Por que as novas tecnologias não transformam as empresas estabelecidas

O desafio da adoção da IA está se mostrando frustrante para muitas empresas estabelecidas. Elas estão implantando a tecnologia amplamente — adicionando-a aos fluxos de trabalho existentes, utilizando-a para automatizar tarefas individuais, incorporando-a em novas ferramentas de produtividade — mas, mesmo assim, estão perdendo espaço para concorrentes menores. Esse é um padrão familiar. Tecnologias promissoras surgem, as empresas estabelecidas investem pesadamente e articulam estratégias bem fundamentadas, mas ainda assim acabam obtendo pouco mais do que ganhos incrementais de eficiência e, como resultado, cedem vantagem a concorrentes menores. Quando as empresas estabelecidas enfrentam dificuldades dessa natureza, seus líderes tendem a atribuir a culpa à execução. Eles apontam desafios conhecidos, citando lacunas de habilidades, treinamento que fica atrás das mudanças tecnológicas e inércia da gerência média. No entanto, tudo isso é um diagnóstico conveniente, não uma explicação. O problema está em outro lugar: as empresas estabelecidas fracassam porque não reconheceram que as novas tecnologias possibilitam novas formas de coordenar o trabalho. A IA, por exemplo, permite que o trabalho intelectual seja dividido em partes menores, concluído mais rapidamente e recombinado de novas maneiras. Quando as empresas estabelecidas têm dificuldade em aproveitar a IA de maneira eficaz, elas geralmente estão usando seus recursos apenas para otimizar funções e processos existentes. Elas estão realizando o mesmo trabalho de forma um pouco mais eficiente. No entanto, a oportunidade maior está em outro lugar. As empresas também podem utilizar esses recursos para reestruturar a organização do trabalho — como ele é dividido, sequenciado e coordenado entre as equipes. Quando as empresas fazem isso, algumas estratégias simplesmente deixam de ser viáveis, independentemente de quão bem planejadas e realizáveis possam parecer. No entanto, ao mesmo tempo, novas estratégias se tornam possíveis, e essas são frequentemente a fonte de vantagem competitiva. Figma vs. Adobe A ascensão da plataforma de design colaborativo Figma durante a última década mostra como uma nova arquitetura de coordenação pode determinar resultados estratégicos muito antes que as características do produto ou a execução sejam relevantes. A Adobe, líder no setor de design, é frequentemente citada como um modelo de transformação digital bem-sucedida. No início da década de 2010, com o surgimento das tecnologias baseadas em nuvem, a Adobe abandonou seu modelo de software em caixa e fez uma transição bem-sucedida para um modelo de assinatura. Por todos os padrões convencionais, a empresa agiu exatamente como se espera de uma líder com visão de futuro. No entanto, durante esse mesmo período, a Figma, então uma pequena concorrente, criou um ambiente de design compartilhado que reformulou a forma como as equipes colaboravam e tomavam decisões — algo que a Adobe não conseguiu igualar. Isso acabou criando uma ameaça estratégica tão grande que a Adobe tentou fazer uma aquisição de US$ 20 bilhões em 2022. (O negócio foi posteriormente encerrado após mais de um ano de análise por reguladores na Europa e no Reino Unido.) Os observadores geralmente atribuem o sucesso da Figma a uma experiência de usuário superior, incorporando colaboração em tempo real, acesso baseado em navegador e integração mais rápida do usuário. No entanto, a própria Adobe desenvolveu muitos desses recursos. A verdadeira fonte da vantagem da Figma — e da divergência entre as duas empresas — estava na forma como cada uma compreendia a natureza do trabalho de design e se organizava em torno dessa compreensão. A Adobe estava presa a um modelo mais antigo, baseado na premissa de que os designers editavam os arquivos individualmente, os entregavam e integravam as alterações posteriormente. Nesse modelo, a nuvem oferecia benefícios de armazenamento e distribuição, mas o trabalho baseado em arquivos e a edição sequencial persistiam, trazendo premissas que moldavam os fluxos de trabalho e as estruturas das equipes nas organizações dos clientes da empresa. A coordenação exigia o gerenciamento e a reconciliação das alterações entre diferentes versões dos arquivos. A Figma, livre dessas restrições, reinventou uma nova maneira de coordenar o trabalho de design. Aproveitando a nuvem, ela permitiu que várias pessoas trabalhassem simultaneamente no mesmo projeto de design em um ambiente compartilhado. Em vez de esperar pela transferência de arquivos, as equipes que utilizavam a Figma podiam ver as alterações umas das outras à medida que elas ocorriam e chegar a