Transformação digital e IA: quando o roadmap tem a forma do organograma
Neste artigo

O plano de transformação digital de muitas empresas tem o mesmo desenho do organograma que deveria transformar.
Percebi isso durante uma aula de um programa executivo sobre transformação de negócios na era da IA. A turma reúne pessoas de organizações grandes e estabelecidas: bancos, distribuidora de energia, grupo hoteleiro, financeiras e centros de serviços partilhados. São empresas com décadas de história, ativos relevantes, reguladores atentos e acionistas que pedem previsibilidade.
A abordagem apresentada em aula fazia sentido para muitos dos meus colegas. Antes de transformar, é preciso saber onde a organização está e quais indicadores devem mudar, como quem pesa e mede alguém antes de propor uma dieta. Depois vem o destino e o propósito. A missão e a estratégia se desdobram num roadmap em três horizontes, com use cases priorizados conforme as capacidades de negócio e os recursos disponíveis. Portfólios, programas e projetos dão estrutura e governança ao conjunto.
Dois modelos de maturidade da IDC (IDC Future Enterprise Maturity Assessment e AI-Fueled Enterprise Maturity Assessment), um para a empresa digital e outro para a organização movida a IA, ajudam a situar o ponto de partida numa escala de cinco níveis, bem como o ponto de chegada depois da “transformação”.
É uma abordagem coerente, bem fundamentada e próxima da realidade de quem estava na sala. Justamente por isso me chamou a atenção. Saí da aula com a impressão de que aquela abordagem tratava a transformação digital como um problema complicado, quando boa parte dela é um problema complexo. E de que a IA, que poderia questionar essa premissa, está sendo absorvida por ela.
Complicado e complexo são coisas diferentes
A distinção vem do Cynefin, o modelo de Dave Snowden para diferenciar contextos de decisão. Num contexto complicado, a relação entre causa e efeito existe e pode ser descoberta por análise especializada. Trocar um sistema de faturação, migrar uma infraestrutura para a nuvem ou cumprir uma nova norma regulatória são problemas desse tipo: difíceis e caros, mas decomponíveis. Basta um bom plano, executado com disciplina, para chegar lá.
Num contexto complexo, causa e efeito só ficam claros em retrospecto. O sistema reage à intervenção, as partes se influenciam e o resultado emerge dessas interações. Mudar a forma como as pessoas decidem, colaboram e assumem responsabilidade quando uma tecnologia altera o trabalho delas é um problema desse tipo. Dá para criar condições, observar o que acontece e ajustar, mas o resultado não pode ser garantido por decomposição.

Framework Cynefin - Dave Snowden
Uma transformação digital mistura os dois contextos. A migração do ERP é complicada, enquanto a mudança de cultura que deveria acompanhá-la é complexa. O Cynefin diferencia situações. Seria um equívoco usá-lo para classificar empresas inteiras, como se grandes organizações fossem complicadas e startups fossem complexas.
O problema que percebo está em governar a transformação inteira com os instrumentos do domínio complicado, como se a parte complexa fosse apenas mais um pacote de trabalho a planejar.
Por que o modelo de plano e controle faz tanto sentido
Fiquei pensando por que esse modelo ressoa tanto em organizações estabelecidas. Tenho três hipóteses. Cada uma delas encontra apoio em teorias conhecidas da psicologia e da sociologia das organizações.
A primeira é proteção.
Quem tem muito a perder prefere previsibilidade, e um plano detalhado oferece a sensação de que os riscos estão sob controle. Parte dessa prudência é legítima, porque o custo de um erro numa infraestrutura crítica é assimétrico. Outra parte é o que a psicóloga Ellen Langer chamou de ilusão de controle: a tendência de superestimar nossa capacidade de controlar resultados que dependem de fatores fora do nosso alcance.
A segunda é legitimidade.
Investimentos de transformação precisam ser aprovados por conselhos, justificados a acionistas e defendidos diante de auditores, e um plano com horizontes, marcos e indicadores é a linguagem que essas instâncias reconhecem. John Meyer e Brian Rowan mostraram, ainda nos anos 1970, que as organizações adotam estruturas formais em boa medida porque elas conferem legitimidade perante o ambiente, e que o trabalho real com frequência se desacopla dessas estruturas. O plano cumpre também uma função cerimonial, que tem valor próprio mesmo quando ele não é seguido à risca.
A terceira é imitação.
Paul DiMaggio e Walter Powell chamaram de isomorfismo institucional a tendência de organizações de um mesmo campo ficarem cada vez mais parecidas. Sob incerteza, elas copiam quem parece bem-sucedido. Por pressão de reguladores e investidores, adotam os formatos exigidos. E, pela via normativa, recebem os mesmos modelos das mesmas consultorias, certificações e escolas de negócios. A aula, com seus modelos de maturidade e frameworks de roadmap, faz parte desse mecanismo. Eu também estava lá.
As três hipóteses explicam por que o modelo é adotado, mas nenhuma delas demonstra que ele é eficaz para o problema que pretende resolver.
O roadmap tem a forma do organograma
O que mais me incomodou foi uma semelhança de forma. A hierarquia estratégia, portfólio, programa e projeto se encaixa quase perfeitamente no organograma tradicional. A estratégia fica com o conselho e a presidência, o portfólio com a diretoria executiva, cada programa com um diretor de área, cada projeto com um gerente e os use cases com as equipes.

