Sete Requisitos Para IA Institucional: O Que Produtividade Individual Não Compra

Desde que publicamos A Lacuna Institucional da IA, a resposta confirmou o que suspeitávamos: organizações sentem esse problema de forma aguda, mas não têm vocabulário para descrevê-lo. Sabem que a produtividade individual com IA não está se convertendo em valor institucional. Não sabem o que, exatamente, está faltando.

George Sivulka, CEO da Hebbia, publicou a peça que faltava em um ensaio para a a16z este mês. Onde nossa análise diagnosticou a desconexão estrutural e traçou seu precedente histórico, Sivulka nomeia sete requisitos específicos que separam ferramentas individuais de IA de sistemas institucionais de IA. O framework merece exame detalhado porque converte um diagnóstico em checklist.

A frase de abertura dele captura o problema com precisão cirúrgica: “A IA tornou cada indivíduo 10x mais produtivo. Nenhuma empresa se tornou 10x mais valiosa como resultado.”

Os Sete Requisitos

O framework de Sivulka não é um modelo de maturidade nem uma escada de capacidades. É uma lista de propriedades estruturais que organizações precisam construir antes que a IA escale além do indivíduo. Cada uma representa uma dimensão onde ferramentas de produtividade pessoal falham em produzir resultados institucionais.

Vou percorrer as sete, adicionando uma lente de governança que o framework de Sivulka implica mas não desenvolve por completo.

1. Coordenação: De Paralela Para Convergente

IA individual cria produtividade paralela. Dez pessoas trabalham mais rápido isoladamente. IA institucional cria produtividade convergente: dez pessoas produzindo entregas que se encaixam.

Coordenação vem primeiro porque é fundacional. Sem ela, cada requisito seguinte produz divergência acelerada. Como documentamos em O Efeito Amplificador, IA acelera qualquer dinâmica organizacional já existente. Se suas equipes coordenam mal sem IA, vão coordenar catastroficamente com ela.

Implicação para governança: coordenação exige direitos de decisão explícitos, pontos de handoff definidos e padrões de qualidade compartilhados. Não são artefatos de gestão de projetos. São o sistema operacional que converte aceleração individual em velocidade coletiva.

2. Detecção de Sinais: O Determinístico Sobre o Probabilístico

Quando a produção fica barata, a avaliação vira gargalo. Sivulka argumenta que IA institucional precisa favorecer detecção determinística de sinais sobre adivinhação probabilística. A organização precisa de sistemas que identifiquem com confiabilidade o que importa no dilúvio de output gerado por IA.

É aqui que a maioria das organizações está se afogando. Mais código escrito, mais conteúdo redigido, mais análises produzidas. O volume aumentou. A capacidade de avaliar quais outputs merecem atenção não acompanhou.

A solução não é mais IA. São filtros melhores. Revisão automatizada de output automatizado, com critérios claros de escalação e pontos de decisão humana onde o risco justifica.

3. Objetividade: O Não Disciplinado

Este é o requisito mais provocativo de Sivulka. Modelos de fundação, treinados via aprendizado por reforço com feedback humano (RLHF), são estruturalmente inclinados a concordar com usuários. Para indivíduos, isso parece útil. Para organizações, é veneno.

“Os agentes mais valiosos dentro de organizações serão ‘não-homens’ disciplinados que interrogam o raciocínio.”

Essa citação deveria estar impressa em toda política de governança de IA. Organizações raramente fracassam porque faltam confiança ou convicção às pessoas. Fracassam porque ninguém está disposto, ou estruturado, para desafiar o consenso. Se seus sistemas de IA confirmam cada premissa e validam cada estratégia, você construiu um motor de bajulação em escala institucional.

Implicação para governança: sistemas de IA usados em decisões institucionais devem ser projetados para desafiar, não confirmar. Isso significa construir agentes de revisão, detecção de contradições e teste de premissas nos fluxos de trabalho. A IA que salva a empresa será a que diz não.

4. Vantagem de Domínio: O Que Concorrentes Não Replicam

Ferramentas de IA de propósito geral se comoditizam rápido. ChatGPT, Claude, Gemini: são pré-requisitos. Qualquer concorrente tem acesso às mesmas capacidades.

A vantagem institucional vem de sistemas de IA que codificam conhecimento proprietário, lógica organizacional e dados de domínio específico que concorrentes não conseguem replicar. Os dados de Sivulka sobre janelas de contexto ilustram a escala: cresceram de 4 mil para mais de 1 milhão de tokens em quatro anos. Alguns usuários corporativos já processam 30 bilhões de tokens por job. Esse volume de processamento só tem valor se os dados sendo processados são exclusivamente seus.

O mapeamento é direto com o que Kent Beck identificou como as alavancas de valor negligenciadas. Os maiores retornos não vêm de fazer trabalho existente mais rápido, mas de viabilizar trabalho que antes era impossível. IA de domínio específico torna análises antes impraticáveis em algo tratável. IA de propósito geral apenas acelera análises existentes.

