O motor novo no chassi velho: por que a IA ainda não aparece na produtividade

Em 1899, vinte anos depois de as primeiras usinas elétricas entrarem em operação, os motores elétricos respondiam por menos de 5% da força motriz das fábricas nos Estados Unidos. O patamar de 50% só foi alcançado no começo dos anos 1920. E a aceleração da produtividade industrial só apareceu na década de 1919 a 1929.

Quarenta anos entre a tecnologia existir e o ganho aparecer. Paul David contou essa história em 1990, e o detalhe que interessa não é a demora — é o motivo dela.

A fábrica que trocou o motor e não mudou nada

A fábrica movida a vapor tinha um desenho imposto pela física. Um motor gigante no centro, um eixo principal atravessando o teto, correias de couro descendo até cada máquina. Como a potência se perdia com a distância, tudo tinha que ficar perto do eixo. Prédios de vários andares, máquinas empilhadas por proximidade da força, e não por sequência de trabalho.

Quando a eletricidade chegou, a primeira geração de fábricas fez o óbvio: trocou o motor a vapor por um motor elétrico grande e manteve todo o resto. Mesmo eixo, mesmas correias, mesmo prédio. Chamavam de *group drive*. Funcionava, era mais limpo, e o ganho de produtividade foi quase nada.

O salto veio com o *unit drive*: um motor pequeno em cada máquina. Aí o eixo sumiu, as correias sumiram, e o prédio pôde ser leve e de um andar só. Só então a máquina pôde ser colocada onde o fluxo do trabalho pedia, e não onde a força alcançava.

O motor não era a inovação. O motor era a permissão para redesenhar a fábrica. Quem só trocou o motor pagou o investimento e ficou com o layout antigo.

O mesmo desenho, com outro nome

Hoje se instala IA sobre o chassi antigo com uma naturalidade impressionante.

O assistente escreve o e-mail que ninguém precisava ter escrito. O copiloto resume a reunião que não precisava ter acontecido. O modelo redige o documento que existe porque um processo de 2011 exige aquele documento. A aprovação continua com as mesmas quatro alçadas, o retrabalho continua no mesmo ponto, o gargalo continua onde estava — só que agora com uma camada de IA por cima, mais rápida e mais cara.

É *group drive*. Motor novo, eixo velho.

Um relatório do MIT Media Lab, de agosto de 2025, estimou que cerca de 95% dos pilotos de IA generativa em empresas não produziam impacto mensurável no resultado. O número virou manchete e a metodologia foi contestada — então trate-o como indício, não como lei. Mas a direção é consistente com o que se vê em campo, e com o que aconteceu com o motor elétrico, com o computador pessoal e com o ERP.

A conta que ninguém mostra na proposta

Aqui entram os números que mudam a conversa, e eles não são novos.

Brynjolfsson e Hitt, num trabalho de 2000, estimaram que a razão entre ativos intangíveis e ativos de TI pode ser de 10 para 1. Para cada dólar em tecnologia, algo como dez dólares em processo redesenhado, treinamento, capital humano específico e mudança organizacional.

E há um dado desse mesmo trabalho que todo mundo que já viveu uma implantação de ERP reconhece na hora: numa amostra de projetos, o hardware foi menos de 4% do custo inicial típico, as licenças e o desenvolvimento foram 16%, e todo o resto — cerca de 80% — foi consultoria, redesenho de processo e treinamento. Os autores ainda avisam que o tempo dos funcionários da própria empresa não estava incluído. Ou seja: a proporção real é pior que a da tabela.

Pare um segundo nisso. Você não comprou um sistema. Você comprou uma mudança de processo, e recebeu um sistema junto.

Todo mundo que aprova orçamento de ERP sabe disso na prática e quase ninguém trata assim no plano. O projeto é medido por marcos de sistema, cobrado por entrega de sistema, e a parte que consumiu 80% do dinheiro — o processo novo funcionando na mão de gente real — aparece como uma linha chamada "treinamento", perto do fim.

O que a curva em J acrescenta

Brynjolfsson, Rock e Syverson descreveram em 2021 o que chamam de curva em J da produtividade: quando uma empresa investe pesado em intangível — redesenhar processo, treinar, reorganizar —, a produtividade medida cai antes de subir. O esforço é real, o gasto é real, e o resultado ainda não apareceu.

Para IA especificamente, a estimativa deles é que o investimento intangível complementar precise ser de 2,7 a 4,1 vezes o investimento observável em tecnologia. É menos que o 10 para 1 da era do computador, e continua sendo a maior parte do dinheiro.

A leitura prática é dura: uma organização que investe certo em IA vai parecer pior antes de parecer melhor. E a maioria das empresas mata a iniciativa exatamente nesse trecho da curva, porque cobra retorno no trimestre em que o custo aparece e o ganho ainda não.

Se o gasto é processo, o entregável é processo

Se 80% do dinheiro vai para mudar o jeito de trabalhar, então o entregável do projeto não é o sistema. É o procedimento novo, executado por pessoas reais, com as exceções que a vida traz.

E aqui a conversa deixa de ser econômica e vira operacional, porque mudança de processo tem um comportamento conhecido: ela volta. Três meses depois do go-live, metade do time voltou a fazer do jeito antigo — com uma planilha paralela, uma exceção que virou regra, um contorno que alguém inventou na segunda semana e ensinou para os outros.

