EY Megatendências

Como a remodelação da produtividade redefinirá o valor

Autores

  • EY Global

    Multidisciplinary professional services organization

  • EY Global

    Multidisciplinary professional services organization

  • Barry Perkins

    EY-Parthenon Global Business and CXO Insights Lead Analyst

20 minutos de leitura 12 nov. 2025

A IA e as mudanças globais estão redefinindo a produtividade, exigindo novas medidas e estratégias mais inteligentes.

Em resumo

  • A IA e as megatendências estão transformando a forma como as organizações criam valor e medem o sucesso.
  • O verdadeiro crescimento da produtividade exige repensar os dados, as habilidades e os modelos operacionais.
  • Os líderes devem equilibrar inovação, governança e colaboração homem-máquina para obter um impacto duradouro.

Este artigo faz parte do primeiro conjunto de insights da nova série EY Megatrends:  Preparação para a era híbrida homem-máquina. 

Ahistória da produtividade sempre foi uma história sobre o que medimos, como pensamos e como gerenciamos. A produtividade é importante — o aumento da produtividade promove o crescimento econômico e eleva os padrões de vida, ao mesmo tempo em que aumenta os lucros das empresas e o retorno sobre o investimento.

Estamos agora no limiar de uma reformulação da produtividade ­— o que a impulsiona, como ela é medida e o que o termo significa. A inteligência artificial (IA) está no centro das atenções como a principal força que impulsiona essa remodelação, mas não é a única. Ela converge com mudanças regulatórias e de soberania, geopolítica e reconfiguração da cadeia de suprimentos, restrições de energia e computação, pressões de capital e custo de risco, mudanças demográficas e expectativas de talentos, além da transição climática. Juntos, esses fatores tornam a produtividade uma propriedade dinâmica do sistema, em vez de uma configuração "padrão de fábrica".

Nos próximos anos, a produtividade poderá não ser mais capturada apenas pela relação tradicional entre a quantidade de produção e as unidades de insumos. O que até agora tem sido uma corrida incessante para aumentar a quantidade pode virar de cabeça para baixo, pois entramos em uma era em que as máquinas podem gerar quantidades aparentemente infinitas de conteúdo. Em vez disso, o foco passará a ser a qualidade e a criatividade, impulsionadas pela capacidade cada vez mais crítica das organizações de converter informações, insights e inovações em valor econômico sustentável. O desafio será como quantificar e incentivar os ganhos que ocorrem não nas linhas de produção, mas dentro dos ecossistemas digitais, na velocidade da tomada de decisões, na adaptabilidade dos sistemas autônomos e na utilização da criatividade liberada pela colaboração homem-máquina.

No entanto, mesmo com tantas mudanças, a essência da produtividade continuará sendo o uso de recursos, sejam eles humanos, materiais, financeiros ou computacionais, para obter resultados de maior qualidade, melhores e mais rápidos.

Para os líderes empresariais, as implicações são profundas. Na era da IA, a produtividade real não virá da automação incremental, mas da rearquitetura de como as organizações operam, decidem e aprendem.

A produtividade passará das dimensões tradicionais de como realizar tarefas de forma mais rápida e barata para uma em que o trabalho seja melhor, mais inteligente, resiliente e mais estratégico.

Para governos e formuladores de políticas, o aumento da IA nos negócios exige mais do que repensar as métricas de produtividade — exige sistemas educacionais que priorizem habilidades digitais, analíticas e adaptativas. Os governos também precisarão considerar o impacto da IA em suas estratégias de segmento de atuação, agendas de sustentabilidade e no planejamento de políticas de trabalho e imigração para respaldar uma força de trabalho remodelada.

Os líderes do futuro, tanto nas empresas quanto no governo, serão os que tratarem a IA não apenas como uma revolução tecnológica, mas como uma revolução humana. Em alguns casos, a IA evoluirá de uma ferramenta para se tornar parte da força de trabalho, redefinindo o desempenho, o objetivo e o progresso para uma nova era. Nesse futuro, a produtividade não será mais uma questão de fazer mais do mesmo, mas de imaginar e entregar o que antes era impossível.

