Quando uma empresa decide atacar a produtividade, a primeira reação costuma ser a mesma: acelerar. Reduzir o tempo de cada etapa, automatizar envios, encurtar aprovações, cobrar entregas mais rápidas.
O problema é que boa parte do tempo perdido em uma operação não está na execução da tarefa. Está no que precisa acontecer antes dela.
E acelerar uma etapa que depende de informação que ninguém encontra apenas produz o mesmo retrabalho, só que mais rápido.
O tempo que ninguém contabiliza
Um estudo clássico da McKinsey estimou que profissionais do conhecimento gastam em média 1,8 hora por dia, ou 9,3 horas por semana, apenas procurando e reunindo informação. Quase um quarto da jornada. A imagem usada pelos pesquisadores é direta: a empresa contrata cinco pessoas, mas só quatro aparecem para trabalhar, porque a quinta está procurando respostas.
Uma década depois, o cenário ao redor dessa busca piorou. A pesquisa da Microsoft sobre a jornada infinita de trabalho, baseada em sinais de produtividade do Microsoft 365 e em uma sondagem com 31 mil profissionais em 31 países, mostra que o funcionário médio é interrompido a cada dois minutos por uma reunião, e-mail ou notificação, somando 275 interrupções por dia. Ele recebe 117 e-mails e 153 mensagens de Teams por dia útil.
O efeito acumulado aparece na percepção das equipes: 48% dos funcionários e 52% dos líderes dizem que o trabalho parece caótico e fragmentado, e um em cada três afirma que o ritmo dos últimos cinco anos tornou impossível acompanhar. A CNN noticiou que reuniões marcadas depois das 20h cresceram 16% em um ano.
A síntese da própria Microsoft é precisa: gasta-se energia demais organizando o caos antes que o trabalho relevante possa começar.
Onde isso aparece, área por área
Números agregados só convencem quando alguém reconhece a própria operação neles. Abaixo, os padrões que mais se repetem, com a pergunta que costuma revelar cada um.
Jurídico e compras
Contratos revisados um a um, atrás de cláusulas de reajuste, prazos e multas. O trabalho se repete integralmente a cada ciclo de renovação, mesmo quando os critérios de análise são sempre os mesmos.
Há documentos que diferentes pessoas analisam repetidamente seguindo os mesmos critérios?
Financeiro e fiscal
Conciliação entre lançamentos do banco e o ERP feita linha por linha, todo mês, porque os dois sistemas não conversam sozinhos. O mesmo vale para fechamentos, conferências e relatórios recorrentes.
Existem conferências em que duas ou mais fontes precisam ser comparadas manualmente?
Comercial
Montar uma cotação exige reunir preço, estoque, frete e condição comercial em telas diferentes. Multiplique por dezenas de cotações por semana e o custo aparece.
Qual etapa comercial exige mais busca, consolidação ou personalização manual?
Atendimento e service desk
O time responde diariamente as mesmas perguntas que já têm resposta documentada em algum lugar. Ninguém consulta a documentação porque perguntar ao colega é mais rápido do que encontrá-la.
Quanto do tempo do time é consumido por perguntas que já têm resposta em algum lugar?
Toda a organização
Políticas, procedimentos e decisões espalhados entre intranet, SharePoint, e-mail e pastas pessoais.
As pessoas sabem onde está a informação ou dependem de alguém que saiba encontrá-la?
Nenhuma dessas situações aparece isolada em um relatório de produtividade. Somadas ao longo de um mês, elas explicam boa parte do tempo que desaparece entre uma reunião e outra.
A diferença entre fazer mais rápido e decidir melhor
Aqui está a distinção que muda a estratégia.
Fazer mais rápido reduz o tempo de uma etapa específica. É útil, mas linear: ganham-se alguns minutos por execução e nada além disso.
Decidir melhor reduz a necessidade de refazer, de perguntar de novo, de esperar validação de terceiros. Ataca a causa em vez do sintoma, e o ganho se acumula a cada ciclo.
A diferença fica evidente quando se olha para o custo do conhecimento disperso. Levantamentos de mercado indicam que 42% do conhecimento institucional de uma empresa existe apenas na cabeça de colaboradores individuais, o que significa que a saída de uma pessoa pode deixar a organização incapaz de executar aquilo que fazia antes. Uma análise sobre perda de conhecimento organizacional estima que uma empresa com mil funcionários perde cerca de US$ 2,4 milhões por ano apenas em ineficiências cotidianas ligadas a esse problema.
Não é um problema de velocidade. É um problema de onde o contexto vive.
Por que adotar IA, sozinho, não resolve
A resposta natural nos últimos dois anos foi adotar IA. E aqui vem o dado mais desconfortável.
O relatório State of AI in Business 2025, do MIT, analisou 300 implantações públicas, entrevistou 52 executivos e ouviu 153 líderes. A conclusão: 95% dos pilotos de IA generativa não geraram impacto mensurável no resultado financeiro. Entre US$ 30 e 40 bilhões investidos, com retorno próximo de zero na maioria dos casos.
