Em 2017, cinco anos antes de o ChatGPT chegar ao público, os Emirados Árabes Unidos criaram um cargo que na época parecia exagero: o de Ministro de Estado para Inteligência Artificial. Omar Sultan Al Olama assumiu a missão de preparar o país para uma tecnologia que ainda estava longe das pautas de conselho, dos planejamentos estratégicos e das decisões de investimento que hoje ela domina.
No palco do Dreamforce 2026, em San Francisco, Al Olama recorreu a uma história de mais de cinco séculos para explicar essa escolha. Enquanto a prensa de Gutenberg transformava a Europa, o Império Otomano impôs restrições duras à impressão. Os argumentos, segundo ele, eram três: o emprego de escribas e calígrafos, o risco de circulação de informação falsa e o receio de uma tecnologia que ninguém ainda compreendia bem. Diante disso, esperar parecia a decisão prudente, e essa espera se estendeu por mais de dois séculos, período em que a Europa barateou o livro, acelerou a circulação do conhecimento e levou ideias novas a uma parcela cada vez maior da população.
A conclusão que Al Olama tira dali orienta a política dos Emirados até hoje: o risco de adotar uma tecnologia nova precisa entrar na conta, e o risco de não adotá-la precisa entrar na mesma conta.
Os mesmos argumentos, cinco séculos depois
Troque escribas por gerentes, analistas e atendentes, e a lista de objeções à IA fica quase idêntica. Quantos empregos vão desaparecer, como controlar o que um modelo inventa, como proteger dado de cliente, até onde dá para confiar num agente e se não seria mais prudente deixar a tecnologia amadurecer. São perguntas legítimas, e toda empresa séria deveria fazê-las. O problema começa quando a existência do risco vira justificativa para não testar nada.
O que diferencia este ciclo de outras ondas de tecnologia é onde o valor se acumula. Quem começa a trabalhar com IA descobre, na prática, quais processos podem ser redesenhados, que dados estão desorganizados demais para alimentar um modelo, onde um agente de fato ganha produtividade, que tarefas continuam dependendo de gente e como costurar tudo isso na operação. Cada teste revela o gargalo seguinte, e por isso esse conhecimento se acumula em camadas dentro da empresa, algo que nenhum fornecedor entrega pronto.
Uma empresa pode esperar dois anos por modelos melhores, mais baratos e mais seguros, e provavelmente terá acesso às mesmas tecnologias que os concorrentes. O que ela não consegue comprar na mesma velocidade são os dois anos de curva de aprendizado que quem começou antes já percorreu.
Vale o contraponto, porque começar cedo também tem custo. Muito piloto de IA morre sem chegar à operação, consome orçamento e gera ceticismo interno. A diferença está no que sobra depois do piloto que não deu certo: em algumas empresas sobra um processo mapeado e um dado organizado, em outras sobra só uma assinatura de ferramenta que ninguém usa.
De prompts a agentes
Os Emirados lançaram a estratégia nacional de IA em 2017 e investiram tanto em tecnologia quanto em gente. Órgãos de governo passaram a ter Chief AI Officers, e servidores públicos começaram a ser treinados para aplicar IA dentro da própria rotina. No Dreamforce, Al Olama contou que cerca de 1 milhão de pessoas passaram por uma primeira formação em prompts e que, mais recentemente, 80 mil funcionários públicos foram capacitados em IA agêntica.
A passagem de um número para o outro mostra a velocidade com que a conversa mudou. Até pouco tempo, o desafio era ensinar alguém a pedir algo bem para um modelo. Agora o desafio é desenhar sistemas que executam tarefas, tomam decisões dentro de limites definidos e participam de processos que antes dependiam só de pessoas.
Isso também muda quem precisa ser formado e em quê. Escrever um bom prompt é uma habilidade individual, enquanto colocar um agente em produção é uma decisão de processo, que envolve quem define a regra, quem audita o resultado e quem responde quando algo sai errado. Os Emirados perceberam isso ao separar uma formação ampla, para muita gente, de uma formação mais profunda, para quem vai operar agentes.
O que isso significa para o Marketing
Marketing é provavelmente a área onde o dilema otomano aparece com mais nitidez. É a função com mais produção repetitiva (versões de peça, segmentação, relatório, pesquisa, resposta a cliente), a mais exposta a risco de marca quando um conteúdo gerado sai errado e uma das mais pressionadas por orçamento. Os três argumentos dos escribas estão todos ali.
É comum ver empresas que liberaram ferramentas genéricas, deixaram cada pessoa testar por conta própria e, um ano depois, não têm nenhum processo redesenhado, nenhuma base organizada e nenhum aprendizado registrado. No papel, a empresa adotou IA. Na prática, o aprendizado ficou espalhado na cabeça de alguns profissionais e vai embora junto com eles.
Para quem lidera a área, a experiência dos Emirados sugere um caminho mais estruturado. O primeiro movimento é escolher poucos processos com dor mensurável e dono claro, como produção de variações de criativo, régua de relacionamento ou atendimento pós-venda, e medir o antes e o depois. O segundo é tratar dado como pré-requisito, já que um agente decide com base na qualidade da base de clientes e do histórico que consulta. O terceiro é formar gente em camadas, com uso básico para o time inteiro e um grupo menor capaz de desenhar e governar agentes. O quarto é calibrar a governança pelo risco, mantendo revisão humana onde existe exposição de marca e dando autonomia onde o erro custa pouco.
A história otomana costuma ser contada como exemplo de atraso, mas os argumentos da época eram razoáveis. Os escribas perderam espaço, e informação falsa circulou pela Europa impressa. O erro foi tratar a espera como ausência de risco, quando ela era só um risco mais difícil de enxergar, porque o custo aparece anos depois na forma de uma distância que dinheiro nenhum recupera rápido.
COMPARTILHAR ESSE POST
