Porque é que a IA está a obrigar os líderes de produto a redesenhar a organização, não apenas o produto

Lukas Egger é Vice-Presidente de Estratégia e Inovação de Produto na SAP Signavio. É também o criador do podcast Process Transformers.

Falámos com Lukas para saber como a IA está a mudar a forma como lidera a sua organização de produto, bem como a forma como afeta o próprio produto. Eis o que partilhou.

Separar o valor duradouro do ruído

Sou Lukas Egger, Vice-Presidente de Estratégia e Inovação de Produto na SAP Signavio. O meu trabalho cruza a estratégia de produto, a transformação empresarial e a IA, sobretudo a forma como as grandes organizações podem transformar tecnologias emergentes em produtos úteis, fiáveis e economicamente relevantes.

O meu percurso até este momento resulta menos de um único “despertar para a IA” e mais de um interesse de longa data pela forma como as organizações compreendem a complexidade. No início da minha carreira, trabalhei nas áreas de dados, análise, produto e estratégia, e fui ficando cada vez mais interessado na diferença entre a possibilidade tecnológica e a realidade organizacional. Muitas ideias parecem convincentes numa demonstração ou num protótipo, mas o verdadeiro teste é saber se resistem aos incentivos, à governação, aos fluxos de trabalho dos clientes, às restrições técnicas e à adoção efetiva.

Também encaro a IA na liderança de produto desta forma. A parte entusiasmante não consiste simplesmente em os modelos gerarem texto, código, imagens ou análises. A mudança mais profunda é que a IA está a alterar a estrutura de custos da cognição dentro das empresas. Reduz o custo de criar, comparar, resumir, simular e coordenar trabalho. Isto tem implicações profundas para as equipas de produto, porque altera não só aquilo que podemos criar, mas também a rapidez com que podemos testar ideias, a forma como compreendemos os clientes, como concebemos fluxos de trabalho e como definimos valor.

Na SAP Signavio, dedico uma parte significativa do meu tempo a considerar de que forma a IA pode apoiar a transformação empresarial num contexto empresarial sério. Isto significa ir além das afirmações genéricas sobre produtividade e colocar questões de produto mais precisas: Que novos problemas dos clientes passam a ser solucionáveis? Que fluxos de trabalho melhoram materialmente? Onde é que a IA cria valor empresarial mensurável? Onde é que cria novos riscos? E como podemos reduzir o risco da inovação em termos de desejabilidade, viabilidade, sustentabilidade económica e aceitabilidade organizacional?

Para os líderes de produto, este é um momento raro. A IA não é apenas mais uma camada de funcionalidades. Está a obrigar-nos a revisitar pressupostos sobre a experiência do utilizador, a diferenciação, a velocidade de entrega, os dados, a confiança e o próprio papel do software. Por isso, o trabalho da liderança de produto não consiste em seguir o caso de utilização de IA mais mediático, mas em desenvolver o discernimento, os sistemas e os modelos operacionais que ajudam as equipas a separar o valor duradouro do ruído.

Tornar a mudança mais fácil

Para contextualizar, a minha equipa apoia o LabSpace, um importante ambiente de inovação orientado para os clientes. A ideia simples do LabSpace é permitir que os clientes empresariais se envolvam com a inovação numa fase inicial, de forma segura e com muito pouca fricção. No software B2B tradicional, sobretudo nas áreas de ERP e transformação empresarial, a mudança é frequentemente dispendiosa, lenta e operacionalmente arriscada. O LabSpace reduz essa barreira. Em vez de pedir aos clientes que façam uma mudança difícil logo à partida, criamos um espaço onde podem explorar como poderia ser um fluxo de trabalho futuro melhor antes de se comprometerem com a adoção, a implementação ou a expansão.

A nossa organização tem dois tipos de utilizadores. Externamente, os clientes utilizam-no para compreender o que as novas capacidades podem significar para a sua atividade. Internamente, as equipas de produto, engenharia e inovação utilizam-no para expor ideias iniciais a opiniões reais dos clientes, sem transformar prematuramente cada experiência num compromisso de produto completo.

Nesse sentido, o LabSpace é simultaneamente uma montra e um sistema de aprendizagem. Ajuda-nos a testar a desejabilidade, a viabilidade, a sustentabilidade económica e a adequação organizacional de uma forma muito mais concreta. A escala é ampla: pretendemos tornar a inovação acessível a toda a base de clientes da SAP Signavio, dando também às equipas internas um percurso repetível para passar de ideias promissoras a uma direção de produto validada.

