Por Paulo Humaitá, fundador e CEO da Bluefields.
Em 1997, o confronto entre Garry Kasparov e o Deep Blue, da IBM, tornou-se um símbolo da comparação entre inteligência humana e computacional. Quase três décadas depois, a IA generativa trouxe uma versão dessa discussão para as empresas: se é possível obter ideias em segundos, qual é o papel das pessoas na inovação?
Na Bluefields, exploramos essa pergunta em uma dinâmica que colocou duas formas de trabalho diante do mesmo desafio. Na abordagem IA-First, três pessoas criaram e refinaram prompts para gerar propostas com IA. Na outra, grupos multidisciplinares desenvolveram ideias em um laboratório de inovação, também com apoio de assistentes de IA. A comparação, portanto, não foi entre pessoas e tecnologia, mas entre duas maneiras de organizar o uso da IA.
A equipe IA-First trabalhou por 3 horas e gerou 16 ideias, das quais 14 foram consideradas inéditas. O laboratório reuniu 15 pessoas durante 8 horas e produziu 82 ideias, com 62 inéditas. A primeira abordagem mobilizou menos pessoas por menos tempo; a segunda gerou um volume maior de ideias.
Todas as ideias passaram pelo filtro do ICE Score, que considera impacto, confiança e facilidade de execução. Ao final, 5 ideias da abordagem IA-First e 11 do laboratório foram qualificadas. O laboratório, portanto, chegou a mais que o dobro de ideias qualificadas, mas também partiu de um volume cinco vezes maior e mobilizou muito mais gente e tempo. Por isso, não considero que o resultado aponte um vencedor.
O que ele sugere é que cada abordagem entrega algo diferente. A IA-First mostra o quanto ficou mais barato explorar possibilidades: com poucas pessoas e poucas horas, foi possível chegar a ideias inéditas e algumas delas qualificadas. O laboratório, por sua vez, ampliou o volume e o número de ideias que resistiram à avaliação. Reunir pessoas de áreas diferentes também ajuda a trazer para a discussão restrições, contexto do cliente e conhecimentos que nem sempre estão formalizados. Esse efeito não foi isolado pelo teste, mas é coerente com o que se vê na prática.
A gamificação realizada durante a dinâmica trouxe um sinal complementar: no geral, os grupos apoiados por IA tiveram mais vitórias e empates do que derrotas na comparação com os resultados da IA-First. O teste, porém, tem limites. O acesso prévio dos participantes a conteúdos produzidos pela IA provavelmente influenciou as ideias dos grupos, jogando a favor da IA, e uma única experiência não permite generalizar o resultado para toda situação de inovação.
O aprendizado mais útil é pensar que tipo de trabalho cada desafio exige. Quando a prioridade é abrir caminhos rapidamente com uma equipe pequena, a abordagem IA-First pode ser adequada. Quando o desafio é estratégico e envolve várias áreas e pessoas que precisarão construir a solução juntas, o processo colaborativo apoiado por IA pode oferecer mais valor. Ele também alinhou 15 participantes em torno do desafio, algo que a contagem de ideias não mede. A questão não é descobrir quem vence, como no tabuleiro de xadrez, mas escolher uma forma de trabalhar que ajude a transformar possibilidades em boas decisões.
