A nova racionalidade limitada: porque mais IA não significa melhor gestão

Muito antes de a inteligência artificial entrar na agenda dos conselhos de administração, Herbert A. Simon já via os computadores como instrumentos para compreender e ampliar a inteligência humana. Economista, psicólogo, cientista político e um dos pioneiros da IA, Simon recebeu o Prêmio Nobel de Economia em 1978 por uma ideia aparentemente simples, mas revolucionária: seres humanos não decidem como agentes perfeitamente racionais.

Decidimos com informação incompleta, tempo escasso e capacidade limitada para processar tudo o que está em jogo. Não enxergamos todas as alternativas, não calculamos todas as consequências e raramente escolhemos a melhor solução possível. Na prática, buscamos uma resposta suficientemente boa para agir.

Simon chamou essa condição de “racionalidade limitada”. A expressão é precisa porque não nega a razão humana; apenas a recoloca no mundo real. A racionalidade existe, mas opera sob restrições: depende da qualidade da informação disponível, da pressão do tempo, da complexidade do ambiente e da capacidade de julgamento de quem decide.

Esse conceito, formulado no século passado, talvez nunca tenha sido tão atual. A inteligência artificial parece, à primeira vista, a resposta tecnológica mais poderosa ao problema descrito por Simon. Se nossa racionalidade é limitada por informação insuficiente, capacidade de processamento e tempo, a IA promete expandir justamente essas fronteiras. Ela processa mais dados, compara mais alternativas, calcula com mais velocidade, reconhece padrões invisíveis ao olhar humano e simula cenários em escala inédita. Em tese, a IA pode tornar nossa racionalidade um pouco menos limitada.

A ironia, no entanto, é que, ao ampliar nossa capacidade de decidir, ela também pode reduzir nossa habilidade para compreender. Quanto mais delegamos à máquina a formulação de respostas, maior o risco de perdermos a disciplina para formular boas perguntas. A nossa racionalidade não deixa de ser limitada apenas pela escassez de dados ou pela lentidão do cálculo. Passa a ser limitada também pela dependência, pela opacidade de sistemas que fazem recomendações sem explicitar claramente seus critérios e pelo afastamento entre quem decide e a realidade concreta do trabalho.

Esse é um ponto crítico para a gestão. A IA pode identificar padrões em volumes de dados que escapam à percepção humana, prever oscilações de demanda, antecipar gargalos, reduzir variabilidade, apoiar simulações e acelerar análises. Pode ajudar empresas a reagir melhor às mudanças de mercado, ajustar recursos com mais precisão, interpretar sinais ainda discretos de mudança e qualificar decisões. Em ambientes complexos, pode dar mais fluidez ao trabalho e mais consistência à execução.

Tudo isso é valioso. Porém, nada disso significa automaticamente melhor gestão. Quando aplicada a processos mal desenhados, a IA não elimina desperdícios; apenas os perpetua e acelera. Quando sobreposta a fluxos confusos, metas contraditórias, indicadores irrelevantes ou rotinas meramente burocráticas, a tecnologia tende a sofisticar o problema em vez de resolvê-lo. O resultado pode parecer mais moderno, mas continua sendo desperdício. Só que agora com interface bonita, painel em tempo real e recomendação algorítmica.

É aqui que o pensamento lean ganha nova relevância.

Lean não é apenas um repertório de ferramentas para ganhar eficiência. É uma disciplina de gestão e aprendizado. Sua força está em aproximar a decisão da realidade. Antes de automatizar, é preciso entender o fluxo de valor. Antes de otimizar, é preciso saber o que é valor para o cliente. Antes de confiar em um modelo, é preciso observar como o trabalho realmente acontece.

Na prática, isso significa ir ao gemba, o lugar real onde o valor é criado e os problemas aparecem. Significa ver com os próprios olhos, compreender os fatos no contexto, escutar as pessoas envolvidas e distinguir sintomas de causas. Isso requer o uso do PDCA, do Pensamento A3, da gestão visual, do trabalho padronizado e do kaizen. Não como rituais administrativos, mas mecanismos para pensar melhor.

Se Simon nos ensinou que a racionalidade humana é limitada, a gestão lean oferece uma resposta prática a essa condição. Ela transforma decisão em aprendizado: torna problemas visíveis, organiza hipóteses, testa soluções, incorpora a experiência e desenvolve pessoas no processo. É, em essência, uma arquitetura de racionalidade coletiva.

A IA pode fortalecer essa arquitetura. Ao cruzar informações de demanda, capacidade, qualidade, custo e entrega, ajuda a detectar anomalias antes que se transformem em falhas, antecipar riscos, reduzir variabilidade, sintetizar conhecimento técnico e acelerar ciclos de análise. Bem utilizada, amplia a capacidade da organização de perceber desvios, formular hipóteses e agir com mais precisão.

No entanto, o benefício só aparece quando a tecnologia se converte em ação prática no trabalho real. Se a IA apenas produz relatórios complexos que poucos entendem ou recomendações que ninguém consegue testar, ela se transforma em mais uma camada de desperdício: mais processamento, mais ruído e pouca mudança concreta. Para criar valor, a inteligência precisa simplificar o trabalho, não o tornar mais nebuloso.