Lei de Conway (1968): sistemas tendem a reproduzir a estrutura de comunicação da organização que os cria.
Em 1968, o programador Melvin Conway observou que os sistemas criados por uma organização tendem a reproduzir a estrutura de comunicação dessa organização. A observação ficou conhecida como Lei de Conway e costuma ser aplicada a software. Penso que ela vale também para o planejamento: o plano de transformação reproduz a estrutura de poder de quem o elabora.
A consequência é uma espécie de autorreferência.
A organização usa a própria estrutura para descrever o seu futuro, e por isso o futuro descrito se parece muito com o presente. O plano pode mudar o que a organização faz, com novos canais digitais, processos automatizados e dados integrados, mas tende a preservar a forma como ela decide: quem aprova, quem financia e quem responde por quê.
Um dos slides da aula ajuda a ver o tamanho da questão. Ele mostrava os cinco grandes bloqueadores da transformação digital segundo um levantamento de 2017:
- liderança e cultura legada
- métricas desatualizadas
- silos organizacionais
- falta de competências
- falta de planejamento tático
Nenhum dos cinco é tecnológico. Se os mesmos obstáculos persistem por uma década, desconfio que a estrutura usada para removê-los é parte deles.
A IA entra como mais uma caixa
Seria razoável esperar que a IA mudasse esse quadro. Uma tecnologia capaz de redistribuir informação, análise e até decisões deveria, em tese, questionar a hierarquia que concentra essas coisas no topo.
Entretanto, o modelo de maturidade de IA apresentado em aula sugere o contrário, pelo menos nos primeiros níveis.
No nível dois, a organização cria uma função de supervisão de IA e um líder encarregado de desenvolver o roadmap. No nível três, a estratégia de IA passa a ser sustentada por um centro de excelência. A resposta organizacional à nova tecnologia é acrescentar caixas ao organograma. Só no nível quatro aparece um modelo operacional redesenhado em torno de processos com agentes, que é justamente o estágio que poucas organizações alcançam.
Chris Argyris e Donald Schön distinguiram duas formas de aprendizagem organizacional. Na aprendizagem de circuito simples, a organização corrige suas ações para atingir os mesmos objetivos, sem tocar nas premissas. Na de circuito duplo, as próprias premissas entram em discussão.

Baseado em Chris Argyris e Donald Schön, aprendizagem de circuito simples e duplo
Quando a adoção de IA é conduzida pela mesma lógica de plano e controle, ela tende ao circuito simples. A organização ganha capacidade de execução, faz mais rápido e mais barato o que já fazia e continua decidindo da mesma forma.
A pergunta que me parece mais importante para essas empresas raramente aparece nos roadmaps: o que a IA deveria mudar na forma como elas se governam?
O que o plano e controle faz bem
Toda essa observação que fiz até aqui tem limites.
O primeiro é que plano e controle têm funções reais.
Numa distribuidora de energia elétrica, um experimento que dá errado na rede pode deixar uma região sem luz. Num banco, a regulação exige rastreabilidade de decisões e controles demonstráveis. Coordenar milhares de pessoas e alocar capital entre dezenas de iniciativas pede algum grau de estrutura formal. Defender que essas organizações abandonem o planejamento seria ingênuo.
O segundo limite é o meu próprio contexto.
Venho de uma empresa de software construída sobre autogestão, onde experimentar e distribuir decisões é bem mais simples do que numa organização com dezenas de milhares de pessoas, e isso influencia o que eu vejo. A pergunta honesta é como uma abordagem orientada à complexidade escala. Os exemplos de grandes organizações que conseguiram, como a Haier e a Buurtzorg, são citados com frequência justamente por serem raros.
O terceiro é que o próprio modelo apresentado reconhece parte do problema.
O slide dos bloqueadores é, de certo modo, uma autocrítica do paradigma de plano e controle, e os níveis quatro e cinco das escalas de maturidade descrevem viradas culturais e modelos operacionais redesenhados. A divergência está menos no destino e mais no caminho até ele.
Por isso, a tese que consigo defender é mais estreita do que a impressão com que saí da aula. O problema está em usar plano e controle como modo único de governar a transformação, inclusive nas partes em que ele não funciona.
Governar as condições da transformação
Se a transformação mistura problemas complicados e complexos, a governança precisa reconhecer essa mistura.
A migração técnica, a adequação regulatória e a modernização da infraestrutura continuam bem servidas por projetos, cronogramas e marcos. A parte complexa pede outro tipo de instrumento, e ele fica mais claro quando seguimos, passo a passo, a mesma sequência apresentada em aula.

