Liderar sempre significou decidir quem faz o trabalho. A pergunta agora tem cinco partes e só uma delas fala de pessoas. O que uma pessoa executa, o que um agente executa, onde os dois se encontram, quanta autonomia o agente recebe e quem responde pelo resultado.
Por décadas, estruturas foram desenhadas em torno de cargos, capacidade foi associada a headcount e processos assumiram que, em algum ponto, uma pessoa executaria, analisaria, aprovaria ou decidiria. Um agente que recebe um objetivo, consulta informações, utiliza sistemas, encadeia atividades, avalia condições intermediárias e devolve um resultado quebra essa premissa em silêncio. O organograma não muda uma linha.
Quando isso deixa de ser experimento individual e entra em processo empresarial, a organização passa a distribuir trabalho entre pessoas e agentes. Essa é a empresa híbrida. Liderá-la exige decisões que introduzir ferramentas de IA no ambiente de trabalho nunca exigiu.
O que segue trata das seis decisões que essa mudança coloca no colo da liderança. Redesenhar o trabalho antes de automatizá-lo, calibrar quanta autonomia cada agente recebe, fazer a governança crescer no mesmo ritmo dessa autonomia, preservar accountability humana, administrar uma população de agentes como infraestrutura e redefinir o que conta como produtividade.
Contar agentes descreve o inventário, não a capacidade
Volume de agentes não representa maturidade. Contratar mais pessoas nunca garantiu melhor execução, e adicionar agentes a processos mal desenhados automatiza desperdício, amplia inconsistência e acelera a propagação de erros.
O debate também não se resolve pela substituição de pessoas por inteligência artificial. A Organização Internacional do Trabalho, em análise que avaliou quase 30 mil tarefas no nível de seis dígitos da classificação ocupacional, estima que um em cada quatro trabalhadores no mundo está em ocupação com algum grau de exposição à IA generativa. A mesma análise conclui que a necessidade continuada de participação humana torna a transformação da ocupação mais provável do que sua eliminação.
A distribuição do trabalho entre pessoas e IA não segue direção única
O Economic Index de janeiro de 2026 da Anthropic classificou 52% das conversas no Claude.ai como aumento da capacidade humana e 45% como automação, uma inversão em relação ao relatório anterior. No tráfego de API da própria empresa, a automação seguiu dominante. A metodologia representa padrões de uso dos produtos da Anthropic e não descreve o mercado de trabalho inteiro.
O detalhe mais útil desse relatório para quem decide está em outro lugar. A Anthropic passou a medir autonomia como dimensão separada de automação, e o exemplo que usa resolve uma confusão comum. Traduzir um parágrafo para o francês é altamente automatizado e tem autonomia baixa, porque a tarefa exige pouca decisão do modelo.
A conclusão executiva, portanto, não cabe em "IA substituirá pessoas" nem em "IA apenas aumentará pessoas". Partes diferentes do trabalho serão distribuídas de formas diferentes entre pessoas e sistemas de IA, e cabe à liderança decidir como essa distribuição funciona.
O organograma continua correto e passa a explicar menos
Organogramas respondem bem a quem lidera a área, quem responde pelo resultado e quem tem autoridade formal. Respondem cada vez pior a uma pergunta diferente. Como esse resultado é produzido de fato?
Considere uma área financeira. Um agente coleta informações de sistemas distintos. Outro identifica inconsistências. Um terceiro prepara a primeira análise de variações. Uma pessoa interpreta as exceções, incorpora contexto de negócio e decide qual recomendação chega ao CFO. O organograma praticamente não mudou. O fluxo de trabalho mudou por inteiro.
O mesmo padrão aparece em vendas, tecnologia, operações e funções corporativas. A unidade de análise da gestão deixa de ser apenas o cargo e passa a incluir o fluxo de trabalho, movimento que times de alta performance já haviam feito por outro caminho ao organizar a entrega por fluxo em vez de por função.
Antes de delegar a um agente, redesenhe o trabalho
O risco mais provável dessa transição é colocar agentes sobre processos existentes sem questionar o processo. A automação historicamente começou assim, observando uma atividade humana e tentando reproduzi-la com tecnologia.
Agentes abrem uma possibilidade mais relevante. Questionar a arquitetura do trabalho. Por que esse relatório existe? Por que essa aprovação acontece? Por que determinada informação passa por quatro pessoas? Por que uma área produz um documento que outra converte manualmente em outro formato? Por que um gestor procura informações em cinco sistemas antes de decidir?
