Quando os funcionários digitais se tornam abundantes, o sucesso ou fracasso do empreendedorismo em IA reside na “orquestração” e na “estética”.

Diálogo｜Zhang Peng

Quando todos se lançam de cabeça no desenvolvimento de “funcionários digitais” e “ferramentas de agentes”, e na competição incessante em cenários segmentados, onde está realmente a vantagem competitiva do empreendedorismo em IA?

Recentemente, Zhang Peng, fundador e presidente do Geek Park, e Liu Ye, fundador da VisionFlow, após a explosão do OpenClaw, tiveram uma discussão de projeção futura. Como a primeira geração de programadores chineses, nascido em 1979, Liu Ye vivenciou um ciclo completo, desde hardware de baixo nível até software, de integração empresarial (ToB) até educação online (Internet industrial). Após meses de isolamento, conversando com pesquisadores das principais empresas de IA globais e os principais empreendedores nacionais, chegou a uma conclusão fria: tratar a IA como um “funcionário digital” para substituir tarefas isoladas é uma simplificação excessiva do pensamento de engenheiro sobre negócios reais.

Nesta conversa, Liu Ye apresentou conceitos e frameworks inspiradores, como “exposição progressiva” e “matriz de tarefas de alta e baixa dimensão”. Uma possibilidade futura ficou cada vez mais clara: o próximo passo da IA não será uma proliferação de ferramentas, mas a construção de uma “organização digital” com mecanismos de colaboração, reporte e reflexão. Quando a cultura empresarial deixar de ser necessária e o trabalho de baixa dimensão for completamente eliminado, talvez o CEO do futuro não seja mais o “Diretor Executivo”, mas um “produtor” com estética extrema.

Este é um debate sobre a forma organizacional na era da IA, barreiras comerciais e o nicho de uma nova geração de empreendedores. Espera-se estimular discussões mais profundas entre futuros empreendedores.

A seguir, uma seleção do diálogo organizado pelo Geek Park:

01 A guerra do “Mil A” já começou, há muitas possibilidades,

mas o que realmente importa fazer?

Zhang Peng: Desde o “Caixa de Tarefas” até hoje, tão entusiasmado com as mudanças trazidas pelo OpenClaw, que mudanças você vivenciou?

Liu Ye: Sou da primeira geração de programadores na China, comecei a programar desde pequeno. Vivenciei a transição de BASIC para DOS, depois Windows e hoje a era Mac, testemunhei o surgimento das três grandes portas de entrada da internet. Trabalhei com informatização empresarial, quis fazer a IBM da China; depois, mudei para o Caixa de Tarefas, participando profundamente da educação online. A educação online é uma indústria muito profunda, a forma mais avançada da Internet industrial, a “última carruagem”. Essa experiência me fez perceber que o núcleo da Internet industrial não é tecnologia, mas o próprio setor, o negócio. As regras da Internet industrial são: primeiro, fazer a mediação de informações; depois, produtos padronizados; em seguida, cadeia de suprimentos; e, por último, serviços não padronizados e complexos. Quanto mais avançado, maior a margem de lucro, mas mais difícil de fazer.

Por isso, quando a onda de IA chegou, minha primeira ação foi dedicar quase seis meses a nada fazer, apenas fazer o RH conversar com todas as pessoas possíveis. Desde os principais cientistas de startups famosas até os algoritmos centrais, engenheiros e pesquisadores das maiores empresas, além de novos empreendedores de IA, conversamos bastante, acumulando quase mil horas de troca intensa. Até que ponto? Quando a outra pessoa dizia a primeira metade da frase, eu já sabia a segunda. O consenso entre todos já era bastante semelhante.

Após uma rodada de conversas, a conclusão foi surpreendentemente unânime: todos estão fazendo a mesma coisa — funcionários digitais. Isso me lembrou de um equívoco estratégico de um grande líder sobre a computação em nuvem, que dizia que a nuvem da Alibaba não passava de um serviço de armazenamento na nuvem. Usar uma estrutura antiga para entender uma novidade é sempre uma visão superficial.

