Seus Relatórios de IA Estão Capturados Politicamente. Dashboards Melhores Pioram Tudo.

Um executivo que “nunca havia usado ChatGPT ou qualquer ferramenta de IA na vida” assinou a estratégia técnica centrada em IA de uma organização com mais de US$ 2 bilhões de receita. Nikhil Suresh, que comanda a consultoria Hermit Tech em Melbourne, diz ter acompanhado o episódio, e diz que a estratégia avançou porque todos abaixo dele entendiam qual resposta era segura dar.

Essa cena ancora AI Mania Is Eviscerating Global Decision-Making, publicado em 18 de julho de 2026. Suresh carrega um machado e o mostra abertamente. Ele é autor do ensaio “piledrive”, sua firma rejeitou todo trabalho de implementação de IA que lhe foi oferecido, e ele relata “0% de sucesso em um ano e meio” nos projetos de IA que ele e o time observaram. A base dele são cerca de 300 conversas com profissionais pelo mundo ao longo da vida do blog. Em outras palavras, o diário de campo de um consultor. Leia cada número aqui como testemunho, jamais como medição.

Testemunho ainda merece atenção quando descreve um mecanismo, e esse mecanismo incomoda qualquer um que venda governança. Incomoda a nós, porque governança é o que a Victorino vende.

Crença virou teste de lealdade

Suresh nomeia um limiar de escala: “todo negócio suficientemente grande que observamos (digamos, com mais de 500 funcionários)” roda alguma versão dessa dinâmica. Professar entusiasmo por IA protege uma carreira. Expressar dúvida ameaça uma. Assim que essa estrutura de preços existe, a linha de reporte para de carregar informação para cima e passa a carregar lealdade.

Um CISO de carreira que ele cita, anônimo por pedido como várias de suas fontes, resume assim: “há uma atmosfera de culto nisso, algo que você não via com a nuvem, por exemplo… Conversando com CISOs em todo lugar, eu diria que a maioria é discretamente cética, mas tem medo de falar.” Mitchell Hashimoto, da HashiCorp e do Ghostty, abre o texto com uma versão mais dura: “acredito firmemente que há empresas inteiras hoje sob forte psicose de IA, e é impossível ter conversas racionais com elas sobre o assunto.”

As citações em bloco no ensaio de Suresh são testemunhos que ele coletou, e sim, coletados por alguém parcial, de pessoas que pediram para permanecer sem nome. Essa distinção define o peso que carregam: relatos com fonte, apurados a mão.

Quatro checagens falham ao mesmo tempo

Uma organização saudável pega uma aposta ruim por quatro caminhos separados: o relatório de status honesto, a métrica de uso, a revisão de compras e o teste informal em que alguém sênior pergunta por aí quem de fato usa aquilo. O preço político da dúvida desativa os quatro de uma vez, porque os quatro dependem de alguém dizer em voz alta uma frase indesejada.

As métricas caem primeiro. Suresh: “líderes de projeto tomam muito cuidado para evitar acompanhar métricas básicas, como se as ferramentas estão sendo usadas, ou acompanham métricas facilmente burláveis.” Ele nomeia três do tipo burlável, e cada uma é real o suficiente para você provavelmente já ter visto: leaderboards de tokens em que gastar mais pontua melhor, dinheiro gasto em IA como critério de avaliação de funcionário, e pedidos de headcount liberados só depois de provar que você tentou IA primeiro. Já argumentamos que agentes otimizam o artefato em vez do resultado. Aqui a otimização é deliberada e humana, o que a torna muito mais durável.

Compras cai em seguida. Suresh descreve um demo de chatbot que o time montou em duas horas e que superou tudo o que os líderes técnicos do cliente tinham visto, inclusive em uma empresa listada na bolsa australiana que já divulgava seu uso de IA. Depois vem a parte que deveria travar qualquer comprador: “todo cliente morno que viu o chatbot em ação, mesmo com a gente avisando que aquilo jamais entregaria o que eles queriam, quis comprar imediatamente.” Incentivos de fornecedor amplificam o efeito, que é o viés estrutural que rastreamos nas alegações de produtividade com IA, e o retorno reputacional de anunciar uma IA que você nem opera mora na mesma prateleira.

Alegações de acurácia atravessam esse ambiente intactas porque ninguém as cobra. Suresh conta que funcionários da Snowflake lhe disseram verbalmente, de memória, que o Cortex operava com cerca de 92% de acurácia em configuração ideal. Trate o número como ilustração em vez de fato, e ele ainda pesa: nessa taxa, um em cada dez números do CFO volta errado. Uma área financeira rejeitaria essa taxa de erro de um analista júnior em uma semana. Vinda de uma plataforma com keynote por trás, a taxa segue sem medição.