O modelo de entrega é intencionalmente simples. Não obrigamos os clientes a passar por ciclos de implementação pesados apenas para experimentar a inovação. Criamos formas estruturadas e de baixo risco para interagir com novas capacidades, recolher opiniões e compreender onde existe valor real. A filosofia de produto subjacente é que o software empresarial não deve apenas ajudar as empresas a mudar; deve tornar o próprio ato de mudar mais fácil.

Como o modelo de produto está a transformar-se com a IA

Recentemente, começámos a repensar a equipa mínima viável para a inovação de produtos em fase inicial.

Historicamente, chegar a um primeiro conceito credível em software empresarial exigia frequentemente um pequeno grupo multifuncional: produto, design, engenharia, conhecimento do domínio e, por vezes, apoio nas áreas de dados ou arquitetura. Isto fazia sentido porque cada função envolvia tarefas especializadas difíceis de condensar. No entanto, a IA começou a desagregar essas funções em tarefas com níveis de automatização muito diferentes.

No último ano, assistimos a uma redução drástica do tempo entre uma ideia e um conceito que pudesse ser validado pelo primeiro cliente. Atualmente, os gestores de produto e os engenheiros conseguem cobrir, por si próprios, uma parte muito maior da fase inicial da inovação: sintetizar sinais dos clientes, gerar conceitos alternativos, criar protótipos, explorar casos extremos, redigir narrativas e preparar conversas mais coerentes com os clientes. Isto não elimina a necessidade de conhecimento especializado, capacidade de julgamento ou colaboração multifuncional, mas altera o momento — e a finalidade — com que essas pessoas precisam de se envolver.

O resultado não é apenas velocidade ou redução de custos. A mudança mais interessante é a apropriação. Grupos mais pequenos e, em alguns casos, indivíduos, conseguem agora levar uma ideia suficientemente longe para obter aprendizagens significativas antes de reunirem uma equipa maior. Isto reduz o controlo de acesso entre funções e dá às pessoas com ideias fortes mais liberdade para criarem impacto.

Para mim, esta é uma das mudanças mais entusiasmantes que a IA trouxe ao trabalho de produto. Não estamos simplesmente a produzir mais resultados segundo o modelo antigo. Em vez disso, a própria forma do modelo está a mudar: menos transições, ciclos de aprendizagem mais rápidos e mais autonomia para as pessoas que estão mais próximas da oportunidade.

Como a IA expande o espaço de decisão enquanto os humanos decidem

Cada vez mais, penso menos em termos de “que atividade de produto utiliza IA?” e mais em termos de “que tipo de decisão estamos a tomar?”

A IA está a tornar-se muito eficaz em atividades informativas, generativas, comparativas ou reversíveis. Atualmente, a IA apoia fortemente a pesquisa de mercado, a pesquisa documental, a síntese de sinais dos clientes, as análises da concorrência, as primeiras versões de narrativas, a exploração de conceitos, a formulação de alternativas e até a ideação de protótipos iniciais. Em muitas destas áreas, a IA não só torna o trabalho mais rápido; também altera a expectativa de base relativamente à quantidade de contexto que um líder de produto ou uma equipa deve processar antes de tomar uma decisão.

Sou muito mais cauteloso com decisões que exigem capacidade de julgamento perante uma incerteza real. A IA pode informar essas decisões, mas não deve ser responsável por elas. A definição de prioridades, a orientação do roteiro, as escolhas estratégicas, as promessas aos clientes, a lógica de preços, os compromissos organizacionais e as apostas técnicas continuam a exigir que os humanos assumam a responsabilidade. Estes não são apenas problemas de otimização. Envolvem informação incompleta, valores divergentes, limitações políticas, confiança dos clientes, timing e consequências que não conseguimos modelar totalmente à partida.

Dito de forma simples: a IA é excelente a expandir o espaço de decisão. Pode mostrar mais opções, mais evidências, mais contra-argumentos, mais riscos e mais padrões do que uma equipa conseguiria gerar por si só. Mas os humanos continuam a ter de decidir o que é importante, em que vale a pena apostar e que risco a organização está disposta a assumir.