A parte complicada da transformação continua bem servida por projetos. A parte complexa pede o modelo da direita.
O diagnóstico continua sendo o primeiro passo, mas muda de função.
Os modelos de maturidade ajudam a saber onde a organização está, desde que sirvam de mapa e deixem de ser o destino. A eles se somam um levantamento das tensões que as pessoas vivem no trabalho, como retrabalho, esperas e aprovações que ninguém sabe justificar, e um inventário das decisões que a organização toma, outra ideia apresentada em aula. Esse inventário mostra quem decide o quê, e é a partir dele que se discute quais decisões a IA pode assumir e quais deveriam passar para mais perto de quem tem a informação.
O estado futuro dá lugar a uma intenção e a limites.
A liderança define a direção e o porquê da transformação, em vez de descrever em detalhe a organização de daqui a três anos. Também fixa os limites que não se negociam, como segurança, conformidade regulatória, apetite de risco e orçamento máximo. Dentro desses limites, as equipes têm liberdade para propor e testar.
O roadmap vira uma carteira de apostas com tratamentos diferentes.
Os três horizontes continuam úteis, mas cada um é governado de um jeito. O primeiro, mais próximo do domínio complicado, aceita planejamento, cronograma e use cases detalhados. No segundo e no terceiro, as iniciativas são formuladas como hipóteses e testadas em experimentos pequenos, com critérios definidos de antemão para ampliar, ajustar ou encerrar cada uma.
Projetos temporários dão lugar a equipes persistentes.
A organização mantém equipes responsáveis por uma capacidade ou por um fluxo de valor, como a experiência do cliente ou a gestão de ativos, em vez de montar um projeto, entregar e desmontar a equipe. O financiamento segue a mesma lógica e é liberado em etapas, conforme as evidências aparecem. Mik Kersten desenvolve essa proposta em Project to Product.
O comitê de acompanhamento dá lugar a ritmos de aprendizagem.
Toda semana, as equipes observam o que está acontecendo e removem impedimentos. A cada quatro a seis semanas, revisam hipóteses e redistribuem capacidade entre as apostas. A cada trimestre, a liderança reavalia a direção, os limites e os próprios mecanismos de governança.
O que se mede também muda.
Percentual de conclusão e aderência ao cronograma dizem pouco sobre a parte complexa. O tempo entre perceber um problema e decidir o que fazer, a proporção de decisões tomadas perto de quem tem a informação e as hipóteses validadas ou refutadas dizem mais.
Um exemplo
Imagine uma empresa de serviços que quer usar IA para melhorar o atendimento ao cliente.
Pela abordagem de plano e controle, ela faria o diagnóstico de maturidade, definiria a meta de reduzir o tempo de resposta em determinado percentual, criaria um programa de experiência do cliente e o desdobraria em projetos: um novo CRM, um assistente virtual e a automação da triagem de pedidos. Cada projeto teria orçamento, cronograma e gerente, e o sucesso seria medido pelas entregas.
Pela proposta alternativa, ela começaria por uma tensão: por que os clientes continuam insatisfeitos com tudo o que já foi investido em tecnologia?
O inventário de decisões poderia mostrar que boa parte dos pedidos espera dias pela aprovação de um supervisor, mesmo quando a resposta é previsível. A empresa testaria então, em paralelo, três intervenções pequenas:
- Dar a uma equipe autonomia para resolver pedidos até certo valor sem aprovação
- Usar IA para sugerir respostas com revisão humana
- Eliminar uma passagem de responsabilidade entre dois departamentos
Depois de algumas semanas, ampliaria o que funcionou e encerraria o resto.
Talvez a descoberta mais útil fosse que o maior ganho veio da autonomia dada à equipe, mais do que do assistente virtual. Num plano fechado, essa descoberta dificilmente apareceria, porque ninguém tinha um projeto para ela.
O exemplo mostra também o lugar que a governança passa a ocupar.
Numa transformação de circuito duplo, as regras de aprovação, os critérios de financiamento e a distribuição de autoridade entram no escopo do que pode mudar. A governança deixa de ser apenas o mecanismo que supervisiona a transformação e passa a ser também seu objeto. Por isso, antes de automatizar um fluxo de aprovação com IA, vale perguntar por que aquela aprovação existe e quem ganha com ela.
Para refletir
- Se você colocar o roadmap de transformação ao lado do organograma da sua empresa, quantas caixas do plano têm como dono alguém que já mandava naquela área antes dele?
- Entre as iniciativas de IA em andamento, qual mudou quem decide alguma coisa, além da velocidade com que se decide?
- Que regra de aprovação, critério de financiamento ou forma de medir resultados a sua organização aceitaria colocar em experimento nos próximos meses?
Publicado originalmente no LinkedIn em 22 de outubro de 2026
Vamos conversar
Sua empresa está redesenhando a gestão com IA?
Vamos conversar sobre o que está em jogo.