A oportunidade não está em executar cada etapa mais rápido. Está em perguntar se algumas dessas etapas ainda precisam existir. O gestor da empresa híbrida assume, por isso, uma função adicional. Torna-se em parte arquiteto do trabalho, capaz de decompor objetivos em atividades e distinguir o que depende de julgamento, o que depende de contexto, o que exige relacionamento, o que pode ser padronizado, o que pode ser automatizado e onde uma pessoa precisa permanecer no processo. Essa competência é de desenho organizacional, não de prompt engineering.
Capacidade técnica e autonomia organizacional são decisões separadas
Um agente capaz de executar uma atividade não deveria receber automaticamente autoridade para executá-la sozinho. Uma empresa pode usar agentes para preparar decisões financeiras sem autorizar pagamentos, recomendar alterações de infraestrutura sem aplicá-las em produção, ou responder automaticamente a situações rotineiras de clientes exigindo aprovação humana nas exceções.
A pergunta muda de "o agente consegue?" para "qual nível de autonomia é adequado a este contexto?".
Quatro níveis de autonomia organizam a decisão
O modelo a seguir é uma proposição consultiva da WatchZ para estruturar decisões de gestão, não uma classificação regulatória ou padrão de mercado.
Nível 1, assistência. O agente pesquisa, analisa, organiza ou recomenda. A execução e a decisão permanecem humanas.
Nível 2, execução supervisionada. O agente produz a ação ou o resultado. Uma pessoa revisa ou aprova antes que produza efeito.
Nível 3, execução delimitada. O agente executa de forma autônoma dentro de regras, permissões e limites previamente definidos. Pessoas acompanham indicadores e tratam exceções.
Nível 4, operação agentiva. O agente executa um fluxo mais amplo dentro de um domínio controlado. Pessoas definem objetivos, políticas, limites, métricas e mecanismos de intervenção.
O nível deveria ser determinado pelo risco do trabalho, não apenas pela competência do agente. Um agente tecnicamente pronto para o nível 4 opera no nível 2 quando a reversibilidade do erro é baixa.
Autonomia não deveria crescer mais rápido que a capacidade de governá-la
Existe uma assimetria entre pessoas e agentes que muda o cálculo de risco. Uma pessoa comete um erro. Um agente converte o mesmo erro em comportamento repetível. Quanto maiores a autonomia, a frequência de execução e o alcance, mais rápido uma decisão inadequada se propaga.
O princípio aparece explícito no AI Act europeu para sistemas classificados como de alto risco. O Artigo 14 determina supervisão humana efetiva e estabelece que as medidas sejam proporcionais ao risco, ao nível de autonomia e ao contexto de uso. Aplicar as obrigações legais de sistemas de alto risco a qualquer agente empresarial seria excesso. Extrair delas um princípio de gestão é preciso, e o princípio é que autonomia não deveria crescer mais rápido que a capacidade da organização de governá-la. O mesmo raciocínio de proporcionalidade sustenta a governança de IA calibrada pela exposição do caso de uso.
Delegar a um agente é desenhar um sistema de controle
Quando um gestor delega uma atividade a uma pessoa experiente, uma quantidade enorme de conhecimento implícito acompanha a delegação. Agentes operam de outra forma.
Delegar a eles exige tornar explícito o que a organização costuma deixar implícito. Objetivo, dados acessíveis, sistemas utilizáveis, ações autorizadas e proibidas, padrão de qualidade, critérios de exceção, condição de parada, escalonamento, registro e responsabilidade por mudanças. Delegação agentiva é decisão de arquitetura, e arquitetura nesse contexto é tanto tecnologia quanto governança. É a mesma ordem que faz agentes autônomos gerarem retorno apenas quando identidade, fluxo e governança vêm antes do modelo.
Accountability continua humana mesmo quando a execução não é
Quem responde quando um agente toma uma ação inadequada? Dizer que "a IA errou" descreve o evento e não resolve a responsabilidade organizacional.
O NIST AI Risk Management Framework destaca que sistemas de IA confiáveis dependem de accountability e transparência, e recomenda considerar os papéis dos diferentes atores ao atribuir responsabilidade pelos resultados. Todo fluxo agentivo material deveria permitir responder com clareza quem responde pelo resultado, quem responde pelo agente, quem controla permissões, quem avalia desempenho, quem pode interrompê-lo e quem trata uma exceção.