Essa distinção torna-se ainda mais importante à medida que o conteúdo fica mais barato. Se todas as equipas conseguem gerar investigação aperfeiçoada, estratégias plausíveis e narrativas convincentes, o recurso escasso já não é o conteúdo. É a confiança. A liderança de produto passa, por isso, menos pela produção de mais materiais e mais pela construção da capacidade de julgamento, da governação e da credibilidade necessárias para saber que materiais merecem ser transformados em ação.

Como a IA pode ajudar os líderes de produto a melhorar a comunicação com as equipas

Um fluxo de trabalho baseado em IA que utilizo praticamente todos os dias não é um fluxo de trabalho clássico de produto, mas tornou-me um líder de produto melhor: transformar pensamentos não filtrados em comunicação que os outros conseguem ouvir.

A liderança de produto envolve ambiguidade, tensão e feedback. Por vezes, tenho uma reação forte a algo: uma estratégia, uma proposta, uma reunião, uma decisão ou um padrão que vejo a emergir. No passado, traduzia imediatamente essa reação em algo polido e diplomático. Isso pode ser útil, mas também pode fazer-nos perder o sinal original.

Agora, utilizo frequentemente a IA como uma camada de tradução. Começo por registar honestamente o meu pensamento em bruto: o que me frustra, o que está errado, qual é o verdadeiro problema e que compromisso estamos a evitar. Não envio essa versão a ninguém. É a análise privada e não filtrada.

Depois, peço à IA que me ajude a transformar isso em algo útil para o público-alvo: um e-mail, uma mensagem no Slack, feedback sobre uma reunião, um memorando de decisão ou um conjunto de perguntas. O fluxo de trabalho é: pensamento em bruto → análise estruturada → comunicação adaptada ao público → revisão humana → mensagem final.

A IA não substitui a minha capacidade de julgamento; em vez disso, ajuda a preservar a verdade do feedback, removendo simultaneamente a intensidade desnecessária. Permite-me ser primeiro mais honesto comigo próprio e, depois, mais eficaz com os outros.

Para os líderes de produto, isso é importante porque o trabalho não consiste apenas em ter a análise certa. Consiste em ajudar os outros a ouvi-la, a envolverem-se com ela e a agir sem se tornarem defensivos. A IA tornou-se útil como ponte entre uma reação autêntica e uma comunicação construtiva.

Porque é que o trabalho de produto com IA exige mudança organizacional

O trabalho de produto com IA não é apenas um desafio de produto ou de tecnologia. É um desafio de mudança organizacional.

Não é difícil encontrar um pequeno grupo de pessoas entusiasmadas com a IA. Criar os primeiros protótipos também não é a parte mais difícil. Fazer passar a inovação à velocidade da IA por estruturas de incentivos, modelos de governação, percursos de aprovação e processos de entrega concebidos para uma era de software diferente é muito mais difícil.

Muitas dessas estruturas existem por boas razões. Protegem a qualidade, a segurança, a consistência, a marca, a conformidade e a confiança dos clientes. Mas a IA altera drasticamente a velocidade, o âmbito e as oportunidades, pelo que algumas dessas estruturas podem tornar-se estrangulamentos se as organizações não as reavaliarem.

Por isso, é necessário um mandato não só para comprar ferramentas, mas também para formar pessoas ou criar funcionalidades de IA. Também é necessário um mandato para mudar a forma como o trabalho circula na organização: quem pode fazer experiências, como são avaliados os riscos e as decisões, como é incorporado o feedback e com que rapidez uma ideia pode passar da exploração à aprendizagem com os clientes.

Se tivesse compreendido isso mais claramente antes, teria dedicado ainda mais tempo às bases “pouco glamorosas”: incentivos, permissões, modelos de revisão, ciclos de aprendizagem e confiança organizacional. Esse trabalho nem sempre cria um momento de lançamento vistoso. Mas, sem ele, os processos não concebidos para a velocidade da IA prendem facilmente a inovação com IA.

E também poderíamos ter evitado parte da fricção resultante de pedir às pessoas que inovassem com IA, continuando a obrigá-las a passar por restrições operacionais anteriores à IA.

