Ethan Mollick: saímos de usar IA para gerenciar IAs

Ethan Mollick não costuma exagerar. Professor da Wharton, autor de Co-Intelligence e da newsletter One Useful Thing, ele construiu reputação sendo o adulto na sala das conversas sobre IA no trabalho: prático, cético com hype, obcecado por evidência. Por isso o ensaio que ele publicou em março de 2026, "The Shape of the Thing", merece atenção. A tese é que uma linha foi cruzada, e quase ninguém percebeu.

O que ele disse

A tese central é uma mudança de verbo. Depois do ChatGPT, diz Mollick, o trabalho com IA tomou a forma de co-inteligência: humano e máquina indo e voltando, o humano pedindo, corrigindo, refinando. A partir do fim de 2025, com agentes como Claude Code, o Codex da OpenAI e o OpenClaw, entramos em outra fase. Agora você pode simplesmente dar trabalho ao sistema, às vezes horas de trabalho humano, e receber de volta um resultado útil em minutos. Nas palavras dele, é a era de gerenciar IAs, não de trabalhar com elas.

O exemplo que ele usa é desconfortável de propósito. Um time de três pessoas na StrongDM, empresa de software de segurança, montou o que chamaram de Software Factory: um jeito de trabalhar em que a IA escreve, testa e envia software de produção sem envolvimento humano. Duas regras, ambas radicais: "código não deve ser escrito por humanos" e "código não deve ser revisado por humanos". Agentes de codificação transformam roteiros de produto em software, agentes de teste constroem ambientes simulados de cliente e experimentam o resultado, e os dois lados trocam feedback até se satisfazerem. Só então humanos olham o produto pronto. Para alimentar isso, cada engenheiro gasta em tokens algo equivalente ao próprio salário, ao menos mil dólares por dia.

Mollick não vende a Software Factory como o futuro obrigatório. Ele faz questão de dizer que os detalhes importam menos que o fato: esse tipo de experimentação radical com a forma do trabalho não só é possível agora, como provavelmente necessário. E convida a ler observadores externos que acompanharam o experimento, como Simon Willison, justamente para ver forças e limites sem o filtro do entusiasmo.

A parte que segura o entusiasmo

O que separa Mollick do vendedor de curso é a insistência na palavra irregular. A fronteira da IA, ele repete, é jagged: a mesma tecnologia que faz uma tarefa em nível de especialista tropeça feio na tarefa ao lado. Ele mostra as curvas exponenciais de capacidade, o gráfico de tarefas longas da METR, testes em que a IA alcança ou supera humanos experientes em boa parte das vezes, e no mesmo fôlego lembra que, apesar de tudo isso, pouquíssima coisa mudou na maioria das organizações. Capacidade em benchmark não é adoção em produção. A distância entre as duas é onde vive o trabalho de verdade.

Ele também descreve o que chama de disrupção em ondas, e ilustra com uma única semana de fevereiro de 2026: um relatório financeiro ficcional sobre 2028 que mexeu com a bolsa, uma demissão de 40% numa empresa atribuída à IA (provavelmente usada como pretexto, ele pondera), e um conflito público entre o Pentágono e a Anthropic sobre quem controla as regras de uso do modelo. Nenhum dos três era exatamente o que parecia. Juntos, dão o clima do que vem: revelações súbitas de capacidade, reações de mercado rápidas e um entrelaçamento crescente entre empresas de IA e governos, o mesmo tipo de choque regulatório que discutimos em o prazo do AI Act que importa é 2 de agosto.

Incerteza não é o mesmo que impotência. Quando uma tecnologia é tão poderosa e tão instável, as escolhas que cada organização faz agora pesam mais.

Nossa leitura

Para quem coloca IA em produção no Brasil, o ensaio de Mollick vale menos pela profecia e mais pela postura. Três pontos práticos saem dele.

Primeiro, a mudança de verbo é real e tem consequência de gestão. Se o trabalho agora é dar tarefas a agentes e revisar resultados, a habilidade escassa deixa de ser "saber prompt" e passa a ser saber delegar, especificar e checar, competência de gestor, não de operador de ferramenta. Times que tratam agentes como estagiários que precisam de instrução clara e revisão de saída vão mais longe que os que esperam mágica.

Segundo, a fronteira irregular é um argumento contra a automação por vaidade. O erro clássico é escolher o caso mais impressionante para automatizar, justamente o que a IA faz de forma instável. O caminho é o contrário: escolher a tarefa entediante, repetitiva e tolerável a erro, onde a fronteira já é sólida. É o mesmo raciocínio de por que 95% dos pilotos de IA não viram produção. Mollick dá a teoria; a operação dá a disciplina.

Terceiro, e aqui ele conversa com Benedict Evans: a instabilidade não se resolve com previsão macro, e sim com experimentação local bem feita. A Software Factory não é um modelo a copiar, é uma prova de que dá para redesenhar o trabalho ao redor de agentes hoje, com regras explícitas e resultados medidos. A janela para definir um bom jeito de usar IA, diz Mollick, está aberta agora, e não vai ficar aberta para sempre. Quem escrever essas regras primeiro vira a referência que os outros vão copiar depois.

Se o seu time ainda usa IA no modo conversa, um prompt de cada vez, e você quer desenhar o pulo para gerenciar agentes com regras e revisão, vale uma conversa de 30 minutos no WhatsApp antes de montar o próximo fluxo.