Quando tudo parece bem-feito, em quem confiar?

Quando tudo parece bem-feito, em quem confiar?

Um portfólio impecável. Uma proposta bem escrita. Um protótipo que funciona. Uma apresentação com respostas para quase tudo.

Por muito tempo, produzir esses materiais exigia um investimento que também funcionava como sinal de competência. Não era garantia de qualidade, mas existia alguma relação entre apresentar uma solução e ter percorrido parte do caminho necessário para construí-la.

Com inteligência artificial, essa relação ficou menos confiável.

Isso é ótimo para quem tinha boas ideias e pouca condição de experimentá-las. Eu me incluo nesse grupo em vários momentos. Uso IA para construir, investigar implementações e apoiar a configuração de servidores. Consigo explorar caminhos que antes exigiriam mais tempo ou precisariam esperar.

Mas também ficou mais fácil apresentar sinais de um trabalho que ainda não aconteceu. O documento transmite segurança. A decisão por trás dele pode continuar completamente aberta.

Em The Dark Forest and Generative AI, Maggie Appleton descreveu uma internet em que a produção automática poderia tornar mais difícil encontrar pessoas, pensamentos e relações autênticas. Sua preocupação era com o que aconteceria quando publicar textos convincentes se tornasse barato e abundante.

Olhando para o trabalho, acho que essa discussão ganhou outra dimensão. A floresta também pode aparecer dentro de uma empresa.

Uma pesquisa resumida sem que ninguém confira as entrevistas. Um planejamento que parece específico, mas serviria para qualquer negócio. Uma funcionalidade implementada antes de alguém entender por que ela deveria existir.

Tudo organizado. Tudo apresentável. Um certo desconforto quando começamos a fazer perguntas.

O custo de conferir

Parte do ensaio de Maggie pertence ao momento em que foi escrito. Sistemas conectados a ferramentas já participam de implementação e de fluxos de trabalho. A descrição de um modelo isolado, limitado a produzir texto, não representa todo o cenário atual.

Por isso, eu teria cuidado com uma defesa profissional baseada em “a máquina nunca vai conseguir fazer isso”. Essa fronteira muda. E existe um problema mais próximo: produzir uma resposta e verificar se ela serve são trabalhos diferentes.

Imagine uma equipe que consegue gerar dez alternativas no tempo em que antes produzia duas. Existe um ganho real de exploração. Mas alguém precisa comparar as opções, reconhecer o que foi inventado, testar as consequências e escolher um caminho.

Se essa capacidade de avaliação não acompanhar a produção, a fila só muda de lugar. Antes faltava material para discutir. Agora pode faltar tempo para conferir.

A pesquisa da McKinsey sobre IA em 2026 ajuda a colocar essa tensão em perspectiva: 80% dos respondentes relatam melhora de produtividade individual, enquanto 37% atribuem algum impacto no resultado operacional de suas organizações ao uso de IA. São medidas diferentes e não demonstram uma causa, mas reforçam a necessidade de avaliar produtividade e resultado empresarial separadamente.

Uma proposta produzida em minutos pode economizar trabalho. Também pode criar semanas de expectativa errada se ninguém revisar suas premissas.

Experiência precisa deixar rastros

Minha trajetória passou por programação, UX, liderança de design e gestão de uma empresa. A experiência com sistemas e construção de plataformas me colocou tanto diante de produtos começando do zero quanto de softwares com usuários e uma operação acontecendo.

Esses contextos colocam limites nas ideias. Um produto existente tem comportamentos que as pessoas aprenderam. Uma empresa tem compromissos que não aparecem no protótipo. Uma escolha de interface pode interferir na rotina de quem atende o cliente ou mantém uma integração.

É isso que gostaria de conseguir examinar quando conheço o trabalho de alguém. O que estava sob sua responsabilidade? Quais limitações precisavam ser consideradas? Como suas escolhas se conectavam ao trabalho de outras pessoas?

Procuro três coisas:

  • Contexto: qual problema existia e o que tornava aquela situação particular.
  • Escolhas: o que foi considerado, descartado ou alterado, e por quê.
  • Consequências: o que aconteceu depois e o que ainda não sabemos avaliar.

Não precisa ser uma história de sucesso impecável. Uma decisão revista pode mostrar mais maturidade do que um relato em que tudo aconteceu exatamente como planejado. Aliás, esses merecem algumas perguntas adicionais.

Também não é necessário expor clientes ou informações confidenciais. É possível explicar critérios, delimitar o próprio papel e reconhecer incertezas sem transformar cada experiência em divulgação comercial.

Pensando em 2027 e 2028, minha hipótese é que esses rastros vão ganhar importância. Se apresentações, interfaces e textos continuarem ficando mais fáceis de produzir, empresas precisarão de maneiras melhores de avaliar quem consegue sustentar o que apresenta.

Isso não significa que o mercado inteiro passará a valorizar profundidade. Volume, aparência e velocidade continuarão convencendo muita gente. Mas um CTO avaliando alguém para uma responsabilidade importante precisa descobrir mais do que a qualidade da demonstração. Um fundador precisa entender quem conseguirá ajudá-lo quando a primeira hipótese estiver errada.

É nesse ponto que a experiência entre design, tecnologia e negócio pode ajudar: enxergar relações que desaparecem quando cada área olha apenas para o próprio entregável. Essa amplitude também exige reconhecer limites e saber quando trazer outra especialidade para a conversa.

Existe uma consequência disso para quem escreve na internet. Se eu publicar apenas explicações corretas sobre assuntos conhecidos, posso terminar contribuindo para o mesmo excesso que estou criticando. O texto fica agradável, organizado, encontrável. E pouco revela sobre o que observei ou passei a pensar.

Um ensaio deveria deixar alguma coisa em discussão. Uma relação que ainda estou tentando entender. Um critério que mudou. Uma pergunta que apareceu porque o trabalho real não se comportou como a teoria.

A IA pode participar dessa elaboração. A responsabilidade pelo que escolho afirmar continua comigo.

Quando tudo parece bem-feito, quero conseguir perguntar de onde aquilo veio. E encontrar alguém disposto a explicar as escolhas, reconhecer o que não sabe e continuar a conversa quando a resposta pronta acabar.

Este ensaio parte da reflexão de Maggie Appleton, com uma leitura voltada ao trabalho e à liderança de produtos. As considerações sobre 2027 e 2028 são hipóteses, escritas em novembro de 2026.

Foto de Sebastian Unrau no Unsplash.