Um Framework Prático na Era da IA
Em julho passado tive a oportunidade de estar em Florianópolis / SC participando do TDC Floripa 2026 - e não só isso: apresentado 2 palestras - uma na trilha de Engenharia de Dados e Analytics, e a outra na trilha de Liderança Técnica.
E é sobre esta segunda apresentação que venho falar neste post.
Sobre o tema...
Estamos vivendo um momento que temos IA para tudo - ela responde, sugere, escreve, automatiza processos e ações, acelera decisões...
... mas a IA não compreende contexto, intenção ou impacto.
Imagina isso agora em uma liderança, onde as responsabilidades e impactos são maiores. Achar alternativas não é mais problema - a IA nos traz várias! O desafio nosso agora é decidir com discernimento, responsabilidade e coerência. Pensamento Crítico nunca foi tão importante - ou crítico! - como agora.
Talvez uma das perguntas mais importantes para quem exerce liderança técnica hoje seja:
Se a IA consegue nos dar respostas tão rapidamente, o que exatamente ainda precisamos decidir?
Minha resposta é: praticamente tudo o que realmente importa! Porque a IA reduziu drasticamente o custo de produzir respostas. Ela não reoduziu o custo de produzir julgamento.
Foi a partir desse pensamento que construí esta palestra. A proposta não era falar sobre uma ferramenta específica, nem ensinar um prompt novo.
A proposta era discutir uma mudança mais profunda: o que acontece com a tomada de decisão quando produzir alternativas deixa de ser o principal gargalo?
"Esta, detetive, é a pergunta correta"
Há uma cena de Eu, Robô (2004) que gosto:
O detetive Del Spooner (Will Smith) está diante de um holograma que consegue responder às perguntas. Em determinado momento, o holograma diz:
"Esta, detetive, é a pergunta correta.""
A frase me parece especialmente atual e pertinente a este contexto.
Porque o problema que estamos vivendo com a IA Generativa não é mais, necessariamente, a falta de respostas.
É a capacidade de formular a pergunta certa - e depois, saber o que fazer com a resposta.
Um líder técnico pode perguntar à IA qual arquitetura utilizar, como resolver uma dívida técnica, como estruturar um time ou quais alternativas existem para uma determinada implementação.
E receberá respostas - provavelmente várias, e muitas delas serão boas.
É aí que começa o problema.
O que é uma decisão?
Antes de falar sobre liderança técnica, vale definir o que estamos chamando de "decisão".
Para mim:
Decisão é escolher, entre várias alternativas plausíveis, qual delas faz mais sentido naquele contexto.
Essa definição tem uma consequência importante: Se existe uma resposta obviamente correta, não estamos realmente diante de uma decisão. Estamos diante de uma execução.
A decisão aparece quando temos duas ou mais alternativas boas.
E é justamente isso que mudou com a IA.
Durante muito tempo, um dos grandes desafios do trabalho técnico era encontrar alternativas. Precisávamos pesquisar, consultar documentação, conversar com especialistas, experimentar, comparar tecnologias.
Hoje, podemos pedir à IA que faça boa parte desse trabalho inicial em segundso.
O problema mudou.
Antes: Encontrar alternativas
Agora: Escolher entre alternativas
E, principalmente: Assumir a responsabilidade pela escolha.
Esse é o espaço onde entra o julgamento.
A liderança técnica é mais parecida com poker do que com xadrez
Existe uma metáfora muito usada para falar de estratégia e liderança técnica: o xadrez.
Faz sentido: Xadrez envolve estratégia, antecipação, planejamento e análise de possibilidades.
Mas existe um problema nessa metáfora: No xadrez, temos o tabuleiro inteiro diante de nós. Na vida real, não.
Na liderança técnica trabalhamos com:
- informação incompleta;
- premissas que podem estar erradas;
- dados que chegam aos poucos;
- probabilidades;
- mudanças de contexto;
- consequências que podem aparecer muito depois da decisão.
Então poker parece ser uma metáfora mais honesta.