Embora isso tenha implicações para os líderes de todas as empresas e governos, tem maior relevância para os diretores executivos, diretores financeiros, diretores de estratégia, diretores de operações e diretores de recursos humanos, bem como para funcionários do governo e formuladores de políticas. Essa tendência também pode motivar as empresas a considerar novas funções, como a de diretor de produtividade ou até mesmo de diretor de agenciamento.

Braço robótico passando o sorvete para o cliente
1

Capítulo 1

A história da medição da produtividade moderna, desde o aço até softwares

Medir a produtividade é difícil – e cada vez mais complexo.

Os debates modernos sobre produtividade remontam às ideias do início do século XX. A "administração científica" de Frederick Taylor revolucionou o trabalho nas fábricas por meio de estudos de tempo e movimento, definindo a produtividade como eficiência mecânica mensurável. Em usinas siderúrgicas, Taylor mostrou como fluxos de trabalho reorganizados e horários de descanso poderiam aumentar as toneladas produzidas por trabalhador diariamente, uma medida puramente física.

Na década de 1950, Robert Solow expandiu o conceito com a contabilidade do crescimento, estabelecendo uma distinção entre os ganhos do trabalho e do capital daqueles promovidos pela inovação e pela eficiência, o que se tornou a "produtividade total dos fatores".1

No entanto, à medida que as economias se voltaram para serviços e programas de software, a medição ficou mais difícil. Contar bens é simples; avaliar a usabilidade, a eficiência da pesquisa ou a qualidade do serviço público não é. Ferramentas digitais gratuitas e serviços fora do mercado desafiam as métricas com base em preços, obscurecendo os avanços reais. Essa evolução, de cronômetros de fábrica a sistemas de dados complexos, explica por que o impacto da tecnologia muitas vezes escapa às estatísticas. Como Solow observou, "Você pode verificar a era do computador por toda parte, menos nas estatísticas de produtividade". Estudos sugerem que a adoção precoce da TI até mesmo reduziu a produtividade, devido a interrupções e sobrecarga de informações.2

Greg Daco, vice-presidente da EY Parthenon, Strategy and Transactions, Ernst & Young LLP, observa "Estamos testemunhando os primeiros sinais reais de uma revolução na produtividade promovida pela IA — visível ainda não no desempenho, mas no investimento. As empresas estão canalizando capital para infraestrutura de dados, desenvolvimento de software, energia e talentos, lançando as bases para o crescimento futuro.

"A IA pode estender a expansão econômica em dois a quatro anos na próxima década, mas somente se as empresas acertarem o básico: dados robustos, infraestrutura confiável, energia abundante e pessoas qualificadas. Os ganhos de produtividade virão para aqueles que construírem bases sólidas antes de buscarem resultados."

A geração de IA impulsiona de fato o PIB global até 2033:
modelo de linha de base
A geração de IA impulsiona de fato o PIB global até 2033:
modelo otimista

Como a EY pode ajudar

 A mudança de horas de trabalho para a avaliação de resultados redefine a produtividade para a era da IA. Tradicionalmente, o sucesso era medido pela produção por hora, por exemplo, no caso de profissionais da área jurídica, pelos resumos escritos, e de profissionais da área contábil, pelas demonstrações financeiras auditadas, presumindo-se que o tempo promovia os resultados. Hoje, com copilotos e agentes de IA, o tempo é abundante; a percepção e a precisão humanas são os novos limites. A produtividade agora reflete a qualidade e o impacto dos resultados em relação à supervisão necessária. Uma fórmula melhor é Produtividade = (Precisão × Relevância × Impacto) / Entrada cognitiva humana. Quanto menos correções forem necessárias para obter resultados valiosos, maior será a produtividade.

 

 "A verdadeira produtividade agora mede o valor criado, não as horas consumidas", observa Biren Agnihotri, diretor de tecnologia da Ernst & Young LLP.
 

