Matheus Matsuda Marangoni
Esta série começou com quem pede a análise à inteligência artificial sem critério para julgar a resposta (parte 1) e seguiu com a equipe que recebe um plano dimensionado para uma empresa que não existe (parte 2). Falta uma cadeira: a de quem aprova. O leitor que ainda está na graduação provavelmente nunca se sentou nela. O convite é para que se sente por alguns minutos.
Volte à segunda-feira da parte 2, agora vista da sala do diretor de marketing. Ele recebeu o plano anual na sexta, leu no domingo à noite e não encontrou nada errado, porque não havia. Os segmentos estavam bem definidos, a troca de dois canais respondia ao que a concorrência vinha fazendo, o ajuste de preço da linha de entrada tinha respaldo na pesquisa de percepção. Ele aprovou. A pergunta que não fez foi a única que o plano não conseguia responder por si mesmo: quem vai fazer tudo isso, e o que deixa de ser feito para que caiba.
Antes da IA, essa pergunta raramente precisava ser feita em voz alta. O plano chegava ao diretor depois de semanas de trabalho da equipe, e a equipe, sabendo que executaria o que escrevesse, já tinha feito as escolhas. A aprovação era o último passo de um processo que vinha filtrado. Quando o plano passa a ser gerado em uma tarde, sem passar por ninguém, o filtro desaparece e a aprovação vira o único passo. O diretor continua aprovando do mesmo jeito, mas o que chega até ele já não passou pelas mãos de quem vai executar.
Há um nome para o que chega. Em 2025, pesquisadores da Stanford e do BetterUp Labs publicaram na Harvard Business Review um estudo sobre o que chamaram de “workslop”: trabalho gerado por IA que parece bom, mas não tem substância para fazer a tarefa avançar, e que transfere o esforço para quem o recebe. Entre 1.150 trabalhadores americanos, 41% haviam recebido algo assim no mês anterior, com quase duas horas de retrabalho por ocorrência, e 16% desse material vinha dos próprios gestores. Os autores, em entrevista posterior, apontaram a pressão da gestão por produzir mais com IA, sem diretriz clara, como o que alimenta o fenômeno.
Isso ajuda a entender por que o diretor aprova. Três forças atuam sobre ele, e nenhuma delas tem a ver com competência. Completude parece competência: um plano que cobre todos os segmentos e ajusta todas as variáveis parece mais sério do que um plano que escolheu dois segmentos e deixou o preço em paz. Velocidade parece decisão: aprovar na segunda o que chegou na sexta soa como agilidade, quando é apenas ausência de fricção. E escolher dói mais do que sobrecarregar. Dizer “este segmento não é prioridade este ano” é uma decisão com nome e responsável; deixar a equipe tentar atender todos é invisível até o fim do trimestre.
A pesquisa sobre decisão confirma que essas forças não são individuais. A Deloitte, em seu relatório de capital humano de 2026, encontrou que 60% dos executivos já usam IA regularmente para apoiar decisões, e registra um efeito colateral: as pessoas sentem menos propriedade sobre decisões tomadas com IA. O International AI Safety Report de 2026 chama isso de viés de automação, a tendência de confiar demais no que o sistema produz, e observa que seu principal preditor é a preferência humana por atalhos. Poucas coisas funcionam tão bem como atalho quanto um plano pronto, bem escrito e completo.
E os diretores de marketing escolhem; a questão é como. O levantamento da Gartner para 2026 mostra orçamentos de marketing em 7,8% da receita, 18% abaixo de quatro anos atrás, e trocas em curso: mídia paga subiu para 31,4% do orçamento, financiada por cortes em agências, e o investimento em fidelização caiu 29% desde 2024 enquanto aquisição subiu. A Gartner observa que essas trocas podem melhorar o resultado imediato e enfraquecer o crescimento de longo prazo. Cada uma delas tem um consumidor que deixa de ser atendido e outro que passa a ser, e um efeito sobre participação de mercado que só aparece depois. O plano gerado por IA também faz trocas, mas deixa de dizer o que cada uma custa e para quem ela serve. Quem aprova sem perguntar isso aprovou um inventário de possibilidades.