Hoje, todos pensam que criar um funcionário digital usando Claude para gerar “vendas digitais” ou “atendimento ao cliente digital” é fácil. Mas onde está a barreira tecnológica? A vantagem competitiva? Quando uma pessoa queima bilhões de tokens por dia, isso se torna uma rotina, mais parecido com manufatura, e não consegue decolar. Então, faço a mesma pergunta a cada empreendedor: por que você? Com que direito você? É mais jovem? Mais inteligente? Mais capaz de ficar acordado até tarde? Competindo em um único aspecto, isso não é só uma questão de “10 segundos 69” versus “10 segundos 70”.

Zhang Peng: Sim, hoje há muitas possibilidades, mas o que realmente importa fazer? Você tem alguma reflexão sobre isso?

02 Uma repetição dos dez anos da Internet industrial

Liu Ye: IA é muito diferente, mas acredito que ainda há aspectos que se alinham com as regras da Internet industrial. No começo, criamos ferramentas, na fase intermediária, negócios, e, por fim, consultoria. Quando a tecnologia não está madura, os primeiros a entrarem são engenheiros, que tendem a abstrair demais o mundo, como o “cálculo de quadros” do Baidu, que pensa tudo em quadros. Mas a segunda metade da internet móvel é conteúdo e serviço, não quadros.

Pessoas com origem em engenharia tendem a simplificar demais a organização. Veja as três maiores portas de entrada da primeira geração da internet: as empresas Tencent e Alibaba foram as que mais se destacaram, embora estivessem um pouco mais distantes da tecnologia, estavam mais próximas do setor. Hoje é igual: a tecnologia fica cada vez menos importante.

Zhang Peng: Essa onda de profissionais de humanas está feliz, parece que não saber programar não é mais um problema. Mas, a longo prazo, o que a era da IA exige das pessoas? Que mudanças ocorreram?

Liu Ye: No mercado de talentos na China, percebo um problema. A primeira geração de programadores eram, na verdade, gerentes de produto, pois naquela época não existia essa função. A posição de gerente de produto só se popularizou por volta de 2010, após o lançamento do iPhone 4 por Steve Jobs e a proposta de produto de Zhang Xiaolong, que popularizaram a ideia de “todo mundo é gerente de produto”. Antes disso, programadores também faziam gestão de produto, primeiro existiam os programadores, depois os gerentes de produto. Assim, os primeiros programadores aprenderam a codificar por paixão, não apenas por trabalho. São pessoas que se dedicaram por amor, e justamente por serem não convencionais, se destacaram.

Por outro lado, a segunda geração de programadores, com a Internet industrial dos últimos dez anos, virou “trabalhadores de código”, enquanto os gerentes de produto se tornaram arquitetos, e esses trabalhadores de código foram domesticados, deixando de pensar no negócio. Agora, com a chegada da IA, a parte de “código” está sendo eliminada, e eles não evoluíram, restando apenas “trabalhadores”. Esses jovens são excelentes, mas têm uma compreensão vazia do setor. Assim, a “guerra do Mil A” ainda é, essencialmente, uma proliferação de ferramentas.

Na fase final da Internet industrial, empresas como Alibaba e Meituan usam profissionais com formação em consultorias de ponta (MBB) para análise de negócios, e esses consultores lideram os gerentes de produto na condução de processos. Isso porque os gerentes de produto de internet têm uma mentalidade pouco sistemática. O mesmo acontece com Feishu, que foi criado assim. ByteDance, embora seja uma empresa de internet pura, também usa muitas consultorias para construir seus processos internos. Na era da IA, essa regra só se fortalecerá, não se enfraquecerá.

03 O problema das empresas nunca foi o funcionário, mas a organização

Zhang Peng: Então, você acha que focar apenas em “funcionários digitais” não faz muito sentido.

