A IA como transformador de valor, não como funcionário: situar a IA nos fluxos de valor organizacionais

Texto completo

1 Introdução

As organizações que adotam ferramentas de IA costumam descrevê-las na linguagem da gestão de pessoal. Um assistente de suporte "atende" uma parcela das solicitações. Um assistente de programação "faz o trabalho de" um certo número de engenheiros. Um caso de negócio compara o custo de uma assinatura de modelo com o custo de um funcionário em tempo integral. O sistema de IA é tratado como um funcionário digital: recebe tarefas, as conclui, e sua contribuição é contabilizada como tarefas concluídas ou postos de trabalho evitados.

Este artigo defende que o referencial do funcionário é um erro de categoria, e que o erro não é inofensivo. Ele direciona a medição para o lado do produtor de um fluxo de valor, onde a IA é mais forte, e a afasta do lado do receptor, onde o valor é efetivamente realizado. O resultado é um padrão familiar: painéis que mostram produção crescente enquanto clientes, colegas e revisores absorvem retrabalho que nenhum relatório atribui ao sistema de IA.

A alternativa aqui proposta provém da Teoria da Gestão de Valor (Value Management Theory, VMT) e da metodologia Æilus. Na VMT, um transformador é um papel, não uma entidade: um ator nesse papel consome valor e produz novo valor planejado para outra pessoa (A7). A IA se encaixa exatamente nesse papel. Posicionado como transformador em um fluxo de valor, um sistema de IA tem entradas que custam algo, saídas que são hipóteses até que um receptor as consuma, e subprodutos que podem ser antivalor. Uma vez posicionado dessa forma, tornam-se visíveis as perguntas certas sobre adoção e medição.

Este é o quarto artigo de uma série de oito partes sobre a aplicação do Æilus em organizações; as definições seguem o primeiro artigo, "Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners". O aparato formal da VMT e a moeda de valor Æ não são rederivados aqui; estão expostos em Bolshakov (2026), "Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective". O artigo é conceitual. Não contém dados medidos, e os únicos números nele pertencem a um cenário explicitamente identificado como hipotético.

2 Escopo, sistema de valor e base teórica

2.1 Cujo valor é medido

A VMT sustenta que o valor existe apenas dentro de um sistema de valor definido (A1) e que o mesmo evento pode ser lido de modo diferente em sistemas diferentes (A2). Afirmações sobre "o valor da IA" são, portanto, incompletas até que o sistema seja nomeado. Este artigo usa um único sistema de valor do início ao fim: uma organização de entrega e seus receptores diretos. Seus atores são as equipes e funções da organização, o sistema de IA em seu papel de transformador, as pessoas que revisam ou corrigem a saída da IA e os receptores externos do trabalho da organização (clientes, usuários ou consumidores internos em outra função). Seus fluxos são as solicitações, os artefatos e as decisões que circulam entre eles. O fornecedor de IA, o mercado de trabalho e a sociedade em geral estão fora da fronteira e são tratados apenas por meio de fluxos externos (A10).

A escolha importa. Dentro do sistema de valor do fornecedor, cada token gerado é receita realizada. Dentro do sistema da organização, o mesmo token pode ser valor, ruído ou antivalor, dependendo do que o receptor faz com ele. Como afirma T15, deslocar a fronteira muda a conclusão sem mudar a realidade. A análise a seguir vale apenas para a fronteira declarada aqui.

2.2 Axiomas e teoremas utilizados

O argumento se apoia em A4 e T3 (valor planejado e valor realizado divergem), A5 (o antivalor é independente do valor), A6 (o valor é realizado no consumo), A7 (transformação), A8 e T7 (condições de participação), T4 e T6 (resistência e distorção se acumulam), T5 (a otimização local não garante melhoria global), T8 (a redundância de um papel de transformação aumenta a sustentabilidade) e T16 e T17 (a interpretação não confirmada pela realização é instável e acumula antivalor).

