Todo mundo vive perguntando se a IA favorece especialistas ou generalistas.
Acho que essa é a pergunta errada.
A IA não escolhe um lado. Ela muda a equação.
O mundo antigo forçava uma escolha. Você podia ir fundo, ou podia ir longe. Especialistas tinham profundidade. Conheciam o produto, a função, o domínio, o processo, os casos extremos e as lições conquistadas com esforço que só vêm de viver dentro de um espaço de problema por muito tempo. Conseguiam responder à pergunta difícil dentro da sua área.
Generalistas tinham alcance. Conseguiam conectar pontos entre equipes, clientes, mercados, funções e modelos de negócio. Viam padrões que outros perdiam. Traduziam entre grupos que naturalmente não falavam a mesma língua.
Ambos eram valiosos.
Ambos eram incompletos.
O especialista frequentemente ficava preso dentro de uma área estreita. O generalista frequentemente não tinha profundidade para tomar a decisão difícil. Essa troca moldou o organograma moderno mais do que admitimos.
Grande parte do design organizacional foi construído em torno dos limites do alcance humano. Ninguém conseguia reter contexto, expertise, política, detalhes técnicos, nuances do cliente e julgamento suficientes para levar um trabalho complexo até o fim. Então, criamos repasses.
O profissional de negócios repassava para o profissional técnico.
O profissional técnico repassava para o profissional de produto.
O profissional de produto repassava para o profissional jurídico.
O jurídico repassava para a segurança.
A segurança repassava para a TI.
A TI devolvia com três comentários e um convite de reunião.
Muito sofisticado. E também muito lento.
É essa parte que a IA mais muda.
A IA não torna a especialização irrelevante. Também não faz todo mundo magicamente se tornar um grande generalista. A IA ataca o custo do repasse.
Ela dá mais alcance aos especialistas.
Ela dá mais profundidade aos generalistas.
Ela permite que mais pessoas levem o trabalho adiante antes que outro ser humano precise se envolver.
Essa última parte é importante.
O objetivo não é eliminar especialistas. O objetivo é parar de usar especialistas como infraestrutura de roteamento.
A IA muda como o trabalho deve fluir
Pegue um exemplo simples: conteúdo de capacitação.
No modelo antigo, a pessoa responsável pelo conteúdo poderia precisar de contribuições de produto, jurídico, TI, segurança, capacitação de campo e várias outras equipes antes mesmo do trabalho ficar coerente. Parte dessa aprovação é real. Você ainda precisa do Jurídico quando a aprovação jurídica é necessária. Ainda precisa da Segurança quando a aprovação de segurança é necessária. Ainda precisa de um verdadeiro especialista em produto quando a resposta importa.
Mas grande parte da troca não é julgamento. É tradução. É revisão de primeiro rascunho. É identificação básica de risco. É pedir para outra pessoa fazer o pensamento que o dono poderia ter feito antes do repasse.
Com a IA, esse dono do conteúdo deveria conseguir fazer muito mais antes de envolver qualquer outra pessoa. Ele deveria conseguir redigir o conteúdo, compará-lo com a política, testar a mensagem, identificar possíveis preocupações legais, verificar alegações técnicas e preparar um pacote de aprovação mais limpo.
O especialista ainda aprova. Mas agora o especialista está sendo usado para julgamento, não para limpeza.
Essa é a mudança.
A IA não remove a necessidade de profundidade. Ela reduz a dependência criada por não ter acesso imediato à profundidade.
Isso parece sutil, mas não é. Muda o modelo operacional. Se mais pessoas conseguem carregar mais contexto, o trabalho não precisa passar pelo mesmo número de pontos de verificação humanos. Se a análise de primeira passagem é barata, especialistas não deveriam gastar seu tempo corrigindo entradas mal elaboradas. Se o custo de coordenação cai, as equipes não deveriam preservar caminhos de repasse antigos só porque são familiares.
Muito do que chamamos de colaboração é apenas latência com boas maneiras.
A IA nos força a ser mais honestos sobre isso.
Especialistas ainda importam, mas profundidade precisa de alcance
É por isso que não compro o argumento simples de que o futuro pertence aos generalistas.
Soa bem. Também é incompleto.
Um generalista raso com IA ainda é raso. Ele pode apenas ficar mais rápido em produzir um nonsense confiante, o que não é exatamente a revolução que nos prometeram.
Profundidade ainda importa. Na verdade, profundidade pode importar ainda mais porque a IA torna a fluência superficial barata. Qualquer um pode pedir para a IA resumir um tópico. Qualquer um pode gerar um primeiro rascunho decente. Qualquer um pode parecer informado por cinco minutos.
O diferencial se torna se você sabe o suficiente para identificar o que está faltando.
É aí que a expertise aparece.
O especialista sabe qual detalhe está errado. O especialista sabe qual suposição é perigosa. O especialista sabe quando a resposta parece certa, mas vai falhar no ambiente real.
