Mais tarde pode ser tarde demais

As tecnologias de Inteligência Artificial continuam a evoluir de uma forma alucinante (pun intended) bem como a sua adopção – ao nível empresarial e ao nível individual. E a dinâmica de mercado não parece abrandar.

A OpenAI lançou o GPT-5.4 com a promessa de ser “o modelo mais factual de sempre”. Sam Altman admitiu em público que o GPT-5 ainda não é AGI — “falta qualquer coisa”. Ao lado, há investigadores a argumentar que os modelos chegaram a um patamar de saturação e que os ganhos incrementais vão ser cada vez mais difíceis. E do outro lado do mundo, empresas que treinaram os seus modelos com dados extraídos de outros aceleraram de forma inesperada, mudando as expectativas de preço em todo o mercado.

É muita confusão. E percebo que seja difícil, neste ambiente, saber onde investir atenção — e dinheiro. É assoberbante e, como digo muitas vezes, espectacularmente assustador. Mas há algo que me parece cada vez mais claro: neste momento, expor-se e não correr bem é substancialmente melhor do que não se expor. E ficar à espera de clareza pode ser a decisão mais cara que uma organização toma.

Não estou a falar de adotar tudo sem critério, de mudar tudo de uma vez, ou de apostar o futuro da empresa numa tecnologia que ainda está em evolução acelerada. Estou a falar de ter projetos reais em curso — não pilotos que nunca saem do laboratório, não grupos de trabalho que estudam o tema há dois anos sem nada para mostrar, não relatórios sobre o impacto futuro da IA que nunca se traduzem em iniciativas concretas. Projetos com impacto mensurável, mesmo que imperfeitos. Iniciativas que falhem de forma controlada e ensinem algo que não existe em nenhum livro, e que só a prática ensina.

Quem está a experimentar agora está a acumular dois ativos que não se compram nem se copiam. O primeiro é conhecimento contextual: perceber o que funciona — e o que não funciona — no contexto específico do seu negócio, dos seus dados, dos seus processos e das suas pessoas. O segundo é cultura: uma organização que aprendeu a lidar com mudança rápida, com incerteza tecnológica e com iteração constante tem uma resiliência que vai ser decisiva quando a próxima onda chegar.

Estes dois ativos demoram tempo a construir. E quando a tecnologia estabilizar — e vai estabilizar, como sempre acontece — quem os tiver vai ter uma vantagem que não é fácil de recuperar por quem ficou à espera.

Já todos vimos esta história antes. No e-commerce, no mobile, na cloud. Em cada uma dessas vagas, houve empresas que esperaram pela maturidade antes de entrar, argumentando que a tecnologia ainda não estava pronta, que o risco era alto, que não era o momento certo. Algumas conseguiram recuperar depois. Muitas não.

Há um argumento que ouço frequentemente contra esta posição: “ainda não percebo bem o suficiente para agir”. É compreensível. Mas é também uma armadilha. Neste domínio, a compreensão vem principalmente da prática — não do estudo. Cada projeto real ensina mais do que dez relatórios de consultoras. A curva de aprendizagem é mais suave do que parece à distância, e os erros cometidos agora, enquanto os riscos são menores, são muito menos custosos do que os que serão cometidos mais tarde com mais pressão e menos margem para iterar.

A exposição inteligente não exige tudo ao mesmo tempo. Exige escolher dois ou três domínios onde o impacto pode ser real e mensurável, colocar pessoas com autonomia e recursos suficientes, e comprometer-se com iteração honesta — incluindo reconhecer o que não funcionou. O que penaliza as iniciativas de IA não é a tecnologia. É a falta de comprometimento real da liderança com o processo de aprender e de errar pelo caminho, em busca do que funciona.

A IA não vai ser diferente. E esta vaga é maior do que todas as anteriores juntas. É melhor entrar agora — mesmo sem ter tudo resolvido, mesmo correndo o risco de não correr bem — do que esperar por um momento de clareza que pode nunca chegar.