Há uma cena que, pela sua ironia involuntária, merece servir de ponto de partida para a análise de hoje. Na semana passada, funcionários da Microsoft, a mesma empresa que investiu dezenas de bilhões de dólares para se tornar quase que um sinônimo de inteligência artificial corporativa, precisaram recorrer a papel, caneta e telefone para continuar trabalhando, depois que uma falha derrubou o Outlook, o Teams e o Copilot por quase dois dias. O episódio, em si, não é incomum. Afinal, sistemas falham, infraestruturas complexas apresentam instabilidades e, de fato, nenhuma arquitetura digital é invulnerável. Porém, o que torna esse caso revelador não é a falha, mas o mecanismo que a amplificou: ao detectar servidores comprometidos, os próprios sistemas de proteção automática tentaram redistribuir o tráfego para máquinas saudáveis e, ao fazê-lo, espalharam a instabilidade em vez de contê-la. O remédio se tornou o vetor. E a empresa levou mais de um dia inteiro para sequer começar a aplicar uma correção.
Após constatado o ocorrido, a Microsoft fez questão de esclarecer que a inteligência artificial não causou o problema. E provavelmente tem razão. Mas essa ressalva, embora tecnicamente correta, desvia a atenção da questão mais importante que o episódio coloca, que é uma questão que não diz respeito à Microsoft especificamente, mas ao modelo operacional que praticamente toda grande empresa está adotando neste momento: na busca por tornar as organizações cada vez mais eficientes, estamos, simultaneamente, tornando algumas delas incapazes de funcionar quando a eficiência falha?
A pergunta parece paradoxal, mas o paradoxo é apenas aparente. Por décadas, a administração empresarial operou sob um princípio que, recorrentemente, acabou sendo tratado como um tipo de verdade inquestionável: fazer mais com menos. Reduzir estoques, enxugar equipes, eliminar redundâncias, terceirizar o que não fosse atividade-fim. Cada camada de custo removida era celebrada como ganho de competitividade, e, em grande medida, era mesmo. Empresas que dominaram essa lógica prosperaram. As que não dominaram, perderam espaço. A eficiência, nesse contexto, não era uma escolha filosófica, mas era, realmente, uma condição de sobrevivência no mercado.
Nesse pretexto, a inteligência artificial levou esse princípio ao seu limite lógico. Se antes era possível reduzir equipes em percentuais incrementais, agora é possível automatizar departamentos inteiros. Apenas um sistema de IA bem treinado pode, ao mesmo tempo, redigir um código complexo, atender clientes, analisar contratos, classificar dados, monitorar infraestruturas e coordenar processos com uma velocidade e uma escala que nenhuma equipe humana conseguiria igualar. O próprio CEO da Microsoft, em face disso, declarou que cerca de trinta por cento do novo código da empresa já é produzido com auxílio de inteligência artificial. E a Microsoft está longe de ser um caso isolado, porque a lógica é irresistível para todos nós: se a máquina faz mais rápido, com menos erros e a um custo menor, por que manter a estrutura antiga?
A resposta, entretanto, está escondida em uma distinção que a contabilidade tradicional não captura, que é a diferença entre executar uma tarefa e compreender o sistema que a executa. Vejamos que, concretamente, uma IA pode escrever milhares de linhas de código sem entender a arquitetura que aquele código sustenta. Um sistema automatizado pode processar milhões de solicitações sem ter a menor ideia de por que uma determinada solicitação, em um contexto específico, deveria ser tratada de forma diferente. A execução pode, assim, até ser impecável. A compreensão, por sua vez, inexistente. E, enquanto tudo funciona, essa ausência é invisível, porque compreensão só se revela como necessidade quando o imprevisto acontece.
É exatamente esse o mecanismo que transforma eficiência em fragilidade. Quando uma empresa substitui profissionais por sistemas automatizados, ela elimina, junto com eles, o conhecimento tácito que esses profissionais carregavam, isto é, a familiaridade com as particularidades da operação, a memória de decisões tomadas em contextos que nenhum manual documentou e, mais importante, a intuição, instintivamente humana que temos para perceber que algo está errado antes que os indicadores formais acusem o problema. Esse conhecimento, dada sua subjetividade, detém o ônus de que não aparece no balanço patrimonial da companhia, e muito menos gera receitas mensuráveis analiticamente por qualquer auditor, por mais experiente que seja. Contudo, isso pode ser exatamente o que separa uma empresa que se recupera de uma falha em horas de outra que fica paralisada por dias, porque simplesmente já não há quem saiba operar o sistema quando o sistema não consegue operar a si mesmo.
