Case Organização Global de Mídia
A estrutura que levou uma organização global de mídia ao
AI-First
Não é só tecnologia!
Fluência com IA acelerada em quase 50%
Experimentos no lugar de blueprints
Estrutura que aprende com o contexto
Ao longo das últimas duas décadas, uma grande organização global de mídia havia avançado em modelos de trabalho multifuncionais inspirados pela lógica de modelos operativos que implementavam tribos, squads e fluxos de trabalho modernos. Como em muitas transformações, esse arranjo foi importante para aproximar competências, reduzir fragmentação e aumentar o foco na entrega. A própria origem desses modelos, como a série O Fim das Squads recupera, está associada justamente à tentativa de superar estruturas excessivamente funcionais e compartimentalizadas.
Mas, indo além, o trabalho que conduzimos nesse contexto não começou por insatisfação direta com o modelo de times multifuncionais – de fato, o cliente se via contente com a estrutura atual. A provocação mais difícil veio através de um olhar que reconhecia a complexidade do momento: se a organização queria explorar ao máximo o potencial da IA, ser AI-First, que tipo de estrutura a apoiaria nesse novo contexto? A ascensão das ferramentas de IA, principalmente a generativa, em usos voltados à hiperprodutividade, hiperpersonalização e hiperautomação, entre outros, passou a desafiar premissas antes bastante estáveis sobre papéis, dinâmicas, fronteiras entre disciplinas e composição de times.
Desafio
O desenho sem playbook
A questão surgiu em 2023, em uma área de tecnologia com mais de 400 profissionais, e foi formulada de maneira direta: qual topologia de times, áreas ou produtos – ou melhor: qual estrutura organizacional – permitiria aproveitar ao máximo o potencial das ferramentas de IA? Qual estrutura nos suportaria melhor em um caminho para AI-First? A resposta mais honesta não era “depende”, mas “ainda não sabemos”. A verdade é que, ainda hoje, não há boas práticas, literatura sólida nem benchmarking suficientemente confiável para sustentar uma grande decisão estrutural.
Esse reconhecimento foi decisivo, e o Cynefin® Framework foi essencial para que a liderança da companhia enxergasse que seus principais desafios para ser AI-First esbarravam não apenas em tecnologia, mas principalmente em estrutura. Em vez de tratar o tema como um problema clássico e ordenado de desenho organizacional, a situação foi lida como complexa. E, em contextos complexos, a resposta não vem da análise abstrata nem da replicação de playbooks e modelos consolidados: vem de sondar, sentir e responder.
Diagnóstico
Os limites do modelo vigente
A partir dessa leitura, o foco deixou de ser defender ou atacar squads – ou qualquer outra estrutura conhecida. A pergunta passou a ser outra: quais aspectos da estrutura vigente ainda ampliavam o desempenho, e quais já estavam limitando a exploração do novo potencial aberto pela IA?
Nosso trabalho inicial nos ajudou a identificar os principais sinais que reposicionaram a discussão: papéis que se tornavam redundantes diante do uso de copilotos, interdependências excessivas e estruturas que começavam a operar sob premissas anteriores à chegada da IA. O ponto não era decretar o fracasso de um modelo, mas reconhecer que mudanças tecnológicas profundas podem alterar a coerência da forma organizacional que antes parecia suficiente.
Abordagem e Solução
Seguro para falhar e descobrir
Com a The Cynefin Co. Brazil, a organização adotou uma abordagem baseada em ciência da complexidade. Em vez de definir antecipadamente “a nova estrutura”, partimos para o desenho de uma série de experimentos que viriam a compor um portfólio de safe-to-fail probes: múltiplas intervenções organizacionais simultâneas, contextualizadas, paralelas, seguras para falhar, algumas divergentes entre si (ampliando o delta de destino), prontas para amplificação e atentas também aos efeitos colaterais. O objetivo não era acertar de primeira, mas aprender e amplificar.
Dentro desse portfólio, ao menos duas das sondagens foram desenhadas a partir de first principles. A pergunta fundamental, nesse caso, era radical e simples ao mesmo tempo: se, no desenvolvimento de produtos digitais, a IA pode executar todo ou quase todo o trabalho, para que precisamos de humanos? Essa formulação ajudou a desmontar pressupostos herdados e reconstruir alternativas a partir do que fosse essencial.
