A IA deixa você entregar o dobro. O difícil é saber o que não entregar

A maioria dos designers usa IA pra fazer o mesmo trabalho, só que mais rápido. Eu acho que esse é o primeiro de três estágios, e o mais perigoso pra parar.

Nos três, aparece a mesma tentação: agora dá pra entregar o dobro. Na minha prática, em algumas entregas, chega a cinco vezes o que eu fazia antes. E a minha posição é que, quando executar fica barato, o difícil passa a ser decidir o que não entregar. Escolher o que fica de fora também é julgamento, talvez o mais importante dele.

Os exemplos aqui são de design, que é a minha área. Mas todo profissional está recebendo essa ferramenta nova ao mesmo tempo, então, se você é de outra área, troca as entregas pelas suas e vê se a escada se repete.

O começo é olhar pras suas entregas. O que um Product Designer faz? Entrevista com usuário, planejamento, escolha de metodologia pra começar um projeto do zero ou avaliar um que já está andando, definição dos indicadores que mostram o que melhorar. Isso varia muito se você está numa empresa grande, numa pequena ou trabalhando por conta.

Imagem · 01

Com essa lista na mão, a pergunta é: o que ali é seu, e o que virou commodity? O que a IA pode fazer no seu lugar, e o que é a sua bagagem, o que você estudou e o que você acredita?

A parte que é commodity você acelera ou automatiza. A parte que é sua você transforma em regra. Com skills, GPTs customizados e agentes, dá pra fazer a sua forma de pensar ser aplicada na entrega, e não um padrão pasteurizado que qualquer pessoa conseguiria. É isso que faz alguém fechar com você e não com outra pessoa.

A maioria fica no chat aberto: joga a informação, recebe uma resposta e segue. O estágio 1 bem feito é diferente. Você estuda quais modelos servem pra cada situação e monta as suas ferramentas pra responder exatamente ao que você precisa.

No segundo estágio, a IA deixa de ser só apoio pro que você já fazia e passa a mudar a jornada do projeto. Decupar entrevistas, escolher indicadores, mapear oportunidades, montar a estratégia, preparar a apresentação pra stakeholders, estudar telas e fluxos. Cada etapa fica mais rápida, e algumas ficam possíveis pela primeira vez dentro do prazo.

Aqui aparece a pergunta mais interessante desse estágio: o que você cortava do escopo por falta de tempo e agora pode trazer de volta? Aquela rodada extra de entrevistas, a análise que ficava pra depois, o estudo de alternativas que nunca cabia.

A pergunta muda de "como faço mais rápido?" pra "o que eu faria diferente se o custo de executar caísse?".

No terceiro estágio, a IA sai do seu processo e entra no que você projeta. Primeiro como inteligência que ajuda o usuário a decidir melhor: a plataforma deixa de ser só um lugar onde ele consulta informação e passa a sugerir, alertar e projetar. Depois, em alguns casos, como a própria entrega: em vez de vender a ferramenta, o produto entrega o resultado.

Imagem · 02

Esse segundo passo, que tem gente chamando de Results as a Service, eu trato como hipótese, não como fato. É uma das coisas que estou testando num outro projeto que estou construindo, e ainda não tenho resposta.

A pergunta, aqui, vira "que produto existe agora que antes não podia existir?".

Agora a cosquinha que aparece nos três estágios: dá pra entregar mais do que eu entregava antes. Dez jornadas em vez de duas, trinta telas, relatório de quarenta páginas. Parece generosidade. Muitas vezes é overdelivery.

Imagem · 03

E vale uma honestidade aqui. Os cinco vezes que eu citei lá em cima são percepção minha, e as pesquisas medem ganhos bem menores. Em tarefas de escrita profissional, o tempo caiu 40% e a qualidade subiu 18% (Noy e Zhang). Com quase 5 mil desenvolvedores em três empresas, quem tinha a ferramenta concluiu 26% mais tarefas (Cui e outros). E num teste com desenvolvedores experientes, quem usou IA levou 19% mais tempo, mas achava que tinha ficado 20% mais rápido (METR).

Ou seja, a gente tende a superestimar o próprio ganho. E tem um detalhe que pesa direto no overdelivery: uma tarefa mais rápida não deixa o processo inteiro mais rápido, porque revisão e retrabalho podem engolir a diferença (Bartolucci e Vivo).

Voltando ao overdelivery: ele tem pelo menos quatro problemas.

• Quem recebe tem capacidade limitada de absorver. Mais volume pode diluir a decisão em vez de ajudar.
• Tudo que a IA gera alguém precisa revisar, validar e defender. Entregar mais cria mais superfície pra erro e mais carga de revisão, quase sempre sua.
• A expectativa sobe. Se você entrega o dobro hoje, amanhã o dobro vira o padrão, e quem trabalha por conta sente isso no preço.
• O que importa se perde no meio. A informação que muda o projeto fica enterrada entre as que só mostram esforço.

Por isso a pergunta deixa de ser "o que cabe no prazo?" e passa a ser "o que realmente muda a decisão?".

O overdelivery não é um quarto estágio. É um filtro que você aplica em todos.

No estágio 1, acelera o que já fazia sem inflar a entrega. No estágio 2, quando você recupera algo que cortava, pergunta se aquilo merece voltar ou se cortar era a decisão certa. No estágio 3, não enche o usuário de dashboard e insight; entrega a decisão ou o resultado que ele precisa.

Cada estágio muda a pergunta que você faz. O filtro é o que impede você de se afogar nas respostas.

Nada disso é defesa de entregar pouco. Teve muita coisa que a gente cortava por falta de tempo e fazia falta de verdade, e trazer isso de volta é um ganho real. O ponto é escolher de propósito, e não entregar mais só porque ficou fácil.

Se escolher o que fica de fora é julgamento, quem deveria tomar essa decisão num projeto: o designer, o cliente ou os dois juntos?

E se você é de outra área, me conta nos comentários: qual tarefa você já delegou pra IA, e qual você nunca delegaria?