Quando alguém pergunta por que o ganho não apareceu, ninguém sabe responder. Não porque as pessoas escondem: porque não existe registro do processo novo sendo executado. Existe o desenho de como deveria ser, existe o sistema, e existe o que realmente acontece — e essa terceira coisa nunca foi escrita.

Mudança de processo se prova, ou não aconteceu

É o mesmo raciocínio da fábrica de 1920. Trocar o motor é verificável: a nota fiscal prova. Redesenhar o layout também: a planta prova. Mas mudar como as pessoas trabalham só é verificável se alguém registrar o trabalho sendo feito do jeito novo.

Sem esse registro, três coisas acontecem e todas custam caro.

A primeira: não dá para saber se a mudança pegou. Adoção vira opinião do gerente, e opinião de gerente é o dado mais enviesado de qualquer projeto.

A segunda: não dá para treinar o próximo. A pessoa que descobriu o caminho certo sai do time, e o conhecimento sai junto. O documento que fica descreve o caminho feliz, escrito de memória por quem já sabia fazer.

A terceira: não dá para provar nada depois. Quando alguém questiona um resultado — auditoria, cliente, um diretor novo —, a resposta depende da memória de quem estava lá.

O elo entre a economia e a operação é esse: os 80% do orçamento compram uma mudança de processo, e mudança de processo que não é registrada enquanto acontece não é gerenciável, não é ensinável e não é auditável. É a definição de dinheiro gasto sem ativo formado.

Onde este raciocínio não se aplica

• Nem todo ganho exige redesenho. Substituir uma tarefa isolada — transcrever, traduzir, classificar — dá ganho direto e imediato, sem mexer no processo. A analogia do motor não vale aí, e forçá-la é o erro simétrico ao do texto.
• A analogia tem limite de tempo. Software difunde muito mais rápido que motor elétrico. Quarenta anos foi o prazo daquela transição, não uma lei da natureza. Quem citar "quarenta anos" como previsão para IA está usando história como oráculo.
• Nem toda empresa está na parte de baixo da curva. Algumas simplesmente compraram mal, e não há curva em J que salve.
• E registro não é resultado. Documentar a execução não faz o processo novo ser bom. Faz o processo ser observável, que é condição para melhorar — não substituto de melhorar.

O que eu faria, na prática

• Trate o projeto pelo que ele é. Se 80% do custo é processo, 80% da governança devia ser de processo — e não de marcos de sistema.
• Escreva o novo processo a partir da execução, não da intenção. O desenho diz como deveria ser; a execução mostra como é. A distância entre os dois é o seu plano de trabalho.
• Registre a execução enquanto ela acontece, no piloto e nas primeiras semanas depois do go-live. É o único momento em que o contorno aparece cru, antes de virar hábito silencioso.
• Meça adoção com evidência, não com pesquisa de opinião. "Quantas execuções seguiram o procedimento novo" é uma pergunta respondível; "o time aderiu?" não é.
• Segure a expectativa no trecho baixo da curva. Quem aprovou o orçamento precisa saber, antes, que o indicador vai piorar antes de melhorar. Explicar isso depois soa como desculpa.

Onde o Walkstamp entra

O Walkstamp existe para o passo que quase ninguém executa: registrar a execução enquanto ela acontece.

A pessoa grava a tela e trabalha normalmente, narrando o que faz. A ferramenta separa os momentos em que a tela muda — inclusive o erro que apareceu e o contorno que foi usado — e monta um documento com a hora de relógio de cada passo, o ambiente e a fala pareada com cada trecho. Sai em PDF, Word, HTML ou Markdown, e serve tanto como evidência de teste quanto como instrução de trabalho nascida do que realmente foi feito.

Ele não desenha processo, não mede adoção sozinho e não garante conformidade com nada. Faz uma coisa só: transforma a execução em registro, sem exigir que alguém pare para documentar depois.

E o vídeo não sai da sua máquina: o processamento acontece inteiro no navegador, sem servidor no caminho. Está tudo em Segurança. É grátis e não pede cadastro — dá para abrir agora.

A fábrica de 1900 tinha o motor certo e o chassi errado. Levou quarenta anos para alguém decidir mudar o chassi. A pergunta que eu deixaria é se o seu projeto de IA está comprando um motor, ou pagando para redesenhar a fábrica — e se alguém está registrando a diferença.

---

Fontes: Paul A. David, *The Dynamo and the Computer* (American Economic Review, 1990), para os dados de eletrificação e a distinção entre *group drive* e *unit drive*. Erik Brynjolfsson e Lorin Hitt, *Beyond Computation* (Journal of Economic Perspectives, 2000), para a razão de 10 para 1 e a composição do custo de implantação. Erik Brynjolfsson, Daniel Rock e Chad Syverson, *The Productivity J-Curve* (American Economic Journal: Macroeconomics, 2021), para a curva em J e a estimativa de 2,7 a 4,1 vezes no caso da IA. O dado de 95% vem de relatório do MIT Media Lab divulgado em agosto de 2025, cuja metodologia foi publicamente contestada.