Liu Ye: Essa é minha principal conclusão: funcionário digital não é o fim, a organização digital é o verdadeiro objetivo. Se a proliferação de funcionários digitais eliminar até as vagas de recrutamento, e todos puderem ter bons funcionários digitais, e daí? A empresa ainda consegue lucrar e ter sucesso? Na verdade, o problema de todas as empresas é estratégia e organização, nunca o funcionário.

Por isso, hoje, o agente ainda trabalha para as pessoas, não toma decisões por elas. Nós reformulamos o OpenClaw, criando algo chamado MetaOrg. Sua essência é um núcleo capaz de gerar equipes de agentes. Para qualquer tarefa, não enviamos um funcionário, mas construímos uma “organização” para resolver. Essa organização tem relações de colaboração, reporte, missão, objetivos e modos de ação.

Zhang Peng: Mas no futuro, é possível que uma pessoa seja um departamento? Ou até uma empresa?

Liu Ye: Essa é uma ótima questão. Ainda trabalhamos com tarefas específicas, como usar IA para fazer um vídeo curto ou escrever um documento, que requer múltiplas rodadas de diálogo. Você diz uma coisa, ela responde outra, e assim por diante. É uma utilização de ferramenta inteligente. Essa é uma operação inteligente.

Portanto, o conceito de pessoa ou departamento não é quantidade, mas capacidade. Quando descrevemos um cargo de alto nível, geralmente dizemos: primeiro, consegue fazer várias tarefas; segundo, domina várias ferramentas. Um cargo de alto nível é capaz de entender intenções, planejar proativamente, executar, entregar, relatar periodicamente, refletir e ajustar estratégias com base nos desvios. Essa é uma capacidade avançada.

Zhang Peng: Um departamento competente deve ser como um “L4 de condução autônoma”.

Liu Ye: Exatamente. Quando damos a ele uma habilidade, ele consegue realizar tarefas complexas; com um sistema de habilidades, realiza tarefas mais abrangentes; e, quando há uma orquestra de múltiplos agentes, consegue fazer coisas ainda mais complexas, como produzir uma curta-metragem. Costumo dizer aos funcionários: ao usar MetaOrg, não se veja como um gerente, mas como um presidente. Você deve explorar seus limites.

No futuro, jovens empreendedores podem, em vez de receberem 50 mil yuan para iniciar, receberem um orçamento de tokens para experimentar. Quanto mais tokens estiverem dispostos a gastar, mais avançado será o cargo que podem ocupar. Quanto mais alto, maior a cadeia de raciocínio, maior a necessidade de tentativa e erro, iteração e reflexão.

Zhang Peng: Voltando à questão anterior, se um grupo de agentes puder ser desmembrado em unidades menores, ou seja, uma decomposição de cargos e habilidades, e formar uma equipe que, ao enfrentar uma tarefa central, a qualidade de cada talento individual determinará o sucesso ou fracasso. Isso remete à lógica de competição organizacional de outrora: maior densidade de talentos, maior a capacidade de alcançar tarefas centrais e superar os concorrentes.

O ponto central é: se no futuro a IA for onipotente, e pudermos usar a melhor IA disponível, além de as organizações comerciais oferecerem serviços segmentados mais eficientes, há uma outra camada que volta à “densidade de talentos” — ou seja, quanto maior a capacidade de decompor agentes e bots em unidades atômicas, maior a “densidade de talentos”, e, em tarefas complexas, melhores resultados, eficiência e inovação. Essa é uma hipótese que você acha correta?