Porque é que os líderes de produto têm de redesenhar a forma como o valor circula

Os líderes de produto têm de colocar questões difíceis: Onde circula o valor? Que partes da superfície do produto continuam a ser valiosas quando os agentes passam a ser utilizadores? Que fluxos de trabalho se tornam mercantilizados? Que estrangulamentos passam da criação para a verificação, a confiança, a integração e a adoção? Elementos como o mapeamento de Wardley e a análise do fluxo de valor tornam-se mais importantes, pois obrigam-nos a perceber onde o produto e a organização podem precisar de mudar, e não apenas onde a IA pode ser inserida.

Temos vindo a redesenhar a forma como a inovação chega aos clientes. Historicamente, a inovação podia facilmente concentrar-se numa equipa especializada, quase como uma pequena empresa especializada que reduzia o risco das ideias para o resto da organização. Isso pode funcionar em pequena escala, mas a IA altera a dimensão da oportunidade. Uma pequena equipa de inovação não deve fazer trabalho interessante com IA enquanto todos os outros observam. O objetivo é transformar a inovação numa capacidade organizacional mais abrangente.

Isso significa criar sistemas nos quais mais pessoas possam envolver-se com novas ideias, testá-las com os clientes, aprender com o feedback e contribuir para a direção do produto. Na prática, significa passar de “inovação como equipa” para “inovação como modelo operacional repetível”.

Lukas States

O resultado é mais importante do que a velocidade por si só. Mais pessoas podem participar e validar ideias mais cedo, permitindo que a organização distinga de forma mais eficaz o valor real das demonstrações impressionantes.

O resultado é mais importante do que a velocidade por si só. Mais pessoas podem participar e validar ideias mais cedo, permitindo que a organização distinga de forma mais eficaz o valor real das demonstrações impressionantes. Para um futuro potenciado pela IA, esse pode ser um dos redesenhos mais importantes: não outra funcionalidade, mas um sistema de produto que ajude toda a organização a aprender mais rapidamente.

Porque é que as organizações de produto têm de recompensar novos comportamentos para tirarem o máximo partido da IA

A maior lacuna tem sido a conceção dos incentivos.

Mudar aquilo que a organização recompensa é mais difícil. As ferramentas de IA são fáceis de aceder e é fácil encontrar pessoas entusiasmadas. Se as pessoas continuarem a ser incentivadas a proteger limites funcionais restritos, a evitar experiências, a seguir percursos de aprovação lentos e a otimizar uma entrega previsível, então a adoção da IA continuará a ser superficial.

A IA cria valor quando as pessoas podem ultrapassar fronteiras, testar rapidamente e assumir mais responsabilidade de ponta a ponta. Isso exige autorização, confiança e incentivos alinhados com a nova forma de trabalhar.

Por isso, a questão não é apenas saber se as pessoas utilizam a IA. A melhor pergunta é se a organização recompensa os comportamentos que tornam a IA útil.

Como a falta de contexto pode limitar o ROI

Grande parte do valor empresarial depende de conhecimento tácito: como os processos funcionam, onde ocorrem exceções, que transferências são importantes, que regras são formais e quais são informais, e onde os incentivos organizacionais moldam discretamente o comportamento. Os sistemas, a documentação ou os dados muitas vezes não captam esse conhecimento de forma clara. Assim, quando as empresas adicionam IA, esta pode parecer impressionante ao nível da interface, mas não chega necessariamente ao cerne de como o trabalho é realizado.

Essa é uma das razões pelas quais o ROI tem sido mais difícil de alcançar do que muitas pessoas esperavam. A oportunidade é real e os custos dos modelos continuarão a diminuir, mas o estrangulamento muitas vezes não está no próprio modelo. Está no contexto. Se a organização não tornou os processos, as decisões, os dados e a responsabilização compreensíveis, a IA tem uma capacidade de alavancagem limitada.

Por isso, a minha desilusão não é que a IA seja fraca. É que a IA revelou até que ponto as empresas nunca estruturaram devidamente o conhecimento organizacional que possuíam.

Lukas States

Se a organização não tornou os processos, as decisões, os dados e a responsabilização compreensíveis, a IA tem uma capacidade de alavancagem limitada. Por isso, a minha desilusão não é que a IA seja fraca. É que a IA revelou até que ponto as empresas nunca estruturaram devidamente o conhecimento organizacional que possuíam.