A adoção generalizada da IA provavelmente exacerbará esse desafio de décadas, tornando ainda mais essencial medir como as ideias, os softwares e a organização, e não apenas as horas e as máquinas, promovem o crescimento.
 

Pesquisadores e formuladores de políticas estão repensando a produtividade em várias frentes:

  • Expandir as medidas de produtividade para reconhecer a IA e a robótica como contribuintes ativos para a produção, e não apenas como ferramentas "de pano de fundo", para enquadrar a produtividade como o valor criado por unidade combinada de esforço humano e agêntico.3
  • Registrar o valor dos dados, algoritmos e poder de computação como ativos produtivos nos novos padrões internacionais de contabilidade do governo.4
  • Utilizar índices de preços melhores para os serviços de IA para evitar subestimar os ganhos de produtividade (como pode acontecer quando a IA que está melhorando rapidamente aprende mais rápido ou realiza tarefas mais complexas e esses ganhos não se refletem nas medidas de preço e qualidade).5
A verdadeira produtividade agora mede o valor criado, não as horas consumidas.

Biren Agnihotri

Diretor de Tecnologia, EY Canadá

Juntas, essas mudanças apontam para um futuro em que a produtividade reflete não apenas a eficiência com que as pessoas trabalham, mas a eficácia com que os seres humanos e os sistemas inteligentes trabalham juntos. Realizar essa medição corretamente será essencial para orientar os investimentos, as políticas e o compartilhamento justo dos benefícios da próxima onda de automação.

Foto aérea de uma rodovia iluminada na Lapônia à noite
2

Capítulo 2

Entendimento do potencial do aumento de produtividade da IA

Desbloquear o aumento da produtividade da IA exige mudanças estratégicas, dados confiáveis e execução focada em resultados.

Como a EY pode ajudar

A própria IA tem sido usada há muito tempo em várias formas, desde sistemas pautados por regras até modelos de aprendizado de máquina. Basta observar o uso da IA no trabalho realizado por ganhadores recentes do Prêmio Nobel, com prêmios de física e química concedidos a cientistas por trabalhos com base em pesquisas viabilizadas porIA6. Mas o lançamento público de um chatbot de IA generativa (GenAI) em novembro de 2022 marcou um momento transformador. Sua capacidade de entender e gerar conteúdo semelhante ao humano — de artigos e apresentações de slides a imagens e vídeos — chamou a atenção do público e dos investidores, despertando entusiasmo e investimentos sem precedentes em todos os setores.
 

As empresas que antes viam a IA como uma ferramenta de nicho começaram a vê-la como um promotor estratégico de produtividade e inovação. A acessibilidade e a versatilidade repentinas da IA generativa (GenAI) demonstraram como a automação poderia ir além das tarefas repetitivas e contemplar trabalhos criativos, trabalhos de conhecimento, comunicação e suporte a decisões.
 

No entanto, ainda não há clareza quanto a um cálculo definitivo dos benefícios econômicos que podem advir do uso da IA. Há um consenso crescente de que haverá um aumento, semelhante ao impulso gerado a partir da tecnologia da informação e comunicação (TIC), na década de 1990.


A IDC, fornecedora global de serviços de consultoria e inteligência de mercado, previu que "os gastos das empresas para adotar a inteligência artificial (IA) (...) terão um impacto econômico global cumulativo de US$ 19,9 trilhões até 2030 e impulsionarão um aumento de 3,5% no produto interno bruto (PIB) global em 2030. "7 Expectativas semelhantes foram expressas pelo CEO da Microsoft, Satya Nadella, que afirma esperar que o investimento em IA impulsione o crescimento e a produtividade do Reino Unido: "Isso pode acontecer mais rapidamente, portanto, nossa esperança não é de 10 anos, mas talvez de cinco. "8

Muitas empresas já estão fornecendo evidências reais de implantação, mas estamos apenas no "sopé da montanha" de benefícios potenciais. O poder transformador da tecnologia é amplamente reconhecido, mas seus dividendos de produtividade total permanecem, em grande parte, no plano teórico. Embora os dividendos da produtividade ainda não tenham sido realizados, constituem prioridade para os líderes empresariais, como mostra uma análise das menções à IA e à produtividade nos anúncios das empresas.


