A IA rende pouco porque não sabe o que seus especialistas sabem

Em 30 segundos

1. Arvind Jain, CEO da Glean: a IA fica aquém nas empresas porque não tem o julgamento dos especialistas, que mora na cabeça das pessoas e em vários sistemas.
2. A saída que ele propõe é reunir esse conhecimento com antecedência, uma vez só, e entregá-lo a qualquer agente ou assistente.
3. Com a conta de IA já alta, a pergunta virou quanto cada token rende, e na maior parte das tarefas um modelo mais barato resolve.

Os funcionários gostam da IA, mas os líderes não veem resultado. Em pesquisas da Glean, 75% dos funcionários se dizem muito satisfeitos com a IA, e só 13% dos líderes afirmam que ela gera valor para o negócio. Para Arvind Jain, fundador e CEO da Glean, o problema não está no modelo, mas no que ele não sabe sobre a empresa. Jain foi entrevistado por Harry McCracken, editor de tecnologia da Fast Company.

01Contexto é o que os especialistas sabem e nunca escreveram

Jain parte do que as empresas tentam fazer: pôr a IA no lugar de parte do trabalho humano. Para isso, ela precisa trabalhar no nível do especialista que faz a tarefa há anos. É aí que os projetos desandam, porque é muito difícil dar à IA a experiência que essa pessoa acumulou.

Parte desse saber está em manuais, guias e fluxos de trabalho. O resto é julgamento que as pessoas usam todo dia e nunca registraram. Muitos sistemas já oferecem o MCP, uma porta de conexão para a IA que Jain compara às antigas integrações entre programas. Essa porta traz algum contexto na hora da tarefa, mas costuma ser pouco: um processo de negócio passa por vários sistemas, e não dá para montar o quadro inteiro em tempo real.

A resposta dele é uma camada de contexto montada com antecedência, que reúne o que a empresa sabe sobre funcionários, clientes e parceiros. No caso do cliente: quem é, o que comprou, o que sente pela empresa. Feita uma vez, ela serve aos agentes de qualquer área e a assistentes como Claude e ChatGPT. É o que a Glean vende: conecta-se a SharePoint, OneDrive e Salesforce e entrega esse contexto à IA pelo MCP.

02A pergunta mudou de quanto gastar para quanto cada token rende

Jain chama de paradoxo essa distância entre funcionários satisfeitos e líderes sem resultado. Como toda grande empresa já tem uma conta de IA relevante, a conversa mudou: deixou de ser gastar o máximo de tokens (a unidade em que se paga o uso da IA) e passou a ser quanto cada token rende.

A primeira frente é custo. “Em 95% de todo o trabalho corporativo que você faz, não é preciso usar os modelos mais avançados e mais caros”, afirmou. Modelos mais baratos e eficientes dão conta da maior parte.

A segunda frente é ir além da IA que deixa cada funcionário mais produtivo. As empresas querem atacar processos específicos, cujo custo atual conhecem, automatizá-los e embolsar a economia.

Números da palestra

13%dos líderes dizem que a IA entrega valor de negócio

75%dos funcionários se dizem muito satisfeitos com a IA

95%do trabalho corporativo dispensa o modelo mais caro

US$ 20 a 30custo de resolver um chamado de suporte ao cliente

10.000 agentescriados dentro de empresas, quase todos inúteis

03No atendimento ao cliente, o retorno aparece na hora

O atendimento ao cliente adotou IA antes até da engenharia, e tem uma vantagem: a conta fecha na hora. Resolver um chamado custa de US$ 20 a US$ 30, e a IA já faz a primeira tentativa sem nenhuma pessoa envolvida. Na engenharia de software, disse Jain, mesmo com as ferramentas que escrevem código, ninguém sabe se o produto passou a andar mais rápido.

Vendas vem em seguida: buscar clientes, conduzir reuniões, montar planos de conta e responder a concorrências. No RH, clientes da Glean criam agentes que ajudam a escrever autoavaliações e avaliações de desempenho, e o atendimento interno de RH e TI já passa pela IA. O empurrão veio de cima: os CEOs cobram de cada área a prova de que trabalha com IA.

A novidade deste ano, segundo ele, são os agentes de longa duração. Sem uma tarefa específica, funcionam como colegas digitais sempre disponíveis, no atendimento ou na equipe de operações de vendas. Só ficaram viáveis com o avanço recente dos modelos, que agora tocam tarefas longas e guardam muito contexto.

Pense no contexto como a experiência coletiva, a inteligência e o know-how de toda a sua força de trabalho.