3 O erro de categoria do "funcionário digital"

3.1 O que o referencial do funcionário contabiliza

O referencial do funcionário importa da gestão de pessoal um hábito de medição. Um funcionário é contratado para um papel, recebe uma carga de trabalho e é avaliado por produtividade e custo. Quando a IA é colocada no mesmo referencial, três números dominam: o volume de itens de trabalho processados, a parcela da carga de trabalho "assumida" e o custo evitado em equivalentes de tempo integral (FTE). Os três são medidos no ponto em que o trabalho deixa o produtor.

Para funcionários humanos, esse hábito é tolerável por uma razão raramente declarada: um operador humano observa o receptor. Um agente de suporte percebe que o cliente ainda está irritado. Grande parte da lacuna entre o valor planejado e o valor realizado é corrigida informalmente, dentro da própria pessoa, antes que qualquer métrica a registre. A métrica do lado do produtor funciona porque um sensor do lado do receptor está embutido no produtor.

Um sistema de IA não traz esse sensor por padrão. Ele produz muito bem o lado planejado do valor: uma saída fluente, rápida e confiante, em grande quantidade. Ele não observa, a menos que esteja explicitamente conectado a isso, se a saída mudou o estado do receptor. O referencial do funcionário, portanto, mede a IA onde ela parece melhor e deixa de medir onde a diferença entre plano e fato aparece.

3.2 O que o referencial oculta

Quatro coisas desaparecem de vista sob o referencial do funcionário.

1. O lado do consumo do transformador de IA. As comparações de postos de trabalho contabilizam o custo de licença ou de computação do modelo e ignoram a atenção humana, o esforço de revisão e a preparação de dados que o transformador também consome.
2. O veredito do receptor. "Concluído" é declarado pelo produtor. Não se registra se o estado do receptor melhorou.
3. O trabalho deslocado. O trabalho que a saída da IA não consegue terminar segue adiante para o receptor ou para um revisor. No relatório do produtor ele desapareceu; no sistema, continua presente.
4. A acumulação. Retrabalho, perda de confiança e erosão de competências não são custos pontuais. Sob T4 e T6, eles se acumulam e reduzem a capacidade futura do sistema de realizar valor.

O enquadramento da substituição por FTE também pressupõe que o papel humano e o papel da IA são substitutos com a mesma saída. Em termos da VMT, são transformadores diferentes, com perfis de entrada e saída diferentes.

4 A IA como papel de transformador

4.1 Transformador, não entidade

A VMT e o Æilus definem um transformador pelo que ele faz em um fluxo, não pelo que ele é. Uma pessoa, uma equipe, um serviço ou uma ferramenta podem exercer um papel de transformador; em um Esquema do Sistema de Valor (Value System Schema), o papel é desenhado como conversor, o nome que o Æilus dá a um nó transformador. Esse enquadramento elimina a pergunta "a IA é um trabalhador ou uma ferramenta?" e a substitui por outra mais útil: o que esse transformador consome, o que ele produz e quem recebe a saída?

4.2 O que um transformador de IA consome

Um transformador de IA tem pelo menos quatro tipos de entrada. Cada uma é um elemento de valor consumido de algum ponto do sistema.

• Dados e contexto. Prompts, documentos, tíquetes, código, histórico de clientes. Alguém os criou, os curou e os mantém, e a qualidade deles estabelece um limite superior para a saída.
• Computação e licenças. O custo visível, geralmente o único no caso de negócio.
• Atenção humana. Redigir instruções, enquadrar tarefas, conduzir a interação. Ela é consumida de pessoas que, de outro modo, estariam fazendo outro trabalho.
• Esforço de revisão. Ler, verificar, corrigir e aprovar a saída. Para muitos usos, esta é a maior entrada, e ela recai sobre o orçamento de outra pessoa.