A IA eleva o piso. Ela não apaga o teto.
Mas o especialista também precisa mudar.
Profundidade sem alcance vira um gargalo. Se seu valor é apenas que você sabe uma coisa e todo mundo tem que esperar você responder, a IA está vindo diretamente para esse modelo.
Os melhores especialistas não vão apenas proteger sua área. Eles vão expandir a partir dela. Vão usar a IA para entender o contexto de negócio ao redor, sistemas adjacentes, implicações para o cliente, dinâmicas competitivas, restrições de implementação e riscos operacionais.
Penso no meu médico. Ele é especialista em ATM — décadas dentro de um problema estreito e difícil. O tipo de profundidade que você não pode falsificar e não pode apressar.
Ele tem ideias de produto há anos. Coisas que só alguém que vive dentro desse problema pensaria em construir. Mas as ideias sempre morriam no mesmo lugar. Não porque a ideia era errada. Porque tudo ao redor da ideia exigia um especialista diferente. Pesquisa de ingredientes. Aprovação regulatória. Fabricação. Depósito de patentes. Jurídico. Cada um, um repasse para alguém que ele não tinha, não podia pagar ou não sabia como iniciar uma conversa.
Então as ideias continuaram sendo ideias.
Isso mudou. Não porque ele se tornou químico ou advogado de patentes — a profundidade dele ainda está na mandíbula, não no direito de propriedade intelectual. Mas agora ele consegue fazer a primeira passagem sozinho. Pesquisar os ingredientes. Mapear o caminho regulatório. Entender o que um depósito de patente realmente envolve antes de pagar alguém para fazer um. Ele consegue levar a ideia longe o suficiente para saber se é real.
Ele ainda precisa do advogado de patentes. Ainda precisa do especialista regulatório. Mas agora eles são chamados para julgamento, sobre uma ideia bem pensada — não para ensinar o básico ou encaminhá-lo para a próxima pessoa.
A expertise dele nunca foi o gargalo. O gargalo era o acesso à expertise de todos os outros.
A profundidade deles vira a âncora.
A IA expande o raio.
Generalistas ainda importam, mas alcance precisa de profundidade conquistada
O mesmo vale para generalistas, mas ao contrário.
Os melhores generalistas não vão apenas flutuar acima do trabalho conectando pontos. Eles vão usar a IA para se aprofundar quando o problema exigir. Vão testar suposições. Construir protótipos. Ler a documentação. Analisar os dados. Entender o suficiente da arquitetura para saber onde está a verdadeira restrição.
O alcance deles vira a vantagem.
A IA dá a eles profundidade sob demanda.
Então o perfil futuro não é especialista ou generalista. É alcance e profundidade sob demanda.
Vá amplo quando o problema exigir conexão.
Vá fundo quando a decisão exigir expertise.
Saiba quando a IA é suficiente.
Saiba quando um especialista humano é necessário.
Saiba quando o trabalho está pronto para aprovação e quando ainda é uma bagunça mal acabada vestindo uma roupa bonita.
Esse julgamento é o trabalho.
Líderes precisam redesenhar o trabalho
Isso tem grandes implicações para líderes.
Se seu modelo operacional ainda assume que toda pergunta precisa passar por cinco humanos, você não é nativo de IA. Você é apenas mais lento com ferramentas melhores.
Se toda equipe está esperando outra equipe para levar o trabalho básico adiante, você não redesenhou o trabalho. Você adicionou IA à mesma corrente de dependência antiga e chamou de transformação. Isso não é estratégia. Isso é compras com um keynote.
A pergunta que os líderes deveriam fazer não é apenas: "Como fazemos todo mundo ser mais produtivo?"
Isso é vago demais.
A pergunta melhor é: onde estamos usando humanos como repasses em vez de julgamento?
Essa pergunta expõe o desperdício.
Mostra onde especialistas estão sendo puxados para revisão de baixo valor. Mostra onde generalistas estão coordenando trabalho que agora poderiam mover sozinhos. Mostra onde especialistas estão esperando por contexto que agora poderiam gerar. Mostra onde equipes estão protegendo processos antigos em vez de redesenhar o fluxo.
Este é o verdadeiro trabalho de liderança. Não comprar ferramentas. Não anunciar pilotos. Não celebrar métricas de uso que dizem muito pouco sobre se o trabalho mudou.
O trabalho tem que ser redesenhado em torno de uma nova suposição: mais pessoas podem agora carregar mais contexto.
Isso significa que alguns repasses devem desaparecer. Alguns caminhos de aprovação devem ficar mais limpos. Algumas funções devem se expandir. Alguns processos devem ser deletados. Alguns especialistas devem ser protegidos de trabalho de baixo valor para que possam focar nas decisões que realmente exigem expertise.
Isso é desconfortável porque repasses não são apenas processo. Eles também são identidade, controle e gestão de risco. Equipes constroem poder em torno de ser a parada obrigatória no fluxo de trabalho. Líderes constroem conforto em torno de saber que todo risco tem um dono em algum outro lugar.