Esse é um dos grandes riscos da era da IA: confundir mais informação com mais compreensão. Empresas podem se cercar de métricas, alertas, previsões e painéis, mas, mesmo assim, continuar sem enxergar o essencial. A abundância de dados cria uma espécie de névoa digital. O gestor sente que sabe mais, mas compreende menos. O trabalho parece transparente; a realidade, porém, fica mais distante.

A lógica lean oferece um antídoto contra essa abstração. Ela disciplina a organização a fazer perguntas simples e difíceis: o problema está bem definido? A causa foi verificada no trabalho real? A hipótese foi testada? A solução reduziu desperdício ou apenas deslocou o problema? As pessoas compreenderam o que mudou? O aprendizado foi incorporado à rotina? Essas perguntas continuam indispensáveis, mesmo quando a recomendação vem de um algoritmo sofisticado.

Há também o problema das caixas-pretas. Muitos sistemas de IA geram previsões, classificações e recomendações sem explicar de maneira suficiente como chegaram àquele resultado. Em uma organização, isso pode enfraquecer o respeito às pessoas, não no plano retórico, mas no concreto, reduzindo a capacidade dos indivíduos para compreender, questionar e melhorar o próprio trabalho.

Respeitar pessoas não significa apenas manter relações cordiais, mas criar condições para que compreendam o trabalho, participem da melhoria, exerçam julgamento e desenvolvam autonomia. Quando um profissional não entende a lógica por trás de uma recomendação, perde parte de sua capacidade de intervir, aprender e corrigir o curso quando algo sai errado. A decisão se desloca para um sistema que poucos compreendem e muitos apenas executam. Esse é um risco gerencial, não apenas tecnológico.

Na gestão lean, a boa automação sempre esteve ligada ao conceito de jidoka, frequentemente traduzido como automação com inteligência humana. A ideia não é construir sistemas que seguem operando apesar dos problemas, mas mecanismos capazes de detectar anormalidades, interromper o fluxo quando necessário e convocar o julgamento humano para resolver a causa. A máquina deve elevar a capacidade das pessoas, não as afastar do processo de aprendizagem.

Essa distinção será cada vez mais importante. A IA pode apoiar decisões, mas não assumir a responsabilidade por elas. Pode sugerir caminhos, mas não definir sozinha os fins. Pode acelerar análises, mas não dispensar a observação. Pode ampliar a capacidade cognitiva, mas não substituir a sabedoria prática formada no contato direto com o trabalho.

Muitos sistemas de IA tendem a reproduzir padrões presentes nos dados históricos. Se isso vem de processos ineficientes, culturas baseadas em comando e controle, decisões enviesadas ou rotinas mal desenhadas, o algoritmo pode perpetuar o passado com aparência de futuro. A sofisticação estatística não garante progresso gerencial; às vezes, apenas torna o status quo mais convincente.

Por isso, a pergunta estratégica não é: “Onde podemos aplicar IA?”. Esse questionamento costuma vir cedo demais. A questão decisiva é: “Que capacidade humana e organizacional queremos ampliar?”. Precisamos decidir melhor? Aprender mais rápido? Reduzir desperdícios? Melhorar o fluxo de valor? Aumentar a segurança? Desenvolver pessoas? Aproximar a liderança do trabalho real? Criar mais valor para o cliente? Sem essa clareza, a IA vira uma solução em busca de um problema. E soluções em busca de problemas raramente produzem boa gestão.

A relação mais fértil entre IA e gestão lean está exatamente nesse ponto. A IA amplia a capacidade de processamento, enquanto a gestão lean protege a capacidade de aprender. Uma ajuda a enxergar padrões; a outra exige verificar a realidade. Uma acelera a análise; a outra disciplina a ação. Uma pode produzir respostas melhores; a outra ajuda a formular perguntas mais bem feitas.

Essa combinação é poderosa porque evita dois erros simétricos. O primeiro é rejeitar a IA como ameaça ao julgamento humano. Seria miopia: a tecnologia tem potencial real para ampliar a capacidade de indivíduos e organizações para lidarem com a complexidade. O segundo é tratar a IA como substituta do pensamento gerencial. Seria ingenuidade: a qualidade da decisão continua dependendo da formulação do problema, da qualidade dos dados, da compreensão do contexto, da clareza dos objetivos e da responsabilidade de quem decide.

Simon provavelmente veria a IA moderna com fascínio. Afinal, foi um dos primeiros a imaginar máquinas capazes de realizar tarefas antes associadas à inteligência humana. Mas talvez nos lembrasse de algo incômodo: mais poder computacional não significa racionalidade ilimitada. Toda inteligência, humana ou artificial, continua operando dentro de limites.

O desafio das empresas é desenhar sistemas de gestão nos quais a IA amplie a inteligência humana, em vez de terceirizá-la. É usar algoritmos para fortalecer a observação, a experimentação, o aprendizado e a melhoria contínua. É garantir que a tecnologia não afaste líderes da realidade do trabalho, mas os ajude a enxergá-la melhor.

A IA pode tornar nossa racionalidade menos limitada, mas sem uma disciplina de gestão, pode torná-la apenas mais dependente. No fim, a questão não é se a máquina pensa. É se nós, com ela, passamos a pensar melhor.