Como a EY pode ajudar

A próxima onda de produtividade virá da IA agêntica, sistemas que podem gerenciar de forma autônoma fluxos de trabalho complexos, tomar decisões semi-inteligentes e coordenar tarefas entre as diferentes áreas de atuação. Esses agentes de ordem superior ainda estão a 18–36 meses de uma implantação generalizada, mas representam o primeiro passo verdadeiro em direção ao que a EY descreve como a "Empresa superfluida".
 

"As empresas foram além do debate sobre se a IA pode agregar valor e passaram a enfrentar a questão mais difícil: como fazer isso acontecer", observa Brad Newman, sócio da EY Global Consulting Supply Chain and Operations Leader, Ernst & Young LLP. "Em áreas como cadeia de suprimentos e operações, a conversa mudou da automação teórica 'lights out' para o desafio prático de integração e execução."
 

O resultado é uma lacuna de execução generalizada: um abismo entre o potencial tecnológico que está sendo vendido pelos fornecedores e os resultados mensuráveis com os quais os CEOs estão dispostos a se comprometer publicamente.
 

Alcançar a transformação impulsionada pela IA e o aumento da produtividade exigirá uma mudança radical em direção a modelos operacionais com base em resultados, em que os líderes gerenciem por exceção e orquestração, em vez da verificação de aderência a processos. Em vez de garantir que todos sigam rigidamente um conjunto de regras ou procedimentos fixos, os líderes devem se concentrar em intervir somente quando algo incomum acontecer, quando os resultados ficarem fora das expectativas ou quando um problema precisar de sua atenção. O tempo deles é mais bem empregado na coordenação de pessoas, tecnologia e processos para alcançar os resultados desejados, como um maestro conduzindo uma orquestra, em vez de fazer um microgerenciamento de cada uma das etapas.

As empresas foram além do debate sobre se a IA pode agregar valor e passaram a enfrentar a questão mais difícil: como fazer isso acontecer.

Brad Newman

Líder de operações e cadeia de suprimentos da EY Global Consulting

Essa transformação da arquitetura de negócios exige um compromisso de vários anos.

Michael Von der Geest, Sócio, Líder Global de Serviços Gerenciados para Clientes da EY, Ernst & Young LLP, coloca isso de forma sucinta: "A maioria dos líderes empresariais não entende o suficiente sobre IA para arquitetar seus modelos de negócios, e a maioria dos tecnólogos não entende o suficiente sobre de que forma as empresas operam para dizer-lhes como fazer isso".

Esse ponto cego mútuo faz com que as organizações busquem evidências e estudos de caso que ainda não existem. Constitui um desafio demonstrar resultados tangíveis, o que retarda o investimento.

Já há evidências de que essa tecnologia está gerando ganhos significativos.9


Como a EY pode ajudar

  • Reinvenção da cadeia de suprimentos

    A Reinvenção da Cadeia de Fornecimento ajuda os clientes a efetuar uma mudança fundamental no seu desempenho para apoiar o crescimento das vendas, tornar-se mais competitivo em termos de custos, minimizar o risco e melhorar a resiliência operacional.

    Leia mais

A maioria das empresas agora aceita que o sucesso da IA no aumento da produtividade depende menos da sofisticação dos algoritmos e mais da qualidade dos dados que os alimentam. Muitos ainda estão lutando para limpar, unificar e estruturar dados diante de sistemas complexos e fragmentados. Newman descreve isso como um problema universal: "Alguns estão lutando sob a perspectiva dos dados — a qualidade dos dados é um problema e, depois, a questão de saber se eles dispõem dos dados de que precisam." As empresas estão investindo cada vez mais em ferramentas de "dados autocorretivos" que usam a própria IA para detectar inconsistências, preencher lacunas e gerar pontos de dados ausentes, criando a base para uma automação confiável.