O mesmo levantamento traz o dado que fecha a conta. 57% dos líderes de marketing dizem não ter o talento necessário para executar a estratégia de 2026, e 62% afirmam que não atingir as expectativas de crescimento vai resultar em corte de orçamento. A Gartner chama isso de espiral: o plano grande demais não é executado, o resultado não vem, o orçamento cai, e o plano seguinte precisa fazer mais com menos. A recomendação da consultoria é sacrificar iniciativas que não contribuem para o objetivo, por mais enraizadas que estejam, e essa autoridade está na cadeira de quem aprova.
Um experimento de 2023, na Universidade de Graz, oferece uma saída simples. Ao testar o que reduz o viés de automação, os pesquisadores encontraram que lembrar o decisor de que a responsabilidade pela decisão é dele, e não do sistema, faz com que ele processe a informação com mais cuidado e decida melhor. A parte 2 desta série disse que um plano gerado por IA não tem autor. A aprovação é uma autoria. Quem assina responde pelo que assinou, e saber disso, segundo o experimento, já muda a forma de ler.
Para o estudante que um dia vai ocupar essa cadeira, a lição talvez seja esta. O curso de marketing ensina a construir o plano e a defendê-lo. Ensina menos a recusá-lo, ou a devolvê-lo com uma pergunta. Produzir o plano ficou barato. A habilidade que a IA torna valiosa é a de exigir dele o que a máquina não entrega sozinha: quais segmentos são prioridade e quais não são, qual canal entra no lugar de qual, o que muda no produto ou no preço e por quê, e o que essa configuração custa em relação à concorrência. Um plano que responde a isso escolheu. Um plano que não responde ainda não é um plano, por mais completo que pareça na tela de quem aprova.
Fontes
Parte 1 desta série — https://notaalta.espm.br/fala-professor/quando-a-ia-alucina-e-quando-e-a-empresa-que-alucina-parte-1/
Parte 2 dessa série – https://notaalta.espm.br/fala-professor/o-plano-perfeito-que-ninguem-consegue-executar-parte-2/
Niederhoffer, Kellerman, Lee, Liebscher, Rapuano & Hancock (2025). AI-Generated “Workslop” Is Destroying Productivity. Harvard Business Review — https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity
HBR IdeaCast (2026). The Hidden Causes of AI Workslop, and How to Fix Them — https://hbr.org/podcast/2026/03/the-hidden-causes-of-ai-workslop-and-how-to-fix-them
Deloitte (2026). Global Human Capital Trends: Decision-making with AI — https://www.deloitte.com/us/en/insights/topics/talent/human-capital-trends/2026/decision-making-with-ai.html
International AI Safety Report 2026 (seção sobre viés de automação) — https://arxiv.org/pdf/2602.21012
Kupfer, Prassl, Fleiß, Malin, Thalmann & Kubicek (2023). Check the box! How to deal with automation bias in AI-based personnel selection. Frontiers in Psychology — https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10113449/
Gartner (2026). CMO Spend Survey, comunicado oficial — https://www.gartner.com/en/newsroom/press-releases/2026-05-11-gartner-2026-cmo-spend-survey-finds-cmos-allocate-15-point-3-percent-of-marketing-budgets-to-ai-but-only-30-percent-are-ready-to-scale-ai-capabilities
Gartner (2026). CMO Spend 2026, análise de orçamento e trocas de canal — https://www.gartner.com/en/articles/cmo-spend
Gartner (2026). Marketing Survey: Awareness and Conversion Account for 62.6% of Total Media Spend — https://www.gartner.com/en/newsroom/press-releases/2026-06-08-gartner-marketing-survey-finds-awareness-and-conversion-account-for-62-6-of-total-media-spend
