera a dinâmica de trabalho porque a execução deixa de depender exclusivamente de uma pessoa conduzindo cada atividade. Considere uma operação de marketing responsável pela qualificação de leads. Em um modelo tradicional, profissionais analisam informações, identificam oportunidades, atualizam registros e encaminham contatos para vendas.
Com IA, parte dessas atividades pode ser realizada automaticamente, enquanto os profissionais passam a supervisionar critérios, avaliar exceções e interpretar os resultados. A mudança exige mais do que distribuir novas ferramentas para a equipe. É necessário entender como cada processo funciona e identificar quais responsabilidades devem continuar sob controle humano. É nesse ponto que a discussão sobre times com IA se aproxima do desenho organizacional e da gestão de processos.
Antes de redefinir cargos, é preciso entender os workflows
Uma das principais recomendações de Lecinski é começar pelo trabalho realizado, e não pelo organograma. No artigo do Think with Google, o professor observa que muitas organizações conhecem melhor suas estruturas hierárquicas do que os processos que sustentam suas entregas. Entretanto, quando pessoas e sistemas inteligentes passam a colaborar, compreender esses fluxos se torna fundamental.
A recomendação é selecionar inicialmente de três a cinco workflows frequentes e relevantes para o negócio, mapeando suas etapas do início ao fim. No marketing, por exemplo, esse exercício pode envolver a segmentação de públicos, o planejamento de campanhas, a qualificação de leads ou a análise de resultados.
O mesmo raciocínio pode ser aplicado a vendas, atendimento e operações. Ao analisar um processo comercial, uma liderança pode identificar que boa parte do tempo dos vendedores é consumida pela pesquisa de informações, atualização de registros e preparação de reuniões. Essas atividades não necessariamente precisam desaparecer, mas sua execução pode ser redistribuída. A eficiência operacional com IA depende dessa análise. Automatizar etapas isoladas pode gerar ganhos pontuais, enquanto redesenhar o workflow permite avaliar como as atividades se conectam e onde a intervenção humana realmente acrescenta valor.
Como redefinir papéis e responsabilidades nos times com IA
A colaboração entre pessoas e inteligência artificial precisa ser traduzida em responsabilidades claras. Sem essa definição, uma equipe pode acabar revisando repetidamente o mesmo trabalho, deixando decisões importantes sem responsável ou confiando em resultados que deveriam passar por validação.
Um caminho prático é estabelecer, para cada etapa do processo, quem solicita a atividade, quem executa, quem revisa e quem aprova o resultado. Exemplo de distribuição de responsabilidades em um workflow de marketing
Essa divisão não precisa ser igual em todas as empresas. O grau de autonomia da IA depende da complexidade do processo, da qualidade dos dados, dos riscos envolvidos e da maturidade operacional.
Uma tarefa de classificação de informações pode exigir pouca intervenção humana quando utiliza critérios objetivos e confiáveis. Já decisões relacionadas a investimentos, negociações sensíveis ou comunicação institucional podem demandar aprovação explícita.
Também é necessário definir o que acontece quando a IA apresenta um resultado incorreto, encontra informações conflitantes ou não consegue concluir uma atividade. A existência de regras de encaminhamento e supervisão ajuda a evitar que a automação introduza novos problemas na operação.
O papel do CRM na colaboração entre pessoas e agentes
A reorganização dos times também depende da infraestrutura de informações utilizada pela empresa. Quando profissionais e agentes trabalham com dados diferentes, a colaboração tende a produzir inconsistências. Um agente pode recomendar uma abordagem comercial sem conhecer o histórico recente de atendimento, enquanto um vendedor pode repetir perguntas já respondidas pelo cliente em outro canal.
O CRM pode ajudar a reduzir essa fragmentação ao reunir informações sobre contatos, empresas, oportunidades, interações e etapas da jornada. Em uma operação que utiliza um CRM com IA, esses registros podem servir de contexto para atividades automatizadas, desde que existam integrações, permissões e regras adequadas de acesso.
Imagine uma empresa B2B em que um agente prepara um resumo antes de uma reunião comercial. Ao consultar informações autorizadas do CRM, ele pode reunir o histórico de interações, identificar pendências e destacar mudanças recentes na oportunidade.
O vendedor recebe esse material como apoio, mas continua responsável por interpretar a situação, conduzir a conversa e decidir os próximos passos. Esse exemplo mostra como a tecnologia pode assumir parte da preparação operacional sem substituir o relacionamento e o julgamento profissional.