 

Ao mesmo tempo, a fronteira entre automação e IA está se diluindo. As empresas estão descobrindo que o que realmente precisam não é apenas de automação de processos, mas de inteligência de decisão, sistemas que aumentam o julgamento humano com análise em tempo real e lógica adaptativa. Em cadeias de suprimentos complexas, isso significa que a IA pode ir além da simples execução de tarefas e otimizar continuamente as compensações entre custos, riscos e níveis de serviço.

 

Esse salto de produtividade é particularmente visível no que está se tornando conhecido como "IA física". As empresas estão aprendendo o potencial de incorporar a inteligência diretamente nas máquinas e na robótica. Nesse novo futuro, câmeras adaptadas e algoritmos baseados em conexões (ou arestas) permitem que os robôs reconheçam e se adaptem a novas peças em tempo real, sem interromper a produção para reprogramação. As fábricas estão evoluindo para ecossistemas adaptáveis, alimentados por gêmeos digitais e simulações que otimizam o sequenciamento, a velocidade e o uso de energia antes que ocorra uma única alteração física.

 

Os resultados não se limitam ao chão de fábrica. As operações de front-end (design e implantação de interface do usuário) também estão passando por uma transformação, com a IA melhorando a previsão, o inventário e a capacidade de resposta da manutenção. Em setores como aquecimento, ventilação e ar condicionado (HVAC), os sistemas preditivos agora alertam os técnicos sobre possíveis falhas antes que os clientes percebam um problema, reduzindo o tempo de inatividade e transformando as vendas tradicionais de produtos em modelos de serviços contínuos. Essa mudança em direção à "servitização" representa uma mudança fundamental: Os clientes estão deixando de comprar máquinas para investir em resultados, monetizados por meio de serviços contínuos em vez de compras únicas.

 

A Schneider Electric exemplifica essa transição, concentrando-se em fornecer "energia como um serviço". As receitas de serviços recorrentes e as soluções digitais agora compreendem mais de 50% dos negócios da Schneider, permitindo margens fortes e resilientes, independentemente dos ciclos de hardware.

Além da eficiência operacional e das vendas de serviços, a IA está acelerando a própria inovação. Em pesquisa e desenvolvimento, os sistemas generativos treinados em décadas de dados estruturados e não estruturados estão descobrindo novas moléculas, materiais e aplicações em uma velocidade sem precedentes. Quando combinado com o sentimento do mercado em tempo real e a inteligência competitiva, as empresas podem direcionar o investimento em P&D de forma mais eficaz, melhorando o ritmo e a taxa de sucesso do desenvolvimento de produtos.

No entanto, essa revolução na produtividade depende de uma governança forte e também de confiança. À medida que os agentes inteligentes tomam cada vez mais decisões, monitoram sistemas e interagem uns com os outros, a supervisão humana e a garantia robusta tornam-se essenciais. O gerenciamento de riscos deve ir além dos controles financeiros e das dimensões de conformidade. Isso precisa ser reinventado para uma nova maneira de operar em um futuro habilitado para IA.10 Sem as proteções adequadas, a mesma tecnologia que muitos esperam que aumente a produtividade pode ampliar as vulnerabilidades, desde ameaças cibernéticas até erros sistêmicos.

Em última análise, a IA oferece às empresas industriais não apenas a oportunidade de aumentar a velocidade, mas também de aprimorar a eficácia de suas operações: integrar a inteligência em todas as suas operações físicas e digitais, transformar dados em decisões e reinventar a forma como o próprio valor é criado. Nos próximos três a cinco anos, essa fusão de capacidade física e cognitiva promete definir uma nova fronteira de crescimento, em que a produtividade passa a ser redefinida não pela produção por trabalhador, mas pela inovação por algoritmo.

Para liberar todo o potencial de produtividade da IA, as empresas devem passar da experimentação para a adoção da IA orientada por objetivos. As evidências dos primeiros usuários mostram que a IA pode ajudar a obter ganhos de desempenho mensuráveis, desde a manutenção preditiva e o controle de qualidade até a otimização da logística e a aceleração da P&D.