4.3 O que um transformador de IA produz

As saídas são elementos de valor no sentido da série: rascunhos, respostas, código, classificações, resumos, decisões. Cada uma começa como uma hipótese de valor. Ela carrega o valor planejado conforme interpretado pelo produtor e só se torna mensurável quando o transformador seguinte a consome (A6). O transformador de IA também pode produzir antivalor: respostas erradas, resumos enganosos, código que precisará ser removido depois e os efeitos descritos na seção 7.

A definição de eficiência de conversor do Æilus torna o equilíbrio explícito. A eficiência de um conversor é

E = (produced value - produced anti-value) / (consumed value - consumed anti-value)

com todos os termos expressos em Æ dentro do sistema declarado. Duas características desta fórmula importam para a IA. Primeiro, o denominador inclui o esforço de revisão e a atenção humana, não apenas a computação. Segundo, o numerador subtrai o antivalor produzido, que o referencial do funcionário nunca registra. Um transformador de IA com volume de saída impressionante pode ter eficiência baixa ou negativa depois que ambas as correções são feitas. O mesmo transformador pode ser eficiente em um sistema de valor e destrutivo em outro.

5 Valor planejado versus valor realizado da saída da IA

5.1 Por que a IA parece forte no lado planejado

A4 afirma que o valor planejado e o valor realizado geralmente diferem; T3 acrescenta que a divergência zero é um caso especial instável. No trabalho humano, a divergência é moderada pela observação que o próprio produtor faz do receptor. No resultado de IA, a divergência tem um viés estrutural. O resultado gerado é otimizado para parecer uma resposta correta. A fluência e a confiança pertencem ao lado planejado; a correção e a aplicabilidade pertencem ao lado realizado.

A IA eleva o valor planejado de forma rápida e barata. A menos que o valor realizado seja medido separadamente, a organização lê esse aumento como progresso: o padrão que T16 descreve como estruturalmente instável.

5.2 Retrabalho oculto

Quando o valor realizado fica aquém do valor planejado, a diferença não desaparece. Ela se transforma em trabalho em outro ponto do fluxo. Um cliente volta a contatar o suporte. Um gerente reescreve um e-mail gerado. Um engenheiro corrige código gerado.

O relatório do transformador de IA mostra um item concluído, e o transformador receptor absorve o custo: um caso de T5: uma melhoria local na vazão de um transformador não garante a melhoria do sistema. Isso também coincide com a observação geral da gestão baseada em fluxo de que o trabalho oculto em filas e em retrabalho é invisível para as métricas de atividade (Reinertsen, 2009). A leitura da VMT acrescenta um ponto: o trabalho oculto não é um atraso neutro, mas antivalor, e, segundo T4, acumula-se como resistência ao fluxo na interface entre o transformador de IA e seu receptor.

6 A métrica do lado do receptor

Se o valor é realizado no consumo (A6), então é o receptor, e não o produtor, quem o valida. Esta é a regra central de medição do artigo: o valor do resultado de IA é medido no transformador que o consome, não no transformador de IA que o produz. O pensamento enxuto (Lean) faz uma observação semelhante ao definir o valor do ponto de vista do cliente final (Womack e Jones, 1996); a VMT a generaliza para todo receptor interno em um fluxo.

Uma métrica do lado do receptor associa cada contagem do lado do produtor a uma observação do que aconteceu depois. Alguns exemplos:

A diferença entre as duas colunas é o número mais informativo que um programa de IA pode acompanhar. Ela estima o trabalho deslocado e o antivalor produzido na interface. Uma diferença crescente indica que o programa está ampliando a interpretação mais rápido do que a realização.

As métricas do lado do receptor também protegem contra uma falha previsível. Uma métrica do lado do produtor que se torna meta será atendida produzindo mais do que ela conta, uma dinâmica geralmente associada a Goodhart (1975). A IA torna isso barato. Um assistente com meta de "solicitações encerradas" encerrará solicitações. Ancorar a meta no estado do receptor torna mais difícil cumpri-la sem entregar valor.