04Dez mil agentes inúteis fizeram as empresas retomar o controle

Jain contou ter ouvido de muita gente que 80% do que se faz com IA gera valor nulo ou negativo. São documentos de 50 ou 100 páginas que ninguém consegue ler, e agentes duplicados que logo ficam velhos e têm qualidade duvidosa.

Na Glean, quem gera com IA um código, um documento ou um aplicativo é o primeiro a revisá-lo. Também há limite de tamanho: “Ninguém pode me mandar um documento com mais de três quartos de página”, disse Jain. Cada um cria agentes à vontade para uso próprio; para compartilhar, o agente passa por moderação.

Empresas que ele acompanhou chegaram a 10.000 agentes internos, quase todos inúteis, e mudaram o modelo. Agente usado por boa parte da companhia passa pelo mesmo processo de qualquer software, com treinamento e teste de qualidade. Jain fechou com uma aposta: com as camadas de contexto em construção, daqui a um ano a conversa deixa de ser o retorno da IA e passa a ser o que dá para construir com ela.

Para levar

1. Peça a cada área um processo com custo medido, não uma prova genérica de que usa IA.
2. Deixe cada um criar agentes para si, mas exija teste de qualidade antes de abrir para a empresa toda.
3. Ponha em quem gera o conteúdo com IA a obrigação de revisar e encurtar antes de enviar.

Três ângulos para as empresas

Estratégia

Se a mesma camada de contexto alimenta agentes de todas as áreas, ela deixa de ser projeto de um departamento. A decisão sobe para a diretoria, em vez de cada área comprar a própria ferramenta e montar o próprio pedaço de conhecimento.

Operação

A conta de IA pede duas medidas separadas: quanto custa cada token e quanto ele rende. Modelos mais baratos melhoram a primeira; só a segunda mostra se a IA mudou o negócio, e não apenas se ficou mais barata.

Pessoas

Os agentes de longa duração entram na equipe como colegas fixos do atendimento e de vendas. Isso muda a pergunta para o RH: além de quem usa a IA, é preciso saber quem responde pelo trabalho que ela faz.

Contraponto

Jain vende a camada de contexto que recomenda, e a sessão não trouxe cliente com nome nem resultado medido em balanço.

Os números da pesquisa da Glean vieram sem método nem amostra; os 80% de uso sem valor são relato de terceiros (“ouvi de muita gente”); e a fatia de tarefas que dispensa os modelos mais caros não tem fonte: em entrevista ao TNW, em outubro de 2026, ele falava em 85% a 90%, não em 95%. Há ainda uma tensão sem resposta.

Conectar os sistemas seria questão de alguns cliques, mas o próprio Jain admite que boa parte do contexto é julgamento não escrito, e não explicou como capturá-lo. A previsão de que o debate sobre retorno acaba em um ano é, nas palavras dele, uma esperança.

Leitura FFX

A palestra tira peso da decisão que mais ocupa os comitês de IA, a escolha do modelo, e põe duas outras na mesa: quem constrói e controla o conhecimento organizado da empresa, e por qual processo começar.

Na VR, de benefícios, os atendentes alimentam a base da Vera, a assistente do aplicativo. A fatia de dúvidas resolvidas sem atendente foi de cerca de 30% para 55% desde outubro de 2025, e o custo por interação caiu mais de 90% (TI Inside, 2026). Desde 2 de novembro, porém, o novo decreto do SAC obriga bancos, fintechs, operadoras e planos de saúde a oferecer atendente humano das 8h às 20h, todos os dias; o robô fica na triagem e não pode barrar o acesso à pessoa (Brasil de Fato, 2026).

Nesses setores, o ganho vem da primeira resposta certa, não do corte de equipe. E a base que produz essa resposta merece cláusula própria: com quem ela fica quando o fornecedor muda, inclusive se for a Glean.

Retrato da empresa

Glean

Plataforma americana de IA para empresas que conecta os sistemas internos e organiza o conhecimento da companhia para busca, assistentes e agentes.

• US$ 300 milhões de receita recorrente anual em maio de 2026, o triplo de 15 meses antes (TechCrunch, 28/05/2026)
• Avaliada em US$ 7,2 bilhões ao captar US$ 150 milhões, em rodada liderada pela Wellington Management (Business Wire, 10/06/2025)
• Mais de 1.000 grandes empresas clientes e cerca de 1.500 funcionários (TNW, 15/10/2026)
• Mais de 85% dos clientes usam a plataforma em 5 ou mais departamentos; presença em 28 países (comunicado Glean, 28/05/2026)
• Leandro Lima, ex-Snowflake Brasil, contratado como vice-presidente para a América Latina em julho de 2026 (TI Inside, 13/07/2026)

Provocação FFX

Se o seu melhor gerente saísse amanhã, quanto do que ele sabe ficaria com a sua IA?