No entanto, o maior desafio não reside no desenvolvimento de algoritmos melhores, mas sim na integração da IA à estrutura das operações comerciais. As empresas precisam investir nas bases de sistemas inteligentes, dados unificados e de alta qualidade, plataformas interoperáveis e estruturas de governança adaptáveis que criem confiança e transparência. Isso significa mudar para modelos operacionais com base em resultados, deslocando suas métricas de desempenho e sucesso dos resultados para os produtos e concentrando-se mais nos resultados tangíveis e no valor fornecido, e em que a liderança se concentra em gerenciar exceções e orquestrar resultados em vez de impor processos estáticos.

A próxima onda de produtividade virá de sistemas de IA agêntica capazes de coordenar autonomamente fluxos de trabalho complexos e tomar decisões em todas as áreas e atribuições, viabilizando a "Empresa superfluida". As empresas que reimaginarem suas arquiteturas em torno dessa inteligência contínua aumentarão a eficiência e a resiliência.

À medida que a linha entre as operações físicas e digitais se torna mais tênue, as organizações devem equilibrar a inovação com a supervisão, garantindo que a IA aumente - e não substitua - o julgamento e campos de atuação humanos. Em última análise, o crescimento sustentado da produtividade dependerá da capacidade dos líderes de combinar ambição tecnológica com disciplina estratégica, transformando dados em decisões e inteligência em vantagem competitiva duradoura.

Jovem em pé entre arranha-céus dourados olhando para o céu
3

Capítulo 3

A questão da produtividade para os governos e a sociedade

A IA oferece uma vantagem, mas exige políticas inteligentes, reforma energética e estratégias inclusivas da força de trabalho.

"Se a Europa não puder se tornar mais produtiva, seremos forçados a escolher. Não conseguiremos nos tornar, ao mesmo tempo, um líder em novas tecnologias, um farol de responsabilidade climática e um ator independente no cenário mundial. Não conseguiremos financiar nosso modelo social. Teremos que reduzir algumas, se não todas, as nossas ambições." Essa foi a avaliação de Mario Draghi em sua análise da competitividade na União Europeia (UE).11

Mas essa preocupação não se limita à UE. O Reino Unido tem preocupações semelhantes, e a China pretende aumentar a produtividade implementando uma estratégia de desenvolvimento orientada pela inovação para aumentar a produtividade total dos fatores e impulsionar o desenvolvimento de alta qualidade.12 Muitos governos agora consideram a adoção da IA como uma alavanca para aumentar a produtividade das tendências e garantir a "soberania industrial" em tecnologias estratégicas.

O sistema de energia é uma restrição e uma oportunidade de primeira ordem. O treinamento e a implementação da IA moderna ocorrem em grande parte nos data centers, e a Agência Internacional de Energia adverte que a demanda de eletricidade dos data centers e da IA deve aumentar substancialmente nesta década, o que tem implicações para as redes, a localização e a construção de energia limpa.13 Ao mesmo tempo, a IA pode otimizar os sistemas de energia, desde a previsão de energias renováveis até a orquestração da demanda flexível, ajudando os governos a conciliar a expansão digital com as metas climáticas.

Os mercados de trabalho sentirão efeitos desiguais. O Fundo Monetário Internacional (FMI) conclui que as economias avançadas, mais dependentes de serviços e setores baseados em tarefas cognitivas, estão expostas mais cedo tanto aos ganhos de produtividade quanto aos riscos de deslocamento. Esses impactos distributivos variam de acordo com a educação, o gênero e a idade. Os formuladores de políticas são instados a combinar a difusão da IA com redes de segurança ágeis e políticas ativas do mercado de trabalho, para que os benefícios sejam amplamente compartilhados. A Organização para a Cooperação e Desenvolvimento Econômico (OCDE) também destaca que a IA transformará o trabalho e que as disparidades regionais podem aumentar se não houver estratégias de qualificação direcionadas.14