5. Resultados de Receita, Não Métricas de Produtividade

A maioria do uso individual de IA otimiza velocidade. Rascunhos mais rápidos, código mais rápido, análises mais rápidas. O quinto requisito de Sivulka força a pergunta: essa velocidade toda produziu receita?

A distinção não é acadêmica. Já vimos organizações onde desenvolvedores assistidos por IA entregam 3x mais código, mas taxas de defeito sobem, gargalos de revisão se multiplicam e o efeito líquido no tempo de entrega é zero. Pesquisadores de Berkeley encontraram um padrão paralelo: IA intensifica o trabalho em vez de reduzi-lo, porque ganhos de produtividade são absorvidos pela expansão de escopo em vez de convertidos em resultados.

IA institucional precisa ser medida por resultados de negócio. Receita por funcionário. Tempo de ciclo até valor para o cliente. Taxas de defeito. Qualidade de decisão. Se a única métrica melhorando é “volume de coisas produzidas,” a instituição está correndo mais sem avançar.

6. Habilitação de Mudança: Processo Antes de Tecnologia

Sivulka aponta o sucesso da Palantir como evidência de que as empresas de IA vencedoras são, na verdade, empresas de engenharia de processos. Vencem não porque seus modelos são melhores, mas porque codificam processos organizacionais em software.

Este é o requisito que a maioria das organizações pula. Implantam ferramentas de IA sem primeiro mapear os fluxos de trabalho que essas ferramentas deveriam acelerar. O resultado é previsível: a IA automatiza um processo indefinido e produz resultados indefinidos.

O achado da BCG de que 70% das falhas de IA se originam em pessoas e processos, não em tecnologia, é o respaldo estatístico deste requisito. Não dá para engenheirar mudança por meio de uma ferramenta. Engenheira-se por meio de clareza de processos, definição de papéis e documentação explícita de fluxos. A IA vem depois.

7. Ação Proativa: De Reativo Para Autônomo

O requisito final distingue IA institucional de tudo que veio antes. IA individual espera um prompt. Você faz uma pergunta, recebe uma resposta. IA institucional opera continuamente: monitorando riscos, identificando oportunidades, sinalizando anomalias que ninguém pensou em perguntar.

É aqui que o rótulo “agente” finalmente faz jus ao nome. Não um chatbot que responde a consultas, mas um sistema que inicia ação com base em prioridades institucionais. Um monitor de conformidade que sinaliza exposição regulatória antes da auditoria. Um sistema de inteligência de mercado que detecta movimentos competitivos antes da revisão trimestral. Um portão de qualidade que identifica degradação antes que clientes percebam.

Operação proativa exige todos os seis requisitos anteriores. Sem coordenação, agentes proativos criam caos. Sem detecção de sinais, geram ruído. Sem objetividade, reforçam pontos cegos existentes. Sem especificidade de domínio, produzem observações genéricas. Sem orientação a resultados, otimizam para os alvos errados. Sem clareza de processo, automatizam os fluxos errados.

O Que o Framework Revela

Os sete requisitos de Sivulka, tomados em conjunto, expõem uma verdade que a indústria de IA prefere não divulgar. A tecnologia não é a parte difícil. Janelas de contexto, capacidades dos modelos, velocidade de inferência: tudo isso melhora em curva previsível. A parte difícil é institucional.

“Software puro está rapidamente se tornando não-investível,” escreve Sivulka. A implicação é severa. Se a camada de tecnologia se comoditiza, a única vantagem durável é organizacional. A empresa que constrói capacidade institucional de IA vence não porque tem modelos melhores, mas porque tem melhor coordenação, processos mais claros e governança mais forte.

É o que queríamos dizer quando descrevemos a lacuna institucional da IA usando o paralelo da eletrificação. A eletricidade está instalada. A fábrica permanece inalterada. O framework de Sivulka diz exatamente quais paredes mover.

O Fio Condutor da Governança

Cada um dos sete requisitos de Sivulka é, em sua essência, um requisito de governança. Coordenação exige direitos de decisão. Detecção de sinais exige critérios de avaliação. Objetividade exige mecanismos de contestação. Vantagem de domínio exige governança de dados. Orientação a receita exige mensuração de resultados. Habilitação de mudança exige documentação de processos. Operação proativa exige frameworks de monitoramento.

As organizações que vão encurtar a distância entre produtividade individual de IA e valor institucional não são as que têm ferramentas melhores. São as que constroem a infraestrutura de governança para fazer essas ferramentas convergirem em resultados.

Os sete requisitos são o blueprint. A camada de governança é a fundação sobre a qual descansam.

Fontes

Sivulka, George. “Institutional AI vs Individual AI.” a16z Newsletter, março 2026.

A Victorino ajuda empresas a preencher a lacuna entre produtividade individual de IA e valor institucional — do diagnóstico estrutural à implementação de governança: contato@victorino.com.br | www.victorino.com.br