A IA está redesenhando o time por dentro
Nos capítulos anteriores, olhamos para como as scale-ups brasileiras estão experimentando a IA e para o que muda no trabalho de quem as lidera. Neste terceiro capítulo, o foco são os impactos da IA na organização dos times.
Vimos a IA deslocar o trabalho do founder da execução para o julgamento. Esse movimento não ficou restrito a quem lidera: ele já é percebido no restante da empresa, no desenho do organograma, nas expectativas sobre cada colaborador e na forma de reconhecer quem trabalha com IA. Isso coloca diante do empreendedor uma pergunta que é mais de gestão de pessoas do que de tecnologia:
Como a IA muda o desenho do meu time? Quem faz o quê, o que espero de cada pessoa e o que preciso fazer para essa mudança dar certo?
O tema já ocupa as conversas da nossa Rede. Entre agosto de 2025 e agosto de 2026, as mentorias que tratam da IA junto com temas de gente cresceram bem acima da pauta geral de IA: enquanto as sessões com IA subiram 29%, todos os temas de gente avançaram pelo menos 60%.
Variação das sessões de mentoria em que a IA e o tema aparecem juntos, de um semestre para o outro
S1 é ago/2025 a jan/2026; S2 é fev a ago/2026. Contabiliza sessões em que IA e o tema aparecem no mesmo bloco de conversa, não apenas no mesmo documento. Os temas não são exclusivos entre si. Fonte: mentorias da Rede Endeavor com registro escrito, ago/2025 a jan/2026 x fev a ago/2026.
As barreiras relacionadas a pessoas são mais frequentes do que aquelas relacionadas a dados, embora a falta de integração dos dados seja, sozinha, a mais citada.
Endeavor Brasil, com base em survey com 133 empreendedores de 125 empresas · pergunta de múltipla escolha.
A mudança já chegou ao organograma das empresas. Saem camadas de gestão, surgem novos papéis, e o colaborador que executava passa a definir, orquestrar e revisar o trabalho feito com agentes. Mas a mudança só se sustenta quando vem com incentivo direto de quem está no topo, regras claras de uso e uma conversa honesta com o time sobre o que muda para cada pessoa. Esse impulso, porém, não precisa vir só do topo: na ISA Saúde, a capacitação avançou quando saiu da liderança e foi para outras equipes, e Raphael Bozza, do iFood, reconhece pessoas do time mais avançadas que ele no uso de IA.
O achado central
- A IA já mexe no tamanho dos times 76% reduziram contratações ou headcount, decisão mais comum entre as que têm IA no centro do negócio.
- Menos da metade das empresas tem um dono formal da IA 44% têm uma pessoa liderando formalmente (26%) ou um time formal focado em IA (18%).
- A transformação depende do incentivo da liderança Nas que avançaram, líderes seniores usam IA, estimulam o time e dão direção à empresa sobre a adoção de IA.
- Comunicar com clareza reduz o medo e a resistência As lideranças que avançaram explicaram por que a mudança importa e a apresentaram como oportunidade.
- Quem conhece o problema agora consegue construir a solução Com IA, quem não tem formação técnica, mas conhece a fundo a própria área, cria soluções com autonomia.
O organograma perdeu camadas, mas ganhou novos papéis
O primeiro efeito da IA na estrutura das empresas é a redução das camadas de gestão. À medida que os agentes assumem tarefas de execução, as pessoas passam a se concentrar nas decisões, reduzindo a necessidade de tantos níveis hierárquicos. Nas empresas da Rede, isso se traduz em times menores e em gestores que deixam de coordenar para voltar a produzir.
Achatar, porém, não é só encolher. Ao mesmo tempo em que tiram camadas, as empresas criam papéis, e quase nunca na forma de um cargo novo. Esses papéis surgem de três formas: funções novas dentro da estrutura que já existe, agentes que assumem etapas inteiras do trabalho e perfis técnicos que passam a atuar nas áreas de negócio, como engenheiros no RH. A Woba, plataforma de espaços de trabalho flexíveis para empresas, é o exemplo mais claro da primeira forma. Antes de mexer no organograma, a empresa definiu o papel de cada pessoa na transformação, dos builders alocados nas áreas aos champions e guardiões que acompanham o plano.
