Planejamento de cenários de superinteligência sem previsões

O planejamento de cenários de superinteligência consiste em definir alguns níveis distintos de capacidade da IA e testar cada decisão da empresa contra todos eles, em vez de apostar em uma única data de chegada. Você descreve o que a IA poderia fazer nos seus fluxos de trabalho em cada nível, marca quais decisões se sustentam em todos eles e define sinais observáveis que indicam a hora de agir. O resultado é um plano que continua útil mesmo quando os palpites de prazo se mostram errados.

Principais pontos

• Planeje pelo que a IA consegue fazer, não pelo momento em que ela chega. Níveis de capacidade podem ser testados. Datas são opiniões.
• Classifique cada decisão sobre IA em um de três grupos: vale em qualquer cenário, mantém opções abertas ou é uma aposta que precisa de um gatilho.
• A maior parte do trabalho valioso é igual em todos os cenários: conhecimento organizado, permissões claras, resultados observáveis e limites de aprovação humana.
• Troque previsões por sinais. Um sinal é algo que você mede dentro dos seus próprios fluxos, como uma tarefa que o agente não fazia no trimestre passado e agora faz de forma confiável.
• Revise os cenários em um ritmo fixo e depois de qualquer mudança importante de modelo. Um plano que ninguém revisita é só mais uma previsão.

Por que previsões falham como base de planejamento?

A maioria das conversas sobre planejamento de IA começa com uma pergunta que ninguém sabe responder: quando os sistemas serão muito mais capazes que as pessoas na maior parte do trabalho intelectual? Especialistas bem informados discordam, e a discordância não diminui só porque um líder precisa de um número para a reunião de orçamento. Se o seu plano depende de uma única resposta, ele é tão frágil quanto o palpite.

Há um segundo problema. Um plano baseado em data deixa à vontade as pessoas erradas. Quem acredita investe demais em projetos ambiciosos que passam à frente dos dados e dos controles da empresa. Quem duvida adia tudo e descobre depois que não tem memória, ferramentas nem hábitos sobre os quais construir. Os dois grupos fizeram uma previsão e chamaram de estratégia.

O planejamento de cenários tem longa história nos negócios justamente por isso. Ele não pergunta qual futuro está certo. Pergunta quais decisões você ainda defenderia se qualquer um de vários futuros se concretizasse. No caso da IA, o ajuste útil é definir os futuros por capacidade, e não por calendário, porque é a capacidade que muda a sua operação.

O que é um cenário baseado em capacidade?

Um cenário baseado em capacidade é uma descrição curta do que os sistemas de IA conseguem fazer de forma confiável em determinado nível, escrita em termos do seu próprio trabalho. Ele evita expressões vagas como “muito mais inteligente” e diz o que o sistema consegue assumir, por quanto tempo trabalha sem supervisão e com que frequência uma pessoa precisa conferir.

Para a maioria das empresas, quatro níveis bastam. Você pode renomeá-los, mas mantenha-os distintos.

• Assistido: a IA redige, resume e responde perguntas. Uma pessoa inicia cada tarefa e revisa cada resultado.
• Delegado: um agente assume um papel definido de ponta a ponta, como triar solicitações ou preparar relatórios semanais, dentro de limites claros de aprovação.
• Coordenado: vários agentes passam trabalho entre si e entre departamentos, e as pessoas supervisionam exceções e resultados, não etapas.
• Além do especialista: os sistemas superam seus melhores especialistas em análise e planejamento complexos e podem propor mudanças em como a própria empresa funciona.

Repare no que esses níveis não contêm: nenhum ano. Sua empresa pode estar entre dois níveis, dependendo da área. O financeiro pode estar no assistido enquanto o atendimento ao cliente já está no delegado. Essa irregularidade é normal e útil, porque mostra onde o próximo nível faria diferença primeiro.

Para uma visão mais ampla de como os horizontes mudam em empresas de médio porte, leia Superinteligência e vantagem competitiva: o que continua crescendo.

Como conduzir o exercício de planejamento, passo a passo?

Você precisa de um grupo pequeno, algumas horas de foco e uma pessoa responsável pelo resultado. Um líder de operações, um de finanças ou risco e alguém que conheça os fluxos reais de trabalho formam um bom mínimo. Siga estes passos em ordem.