No poker, não conhecemos todas as cartas. Precisamos tomar decisões com informação incompleta e aceitar que uma boa decisão pode, eventualmente, produzir um resultado ruim.
Isso é importante porque precisamos separar duas coisas: qualidade da decisão e qualidade do resultado.
Uma decisão pode ser boa e ainda assim dar errado.
E uma decisão ruim pode, "por sorte", dar certo.
Essa distinção aparece de forma importante nos trabalhos de Annie Duke e Philip Tetlock sobre tomada de decisão e julgamento sob incerteza.
O objetivo, portanto, não é construir um processo que garanta resultados perfeitos. É construir um processo que aumente a qualidade do nosso julgamento dado aquilo que sabemos no momento da decisão.
Então, onde entra a IA?
É aque que o framework começa a tomar forma.
A premissa é simples:
A IA deve ser uma co-worker e uma amplificadora do pensamento. Não deve ser o centro da decisão.
Ela pode nos ajudar a explorar possibilidades, levantar hipóteses, comparar cenários, identificar riscos, estruturar argumentos e até questionar nossas premissas.
Mas existe uma diferença fundamental entre:
"A IA sugeriu."
e
"A IA influenciou."
A primeira é uma informação. A segunda significa que aquela informação entrou no nosso processo de decisão. E essa diferença importa.
O fluxo perigoso
Um dos padrões mais simples, e mais perigosos, do uso de IA é:
Pergunta → IA respondeu → Executar
É rápido. É conveniente. E pode funcionar muito bem quando o problema é simples e o risco é baixo.
Mas em decisões relevantes de liderança técnica, ele tem 3 problemas: sem contexto, sem critério, e sem responsabilidade.
O fluxo que funciona
O fluxo propost é diferente:
Problema → IA explora → Líder julga → Decisão → Responsabilidade
Aqui a IA continua tendo um papel importante: ela ajuda a ampliar o espaço de possibilidades, mas o julgamento continua no centro.
O líder técnico é quem precisa filtra relevância, contextualizar as alternativas, reconhecer limites e assumir a decisão.
O framework: 6 camadas para decidir melhor
E aqui temos o framework que apresentei no TDC.
Ele possui 6 camadas:
- Intenção
- Contexto
- Geração Guiada
- Filtragem
- Julgamento Humano
- Revisão e Aprendizado
A ideia não é transformar decisão em um processo burocrático. É justamente o contrário: é criar uma estrutura simples o suficiente para reduzir ruído quando existem muitas alternativas plausíveis.
1. Intenção
Antes de perguntar qualquer coisa para a IA, precisamos saber:
Qual decisão estamos tentando tomar? E qual é o objetivo?
Uma pergunta mal formulada pode produzir uma resposta excelente para o problema errado. A IA pode inclusive nos ajudar a reformular a pergunta e levantar hipóteses.
Mas precisamos começar entendendo qual decisão precisa ser tomada.
2. Contexto
Uma IA pode produzir uam reesposta tecnicamente excelente para um problema genérico.
Mas estamos tentando resolver um problema real. E problemas reais têm:
- restrições;
- prioridades;
- riscos;
- dependências;
- histórico;
- pessoas;
- orçamento;
- arquitetura existente;
- estratégia.
Sem contexto, a IA responde para "o mundo". Com contexto, ela pode ocmeçar a responder para o nosso mundo.
3. Geração Guiada
Depois de entender o problema e o contexto, podemos usar a IA para explorar alternativas.
Mas existe uma armadilha aqui:
mais alternativas nem sempre significam melhor decisão.
Se pedirmos 20 opções, provavelmente receberemos 20 oopções. E talvez passemos mais tempo escolhendo entre elas do que teríamos levado para tomar a decisão original.
Por isso, uma boa prática é trabalhar com um número limitado de alternativa - por exemplo, três - e pedir que cada uma venha acompanhada de seus princiapis trade-offs, riscos, custos e premissas.
A IA deve ampliar nosso pensamento. Não criar uma paralisia por excesso de opções.
4. Filtragem
Nem toda alternativa merece chegar à etapa final. Por isso, precisamos definir critérios de corte.