7 Antivalor específico da IA

A5 trata o antivalor como independente do valor: um transformador de IA pode produzir valor real e antivalor real no mesmo período, e os dois não se anulam na experiência do receptor. Os tipos de antivalor a seguir são característicos dos transformadores de IA. Eles são listados como categorias a observar, não como frequências medidas.

• Erros confiantes. Resultado incorreto apresentado com a mesma fluência que um resultado correto. O receptor não consegue usar o tom para distingui-los, de modo que todo resultado precisa ser verificado, ou o erro segue adiante no fluxo.
• Carga de revisão. O esforço necessário para verificar o resultado. Ela cresce com o volume de resultados, não com a qualidade deles.
• Erosão de habilidades. Quando o transformador de IA assume o primeiro rascunho do trabalho, as pessoas que antes o produziam podem perder a prática que as tornava bons revisores. Segundo T6, essa distorção acumulada reduz a capacidade futura do sistema de realizar valor, inclusive sua capacidade de detectar erros da IA.
• Perda de confiança. Cada interação malsucedida reduz a confiança do receptor no canal. Segundo A8 e T7, quando uma condição de participação é violada, o ator sai ou muda a forma de participação.
• Inflação de interpretação. O resultado de IA pode ser citado, resumido e repassado mais rápido do que é verificado. Segundo T17, interpretações influentes que não são confirmadas pela realização acumulam antivalor: um resumo gerado, citado em três decisões, espalha seus erros três vezes.

Nenhum desses aspectos aparece em uma comparação de FTE. Todos são observáveis se o lado do receptor do fluxo for instrumentado.

8 Nomear e situar o papel da IA

8.1 Nomear o papel por seu resultado e receptor

"A IA substituiu o analista" oculta o fluxo. "A IA produz o primeiro rascunho do relatório semanal; o analista verifica as conclusões" nomeia um transformador, seu resultado, seu receptor e a etapa de revisão. Uma regra útil de nomeação tem três partes:

1. o elemento de valor que a IA produz (rascunho, resposta, classificação, alteração de código);
2. o receptor que o consome (cliente, revisor, próxima equipe);
3. a condição sob a qual o receptor o aceita (verificado, aprovado, usado sem retrabalho).

8.2 Propriedade

Um sistema de IA não pode assumir a responsabilidade pelo valor, porque não interpreta as mudanças em seu próprio estado como valor ou antivalor. Em termos de Æilus, ele ocupa um papel de transformador, mas não um papel de proprietário. O Proprietário do Transformador de Valor (VTO) do transformador que contém a IA é responsável por seu valor realizado e reavaliado retrospectivamente, pelo antivalor que ela cria e por sua capacidade de continuar participando sem degradar o sistema. O Proprietário do Sistema de Valor (VSO) é responsável por verificar se a adição do transformador de IA mantém o sistema como um todo sustentável e preserva intactas as condições de participação dos demais atores, inclusive os revisores cuja carga ela aumenta.

Quando a interface entre o transformador de IA e seu receptor se torna uma fonte persistente de resistência, aplica-se o papel de Proprietário do Fluxo.

8.3 Papéis pareados e redundância

Segundo T8, a redundância de um papel de transformação aumenta a sustentabilidade. Parear a IA e uma pessoa em um mesmo papel, de modo que cada uma detecte as falhas da outra, é uma redundância desse tipo. O pareamento deve ser visível no esquema, de modo que a metade humana seja contada como entrada e não tratada como gratuita.