decisões mais rapidamente. A Adobe tratava o arquivo como a unidade básica de trabalho, mas a Figma decidiu tratar os elementos dentro do arquivo — blocos de texto, estilos, componentes reutilizáveis — como as unidades básicas de trabalho: as menores partes que podiam ser editadas e gerenciadas independentemente. Uma pessoa podia reescrever o texto, outra podia alterar as fontes e cores, uma terceira podia reorganizar as telas e uma quarta podia conectar as telas em um fluxo de trabalho, tudo ao mesmo tempo, no mesmo design, sem criar versões conflitantes. Como cada elemento era identificável de forma única, uma alteração feita uma vez era automaticamente atualizada em todos os lugares onde era usada, para todos que trabalhavam no design. Mais importante ainda, tratar os elementos como unidade de trabalho eliminou um gargalo significativo das ferramentas baseadas em arquivos. O trabalho de design passa por várias equipes, e gerenciar esse trabalho por meio de arquivos gera atritos sempre que as alterações precisam ser reconciliadas ou reaplicadas. O Figma eliminou totalmente esse problema ao gerenciar elementos de design em bibliotecas compartilhadas que as equipes de toda a organização utilizam. Como textos, estilos e componentes reutilizáveis são tratados como elementos compartilhados e reutilizáveis, em vez de vinculados a arquivos individuais, suas propriedades podem ser definidas uma vez e reutilizadas em toda a organização. Uma alteração em uma fonte, cor ou regra de layout feita pela equipe responsável aparece automaticamente em todos os designs que dependem dela, sem que ninguém precise abrir, copiar ou atualizar arquivos manualmente. A mudança também teve um efeito significativo na governança de toda a organização. Os padrões de design na Figma são incorporados por padrão, em vez de serem aplicados por meio de revisões posteriores. As equipes não precisam verificar constantemente se o trabalho está em conformidade com as diretrizes — o trabalho é construído usando componentes que já estão em conformidade. Como as equipes montam os designs usando componentes compartilhados, a consistência surge naturalmente, mesmo quando as equipes não se coordenam explicitamente por meio de revisões e reconciliações. Quando o mercado reconheceu que a Figma havia introduzido uma nova forma de organizar e gerenciar o trabalho de design, a diferença entre as duas empresas já estava profundamente enraizada em seus sistemas. A Adobe estava comprometida com uma arquitetura obsoleta e centrada em arquivos, ao passo que a Figma não, o que ajudou a Figma a ganhar participação no mercado, ao mesmo tempo em que transformava a natureza do trabalho de design. A vantagem da Shein As empresas que realmente se beneficiam da IA não se limitam a sobrepor essa tecnologia aos sistemas legados. Considere o caso da varejista chinesa Shein. À primeira vista, a Shein parece ser uma empresa de fast-fashion que compete com base na produção de baixo custo. No entanto, sua verdadeira vantagem reside na forma como reorganiza a unidade de trabalho na moda — e, com isso, a estrutura de coordenação, as capacidades que se tornam acessíveis e as estratégias competitivas que se seguem. As casas de moda tradicionais ainda operam em torno da temporada de moda como unidade de trabalho. Design, previsão, compra, merchandising e produção são todos coordenados em torno de um calendário de ciclo longo. Mesmo quando essas casas adotam IA generativa para acelerar os esboços de design, sua estrutura de trabalho subjacente permanece sequencial. A Shein, por outro lado, reduz a unidade de trabalho da temporada para experimentos contínuos no mercado com novos conceitos de produtos. Cada briefing de design apresenta um novo conceito de produto que pode ser testado no mercado. Em vez de tentar projetar a demanda dos clientes com meses de antecedência, a empresa captura as tendências das mídias sociais e as métricas de engajamento e gera novos briefings de design instantaneamente com base nisso. O que realmente mudou na Shein, porém, é a forma como o trabalho é organizado. Sistemas algorítmicos substituem as decisões de compra manuais, desencadeando pequenas séries de produção para cada conceito de produto, o que permite à Shein realizar milhares de testes em paralelo no mercado. Um conceito de produto específico é ampliado com mais lotes somente quando a demanda é confirmada usando dados reais do mercado na série de testes. Tudo isso se torna possível porque a unidade de trabalho muda da coleção sazonal para um conceito de produto testável. As empresas de moda tradicionais, presas a calendários sazonais, dependem de várias etapas de aprovação para coordenar o trabalho ao longo de um