Em um primeiro momento, não criamos novas funções, mas novos papéis, como se estivéssemos adicionando uma lente de IA à estrutura organizacional que já existia.”
O ponto em que a Rede ainda não converge é o span of control, o número de pessoas que respondem a cada líder. Há quem aumente o número de pessoas por gestor, apostando que a IA assume a parte da gestão que consiste em distribuir tarefas. E há quem corte camadas hierárquicas sem mexer no tamanho das equipes, por entender que a IA ainda não simplifica a gestão de pessoas.
A diferença está no que chega à mesa de quem lidera. Com a IA, cada pessoa produz mais, e o volume que o gestor precisa revisar cresce junto.
Estou recebendo muito mais conteúdo das pessoas, porque ficou muito mais fácil produzir, e aí eu viro gargalo, o que normalmente eu não era antes.”
Um líder consegue acompanhar mais gente quando o julgamento também foi distribuído, e não apenas a execução. Se o time produz mais, mas continua levando todas as decisões ao mesmo gestor, o organograma fica mais enxuto no papel e mais pesado na prática.
Porém, nem todas as empresas começaram redesenhando a estrutura. A ISA Saúde, empresa de saúde domiciliar, manteve o organograma e, antes de automatizar, mediu a produtividade de cada função para ver onde os agentes teriam mais impacto. A premissa: a IA reduz o número de pessoas numa função, mas não a elimina, porque alguém continua precisando acompanhar e treinar os agentes. Na 180 Seguros, que já se considerava enxuta, a primeira mudança foi levar o time a documentar o que antes ficava só na cabeça das pessoas.
Mesmo sem alterar o organograma, essas empresas já estão transformando as responsabilidades e o trabalho cotidiano de cada profissional.
Do fazer ao definir e revisar
Com a IA, a capacidade de execução deixou de ser o gargalo; o que passa a faltar é julgamento para avaliar o que está sendo produzido. Na engenharia, onde o movimento chegou primeiro, ele já tem forma: o engenheiro deixa de escrever cada linha e passa a orquestrar agentes num ambiente de trabalho preparado para eles.
Nós estamos indo para um cenário inverso de redução de times, de contribuidor individual. O engenheiro, ele vira quase que um agente dentro do harness.”
O contribuidor individual não é novidade nas empresas de tecnologia: é quem gera valor sem gerir pessoas. A IA, porém, está transformando suas responsabilidades. Os agentes assumem a execução, enquanto os profissionais se concentram em definir o trabalho e avaliar os resultados.
| Colaborador | Contribuidor individual com IA | |
|---|---|---|
| Onde está o valor | Na execução | No julgamento sobre o que a IA executa |
| O que faz | Executa as tarefas que o gestor distribui | Define o problema, especifica, orquestra agentes e revisa o resultado |
| Onde concentra o esforço | Na produção | Antes e depois dela: no contexto que dá à IA e na revisão do que ela entrega |
| Crescer significa | Ganhar um time | Ganhar escopo e impacto, ainda sem trilha formal na maioria das empresas |
Em algumas empresas, quem virou contribuidor individual foram os próprios gestores. Na Olist, diretores que saíram da gestão passaram a atuar como “high impact contributors”.
Dentro de cada função, o esforço migra para a definição e a revisão. Na Makasí, que viabiliza crédito para construção residencial, a CTPO Fabiane Pellegrino destaca que o time passou a escrever especificações para agentes e a revisar as instruções dadas à IA com o mesmo rigor que já era aplicado ao código.
Esse deslocamento, porém, não chega a todas as áreas no mesmo ritmo. Para Luis Novo, ele avança mais rápido onde pouco julgamento gera muita execução, como engenharia, e mais devagar onde o julgamento pesa mais, como vendas e customer success. Esse movimento aumenta o valor do julgamento e reduz a importância relativa das tarefas puramente operacionais.
E, quando todos passam a construir, surge outro desafio: coordenar o que está sendo produzido. Na Housi, Alexandre Frankel estima ter cerca de 200 aplicações e agentes criados pelas próprias pessoas rodando na empresa, e o desafio passou a ser orientar essa produção para os objetivos do negócio.