Alguns exemplos:
- risco regulatório;
- complexidade;
- impacto;
- esforço;
- alinhamento estratégico;
- aderência ao roadmap.
E existe uma ideia importante aqui: Defina os critérios antes de se apaixonar por uma alternativa.
Se olharmos primeiro para uma solução que parece brilhante, podemos começar a construir argumentos para defendê-la. É aí que os vieses entram. Filtrar cedo ajuda a reduzir esse problema.
5. Julgamento Humano
Aqui está o coração do framework. A IA sugere. O líder decide.
É aqui que entra o Human in the Loop. O líder valida as informações, chama especialistas quando necessário, confronta premissas e separa um insight criativo de uma afirmação factual incorreta.
E existe uma regra especialmente importante quando estamos falando de pessoas: HITL é obrigatório antes de decisões que afetem pessoas.
A IA pode ajudar a organizar informações, pode sugerir perguntas, pode identificar padrões, pode ajudar a preparar uma conversa. Mas não deve assumir a responsabilidade por decisões humanas.
6. Revisão e Aprenidzado
Uma decisão não termina quando escolhemos uma alternativa. Precisamos também aprender com ela.
Isso significa registrar:
- premissas;
- alternativas consideradas;
- sinais que justificariam uma revisão;
- critérios utilizados;
- resultados observados.
E, quando necessário, fazer um post-mortem (mas sem caça às bruxas!)
Se uma decisão foi tomada com boas informações e boas premissas e, ainda assim, o resultado foi ruim, o objetivo não deve ser encontrar um culpado. Deve ser melhorar o processo.
Onde acontece a liderança? Nos trade-offs.
Nenhuma decisão existe isoladamente. Toda decisão favorece alguma coisa em detrimento de outra.
É por isso que os trade-offs não aparecem realmente na geração de alternativas.
Eles aparecem no julgamento.
E é justamente aí que a liderança técnica se manifesta.
Alguns exemplos:
Dívida técnica x Prazo
Entregar rapidamente e acumular dívida? Ou pagar a dívida agora e atrasar a entrega?
Não existe uma resposta universal. Existe uma decisão consciente, baseada em contexto e critérios explícitos.
Autonomia x Intervenção
Deixar alguém do time errar e aprender? Ou intervir agora para evitar um impacto maior?
A IA pode sugerir planos de desenvolvimento, mas não sabe necessariamente quando é o momento certo para deixar algume experimentar, ou quando o risco é alto demais para permitir o erro.
Inovação x Estabilidade
Evoluir a arquitetura para aquilo que promete mais. Ou preservar aquilo que já funciona e é conhecido.
Influência x Autoridade
Convencer um par com argumentos e dados? Ou escalar para qeum possui autoridade formal para decidir?
Essa é uma questão particularmente presente na liderança técnica sem autoridade hierárquica.
Custo x Valor
A solução mai barata é realmente a que entrega mais valor? Nem sempre.
Essas tensões não são problemas a serem elimiados. São parte da própria decisão.
E quando a melhor decisão é parar?
Existe ainda uma decisão parcitularmente difícil em ambientes técnicos: decidir parar.
Um dos vieses mais caros em liderança técnica é a escalada de comprometimento. Continamos investindo em uma iniciativa porque já investimos muito nela:
"Agora que chegamos até aqui, não podemos parar".
Mas o fato de já termos investido recursos não transformar uma tese enfraquecida em uma boa tese.
Uma forma prática de combater isso é definir "kill criteria" antes de começar. Condições objetivas que indicam que uma iniciativa deve ser abandonada ou pivtada.
Por exemplo:
- falta de tração;
- custo crescente sem retorno proporcional;
- baixo valor incremental;
- complexidade que deixou de se justificar;
- desalinhamento estratégico;
- novos dados que enfraquecem a tese original.
Parar também é uma decisão. E, muitas vezes, uma das mais difíceis.
A IA pode ajudar a consolidar sinais fracos de fracasso. Mas novamente:
a decisão de parar continua sendo humana.