longo ciclo de produção. A Shein, por outro lado, utiliza IA na detecção de tendências, no design e na produção, de modo que todas as funções são coordenadas em resposta às mudanças na demanda. O trabalho de design e produção não é mais sequencial, mas opera em um ciclo contínuo de detecção, geração, teste e refinamento de conceitos de moda. No caso da Figma, a mudança na unidade de trabalho transformou a governança em toda a organização, aplicada por meio de componentes compartilhados, em vez de supervisão. A mudança da Shein vai além, criando um novo sistema de aprendizagem. Como cada conceito de produto é pequeno, testável e com escalabilidade independente, cada interação com o mercado gera feedback utilizável. E como a coordenação é contínua, em vez de baseada em calendários, esse feedback é absorvido imediatamente na próxima rodada de decisões de design e produção. A IA não fica no topo desse processo como uma camada de otimização; ela serve como o mecanismo central que conecta a percepção, a tomada de decisão e a ação em um único ciclo de aprendizagem. A organização aprende por meio de experimentos constantes e de baixo custo durante suas operações, em vez de por meio de revisões periódicas. Com o tempo, esse aprendizado contínuo se transforma em uma vantagem que os concorrentes têm dificuldade em igualar, não porque lhes faltem dados ou modelos, mas porque suas unidades de trabalho e estruturas de coordenação impedem o aprendizado eficaz. Novos fluxos de trabalho Quando um novo fluxo de trabalho é estabelecido dentro de uma organização, ele gradualmente reestrutura a organização em torno dele. Novos padrões de coordenação determinam então onde as equipes precisam ser posicionadas em relação umas às outras e quais funções ganham ou perdem influência. Com o tempo, esses ajustes se acumulam em uma nova arquitetura organizacional que reflete a estrutura do trabalho com mais precisão. À medida que essa reestruturação se desenrola, duas dimensões tendem a mudar em conjunto. Uma é a unidade de trabalho: o objeto básico de produção, seja um arquivo ou um componente. A outra é o mecanismo de coordenação, que determina se o trabalho passa por aprovações sequenciais ou é sincronizado continuamente. Os participantes estabelecidos normalmente mudam apenas uma dessas dimensões por vez: adotam novas ferramentas, mantendo intacta a unidade de trabalho antiga, ou desconstroem tarefas, preservando a coordenação sequencial. Os desafiantes, por outro lado, movem-se diagonalmente em ambas: redefinem a unidade de trabalho e reorganizam a coordenação em torno dela simultaneamente, criando fluxos de trabalho, funções e estruturas de decisão que os participantes estabelecidos não conseguem replicar facilmente. Essa mudança na forma como o trabalho é coordenado reformula a maneira como as equipes operam, o que, por sua vez, molda os produtos que uma empresa desenvolve e o ecossistema que se forma em torno deles. Quando os líderes percebem que uma disrupção está por vir, mas têm dificuldade em responder, muitas vezes isso ocorre porque estão operando dentro de arquiteturas organizacionais construídas para uma forma diferente de trabalhar. O caminho a seguir A diferença real entre a Figma, a Shein e seus concorrentes estabelecidos não é a visão, mas os gargalos. A Figma removeu o arquivo como um gargalo para as decisões de design; a Shein removeu a temporada como um gargalo para aprender o que funciona no mercado. Os concorrentes mantêm esses gargalos, o que significa que não podem seguir estratégias que exijam iteração rápida, aprendizado contínuo ou coordenação minuciosa. Portanto, mesmo quando os líderes articulam estratégias ousadas, a organização só pode seguir aquelas que se encaixam em seus gargalos mais estreitos. A questão que os executivos devem se perguntar hoje não é se estão adotando a IA de forma suficientemente agressiva, mas se a estrutura básica de trabalho dentro de sua organização ainda faz sentido, considerando o que a IA agora torna possível. Se a unidade de trabalho continuar muito grande, muito agrupada ou muito lenta para mudar, nenhuma quantidade de ferramentas produzirá mais do que ganhos incrementais. O problema é que as unidades de trabalho definem funções, especialização e status dentro das organizações. Mudá-las redistribui a influência — afastando-a daqueles que gerenciam aprovações e direcionando-a para aqueles que projetam novas maneiras de organizar o trabalho. Os líderes que percebem resistência muitas vezes a rotulam erroneamente como inércia cultural, quando na verdade se trata de autopreservação arquitetônica.

Por que as novas tecnologias não transformam as empresas estabelecidas

Resumo.

Partner Center