Para que o modelo funcione, entretanto, é necessário garantir qualidade dos dados, atualização dos registros e critérios de governança. Um CRM desorganizado pode comprometer tanto o trabalho humano quanto às recomendações produzidas pela IA.
A centralização de informações, portanto, não resolve sozinha o desafio da colaboração. Ela cria condições para que pessoas e sistemas compartilhem uma visão mais consistente do cliente e da operação.
Quais competências passam a ser importantes nos times com IA?
A redistribuição de atividades também transforma as habilidades exigidas dos profissionais. Conforme destaca Jim Lecinski, no artigo publicado pelo Think with Google, a discussão não deve começar pela redução do tamanho das equipes, mas pela identificação das competências necessárias para trabalhar em um modelo que combina pessoas e inteligência artificial. Nesse cenário, algumas habilidades ganham relevância:
- Orquestração de processos e workflows: capacidade de organizar atividades, identificar oportunidades de automação com IA e coordenar a execução entre profissionais e sistemas inteligentes.
- Supervisão de agentes de IA: acompanhar as atividades realizadas pelos agentes, estabelecer limites de autonomia e identificar situações que exigem intervenção humana.
- Pensamento crítico e tomada de decisão: interpretar informações, avaliar recomendações e tomar decisões considerando objetivos, riscos e contexto do negócio.
- Gestão e interpretação de dados: compreender indicadores, avaliar a qualidade das informações e utilizar dados confiáveis para orientar processos e decisões.
- Colaboração entre pessoas e tecnologia: definir responsabilidades, facilitar a comunicação e garantir que as entregas automatizadas estejam conectadas ao trabalho das equipes.
- Visão estratégica e capacidade de adaptação: identificar novas oportunidades, revisar processos e desenvolver competências conforme a tecnologia e as necessidades da operação evoluem.
Essas mudanças também precisam aparecer nos processos de contratação, capacitação e avaliação de desempenho. Para posições de liderança, especialmente, passa a ser importante demonstrar capacidade de estruturar workflows híbridos, estabelecer critérios de qualidade e acompanhar resultados.
A eficiência operacional com IA depende tanto da tecnologia quanto da preparação das pessoas para utilizá-la. Por isso, o desenvolvimento dessas competências deve acompanhar a evolução dos processos, permitindo que os times assumam responsabilidades mais estratégicas à medida que parte da execução é automatizada.
Como medir os resultados de uma equipe que trabalha com IA?
A adoção de inteligência artificial costuma ser acompanhada por indicadores como número de usuários, volume de tarefas automatizadas ou tempo economizado. Essas informações são úteis, mas não demonstram necessariamente se a operação passou a funcionar melhor.
Para avaliar os resultados de times com IA, as empresas precisam relacionar a tecnologia aos objetivos dos processos em que ela foi incorporada. Uma operação de marketing pode acompanhar a redução do tempo de planejamento de campanhas, mas também deve observar a qualidade das entregas, a necessidade de retrabalho e o impacto sobre a geração de oportunidades.
Em vendas, o tempo economizado na preparação de reuniões pode ser acompanhado por indicadores de produtividade comercial e evolução das oportunidades. No atendimento, a automação pode reduzir o esforço operacional, desde que não comprometa a resolução dos problemas ou a experiência do cliente.
Outro aspecto importante é medir a qualidade da colaboração. Se uma atividade automatizada exige revisões constantes, o ganho de velocidade na execução pode ser anulado pelo tempo dedicado à correção. Por isso, a avaliação deve considerar não apenas o desempenho da IA, mas a eficiência do workflow completo.
A transformação dos times começa pela forma de trabalhar
A discussão sobre IA nas empresas está avançando para além da escolha de ferramentas. À medida que a tecnologia assume atividades mais complexas, torna-se necessário revisar processos, responsabilidades e formas de gestão.
O desafio das lideranças é construir um modelo em que profissionais e agentes tenham funções bem definidas, compartilhem informações confiáveis e contribuam para objetivos comuns. Isso envolve mapear workflows, estabelecer limites de autonomia, desenvolver novas competências e criar mecanismos de acompanhamento dos resultados.
A principal mudança não está necessariamente no tamanho das equipes, mas na maneira como o trabalho é distribuído, supervisionado e conectado às decisões de negócio. Empresas que conseguirem organizar essa colaboração terão melhores condições de transformar o uso crescente da inteligência artificial em ganhos consistentes de produtividade, qualidade e capacidade operacional.
Fonte: Lecinski, Jim. Como redefinir papéis e responsabilidades do marketing na era da IA. Think with Google, julho de 2026.