Como levar o framework para o dia a dia?
Uma forma simples de aplicar o modelo é combinar cada camada com uma prática de IA.
Por exemplo, diante da pergunta:
"Devemos pagar esta dívida técnica agora?"
Podemos:
Intenção: reformular a pergunta e esclarecer qual decisão realmente precisa ser tomada.
Contexto: usar a IA para mapear impactos e organizar restrições, sem perder as premissas reais do ambiente.
Geração: pedir 3 alternativas, com trade-offs explícitos.
Filtragem: avaliar as alternativas por impacto, risco e esforço.
Julgamento: validar as informações, confrontar premissas e assumir a decisão.
Revisão: registrar as premissas e definir sinais que indiquem quando a decisão deve ser revisitada.
O mesmo processo pode ser utilizado para uma decisão arquitetural, uma questão de desenvolvimento de pessoas ou uma situação de influência sem autoridade.
O problema muda. O processo de julgamento permanece.
O que muda com a IA - e o que não muda?
Essa talvez seja a síntese mais importante da discussão.
A IA muda onde está o gargalo.
antes, boa parte do esforço estava em encontrar informação e construir alternativas. Agora, podemos fazer isso muito mais rapidamente.
Mas algumas coisas continuam exatamente onde estavam:
- precisamos entender o problema real;
- precisamos considerar contexto;
- precisamos reconhecer incerteza;
- precisamos lidar com trade-offs;
- precisamos avaliar impacto;
- precisamos decidir;
- precisamos assumir responsabilidade;
- precisamos aprender com as decisões anteriores.
A tecnologia mudou. A responsabilidade não.
5 idieas para começar a praticar
Se eu tivesse que resumir toda a palestra em cinco práticas, poderiam ser:
1- Formule a pergunta certa. Antes de abrir qualquer ferramenta, defina claramente o problema e a decisão que precisa ser tomada.
2- Use IA para pensar mais amplo. Explore alternativas, simule cenários e questione suas próprias premissas. Mas não terceirize o julgamento.
3- Filtre com critérios explícitos. Contexto, risco, ética, responsabildiade e relevância precisam entrar antes da escolha.
4- Assuma a responsabilidade. Decidir é colocar o nome. A IA pode ter contribuido na produção da ideia. Mas ela nunca vai colocar o nome dela na decisão.
5- Aprenda com o processo. Uma decisão boa pode produzir um resultado ruim. Uma decisão ruim pode produzir um resultado bom. Por isso, não avalie apenas o resultado. Revise o processo, as premissas e a qualidade do julgamento.
E talvez seja esse o verdadeiro papel da liderança técnica na era da IA
Quando comecei a pensar nesta palestra, minha preocupação não era descobrir como fazer líderes técnicos "usarem IA". Isso já está acontecendo.
A questão mais interessante para mim, é outra:
O que acontece com a liderança quando produzr respostas deixa de ser difícil?
Entendo que o valor do líder técnico não desaparece. Ele muda de lugar.
Quanto mais fácil fica gerar alternativas, mais importante fica saber qual pergunta fazer, quais alternativas considerar, quais descartar, quais trade-offs aceitar e qual decisão vale a pena assumir.
A IA pode acelerar decisões. Mas a qualidade delas ainda depende do julgamento humano.
E talvez essa seja justamente a razão pela qual a liderança técnica se torna ainda mais importante na era da IA.
Não apesar da IA.
Por causa dela.
Referências
Autores / Livros que inspiraram esta palestra.
Depois volto para falar da outra palestra que fiz, "Do Data Scientist ao Sistema - Automatizando o Ciclo de Analytics com IA".
Mas antes disso, teremos o TDC São Paulo 2026 nesta semana (23 a 25 de Setembro), no Pro Magno, em São Paulo.
Estarei lá coordenando a trilha de Governança de IA, e também falando sobre "Ser bom não é o bastante: visibilidade de carreira na era da IA" em uma mentoria.
Te espero por lá!
#TDCSP2026 #TDC #TDC2026 #TechnicalLeadership #AIGovernance