Indo além, a forma com que acompanhamos os resultados não olhava apenas para indicadores analíticos, como produtividade, adaptabilidade e qualidade de entrega, mas também para indicadores espessos, que nos ajudaram a enxergar em quais estruturas as pessoas melhor aprendiam e utilizavam as ferramentas de IA, e qual o impacto disso no resultado das entregas.
IMPLEMENTAÇÃO E RESULTADOS PRELIMINARES
Estrutura para evoluir com o contexto
Ao longo dos experimentos, começaram a emergir arranjos mais leves, com menor acoplamento e maior capacidade de combinar competências humanas com IA de forma orgânica. Entre eles, destacou-se a lógica de pares e, em alguns contextos, trios em rede. Na série O Fim das Squads, o par aparece como unidade mínima de criação de valor em contextos mediados por IA, geralmente combinando engenharia e design, embora a composição não seja fixa; já os trios entram quando o contexto exige gestão mais intensa de prioridades, stakeholders e direção de produto.
Mais importante do que “provar” um novo modelo foi criar evidência contextual sobre o que funcionava melhor. A organização passou a operar com mais clareza sobre onde a estrutura anterior ainda era útil e onde novas formas de coordenação geravam mais fluidez, menos handoffs e ciclos mais curtos de aprendizagem. Também deslocou a conversa executiva: em vez de buscar um blueprint definitivo, passou a tratar estrutura como algo que deve evoluir com o contexto. Essa postura está alinhada ao fechamento da série, que evita tanto a celebração ingênua da IA quanto a condenação simplista, defendendo uma exploração contextual, ética e consciente de seu potencial.
IMPLEMENTAÇÃO E RESULTADOS PRELIMINARES
Estrutura para evoluir com o contexto
Ao longo dos experimentos, começaram a emergir arranjos mais leves, com menor acoplamento e maior capacidade de combinar competências humanas com IA de forma orgânica. Entre eles, destacou-se a lógica de pares e, em alguns contextos, trios em rede. Na série O Fim das Squads, o par aparece como unidade mínima de criação de valor em contextos mediados por IA, geralmente combinando engenharia e design, embora a composição não seja fixa; já os trios entram quando o contexto exige gestão mais intensa de prioridades, stakeholders e direção de produto.
Mais importante do que “provar” um novo modelo foi criar evidência contextual sobre o que funcionava melhor. A organização passou a operar com mais clareza sobre onde a estrutura anterior ainda era útil e onde novas formas de coordenação geravam mais fluidez, menos handoffs e ciclos mais curtos de aprendizagem. Também deslocou a conversa executiva: em vez de buscar um blueprint definitivo, passou a tratar estrutura como algo que deve evoluir com o contexto. Essa postura está alinhada ao fechamento da série, que evita tanto a celebração ingênua da IA quanto a condenação simplista, defendendo uma exploração contextual, ética e consciente de seu potencial.
Impacto
Também é tecnologia, mas ...
O resultado desse trabalho não foi apenas um redesenho organizacional, mas uma mudança de postura diante do desconhecido. Em vez de presumir que o jeito de trabalhar em um contexto AI-First poderia ser desenhado em tese, a organização passou a aprendê-lo na prática, com experimentação, segurança e coerência. E, ao fazer isso, abriu caminho para um modelo mais adaptativo e alinhado ao que a liderança entendia ser a base para o futuro do trabalho naquela organização.
A escassez imposta na estrutura de pares levou as pessoas a utilizarem, cada vez mais e de forma mais consciente, as ferramentas de inteligência artificial. A empresa estimou uma aceleração de quase 50% na dinâmica de aprendizagem, utilização e alcance de fluência nessas ferramentas.
A nova dinâmica reduziu ainda o tempo investido em cerimônias, agora desnecessárias, e também o overlap causado por papéis, estruturas e fluxos incompatíveis com essa nova realidade.
Ficou claro para a empresa que a tecnologia é, sim, uma parte importante de qualquer estratégia para AI-First, mas que a estrutura organizacional e, principalmente, a dinâmica de experimentação são essenciais para navegar na complexidade dessa nova realidade e não ficar amarrado às premissas e aos processos do passado.