Quando ninguém consegue responder a essas perguntas, a empresa não tem autonomia. Tem opacidade operacional.
O gestor intermediário ganha função em vez de perder
Boa parte da discussão sobre agentes assume que a tecnologia reduzirá a necessidade de gestão intermediária. Em alguns contextos isso acontece. Em outros, o gestor intermediário se torna peça central da empresa híbrida, porque conhece o trabalho perto o bastante para compreender exceções e longe o bastante para enxergar o processo.
A função deixa de ser predominantemente distribuir atividades e acompanhar execução. Passa a incluir desenhar a melhor combinação entre pessoas, agentes, regras e resultados. O gestor transacional perde espaço. O gestor capaz de arquitetar trabalho ganha importância.
Vale a contrapartida. Quanto mais execução for assumida por tecnologia, maior o valor relativo de julgamento, contexto, prioridade, negociação, pensamento crítico, responsabilidade, comunicação e capacidade de formular o problema certo. Maturidade em IA não significa delegar tudo. Significa saber o que não delegar.
Uma população de agentes vira infraestrutura e exige gestão de ciclo de vida
Com três agentes experimentais, governança parece secundária. Com centenas deles espalhados por processos, a situação muda de natureza.
Quem criou cada agente? Quem é o responsável? Quais dados ele acessa? Quais sistemas pode utilizar? Quais versões estão ativas? Quais políticas se aplicam? Qual foi a última avaliação? Que decisões executou? Quanto custa operá-lo? Que outros agentes dependem dele?
A partir de certo ponto, agentes deixam de ser ferramentas individuais e passam a compor a infraestrutura organizacional, com identidade, permissões, observabilidade, logs, segurança, avaliação e gestão de ciclo de vida. A pergunta operacional migra de "como criar um agente?" para "como operar uma população crescente de agentes sem perder controle?".
Produtividade medida em horas para de descrever o trabalho híbrido
Se uma análise consumia oito horas de um profissional e passa a ser produzida por um agente em minutos, com vinte minutos de revisão humana, contar horas deixa de descrever produtividade.
Medir apenas velocidade seria o risco seguinte. O processo pode ficar mais rápido e simultaneamente produzir mais retrabalho, aumentar exposição a risco ou criar custo adicional de supervisão. Empresas híbridas precisam observar tempo até o resultado, custo por resultado, qualidade, retrabalho, taxa de exceção, intervenções humanas, falhas, custo de supervisão, impacto financeiro e risco produzido. O objetivo não é maximizar automação. É maximizar valor por unidade de capacidade dentro de limites aceitáveis de qualidade e risco, o que exige métricas de capacidade e não painéis de atividade.
Adoção de tecnologia e transformação organizacional avançam em ritmos diferentes
Uma liderança enxerga um agente como capacidade adicional de produção. Um profissional enxerga o mesmo agente como ameaça ao próprio cargo. As duas leituras convivem, e nenhuma comunicação de projeto resolve isso.
A pesquisa Work Trend Index de 2026 da Microsoft, conduzida com 20 mil usuários de IA em dez mercados entre fevereiro e abril de 2026, encontrou que apenas 26% percebem a própria liderança clara e consistentemente alinhada em relação à IA. O mesmo estudo mediu 29 fatores associados ao impacto real da IA e atribuiu 67% do sinal a fatores organizacionais como cultura, apoio do gestor e práticas de talento, contra 32% de fatores individuais. Os autores classificam a relação como associativa, não causal, e os dados vêm de autorrelato dentro do ecossistema da própria fornecedora.
A leitura de gestão que sobrevive a essas ressalvas é direta. O que separa empresas que extraem valor de IA das que não extraem está mais no ambiente organizacional do que no indivíduo. Líderes precisam explicar o motivo da mudança, quais atividades mudam, o que permanece sob responsabilidade humana, quais competências ganham importância, como o desempenho será avaliado e como as pessoas participam do redesenho dos processos.
Seis capacidades definem a maturidade da empresa híbrida
O conjunto abaixo é um framework consultivo da WatchZ, construído para diagnóstico e não para certificação.
Arquitetura do trabalho. A organização decompõe processos e decide conscientemente o que permanece humano, o que é assistido, o que é automatizado e o que é executado autonomamente.