A razão pela qual ninguém rompe primeiro

A parte interessante é por que o equilíbrio se mantém até entre pessoas que concordam em privado. Suresh trata o fenômeno como falha de coordenação entre executivos, e não como propriedade da tecnologia. O enquadramento tem dentes.

Pense em um executivo de fornecedor que considera implausível a alegação pública de 100x de produtividade de um cliente. Dizer isso equivale a chamar um par de mentiroso na frente do conselho dele. Quem fala a verdade absorve o custo inteiro daquela frase. O benefício, um mercado em que alegações significam algo, se espalha por todos, inclusive concorrentes. Cada participante enfrenta a mesma matriz de payoff, então o movimento honesto fica permanentemente a um passo de distância para todo mundo. É a mesma forma do descompasso de ritmo que mapeamos na adoção da Fortune 500, vista pelo lado do incentivo em vez do calendário.

Suresh também traça uma distinção que vale levar para qualquer negociação: “você deveria evitar fazer negócio com um mentiroso, mas se for preciso, ao menos dá para argumentar com ele, mesmo que só em privado. Um verdadeiro crente é muito mais ameaçador, porque é impermeável até ao apelo do próprio interesse.” O mentiroso responde a um payoff alterado. O crente encara o payoff alterado como teste de fé.

Um ponto dele merece destaque porque baixa a temperatura. Ele coloca a causa raiz totalmente acima da IA: “com frequência a falha tem pouca relação com IA em si, e muito mais com o fato de que empresas são terminalmente ruins em conduzir projetos de software… Muito poucas empresas são tão boas em entregar software que possam bancar o perfil de risco extra.” Disciplina de entrega é a condição anterior. A IA aumenta a variância de uma organização que já tem dificuldade de entregar.

Onde isso deixa nossas próprias recomendações

A Victorino vende trabalho de governança: assessments, desenho de controles, modelos operacionais. Cada um desses entregáveis assume que os insumos são honestos. Um assessment lê relatórios de status. Um desenho de controles consome telemetria de uso. Um modelo operacional depende de um comitê em que alguém possa dizer “isso está três meses atrasado” e manter o emprego.

Com a camada de reporte capturada politicamente, um dashboard mais afiado produz uma resposta errada mais precisa, mais confiante e mais cara de produzir. Essa é a conclusão desconfortável, e vamos deixá-la desconfortável. Recusar o projeto resolve zero para o cliente. Fingir que o instrumento está limpo é pior. O que sobra de honesto é testar a camada de reporte antes de cobrar de alguém por um trabalho construído sobre ela, e dizer com clareza quando o teste volta ruim.

O instrumento que enxerga através da captura

Suresh oferece uma ferramenta, e ela é barata o bastante para rodar neste mês. Em um projeto já três anos atrasado, uma pesquisa anônima de confiança devolveu resultado bimodal: cerca de metade dos respondentes deu nota 3 de 10, enquanto outros se agruparam em torno de 8 de 10.

A média dessa distribuição é vazia. A forma dela é o achado inteiro. Um time com informação compartilhada converge. Um time em que metade dos membros guarda uma avaliação privada que evita verbalizar na reunião se parte em dois picos. Bimodalidade é evidência direta de que a informação existe dentro da organização e foi retida da linha de reporte, e ela produz essa evidência sem exigir que uma única pessoa se ofereça como porta-voz da verdade. O instrumento absorve o custo de carreira que o dilema do prisioneiro impõe aos indivíduos.

Faça isso agora

Rode uma pesquisa anônima de confiança na sua maior iniciativa de IA em andamento nesta semana. Uma pergunta: em uma escala de 1 a 10, quanta confiança você tem de que este projeto vai entregar o que foi prometido, no prazo que foi prometido? Colete fora da linha de reporte, com anonimato real, de todos que tocam o trabalho, inclusive terceiros.

Depois leia a forma em vez da média. Um agrupamento apertado em qualquer ponto, alto ou baixo, indica que a organização compartilha uma visão e você pode planejar contra ela. Dois picos indicam que seus relatórios de status vinham dizendo o que você queria ouvir, e todo artefato de governança construído sobre eles precisa de reexame antes de ser estendido. Rode a mesma pesquisa a cada trimestre e a tendência da dispersão vira indicador antecedente de integridade de reporte, a única métrica que torna as outras legíveis.

---

Fontes

• Hermit Tech (Nikhil Suresh). “AI Mania Is Eviscerating Global Decision-Making.” Julho de 2026. Observação de campo de uma única consultoria, e não pesquisa. Todos os números, inclusive o “0% de sucesso” e a acurácia atribuída ao Snowflake Cortex, são contagem própria do autor ou relato verbal, e aparecem aqui como testemunho.

A Victorino testa se a sua camada de reporte de IA merece confiança antes de desenhar controles sobre ela: contato@victorino.com.br | www.victorino.com.br