A porta de entrada da carreira mudou de lugar
Quem começa a carreira aprende executando, e é justamente a execução que a IA assume primeiro. Por isso, a porta de entrada também muda. Os casos mais simples, que formavam o júnior, passaram para os agentes, e o que sobra para as pessoas exige justamente a experiência que esse degrau produzia. Quem deixa de contratar júniores economiza no curto prazo, mas corta a esteira que formaria os seus sêniores nos próximos anos.
A importância de você passar por algumas etapas é fundamental. Então, se eu corto essa entrada, se eu paro de ter jovens talentos entrando, daqui a 5 ou 10 anos eu vou ter problema.”
As empresas da Rede se dividem diante disso. Parte respondeu seniorizando o time, com menos vagas de entrada em áreas como engenharia. Luis Novo chama a atenção para o risco de longo prazo desse movimento: ao reduzir a entrada, a pirâmide vira um losango, e a empresa enfraquece a formação dos seus sêniores de amanhã.
Eu me desenvolvo como desenvolvedor fazendo o código, eu me desenvolvo como jornalista entrevistando. Se a execução não é mais minha, como é que eu, júnior, chego a ser sênior se eu não executo mais nada?”
Para ele, o julgamento se forma num ambiente controlado, com feedback de qualidade, e não apenas executando.
Outras empresas continuam contratando profissionais em início de carreira, mas estão mudando sua formação. O iFood segue com o programa de estágio e passou a focar a formação em pensamento crítico e relações pessoais, chegando a contratar um antropólogo para estudar quem entra. A Woba também segue contratando júniores e vê o desafio na formação de repertório e julgamento, já que a parte técnica se aprende cada vez mais rápido. Para Deli Matsuo, CEO da Appus e mentor Endeavor, as empresas vão continuar precisando contratar júniores para formá-los, mas com um cuidado: quem começa ainda não sabe o que fazer, e a IA não resolve isso sozinha sem a orientação de um gestor ou de alguém mais sênior.
Profissionais em início de carreira também podem impulsionar a adoção de IA. Na Conexa Saúde, no início da adoção, analistas, jovens aprendizes e estagiários usavam IA mais do que os próprios gestores.
Com a IA assumindo a execução, a empresa continua precisando de júniores. O que muda é a forma de prepará-los: com menos execução disponível para aprender, a formação do julgamento passa a depender mais de orientação próxima e de feedback.
O que os contribuidores individuais estão entregando
Com acesso às ferramentas e autonomia, quem conhece os desafios da própria área também pode desenvolver soluções. Os exemplos vão de profissionais que assumiram áreas inteiras com o apoio de agentes a equipes que substituíram sistemas de terceiros por soluções próprias.
com os agentes que criou, toca toda a área financeira de uma empresa de quase 90 pessoas
para colocar no ar um sistema crítico da empresa, feito por cerca de seis pessoas
aplicações internas em três meses, cada área resolvendo o próprio problema
dias de ciclo de entrega no time de tecnologia, em pods com mais autonomia
Fonte: entrevistas com empreendedores e lideranças da Rede Endeavor.
Para Rodrigo Cava, da Estoca, quem está na área tem uma vantagem que nenhum especialista de fora tem:
Dependendo do tamanho da empresa, você nem sabe mais como é o processo que [a pessoa da área] faz. Ela é a melhor pessoa do mundo para automatizar esse processo, e agora tem a capacidade de fazer isso.”
Na maioria dos casos, o contribuidor individual não é uma pessoa nova, contratada de fora. É alguém que conhece bem um problema da própria área e ganhou ferramenta e espaço para resolvê-lo.
Cinco condições para a mudança dar certo
Redesenhar estrutura e papéis não garante que a mudança aconteça. Ela depende de cinco condições: incentivo de quem está no topo, regras claras de uso, investimento na fluência do time, critérios de avaliação combinados com antecedência e uma conversa honesta sobre o que muda para cada pessoa.
1. Incentivo de quem está no topo
O ponto de partida mais citado é uma liderança muito sênior que puxa a agenda e usa a IA no próprio trabalho antes de cobrar o time. Na Woba, o primeiro passo foi formar o time executivo; no iFood, as 100 lideranças mais sêniores passaram pelo primeiro treinamento de Claude Code antes do restante da empresa. Na Alice, a mudança foi conduzida pelos founders junto com People e Tecnologia, a partir de uma provocação do CEO: como a empresa seria criada se fosse fundada hoje? O exemplo pesa porque legitima a cobrança: uma liderança que não usa a ferramenta tem pouca autoridade para pedir que o time use.