• Passo um: liste as decisões. Anote toda escolha relacionada a IA que esteja em aberto ou tenha sido feita recentemente. Inclua compra de ferramentas, contratações, projetos de dados, contratos, treinamentos e qualquer piloto de agente. Busque itens específicos, não temas.
• Passo dois: defina seus níveis de capacidade. Use os quatro acima ou adapte. Escreva duas ou três frases por nível descrevendo o que muda nos seus fluxos.
• Passo três: descreva cada nível para cada área. Para cada equipe importante, registre que trabalho passaria para a IA, o que continuaria com as pessoas e que trabalho novo surgiria, como revisar o que o agente produz.
• Passo quatro: teste cada decisão contra cada nível. Pergunte se a decisão continua fazendo sentido, se passa a prejudicar ou se se torna irrelevante. Registre uma justificativa curta, não uma nota.
• Passo cinco: classifique as decisões em movimentos sem arrependimento, movimentos que preservam opções e apostas. A próxima seção explica como.
• Passo seis: associe um sinal e um responsável a cada aposta. Aposta sem gatilho é esperança.
• Passo sete: defina uma data de revisão e uma regra para revisões fora do ciclo, por exemplo após uma mudança importante de modelo ou um incidente.

Mantenha o resultado em poucas páginas. Se o documento for longo, ninguém vai relê-lo, e a releitura é justamente o objetivo.

Como classificar decisões em sem arrependimento, opções e apostas?

A classificação é onde o exercício se paga. Use os resultados dos testes para colocar cada decisão em um de três grupos.

• Sem arrependimento: a decisão é sólida em todos os níveis. Exemplos: documentar como seus processos realmente funcionam, organizar as fontes que um agente leria, definir quem pode aprovar o quê e registrar o que os agentes fazem para que os resultados possam ser inspecionados. Faça agora.
• Preserva opções: a decisão é sólida na maioria dos níveis e barata de reverter. Exemplos: escolher ferramentas que permitam trocar de modelo, manter conhecimento e prompts em formatos que são seus e assinar prazos mais curtos com fornecedores. Faça atento aos custos de saída.
• Aposta: a decisão só compensa em certos níveis ou prejudica em outros. Exemplos: reestruturar uma equipe em torno de agentes que ainda não existem ou se comprometer com o formato proprietário de fluxo de um único fornecedor. Faça só depois que um sinal for acionado e dimensione para que um erro seja suportável.

Um guia rápido ajuda quando o grupo trava em um item específico.

• Se é útil mesmo que a IA permaneça no nível assistido, trate como sem arrependimento.
• Se fica mais útil à medida que a IA melhora e custa pouco para desfazer, trate como opção.
• Se só funciona quando a IA melhora muito, ou é difícil de desfazer, trate como aposta e nomeie o gatilho.
• Se quebra em qualquer nível, refaça o desenho antes de aprovar.

O padrão surpreende muitos líderes. O grupo sem arrependimento costuma ser o maior, e é sobretudo base operacional, não tecnologia. Por isso também é possível começar antes de qualquer debate sobre prazos ser resolvido. O lado prático dessa base está em Como preparar a empresa para IA superinteligente hoje.

Como isso fica na prática? Um cenário ilustrativo

Este é um cenário ilustrativo, não um caso real. Imagine uma distribuidora de médio porte decidindo como tratar a comunicação com fornecedores. Hoje, três coordenadores respondem e-mails de fornecedores, cobram confirmações de entrega e atualizam uma planilha compartilhada.

A diretoria lista três decisões em aberto: pilotar um agente para acompanhamento de fornecedores, assinar um contrato longo com uma plataforma de fluxos que traz seu próprio agente e reorganizar a equipe de coordenação em torno de um futuro processo automatizado.

Elas testam cada uma contra os quatro níveis. O piloto se sustenta nos níveis assistido e delegado e ensina a empresa a supervisionar um agente, então é sem arrependimento, desde que aprovações e registros estejam em vigor. O contrato longo funciona no nível delegado, mas prende os fluxos a um formato proprietário que pode bloquear uma configuração coordenada ou além do especialista; vira aposta, e elas pedem prazos menores e dados exportáveis. A reorganização depende de uma capacidade que a empresa ainda não viu, então é uma aposta com gatilho: o agente deve tratar uma parcela definida das conversas com fornecedores sem correção durante um período completo de revisão, medida nos registros do próprio piloto.