O motivo apontado pelos pesquisadores é revelador. As ferramentas falham porque não retêm feedback, não se adaptam ao contexto da empresa e não melhoram com o tempo. São sistemas estáticos aplicados a problemas que dependem justamente de contexto acumulado.
O Gartner projeta que, até o final de 2026, as organizações abandonarão 60% dos projetos de IA não sustentados por dados preparados. Em outra previsão, estima que mais de 40% dos projetos de IA agêntica serão cancelados até 2027, por custo crescente, valor de negócio pouco claro ou controles de risco inadequados.
A leitura prática: acelerar com IA sem resolver onde o contexto está apenas repete o erro em outra escala.
O problema paralelo: a IA que entrou sem passar pela porta
Enquanto os projetos oficiais tropeçam, o uso informal avança.
A adoção de IA inverteu o caminho tradicional da tecnologia corporativa. Antes era política, depois ferramenta, depois pessoas. Com IA, vieram as pessoas primeiro, a ferramenta em seguida, e a política ficou correndo atrás.
O fenômeno tem nome: shadow AI. Reportagem da Exame e levantamentos do setor mostram que uma parcela relevante dos profissionais usa ferramentas de IA não fornecidas pela empresa, muitas vezes em contas pessoais que a organização não monitora. Um estudo citado pela imprensa brasileira aponta que 38% dos profissionais usam IA sem autorização.
O relatório do MIT reforça a lacuna: enquanto uma minoria das empresas mantém assinaturas corporativas oficiais de modelos de linguagem, a grande maioria dos funcionários já usa ferramentas pessoais no trabalho.
Isso cria uma situação peculiar e diretamente ligada ao tema deste artigo. O conhecimento produzido no dia a dia, decisões, análises, critérios e aprendizados, agora passa primeiro por uma conversa de IA. Se essa conversa acontece fora do ambiente da empresa, o conhecimento sai junto e o problema de contexto disperso piora em vez de melhorar. Vale a leitura completa sobre o tema em Shadow AI: o risco que já está dentro da operação.
A régua regulatória já está se movendo
O tema deixou de ser apenas eficiência.
A ISO/IEC 42001:2023, publicada no Brasil como ABNT NBR ISO/IEC 42001, é a primeira norma internacional para um Sistema de Gestão de Inteligência Artificial. É voluntária, mas já aparece como exigência em contratos B2B, licitações e auditorias externas, sobretudo nos setores financeiro, de saúde e de educação.
No campo legal, o PL 2338/2023, Marco Legal da IA brasileiro, foi aprovado por unanimidade no Senado em dezembro de 2024 e segue em tramitação na Câmara. O texto adota o modelo europeu de classificação por nível de risco e prevê sanções relevantes por infração, conforme análise da Exame.
Para quem lidera operações ou tecnologia, a leitura é simples: os controles que hoje parecem burocracia, como saber quem usou qual modelo, com quais dados e sob quais regras, tendem a virar requisito contratual.
Cinco perguntas antes de investir em velocidade
Antes de discutir ferramentas, vale responder com honestidade:
- Quanto tempo sua equipe gasta procurando contexto antes de agir? Não o tempo de executar, o tempo de descobrir o que já foi decidido.
- As pessoas sabem onde está a informação ou dependem de alguém que saiba encontrá-la?
- Quantas decisões já tomadas voltam a ser discutidas do zero, porque o motivo original não ficou registrado?
- Qual processo manual mais consome tempo hoje e se repete com os mesmos critérios?
- Você sabe quais ferramentas de IA sua equipe usa e que tipo de informação entra nelas?
Se mais de uma dessas perguntas gerou desconforto, o ponto de partida provavelmente não é acelerar a equipe. É entender onde o contexto se perde antes da decisão.
O que muda quando o contexto tem um lugar
Empresas que tratam esse problema como estrutura, e não como esforço individual, mudam a natureza do ganho.
Deixa de ser "esta tarefa levou menos tempo" e passa a ser "esta decisão não precisou ser tomada de novo". O conhecimento produzido no trabalho diário deixa de existir apenas na experiência das pessoas e passa a existir como ativo consultável, com regras claras sobre quem acessa o quê.
A transição, na prática, é de uma constatação para outra. Sai-se de "existe IA acontecendo aqui dentro sem controle" e chega-se a "conseguimos transformar um problema concreto da nossa operação em algo repetível, usando o nosso próprio conhecimento e com visibilidade para a TI".
É uma mudança menos vistosa que um piloto de IA, mas é justamente a que sustenta o resto. Os dados do MIT apontam nessa direção: o que separa os 5% que funcionam dos 95% que falham não é o modelo escolhido, é a capacidade de reter contexto e aprender com ele.
Velocidade sem consistência gera retrabalho mais rápido. Velocidade com consistência gera capacidade instalada.