É fundamental ter um sponsor muito forte, alguém do C-level ou com senioridade equivalente, que lidere a transformação e garanta que essa agenda tenha a urgência e a prioridade necessárias. No nosso caso, ter o Pedro, nosso cofundador e CTO, assumindo esse papel fez toda a diferença.”
2. Regras claras de uso e acesso
O segundo ponto é decidir o que cada pessoa pode construir e com quais ferramentas. O caminho mais comum é liberar primeiro e organizar depois. A Conexa Saúde começou com liberdade total e criou uma infraestrutura central para os agentes, hoje com 65 deles e custo por agente 70% menor. O iFood liberou as ferramentas com limites claros, em vez de restringir o acesso por receio de riscos relacionados aos dados, e a Pipefy definiu quais processos as áreas podem construir sozinhas e quais passam por tecnologia. A Alice deu acesso ao Gemini a todos, criou critérios para liberar licenças pagas de Claude e acompanhou a liberação com guias de segurança sobre quais ferramentas usar e como proteger dados.
Quanto liberar varia entre as empresas da Rede. Algumas defendem acesso generoso, porque o objetivo inicial é aprender, e não maximizar retorno. Outras tratam o uso sem critério como desperdício de dinheiro. No caso da ISA Saúde, a decisão foi levada ao orçamento: em 2027, cada gerente terá um orçamento de tokens além do headcount. Em todos esses casos, quem decide o acesso é a liderança, e a decisão é tratada como escolha sobre pessoas, não só como uma compra de licença.
As regras também definem responsabilidade. A orientação mais repetida é que quem usa responde pelo que a IA entrega, e que a IA não decide sobre pessoas, limite que também aparece no PL 2338 (projeto de lei que estabelece o Marco Legal da Inteligência Artificial (IA) no Brasil), que classifica como de alto risco o uso de IA em contratação, avaliação, promoção e desligamento. Sobre quem é o dono da agenda, a recomendação é não concentrá-la numa só cadeira, mas ter uma liderança central com pessoas dedicadas a destravar a IA em cada área, num desenho parecido com o dos business partners de RH.
3. Fluência: todo mundo cobra, poucos medem
A terceira condição é também uma das mais difíceis de medir. O ganho não vem só da fluência de cada pessoa, mas do que o time aprende junto, quando a solução de um vira ponto de partida para os outros. Poucas empresas chegaram a uma régua estruturada, mas várias já testam formas de acompanhar essa capacidade.
Nível de uso, do básico ao impacto na empresa
Como usaComo referência, junto da leitura do líder e dos treinamentos
Comportamento avaliado de 1 a 4
Como usaNo ciclo de desempenho, para orientar e não para graduar
Desenvolvimento em IA como competência
Como usaNa avaliação e no processo seletivo, com case feito com IA
Prontidão e maturidade das áreas que lideram o tema
Como usaComo mapeamento inicial, ainda em revisão para 2027
Aprendizado e mudança na forma de trabalhar
Como usaComo foco, no lugar do resultado de cada iniciativa
Quatro dimensões, a partir de evidências de uso real
Como usaComo requisito do ciclo no time de negócios; também na seleção
Fonte: entrevistas e mentorias da Rede Endeavor.
Na Alice, foi construído um AI Assessment próprio a partir de referências internacionais. O framework tem quatro dimensões (delegação, descrição, discernimento e diligência) e dez habilidades, cada uma avaliada em quatro níveis: não demonstra, demonstra com suporte, demonstra com autonomia e consistência, e demonstra e multiplica para o time. A verificação é feita por evidência: a pessoa reúne exemplos de projetos reais, o gestor avalia e o time de Engenharia valida tecnicamente. A meta era levar todo o chapter de negócios ao terceiro nível, em que a IA já faz parte natural do fluxo de trabalho.
Fixamos como meta que 100% do chapter de Business estivesse no nível Adoptive ou acima no AI Fluency Assessment até 31/08, e chegamos a 99%, com engajamento (pesquisa de vibe) de 90%. Para nós, esse é um indicador de como o processo foi conduzido: exigência alta, com estrutura e apoio.”