O sociólogo Charles Perrow, ao estudar acidentes em organizações de alta complexidade, no caso, usinas nucleares, sistemas de aviação e plataformas petrolíferas, formulou uma observação que se aplica muito bem ao que estamos vendo agora: em sistemas onde as partes são suficientemente interligadas, uma falha localizada pode produzir efeitos em cascata que ninguém antecipou, porque a própria complexidade das conexões torna impossível prever todas as formas pelas quais um problema pode se propagar. E quando os mecanismos de resposta estão embutidos na mesma infraestrutura que falhou, a tentativa de correção pode se tornar, ela mesma, uma nova fonte de instabilidade. É o que Perrow chamou de “acidente normal”, não porque seja aceitável, mas porque é estatisticamente inevitável em estruturas daquele grau de interdependência.
O caso da Microsoft é um exemplo quase didático dessa dinâmica. Os sistemas de proteção automática fizeram exatamente o que foram programados para fazer: identificar máquinas com problemas e redirecionar o tráfego. Mas, ao executar essa instrução sem a compreensão contextual de que a instabilidade não era localizada, e sim sistêmica, o procedimento automático transformou uma falha parcial em uma falha generalizada. É, analogicamente, a diferença entre um bombeiro que joga água em um incêndio elétrico e um que primeiro desliga a energia. Ambos estão tentando apagar o fogo. Mas um deles entende o sistema. O outro apenas executa o protocolo.
Dessa forma, é aqui que a reflexão precisa mudar de escala, porque o que pode estar em jogo é, num extremo, o modelo operacional que toda uma geração de organizações está adotando. Conforme a inteligência artificial se integra cada vez mais profundamente às operações, não apenas como ferramenta auxiliar, mas como camada decisória, o impacto de uma falha, mais que pontual, passa a ser sistêmico. Uma interrupção que antes afetaria um departamento agora pode paralisar cadeias inteiras, porque os elos que antes tinham autonomia operacional foram substituídos por sistemas que dependem da mesma infraestrutura central para funcionar.
Com isso, a implicação econômica desse cenário é mais sutil do que parece à primeira vista. Redundância, ou seja, equipes de contingência, sistemas alternativos e capacidade ociosa, sempre foi tratada pela gestão empresarial convencional como desperdício. E, no sentido estritamente contábil, é. Enquanto tudo funciona normalmente, o custo de manter uma estrutura duplicada é puro ônus, sem retorno visível. Mas essa avaliação comete um erro que a teoria financeira conhece bem, pois uma vez que pode se confundir o custo de um seguro com a ausência de valor atrelado a ele. Pense que uma companhia aérea não mantém sistemas de emergência porque espera usá-los todo dia, mas os mantém porque o custo de não tê-los, no dia em que forem necessários, é incomparavelmente maior do que o custo de mantê-los ociosos. A redundância, nesse sentido, é a proteção contra um tipo de perda que a planilha de custos só enxerga depois que o prejuízo já aconteceu.
Entre no canal Entrelinhas no WhatsApp e siga nosso Instagram: informação rápida, em tempo real, que tangibilizam as transformações.
O paradoxo, portanto, gira entorno do fato de que a mesma tecnologia que permite às empresas operar com menos recursos também eleva, proporcionalmente, o custo de descobrir que alguns desses recursos eram indispensáveis. Uma organização que funciona perfeitamente com um terço da equipe que tinha há cinco anos pode estar funcionando perfeitamente apenas porque nada deu errado ainda. E, quando algo der errado (não se, mas quando), o conhecimento que foi dispensado junto com os funcionários, a redundância que foi eliminada junto com os custos e a capacidade de julgamento humano que foi substituída junto com os processos podem ser exatamente o que falta para evitar que uma falha técnica se transforme em uma crise operacional.
No fim, para quem lidera negócios, a questão que esse episódio impõe não é se a inteligência artificial deve ser adotada, obviamente, a essa altura, resistir seria economicamente irracional e iria na contramão do que o mundo entende hoje por produtividade. A questão é de que maneira ela deve ser adotada. Automatizar a execução sem preservar a compreensão é construir um edifício cada vez mais alto retirando, a cada andar, parte da fundação. Sobre isso, a pergunta que nenhum dashboard de produtividade consegue responder, mas que todo gestor deveria se fazer, é deceptivamente simples: se todos os sistemas da sua empresa falhassem amanhã às oito da manhã, quantas pessoas na organização saberiam o que fazer às oito e um?



