Recentemente, o CEO da Nokia compartilhou sua experiência ao desenvolver uma versão do clássico jogo Pong utilizando inteligência artificial (IA) para seus filhos. Este exemplo simples ilustra a rápida eliminação da distância entre concepção e execução, um fenômeno que também está sendo observado dentro da empresa. As equipes de engenharia da Nokia estão conseguindo explorar diferentes arquiteturas simultaneamente, testá-las rapidamente e alcançar resultados mais eficazes em menos tempo. Isso transforma tarefas que antes eram consideradas difíceis ou demoradas em oportunidades viáveis, destacando a importância do foco. Maior produtividade e entrega acelerada Os ganhos em produtividade se traduzem em maior volume de trabalho realizado pelas mesmas equipes, com entregas mais rápidas aos clientes. Essa mudança ocorre quando a IA passa a ser integrada em fluxos de trabalho repetíveis. Desde a implementação do ferramenta de codificação AI Cursor na Nokia, mais de 14 mil colaboradores têm utilizado a plataforma em pesquisa e desenvolvimento de software, com uma taxa de uso semanal de 67%, que continua a crescer. Seis meses atrás, o uso era predominantemente experimental; atualmente, padrões repetíveis começam a surgir. Em um dos fluxos de trabalho de engenharia, equipes que utilizam desenvolvimento assistido por IA conseguiram reduzir o tempo de entrega de uma funcionalidade que normalmente levaria quatro meses para apenas algumas semanas. Em outro exemplo, casos de teste em nível de sistema que anteriormente demandavam horas ou dias para serem elaborados agora podem ser criados em minutos. A melhoria se deve à conexão mais direta entre intenção, contexto e implementação. Os melhores resultados são obtidos quando as equipes conseguem iterar mais rapidamente e com maior consistência. Mais autonomia, menos coordenação Com a aceleração na execução, as limitações nas organizações tendem a se deslocar para níveis superiores. Tradicionalmente, aumentar a produção significava adicionar coordenação e processos. No ambiente habilitado por IA, esse modelo se transforma. Para escalar, é necessário tomar decisões mais ágeis e permitir que as equipes atuem com mais autonomia. As equipes que têm experimentado os maiores avanços até agora são aquelas que combinam o uso da IA com profundo conhecimento do domínio, disciplina de engenharia e diretrizes claras. O valor é maximizado por profissionais que compreendem o problema, assumem total responsabilidade e aplicam a tecnologia com discernimento. Ferramentas de IA não substituem a expertise; elas potencializam o conhecimento existente. Assim, o julgamento técnico, comercial e do cliente se tornam diferenciais competitivos. Esse novo cenário redefine o conceito de equipe de alta performance. Uma “equipe estrela” não é formada apenas pela contratação de talentos, mas pela criação de um grupo confortável com a ambiguidade e aprendizado contínuo. Um dos engenheiros da Nokia resumiu o impacto da IA como “reduzir o custo da curiosidade”. Essa afirmação reflete a capacidade ampliada de explorar ideias antes de um comprometimento definitivo, além de diversificar as contribuições ao incluir pessoas com diferentes perspectivas. Para que essa curiosidade gere valor consistente aos clientes, é necessária uma cultura organizacional robusta e uma abordagem diferenciada por parte dos líderes. Liderança em um ritmo acelerado Durante uma recente reunião geral, um membro da equipe questionou sobre como o CEO utiliza a IA em suas atividades diárias. Ele respondeu que emprega a tecnologia para se preparar para reuniões, investigar questões técnicas e revisar materiais, utilizando-a com frequência superior à de buscas tradicionais. O aspecto mais interessante da pergunta foi a evidência do avanço na adoção da IA. Os colaboradores não estão esperando que a tecnologia seja disseminada pela organização; estão incorporando-a em seu trabalho e esperam que os líderes façam o mesmo. Agir rapidamente não é suficiente. Os líderes devem definir prioridades, fazer escolhas estratégicas e criar condições para que as equipes operem em um ritmo acelerado. Além disso, é crucial que estejam próximos das operações para entender como as equipes utilizam essas capacidades e identificar gargalos no processo decisório. De acordo com dados da McKinsey, cerca de 90% das organizações estão utilizando IA em pelo menos uma parte de seus negócios, mas apenas um terço conseguiu expandir seu uso em toda a empresa. Na Nokia, a forma como trabalham está diretamente ligada ao que produzem. À medida que as cargas de trabalho em IA se deslocam além dos centros de dados, as redes precisam ir além do transporte de dados; elas devem fornecer tokens de IA adequados para cada tarefa. Essa mudança estrutural nas expectativas dos clientes exige uma arquitetura de rede fundamentalmente diferente. Não basta apenas acrescentar inteligência às redes; elas devem ser projetadas para serem nativas de IA. O mesmo princípio se aplica internamente nas empresas. As organizações que têm obtido os melhores resultados não apenas adotam ferramentas de IA, mas também reformulam seus processos executivos. Observa-se uma mudança semelhante ocorrendo na infraestrutura de IA. Para atender à demanda dos clientes, não é suficiente adicionar inteligência aos sistemas existentes; a infraestrutura precisa ser concebida para ser nativa de IA desde sua origem.
Com informações de Fortune