Porque não deve simplesmente acrescentar IA a um produto

Os maus resultados tendem a surgir quando a IA é tratada como um complemento. A versão mais óbvia adiciona uma interface de conversação ou de instruções a um fluxo de trabalho existente apenas para mostrar que a IA está presente. Isso pode criar uma promessa falsa. Uma interface de instruções sugere uma capacidade aberta, mas o software empresarial normalmente precisa de inteligência específica para fluxos de trabalho, delimitada e governada. Quando a superfície da IA excede a sua capacidade real, a confiança desgasta-se rapidamente.

Não penso na IA como uma peça de Lego que se pode simplesmente juntar a um produto. Penso nela mais como a substituição de um jogador numa modalidade coletiva. Quando um jogador muda, a estratégia, as interações, as dependências e os modos de falha mudam todos. Se não redesenhar o sistema envolvente, pode obter uma demonstração impressionante, mas muitas vezes criará mais complexidade posteriormente.

As melhores integrações são frequentemente as mais discretas. A IA ajuda os utilizadores a trabalhar mais depressa, a compreender o contexto, a tomar melhores decisões ou a evitar trabalho desnecessário — sem lhes exigir que gerem a IA como algo separado.

Porque os produtos já não são concebidos apenas para humanos

Os produtos já não são concebidos apenas para utilizadores humanos. A IA introduz um novo tipo de utilizador: agentes, automatizações e intervenientes automáticos que interagem com os produtos de forma diferente das pessoas.

Durante décadas, as equipas de produto começaram pelo cliente humano: os seus objetivos, dificuldades, fluxos de trabalho, atenção, paciência e expectativas. Isso continua a ser essencial. Mas, em muitos contextos empresariais, concebemos agora para um ambiente misto, onde humanos e agentes consomem, interpretam e utilizam as capacidades dos produtos.

Isso altera pressupostos subtis, mas importantes. Vejamos algo tão simples como a pesquisa. Um tempo de resposta que parece instantâneo a um humano pode ser demasiado lento para um agente que opera dentro de um fluxo de trabalho maior. Um elemento da interface que ajuda uma pessoa a compreender o contexto pode ser irrelevante para um agente, enquanto os metadados estruturados, a consistência das API, a gestão de permissões, a rastreabilidade e a semântica legível por máquinas se tornam mais importantes.

Assim, o pressuposto de que abdiquei não é “conceber para humanos”. É “os humanos são os únicos utilizadores relevantes”. A IA acrescenta um novo tipo de utilizador, com diferentes restrições: velocidade, fiabilidade, composição, observabilidade e acesso ao contexto.

Três conselhos para líderes de produto que estão a implementar IA

Eis o meu conselho para os líderes de produto:

1. Não trate a IA como um exercício de aquisição. Comprar ferramentas, adicionar copilotos ou implementar agentes não é a transformação. A transformação consiste em compreender como a IA altera a decomposição do trabalho, as fronteiras entre funções, as transições no fluxo de trabalho e a forma como é criado valor para os clientes.
2. Otimize primeiro a eficácia, antes da eficiência. A IA não deve apenas reduzir o esforço; deve ajudar as equipas de produto a resolver problemas que anteriormente eram demasiado lentos, dispendiosos ou complexos para serem abordados. A pergunta não deve ser apenas: “Conseguimos fazer isto de forma mais barata?” Deve ser: “Conseguimos agora criar um resultado melhor que anteriormente estava fora do nosso alcance?”
3. Meça resultados fiáveis, não a atividade de IA. Contar prompts, tokens, copilotos, agentes ou protótipos pode facilmente transformar-se em teatro da produtividade. Em vez disso, os líderes de produto devem perguntar: O cliente alcançou valor mais rapidamente? O fluxo de trabalho melhorou? O tempo de ciclo, a qualidade, o risco, a conformidade ou a experiência do cliente evoluíram na direção certa? Tomámos uma decisão melhor ou limitámo-nos a produzir mais artefactos?

Em suma: a IA deve levar os líderes de produto a tornarem-se mais ambiciosos, não apenas mais eficientes. A oportunidade não consiste em acrescentar inteligência ao sistema existente. A oportunidade consiste em redesenhar o sistema para que a inteligência possa criar valor responsável, mensurável e duradouro.

Acompanhe

Pode acompanhar o trabalho de Lukas Egger no LinkedIn e no X. E ouça também o seu podcast, Transformadores de Processos.

Em breve, mais entrevistas com especialistas no The CPO Club!