8.4 Posicionamento em um Esquema do Sistema de Valor

Em um Esquema do Sistema de Valor (VSS), o papel da IA é desenhado como um conversor com entradas e saídas explícitas. Um posicionamento mínimo inclui:

• fluxos de entrada: dados e contexto, capacidade computacional, esforço de instrução humana, esforço de revisão;
• fluxos de saída: os elementos de valor produzidos, cada um indo para um conversor receptor nomeado;
• um fluxo de antivalor: erros confiantes e retrabalho devolvidos ou repassados adiante no fluxo;
• valores planejado e realizado em Æ em cada fluxo de saída, com o valor realizado registrado no receptor.

Desenhado assim, o esquema frequentemente revela um fluxo que o plano de negócios omitiu, tipicamente o esforço de revisão. Segundo T9, se a estrutura não explica os custos observados, existem fluxos latentes ou a fronteira está errada.

9 Implicações para a adoção e para a medição de programas de IA

9.1 Decisões de adoção

A visão do transformador muda a pergunta de adoção de "quais funções a IA pode executar?" para "em quais fluxos um transformador de IA elevaria o valor realizado no receptor, líquido do antivalor e do esforço de revisão que ele acrescenta?".

• Prefira fluxos em que o receptor possa validar a baixo custo. Se verificar um resultado custa quase tanto quanto produzi-lo, o transformador de IA acrescenta pouco. Se o receptor consegue confirmar a qualidade rapidamente, o transformador pode acrescentar muito.
• Tenha cautela onde os erros são silenciosos. Quando um resultado errado só é detectado muito mais tarde, o valor retrospectivo pode se tornar negativo muito depois de o programa ter sido declarado um sucesso.
• Contabilize o orçamento de revisão antes da implantação. As pessoas que revisarão os resultados são atores com suas próprias condições de participação. Uma implantação que as viole (A8) perderá essas pessoas ou mudará a forma como participam (T7).
• Planeje o crescimento somente quando a entrega estiver confirmada. A Æilus pede que os VTOs aumentem o valor planejado somente quando a demanda, o influxo e a capacidade de entrega estiverem confirmados (T16).

9.2 Medição de programas de IA

Para a revisão de um programa, este artigo sugere quatro medições, todas dentro do sistema de valor declarado:

1. Valor realizado no receptor, por fluxo, em Æ ou em uma aproximação declarada, registrado pelo transformador receptor.
2. A lacuna entre plano e fato: contagem do lado do produtor menos a confirmação do lado do receptor, acompanhada ao longo do tempo.
3. Consumo total: capacidade computacional e licenças, mais o esforço de revisão e a atenção humana estimados.
4. Indicadores de antivalor: contatos repetidos, alterações revertidas, resultados corrigidos, reclamações e sinais de erosão de habilidades ou de redução da confiança.

Um programa que reporta apenas volume e economia de FTE está reportando valor planejado. Isso pode estar correto, mas ainda não foi confirmado.

10 Cenário ilustrativo

O cenário a seguir é hipotético. Os números foram escolhidos por conveniência aritmética e não descrevem nenhuma organização nem medição.

Uma organização de produto introduz um assistente de IA em seu fluxo de suporte. Em um mês hipotético, o fluxo recebe 1.000 solicitações. O assistente marca 700 delas como encerradas, e o relatório interno afirma que o assistente "resolve 70 por cento do suporte". Sob o referencial do funcionário, isso é lido como sete décimos da carga de trabalho de uma equipe de operadores removidos.

Agora posicione o assistente como um transformador e observe o lado do receptor. Suponha que 250 das 700 solicitações encerradas voltem em uma semana como contatos repetidos sobre o mesmo problema, agora tratados por operadores humanos e agora vindos de clientes mais frustrados do que antes. Suponha também que os operadores gastem tempo lendo a transcrição do assistente antes de responder a cada contato repetido.

A visão do lado do receptor não diz que o assistente fracassou. Nesta hipótese, 450 clientes tiveram seu problema resolvido rapidamente, o que é valor realizado real. Ela mostra que o valor planejado das 700 conclusões incluía 250 hipóteses que os receptores rejeitaram. Essas 250 se transformaram em três tipos de antivalor: trabalho adicional dos operadores em casos mais difíceis do que a média, esforço de revisão das transcrições e redução da confiança dos clientes no canal. A carga de trabalho dos operadores diminuiu menos do que o relatório sugeria, e a carga restante se tornou mais difícil.

