A Klarna e a Duolingo recuaram no AI-first antes de a UE o adotar

Ursula von der Leyen anunciou o “AI first” em outubro de 2025.

Nessa altura, as startups que o tinham lançado já tinham voltado atrás.

A Klarna cortou 700 postos no apoio ao cliente e anunciou que a IA os ia substituir. 18 meses depois está a recontratar pessoas, porque a qualidade caiu tanto que os clientes notaram.

A Duolingo declarou uma “AI-first transformation” no início de 2025 e dispensou prestadores externos. A meio do ano enfrentava revoltas contínuas dos utilizadores: gente a apagar a app e a abandonar streaks de anos em protesto.

As empresas que avançaram mais depressa estão agora a andar para trás.

Mas a consultoria não recebeu o recado.

Está neste momento a vender AI-first embalado para empresas de média dimensão. A criar ambientes de FOMO onde agir depressa conta mais do que perceber as consequências.

O resultado: a maioria das implementações de IA não tem impacto na conta de resultados.

A tecnologia funciona. Ninguém é dono do resultado.

O AI-first comprime decisões complexas (criação de valor, responsabilidade pelo risco, obrigações de compliance, conhecimento humano) numa única direção: andar mais depressa com IA.

Isso cria tração. Não cria responsabilidade.

As empresas que desenvolvem sistemas de IA duradouros fazem outra pergunta:

“Quem é dono do resultado quando este sistema estiver em produção: quando funciona, quando falha, quando os fornecedores mudam as condições ou quando precisas de sair?”

Não “que ferramenta de IA devemos comprar?”

Chamo a isto Consequence-Driven AI Integration.

Significa definir estruturas de responsabilidade antes da compra:

• Descrever o problema sem mencionar IA (se não consegues, não tens um business case)

• Corrigir os processos antes de os acelerar (acelerar fluxos avariados só multiplica a confusão)

• Integrar a compliance na arquitetura desde o primeiro dia, em vez de a arrumar depois

• Calcular o custo total de propriedade, incluindo revisões jurídicas, auditorias e cenários de saída

• Otimizar a fiabilidade com mecanismos de automonitorização, autocorreção e human-in-the-loop

• Definir o que fica humano e o que é automatizado antes da implementação, sem deixar o âmbito crescer ao acaso

• Cocriar com as pessoas que vão operar e usar o sistema e cujo desempenho depende dele

• Atribuir um único dono, responsável pelo impacto dos resultados na conta de exploração

Os pilotos de IA genéricos saltam estas perguntas. Partem do princípio de que se resolve mais tarde.

Nessa altura, já acumulaste custos afundados que tornam a otimização cara.

As empresas que têm sucesso tratam a IA como uma decisão de responsabilidade, não como uma decisão de compra.