Embora a AI tenha sido usada para corrigir erros de português e verificar questões estilísticas e de conteúdo, todas as palavras nesse artigo foram escritas por mim. Se eu não me dar ao trabalho de escrever, você não precisa se dar ao trabalho de ler.
–
Que todo mundo está construindo algo com AI, a gente já sabe. Se presta ou não, é uma questão de julgamento — e de um pouco de sorte também. Second brains, enxames de agentes, fluxos n8n com superfície de controle no Linear, instâncias do OpenClaw com dezenas de clientes fazendo papéis de Chief of Staff até times inteiros de desenvolvimento, produtos de fim de semana com waitlists já cheias, sites no Lovable com receitas multimilionárias no dia zero.
Mesmo se a gente deixar de lado que, pelos últimos números, menos de 4% da população mundial tem acesso a AI de uma forma relativamente uniforme — e uma porcentagem menor ainda tem acesso a um volume de tokens efetivamente capaz de fazer algo realmente útil —, a maior parte disso não passa de teatro. A linguagem tem uma certa uniformidade, como o ciclo de hype no LinkedIn demonstra continuamente, mas a entrega, mesmo, está geralmente bem atrás do que está sendo dito.
Tome, por exemplo, os second brains. A maior parte deles é um mero compilado de notas reunidas manualmente, com alguns poucos prompts ou skills para extrair delas algum valor. Os enxames de agentes são somente disparos que, por acaso, invocam mais de um agente em uma CLI ou harness para executar uma tarefa, seja lá o que tal agente faça. Os produtos de fim de semana desaparecem igualmente rápido quando viram feature em algum produto existente de um dos modelos de fronteira, e o long tail de produtos no Lovable é mais curto do que o rabo de uma capivara.
Ou seja, quase tudo é teatro mesmo. Para inglês ver, em alguns casos literalmente, considerando as exit strategies de vários desses produtos. É um ciclo de pânico e hype que supera essencialmente tudo o que aconteceu em tecnologia desde que o campo se estabeleceu como tal, nos idos dos anos 70. Nem mesmo o boom das startups e sua subsequente implosão, no começo dos anos 2000, teve esse componente.
Mas saber disso ajuda a entender que nem você nem sua organização estão tão atrasados quanto parece, não obstante as promessas de que tal e tal pessoa entregou o playbook que tornou a sua empresa objeto da voracidade do Vale do Silício.
Um efeito colateral interessante, porém, do que está acontecendo é que pessoas tradicionalmente não técnicas — uma distinção que está realmente desaparecendo rápido — parecem ter uma certa vantagem nessa história toda.
Frequentemente, quem “entende menos” se preocupa menos com os pesos que travam um uso mais rápido (barrando, claro, a desigualdade inerente no acesso a tokens, mas isso é tópico para outro texto). Se você não sabe o que é perda de controle, superfície de ataque ou raio de impacto, a noção de entregar acessos a um agente ou script rodando sozinho em algum lugar da proverbial nuvem é menos estressante ou aterrorizante. É mais fácil olhar para um número de dólares e para um resultado final que faz sentido e resolve algo do que tentar entender (ou implementar) o que é uma harness, uma LLM-as-a-judge e por aí vai. O sucesso do OpenClaw entre a camada CxO é uma ilustração perfeita disso.
É uma inversão da lógica do salário de Henry Ford. Treinar um engenheiro na profundidade do problema não produz necessariamente um usuário melhor do sistema. Em alguns casos, produz o oposto: pessoas que sabem o que pode dar errado ou que aquilo não deveria existir e, portanto, não fazem ou não têm o mesmo viés teatral.
O resultado é assimétrico: um ecossistema que parece ser dominado por quem “sabe menos”, porque é quem está postando. Mas, na realidade, não existe “quem sabe menos” nesse caso. O teatro vem do fato de que todo mundo sabe menos, incluindo, algumas vezes, os próprios criadores dos modelos. A vantagem vem de uma certa perda deliberada de controle. O contrário não vira nenhum tipo de narrativa que valha a pena contar. É um caso de fake it until you make it em uma escala impressionante. Se vai terminar em só fake it ou não, é algo que ainda não sabemos (a própria bolha que está sempre por vir também está sendo empurrada toda semana).
Mesmo em organizações maduras, acompanhar todas as mudanças que vão acontecendo exige esforço, e não é incomum que o próprio grupo executivo acabe tendo um pouco de FOMO ou se perguntando se está fazendo o melhor uso do tempo e das ferramentas. E, diferentemente da época de adoção de métodos ágeis, por exemplo, quando era possível comparar diretamente métricas e métodos de adoção, variando em alguma medida apenas a escala, a adoção de AI é muito mais granular e depende de uma adaptabilidade muito mais generalizada. Explorar, implementar, medir, provar e repetir esse ciclo é fundamental.
Abrace o teatro e abrace também a linguagem. Alguns dos melhores sucessos da crítica são improv, sempre com um pouco de aventura e, por que não, comédias ocasionais de erros. O método, nesse caso, é o produto.