Um VTO que seja responsável pelo transformador de suporte agiria sobre a lacuna, e não sobre os 70 por cento. As opções incluem restringir o assistente aos tipos de solicitação em que os receptores confirmam a resolução, encaminhar mais cedo os casos incertos para pessoas e acrescentar uma verificação do lado do receptor ("isto resolveu o seu problema?") antes de contar uma solicitação como encerrada. Se alguma delas aumenta o valor realizado líquido é uma questão empírica; o cenário apenas mostra quais números são necessários para respondê-la.

11 Limitações

Este artigo é uma análise conceitual derivada dos axiomas e teoremas da VMT e do material metodológico da Æilus. Ele não reporta dados empíricos. As categorias de antivalor da seção 7 são propostas como categorias observáveis; sua frequência e magnitude em organizações reais não são conhecidas a partir deste trabalho.

A medição do lado do receptor pode ser cara, e alguns receptores não conseguem reportar seu estado. Converter esforço de revisão, confiança e erosão de habilidades em Æ exige uma política de agregação definida pelo VSO, e tais valores são apenas parcialmente comensuráveis (A13). Uma fronteira diferente, por exemplo uma que inclua o fornecedor de IA, produziria conclusões diferentes (T15). O artigo também trata o sistema de IA como um transformador fixo, ao passo que sistemas que aprendem com o feedback dos receptores podem alterar sua lacuna entre plano e fato ao longo do tempo.

A validação exigiria observação longitudinal de transformadores de IA em vários sistemas de valor, com valor planejado, valor realizado no lado do receptor, esforço de revisão e indicadores de antivalor registrados sobre os mesmos fluxos ao longo do tempo.

12 Conclusão

Tratar a IA como um funcionário digital a mede no lado do produtor de um fluxo, onde ela é mais forte, e deixa sem medição o lado do receptor, onde o valor é realizado. Tratar a IA como um papel de transformador (A7) torna visível a troca completa: ela consome dados, capacidade computacional, atenção humana e esforço de revisão, e produz elementos de valor que permanecem hipóteses até que um receptor os consuma (A6). O valor planejado e o valor realizado do resultado da IA divergem (A4, T3), e a divergência se transforma em retrabalho oculto e em antivalor que se acumula (A5, T4, T6).

As consequências práticas: declare de quem é o valor medido. Nomeie o papel da IA por seu resultado e seu receptor. Desenhe-o no Esquema do Sistema de Valor com todas as suas entradas, incluindo a revisão. Meça o valor onde o resultado é consumido e acompanhe a lacuna entre as contagens do lado do produtor e a confirmação do lado do receptor. Atribua a responsabilidade a um VTO, e não ao próprio sistema. Escale apenas o que os receptores confirmaram. Um programa de IA medido dessa forma pode parecer menos impressionante em seu primeiro relatório e ser consideravelmente mais útil nos posteriores.

Referências

• Bolshakov, V. Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective. ÆVRI, 2026.
• Bolshakov, V. Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners. ÆVRI, 2026.
• Bolshakov, V. Æilus Methodology v2.0. aeilus.tech, 2026.
• Bolshakov, V. Rethinking Efficiency: Value Systems, Flows, Converters, and Elements. aeilus.tech, 2026.
• Bolshakov, V. Value Elements: What We Actually Produce and Consume. aeilus.tech, 2026.
• Goodhart, C. A. E. Problems of Monetary Management: The U.K. Experience. 1975.
• Reinertsen, D. G. The Principles of Product Development Flow. 2009.
• Womack, J. P. e Jones, D. T. Lean Thinking. 1996.