Os caminhos para formar fluência também variam, de treinamentos para a empresa inteira, como na Woba, a auxílio para cursos escolhidos por cada pessoa, como na Cora, onde mais de 40% dos pedidos já são ligados à IA. Na Alice, a trilha AcelerAI reuniu mais de 100 pessoas por cinco semanas, combinando estudo com a construção semanal de protótipos para problemas reais, apresentados à liderança com estimativa de retorno. Há ainda testes simples, como o da Birdie, que não aceita análises longas no formato padrão da IA, para levar as pessoas a pensar em vez de apenas editar.
4. Avaliação combinada antes de ser cobrada
Com a IA, o resultado continua sendo medido, mas passa a dizer menos sobre a capacidade de quem o produziu. Por isso, quem avalia precisa olhar também para o caminho até a entrega.
As empresas que incorporaram a fluência em IA ao ciclo de avaliação de desempenho fizeram isso com cuidado. Na Alice, o AI Assessment roda antes de cada ciclo de desempenho e, no chapter de negócios, é pré-requisito para ser avaliado, mas a nota vem do impacto; na Conexa Saúde, ela entrou como comportamento avaliado de 1 a 4, usado mais para orientar do que para graduar. Nos casos que avançaram sem gerar sensação de injustiça, a sequência se repete:
- Combinar antesNo iFood, o critério foi anunciado para a empresa inteira um ano antes de entrar na avaliação.
- Dar trilha e prazoNa Alice, a meta de levar todo o chapter de negócios ao nível esperado tinha data marcada, com a trilha AcelerAI como apoio.
- Avaliar pelo impactoA fluência abre a porta, mas o que pesa na nota é o que a pessoa gerou com ela.
5. Uma conversa honesta com o time
A última condição diz respeito à relação humana entre a liderança e o time. A adoção não acontece num time inseguro, e o silêncio da liderança tende a piorar o cenário: sem informação, as pessoas imaginam o pior para o próprio emprego. Por isso, os founders precisam avaliar se o time está recebendo uma mensagem de ambição ou de corte de custo.
A resistência também nem sempre vem de onde se espera. Ela aparece com frequência entre os mais sêniores, para quem a IA mexe com uma identidade profissional construída sobre habilidades que agora a máquina executa em segundos. Nas experiências mais positivas, a liderança acolheu essas inseguranças antes de cobrar a adoção, como na Cora, e deu o exemplo, como na Woba.
Há ainda um efeito menos visível, e talvez mais duradouro, sobre a cultura: as conversas que a IA passa a substituir. Antes, quem tinha uma dúvida recorria a um colega mais experiente. Essa troca resolvia o problema e, ao mesmo tempo, criava a chance de reconhecer a experiência do outro, mostrar uma dificuldade e construir confiança. Quando a dúvida vai direto para a IA, a resposta chega mais rápido, mas a conversa deixa de acontecer.
As relações humanas são construídas a partir de conversas e usar a IA ao invés de falar com alguém mais sênior ou um par tira a oportunidade de reforçar a confiança. E a confiança é um fator essencial da segurança psicológica, tão importante para a inovação. Precisamos criar oportunidades para que as conversas importantes continuem acontecendo.”
O efeito pesa mais sobre quem está começando, que aprendia justamente nessas trocas. Não por acaso, Raphael Bozza tem orientado os jovens talentos do iFood a debater mais, prestar atenção nas reuniões e perguntar a quem sabe mais. O acesso mais fácil a respostas não elimina a necessidade de aprender com pessoas, mas torna mais raras as ocasiões em que isso acontecia por conta própria, e cabe à liderança criar essas ocasiões.
Quando o topo puxa, as regras estão claras e o time sabe o que muda para cada pessoa, a IA deixa de ser uma cobrança e passa a ser um projeto da empresa.
Reconhecer quem gera impacto com IA
Se o contribuidor individual cresce sem ganhar um time, a empresa precisa de outras formas de mostrar o que valoriza. Para Deli Matsuo, é o reconhecimento que direciona o comportamento do time, desde que as metas sejam atingíveis.
Se você promove o diretor que melhor implementou [IA] na área dele, os outros diretores recebem um sinal claro: ele foi reconhecido e promovido porque colocou a tecnologia para funcionar e gerou um grande impacto no departamento.”
Nas empresas da Rede, esse reconhecimento aparece de três formas.