A educação e o treinamento determinarão se a IA complementará os trabalhadores ou os substituirá. A orientação da UNESCO exige uma abordagem centrada no ser humano que equipe os alunos com competências digitais, críticas e éticas, e sistemas que usem a IA para personalizar o aprendizado e, ao mesmo tempo, proteger a equidade. Os governos que adotam essas estruturas podem alinhar melhor os currículos, o treinamento vocacional e a aprendizagem ao longo da vida com a combinação de tarefas em evolução nos locais de trabalho habilitados para IA.15

Os sistemas fiscais e regulatórios também precisam se adaptar. O FMI argumenta que a IA pode inclinar o mix de renda em direção ao capital e às empresas superstars, o que implica a necessidade de reavaliar a tributação da renda do capital e fortalecer a redistribuição, ao mesmo tempo em que financia habilidades e inclusão. Ele recomenda políticas fiscais "ágeis" que possam ampliar o apoio tanto em cenários graduais quanto em cenários altamente perturbadores. Os próprios profissionais da área tributária já estão implantando a IA para conformidade, pontuação de risco e prestação de serviços, mas o uso generalizado levanta questões sobre governança, transparência e salvaguardas na tomada de decisões públicas.16,17

Para os governos, a principal ação será a criação de um ambiente que permita às empresas aumentar a produtividade. Mas há possíveis efeitos negativos da utilização das novas tecnologias. O manual ideal combina regulamentação e investimento pró-inovação para aumentar a produtividade com salvaguardas que protegem os direitos, garantem a compatibilidade do sistema de energia com trajetórias líquidas zero e modernizam as políticas fiscais e sociais para uma economia com uso intensivo de IA.

Um plano de ação para a produtividade da era da IA

  • Reconstruir com base em dados limpos e conectados: Tratar os dados como infraestrutura. Investir em sistemas de dados interoperáveis e de alta qualidade que permitam que a IA funcione de forma eficaz e responsável.
  • Incorporar a inteligência de decisão nos fluxos de trabalho: Integre a IA às operações cotidianas — não como um acessório, mas como um recurso essencial que aumenta a velocidade, a precisão e a consistência da tomada de decisões.
  • Medir os resultados, não apenas o esforço: Deixar de monitorar horas e insumos para medir o valor por meio de velocidade, qualidade, resiliência e novos fluxos de receita — especialmente modelos baseados em serviços.
  • Investir em sistemas agênticos com forte governança: Use agentes de IA para coordenar tarefas complexas e multifuncionais, mas garanta uma supervisão robusta, responsabilidade e salvaguardas éticas.
  • Digitalize as operações físicas com IA e gêmeos digitais: Combine a computação de borda e a simulação para otimizar o rendimento, a qualidade e o uso de energia em tempo real.
  • Alinhar talentos, ferramentas e confiança: Desenvolva habilidades digitais em todos os níveis, reestruture a plataforma em torno de ferramentas de IA interoperáveis e incorpore controles de risco para garantir que a IA aumente — e não substitua — o julgamento humano.
  • Adotar novas métricas de produtividade:  Desenvolver indicadores que reflitam a colaboração homem-máquina, o valor dos dados e modelos e a contribuição dos sistemas inteligentes para o resultado.