Gestão de autonomia. Existem critérios explícitos para determinar quanto poder de execução cada agente recebe, considerando impacto, reversibilidade e risco.
Accountability. Responsabilidades humanas permanecem claras mesmo quando parte significativa da execução é realizada por sistemas de IA.
Infraestrutura agentiva. Identidade, dados, integrações, permissões, segurança, observabilidade e ciclo de vida são administrados sistematicamente.
Avaliação contínua. A empresa mede qualidade, custo, exceções, falhas, intervenção humana e impacto econômico dos agentes.
Desenvolvimento humano. Profissionais são preparados não apenas para utilizar IA, mas para delegar, revisar, questionar, supervisionar e melhorar trabalho realizado em conjunto com agentes.
Nenhuma dessas capacidades isoladamente cria maturidade. A combinação delas converte agentes de ferramentas individuais em capacidade organizacional governada.
A alocação executiva ganha uma terceira variável
Durante muito tempo, duas das principais decisões executivas foram alocar capital e alocar pessoas. Agentes acrescentam capacidade digital de execução como terceira variável, e o planejamento de força de trabalho passa a incluir perguntas novas. Quantas pessoas precisamos? Quais competências humanas devemos preservar ou desenvolver? Que trabalho pode ser redesenhado? Quais agentes participam? Que autonomia podem receber? Qual infraestrutura será necessária? Quanto custa supervisioná-los? Qual risco será criado? Quem responde pelos resultados?
Essa discussão é maior que tecnologia. É desenho organizacional, e pertence ao mesmo lugar onde se decide o modelo operacional de tecnologia. A empresa com mais agentes não será a mais avançada. A vantagem virá de outra combinação. Pessoas certas, agentes adequados, trabalho bem desenhado, autonomia proporcional ao risco, accountability explícita e governança suficiente para escalar.
Conclusão
A inteligência artificial não elimina a necessidade de liderança humana. Amplia o escopo dela.
Líderes continuam responsáveis por estratégia, prioridades, cultura, pessoas e resultados. Passam a responder também por como a capacidade digital participa da execução, por onde ficam os limites, por quanto de autonomia cada agente recebe, pelos mecanismos de supervisão, pela nova definição de produtividade, pela proteção de competências humanas e pela governança de uma população de agentes.
A pergunta estratégica não é quantos agentes sua empresa terá, nem quantas pessoas poderão ser substituídas por IA. É se sua empresa sabe liderar uma força de trabalho cuja capacidade de execução já não depende exclusivamente de pessoas. Quem ainda não sabe responder pode começar pelo inventário. Escolha um processo material, liste onde a execução já deixou de ser humana, marque o nível de autonomia de cada ponto e nomeie quem responde por ele. Um diagnóstico de capacidade faz esse mapa no restante da operação e mostra onde a autonomia concedida já passou da governança disponível.
Fontes
- International Labour Organization. "Generative AI and jobs: A 2025 update". https://www.ilo.org/publications/generative-ai-and-jobs-2025-update
- International Labour Organization. "Generative AI and Jobs: A Refined Global Index of Occupational Exposure" (ILO Working Paper 140). https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
- Anthropic. "Anthropic Economic Index report: Economic primitives" (janeiro de 2026, dados de novembro de 2025). https://www.anthropic.com/research/anthropic-economic-index-january-2026-report
- Microsoft WorkLab. "2026 Work Trend Index Annual Report: Agents, human agency, and the opportunity for every organization" (n = 20.000, dez mercados, campo entre 18 de fevereiro e 20 de abril de 2026). https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization
- União Europeia. "Regulation (EU) 2024/1689 - AI Act, Artigo 14, supervisão humana". https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng
- NIST. "Artificial Intelligence Risk Management Framework (AI RMF 1.0)". https://www.nist.gov/itl/ai-risk-management-framework
- WatchZ. "Empresas híbridas exigem uma nova forma de liderar pessoas e agentes de IA". Versão editorial revisada, setembro de 2026.
Nota: os dados da Microsoft e da Anthropic descrevem os ecossistemas e as pesquisas dessas empresas e não devem ser lidos como estatística universal de mercado. Os quatro níveis de autonomia e as seis capacidades de maturidade são proposições consultivas da WatchZ, sem correspondência a padrão regulatório ou framework de terceiros. Este material oferece análise estratégica e organizacional, não parecer jurídico, regulatório ou de auditoria.