Cora Criou um reconhecimento extraordinário a partir de um projeto
Woba Reforça em público os exemplos de quem está avançando
Alice AI na Arena: cases de IA apresentados no all hands semanal
iFood Mostra agentes reais nos encontros com a empresa toda
iFood Ranking das áreas que mais e menos criam soluções com IA
iFood Olimpíada para valorizar quem usava IA, antes da avaliação
Alice Prêmio AI para quem automatizou grande parte da própria rotina
Woba IA na avaliação, com critério combinado antes com o time
VTEX Ponto extra para quem elimina um processo
Comp ICs entre os mais bem remunerados da casa
Conexa Saúde Fluência em IA avaliada de 1 a 4 no ciclo de desempenho
Número de agentes ou fluxos criados; consumo de tokens. Estimula quem só quer bater a meta.
Resultado gerado para o negócio; quanto do próprio trabalho foi levado para a IA. Mostra ao time o que a empresa valoriza.
Fonte: entrevistas e mentorias da Rede Endeavor.
Reconhecer quem gera impacto com IA é a forma mais direta de mostrar ao time o que mudou no que a empresa valoriza, e de evitar que a cobrança vire só uma meta de uso.
Da produtividade de cada um ao resultado da empresa
Na pesquisa com empreendedores da Rede, o ganho de produtividade aparece com muito mais frequência do que o aumento de receita ou de margem. Boa parte do que as pessoas constroem com IA melhora o trabalho de quem construiu, mas não chega ao restante da empresa.
É o que chamamos de ilhas de eficiência: ganhos reais, construídos por uma pessoa ou um time, que não se convertem em ganho da organização. Na Pipefy, um agente que avaliava as calls de vendas ficou dois meses no ar sem que nenhum líder usasse as notas para orientar os vendedores. Lorena Puppo, da Woba, aponta o risco do lado oposto, o de investir em ferramentas e pessoas sem reorganizar o trabalho, o que ela chama de “ineficiência moderna”.
As empresas que conseguiram transformar ganhos individuais em resultados coletivos têm algo em comum: cada iniciativa tem um responsável e métricas de resultado, como na Pipefy. É nesses casos que a IA já aparece nos resultados da operação, em frentes como vendas e atendimento, a exemplo da Olist e da Conexa Saúde. Mesmo entre quem avançou, porém, a conta nem sempre fecha, e o retorno de alguns projetos ainda é difícil de atribuir.
Quando o ganho aparece, resta decidir o que fazer com ele. Para Deli Matsuo, depende do momento: empresas deficitárias tendem a reduzir o time para se tornar lucrativas, mas as que já dão lucro e têm espaço para crescer deveriam fazer o contrário e investir mais.
A IA amplia a capacidade produtiva dos times, mas cabe ao founder decidir como aproveitar esse ganho. E a IA começa a mudar não só a forma como a empresa trabalha, mas o que ela oferece ao mercado. É desse ponto que parte o Capítulo 4, sobre produto e modelo de negócio.
Checklist para founder e CHRO
Antes de redesenhar a estrutura
- Mapeei, função por função, o que a IA já executa e o que continua dependendo de julgamento.
- Ao ampliar o número de pessoas por líder, considerei quanto o time consegue decidir sozinho, e não só quanto foi automatizado.
- Quem deixa de gerir pessoas tem um caminho para crescer como contribuidor individual.
- Tenho um plano para formar quem está chegando, mesmo com menos execução disponível para aprender.
Antes de cobrar o uso de IA
- Alguém muito sênior incentiva a agenda e usa IA no próprio trabalho.
- Criei a infraestrutura e as regras de autonomia para que as áreas construam sozinhas, com clareza sobre o que passa por tecnologia.
- Está definido quem responde pelo que a IA entrega, e decisões sobre pessoas continuam com pessoas.
- O time tem acesso às ferramentas de IA certas (licenças e dados), uma trilha de formação e tempo dedicado para aprender.
- A mensagem que o time recebe é de ambição, não de corte.
Antes de avaliar e reconhecer
- O critério foi combinado antes de ser cobrado, com prazo.
- Uso tokens e número de agentes para acompanhar adoção e custo, mas avalio e reconheço as pessoas pelo impacto que geraram.
- Reconheço publicamente quem gerou impacto com IA.
- As iniciativas grandes têm baseline e indicador de resultado.