Perguntas para líderes
 

CEOs:
  • Quais resultados definirão a vantagem competitiva em três anos e como a IA moverá essas agulhas de forma mensurável, trimestre a trimestre?
  • Que arquitetura operacional, dados, plataformas e governança permitirão que os sistemas agênticos sejam executados com segurança em escala em todas as funções?
  • Como mudaremos da venda de produtos para serviços baseados em resultados sem corroer a confiança ou as margens?
CFOs:
  • Como capitalizaremos os dados, os modelos e a computação para refletir o valor de seus ativos e, ao mesmo tempo, atualizar as lentes de ROI e de custo total de propriedade dos programas de IA?
  • Quais controles garantem que o risco do modelo, as exposições cibernéticas e de conformidade permaneçam dentro do apetite à medida que a automação se expande?
  • Onde o reequilíbrio entre opex e ocapex e a manutenção podem melhorar a resiliência do fluxo de caixa?
Diretores de estratégia (CSOs):
  • Quais ecossistemas, parceiros, modelos abertos e infraestrutura são essenciais para evitar o aprisionamento e acelerar a difusão?
  • Quais são os cenários (Crescimento, Transformação, Restrição, Colapso) que mais ameaçam nosso modelo e quais são as proteções existentes?
  • Como vamos requalificar a organização para explorar a inteligência de decisão em cada P&L?
Para COOs:
  • Como podemos rearquitetar as operações para medir e gerenciar a produtividade em sistemas humanos, digitais e agênticos?
  • Como podemos passar de modelos operacionais orientados por processos para modelos baseados em resultados que gerenciam por exceção e não por rotina?
  • Como podemos criar estruturas de garantia robustas que gerenciem os riscos operacionais, éticos e de segurança cibernética dos sistemas autônomos?
Para CHROs:
  • Como podemos repensar as métricas da força de trabalho para refletir as contribuições tanto das pessoas quanto da IA, como velocidade de aprendizado, adaptabilidade e criatividade?
  • Que novas funções, habilidades e comportamentos de liderança são necessários em um mundo em que os seres humanos gerenciam sistemas adaptativos e semiautônomos em vez de equipes estáticas?
  • Como podemos incorporar princípios éticos, transparentes e inclusivos na implantação da IA, na transformação da força de trabalho e na mudança cultural?
Funcionários do governo:
  • Que combinação de habilidades, computador e política de energia limpa atrairá o investimento privado em IA e, ao mesmo tempo, cumprirá as metas climáticas?
  • Como as estatísticas e os códigos tributários devem evoluir para reconhecer os dados e os algoritmos como ativos produtivos e para garantir ganhos de base ampla?
  • Quais são as grades de proteção que melhor protegem os direitos e a concorrência sem impedir a difusão?

Sumário

Na era da IA, a produtividade dependerá menos das horas trabalhadas e mais de como as organizações transformam dados, modelos e julgamentos em resultados. Para ter sucesso, é preciso tratar a IA como uma mudança fundamental — construindo em torno de dados limpos, incorporando inteligência aos fluxos de trabalho e medindo o valor por velocidade, qualidade, resiliência e novas receitas. A agenda é investir em dados confiáveis, adotar ferramentas interoperáveis, gerenciar por resultados, desenvolver habilidades e incorporar controles de risco. Se bem executado, o crescimento virá não apenas do trabalho mais rápido, mas também de serviços aprimorados, setores mais adaptáveis e uma distribuição mais justa dos ganhos impulsionados pela IA.

Artigos relacionados

Como as empresas superfluidas remodelam as organizações para obter vantagem competitiva

As empresas superfluidas usam a IA e a automação para eliminar o atrito, aumentar a agilidade e desbloquear novas vantagens competitivas. Descubra como.

EY Global

Como as tecnologias emergentes estão possibilitando a economia híbrida homem-máquina

Descubra como a tecnologia está mudando o trabalho e a liderança. Tome medidas para ter sucesso na economia homem-máquina em evolução.

Beatriz Sanz Sáiz

E se a disrupção não for o desafio, mas a oportunidade?

Transforme sua empresa e prospere no mundo NAVI de mudanças não lineares, aceleradas, voláteis e interconectadas. Descubra como.

Hanne Jesca Bax + 1

    Sobre este artigo

    Autores

    • EY Global
      Multidisciplinary professional services organization
    • EY Global
      Multidisciplinary professional services organization
    • Barry Perkins
      EY-Parthenon Global Business and CXO Insights Lead Analyst
    Tópicos relacionados
    EY wavespace™
    Agenda do COO
    IA

    EY refere-se à organização global e pode se referir a uma ou mais das firmas-membro da Ernst & Young Global Limited, cada uma das quais é uma entidade legal separada. A Ernst & Young Global Limited, uma empresa britânica limitada por garantia, não presta serviços a clientes.