Nenhuma dessas conclusões exigiu previsão. Exigiram uma descrição clara do trabalho e uma avaliação honesta do custo de reverter cada escolha. Para definir o que um piloto precisa demonstrar, veja Por que pilotos de IA não saem do papel e como levá-los à produção.

Quais sinais devem disparar uma revisão?

Sinais transformam o planejamento de cenários de um workshop em hábito de gestão. Bons sinais vêm de dentro da empresa, porque manchetes externas são ruidosas e raramente correspondem aos seus fluxos. Exemplos que valem acompanhar:

• Tarefas que os agentes agora concluem sem correção humana, em comparação com a última revisão.
• O tempo que uma pessoa gasta revisando o resultado do agente em comparação com fazer a tarefa diretamente.
• Os tipos de erro que aparecem: menos descuidos ou os mesmos se repetindo.
• Casos em que um agente propõe um processo melhor que o documentado e a proposta se sustenta.
• Pedidos de permissões mais amplas e se as evidências justificam concedê-las.

Para que esses sinais sejam confiáveis, você precisa de avaliações que rodem repetidamente em tarefas reais. O material da Anthropic sobre avaliações de agentes de IA (“demystifying evals for AI agents”) explica como montar verificações que mostram se um agente melhorou ou piorou depois de uma mudança. O NIST AI Risk Management Framework é uma boa referência para estruturar como mapear, medir e gerenciar riscos conforme a capacidade muda.

As permissões merecem um sinal próprio. À medida que os agentes ficam mais capazes, surge a tentação de ampliar o acesso porque o agente parece confiável. Trate isso como uma decisão com evidências, não como deriva. A orientação de autorização do OWASP reforça o princípio do menor privilégio e verificações consistentes, que valem independentemente de quão capaz seja o sistema por trás do pedido.

Como a abordagem gerenciada da Be Human lida com isso?

A Be Human projeta, implementa e opera agentes de IA que mantêm identidade, memória, canais, ferramentas e permissões sob controle humano. Na prática, o trabalho sem arrependimento já entra no primeiro projeto: um papel definido, a memória e as ferramentas de que ele precisa, limites de aprovação e um critério de sucesso observável. A operação gerenciada fornece então os sinais descritos acima, por meio de monitoramento, avaliações recorrentes e revisão de permissões, e melhorias controladas permitem testar uma mudança de modelo antes que ela chegue ao papel. Como o conhecimento e a configuração do agente permanecem sob controle da empresa, uma troca do modelo subjacente é uma mudança a testar, não uma reconstrução.

Perguntas frequentes

Preciso acreditar que a superinteligência vai chegar para usar este método? Não. O método funciona se você acha que sistemas altamente capazes estão próximos, distantes ou incertos, porque testa decisões contra vários níveis em vez de assumir um só. Céticos e entusiastas podem usar o mesmo documento e divergir apenas sobre a rapidez com que ele deve ser revisado.

Com que frequência devemos revisitar os cenários? Defina um ritmo regular, como a cada trimestre, e acrescente uma revisão fora do ciclo após uma mudança importante de modelo, um incidente ou um novo pedido para ampliar as permissões de um agente. Se nada mudou, a revisão pode ser curta. O hábito importa mais que a duração. O artigo Revisão trimestral de IA na empresa: manter, corrigir ou encerrar ajuda a estruturar esse ritmo.

E se a nossa empresa for pequena demais para planejamento de cenários? O exercício se adapta. Uma equipe pequena pode listar suas decisões abertas sobre IA, descrever os quatro níveis em uma página e classificar as decisões em uma única reunião. A mesma base, processos claros e conhecimento próprio, ajuda em qualquer tamanho, e o guia simples para líderes sobre o que é superinteligência indica por onde começar.

Como evitar dependência de um fornecedor enquanto o cenário é incerto? Trate a portabilidade como um movimento que preserva opções: mantenha conhecimento, prompts e configuração em formatos que são seus e prefira condições que permitam trocar de modelo. Como migrar agentes de IA para outro fornecedor, passo a passo traz as verificações práticas. A dependência raramente é problema no primeiro dia e muitas vezes é problema na primeira renovação.

Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.