A IA pressiona tudo isso.
Ela faz uma pergunta mais difícil: se o trabalho pode agora fluir de forma diferente, por que ainda estamos organizados assim?
Talento deve ser avaliado de forma diferente
Isso também muda como devemos pensar sobre talento.
O antigo modelo de contratação e desenvolvimento recompensava expertise estática. O que você sabe? Onde trabalhou? Que produtos cobriu? Que funções apoiou?
Essas coisas ainda importam, mas não são mais suficientes.
A nova pergunta é: o que você consegue descobrir, construir, validar e mover sem esperar que a organização te entregue um manual?
Esse é um perfil diferente.
Prova de construtor vence pedigree.
Me mostre o que você construiu. Me mostre como você emperrou. Me mostre onde a IA estava errada. Me mostre como você se recuperou. Me mostre como você conectou a decisão técnica ao resultado de negócio.
Isso me diz mais do que uma resposta polida sobre transformação.
As pessoas que mexem e experimentam vão acumular mais rápido do que as que esperam por treinamento. Pode parecer duro, mas acho que é verdade.
Treinamento te diz o que a organização já sabe. Experimentar te mostra o que agora é possível.
Em um mundo de IA, a lacuna entre essas duas coisas é imensa.
A pessoa que experimenta com agentes, protótipos, fluxos de trabalho, código, conteúdo e dados vai desenvolver instintos que o programa formal de capacitação não consegue acompanhar. Ela vai saber onde as ferramentas são fortes. Vai saber onde elas quebram. Vai saber o que agora pode ser feito em uma hora que antes levava duas semanas.
Esse instinto vira uma habilidade de liderança.
Não porque todo mundo precisa se tornar engenheiro.
Porque todo mundo precisa entender o que o trabalho custa agora.
O custo de redigir mudou.
O custo de analisar mudou.
O custo de prototipar mudou.
O custo de aprender mudou.
O custo de coordenação deveria mudar também.
Se o custo de fazer o trabalho cai, mas a organização mantém os mesmos repasses, o gargalo não é mais capacidade. É memória muscular.
Essa é a parte perigosa.
A maioria das empresas não vai falhar por falta de ferramentas de IA. Vão falhar porque colocam IA num processo que já não deveria existir. Vão usar IA para acelerar o fluxo de trabalho antigo, quando a verdadeira oportunidade é deletar metade do fluxo de trabalho.
Arquitetura ainda importa
Tem mais uma peça que importa: arquitetura.
Alcance e profundidade sob demanda só funcionam se pessoas e agentes tiverem contexto confiável. Se os dados estão desatualizados, fragmentados, mal permissionados ou desconectados do fluxo de trabalho, a IA só ajuda as pessoas a se moverem mais rápido na direção errada.
Isso não é alavancagem. É caos com uma interface mais bonita.
A pessoa usando IA precisa de acesso à informação certa, às ferramentas certas, às proteções certas e aos caminhos de escalada certos. Caso contrário, ela não consegue levar o trabalho adiante com segurança. Ela só consegue gerar mais artefatos, mais rápido.
É por isso que a estratégia de IA não pode ser reduzida a treinamento de prompts ou adoção de ferramentas. A arquitetura subjacente importa. O modelo de dados importa. O modelo de permissão importa. A integração com o fluxo de trabalho importa. O caminho de escalada importa.
Se essas peças estiverem faltando, a IA vira uma máquina de teatro de produtividade. Muita saída. Movimento insuficiente.
A nova habilidade
Esta não é apenas uma conversa de carreira. É uma conversa sobre modelo operacional.
Como o trabalho deve fluir quando mais pessoas conseguem carregar mais contexto?
Como os especialistas devem ser usados quando a análise de primeira passagem é barata?
Como as equipes devem ser desenhadas quando o custo de coordenação cai?
Como os líderes devem avaliar talento quando o conhecimento pode ser gerado, mas o julgamento ainda precisa ser conquistado?
Volto sempre a isto:
O organograma antigo foi construído em torno dos limites do alcance humano.
A IA muda esses limites.
Isso não significa que todos se tornam iguais. Significa que as fronteiras entre os papéis se tornam mais fluidas.
Especialistas precisam de alcance.
Generalistas precisam de profundidade.
Especialistas ainda importam, mas devem ser usados para julgamento, não para roteamento básico.
Generalistas ainda importam, mas precisam de profundidade suficiente para passar do reconhecimento de padrões para a execução real.
Líderes ainda importam, mas precisam redesenhar o trabalho em vez de celebrar ganhos de produtividade dentro de um modelo quebrado.
Os vencedores serão as pessoas que sabem quando ir amplo, quando ir fundo e quando outro humano realmente precisa estar envolvido.
Essa é a nova habilidade.
Alcance e profundidade sob demanda.