Liu Ye: Concordo. Dentro da empresa, há um departamento chamado OD, ou desenvolvimento organizacional. Para saber se uma organização pode vencer uma guerra, normalmente se compara todo o talento do adversário, avaliando a força de cada pessoa e sua compatibilidade com o cargo, para prever o resultado. Assim, a vantagem competitiva vem da capacidade organizacional, não da estratégia de negócio. O exemplo mais clássico é a Alibaba. A Alibaba valoriza muito a construção organizacional, e por isso hoje vive uma “segunda primavera”. A equipe fundadora envelhece, mas a organização pode se perpetuar. Basicamente, se um dia você e eu formos concorrentes e ambos usarmos IA, eu posso construir uma organização forte, com alta capacidade de desenvolvimento de IA. Como fazer isso? Analisando os sistemas de habilidades dos agentes dos concorrentes, identificando suas competências, e criando habilidades melhores, até mesmo preenchendo funções que eles não possuem. Por exemplo, tenho um departamento estratégico, que primeiro observa e analisa.

Huawei tem a metodologia “Cinco Olhares e Três Definições”. Brinco com amigos que, se usarmos essa metodologia na nossa startup, podemos eliminar 99% dos concorrentes. “Cinco Olhares” significa observar tendências do setor, clientes, concorrentes, capacidades próprias e oportunidades estratégicas; “Três Definições” são definir pontos de controle, objetivos e estratégias. Essa abordagem é suficiente para filtrar a maioria dos concorrentes, pois a maioria joga de forma aleatória, confiando na velocidade de raciocínio, enquanto os mestres pensam profundamente e raciocinam. A primeira reação é pensar como comandante, planejando a estratégia.

Zhang Peng: Então, “Cinco Olhares” e “Três Definições” significam evitar reações impulsivas, consolidando um processo de raciocínio prolongado.

Liu Ye: Os mestres fazem pesquisa profunda e raciocínio, conhecem as melhores práticas globais, resumem, analisam e raciocinam, e dão respostas rápidas e eficazes.

Acredito que a competição futura se resume a uma coisa: modelar os negócios do setor tradicional, transformando-os em sistemas capazes de orquestrar agentes inteligentes. Essa será a nova capacidade de desenvolvimento organizacional (OD), que evoluirá para AIOD — a única vantagem competitiva do futuro.

A vantagem central da Alibaba está na construção de organizações. Quando bem estruturadas, podem competir com qualquer adversário e atuar em qualquer negócio. Ma Yun disse que o objetivo da guerra não é conquistar um setor, mas fazer a organização crescer. Para ele, a vitória em uma batalha é uma questão de crescimento organizacional. Ma Yun é como um supercentro de informações, que viaja 200 vezes ao ano para coletar dados e melhorar a organização. Ele é, de fato, o verdadeiro presidente, não apenas o CEO.

Essa é a forma organizacional mais avançada que conhecemos — capaz de atravessar gerações, cobrir diferentes setores, obter sucessos contínuos e se recuperar de crises. Geralmente, uma empresa que nomeia um CEO errado por dez anos tende a declinar. Portanto, usar o passado como referência, olhar com uma perspectiva de maior nível, e ajustar a visão atual, mesmo que com cortes e otimizações, é muito mais eficiente do que construir do zero.

Hoje, qualquer pessoa pode montar facilmente um agente, com uma barreira de entrada muito baixa, e com o apoio da comunidade open source, o setor não guarda muitos segredos. Na camada de ferramentas, a competição nunca será maior que a comunidade open source. Então, qual é a vantagem competitiva que a comunidade open source não consegue copiar?

04 A física das organizações de IA: por que a “exposição progressiva” é fundamental?

Zhang Peng: No “antigo tempo”, ao falar de organizações, enfatizávamos cultura, valores, KPIs, etc. Quando passamos do gerenciamento do antigo tempo para a nova era das organizações de agentes de IA, quais elementos podem ser completamente descartados, e quais podem ser mantidos, mas precisam ser transformados?

Liu Ye: A Anthropic lançou a ideia de skills principalmente por causa do conceito de “exposição progressiva” na codificação de IA — se a IA receber muita informação desorganizada, ela sofre de corrupção de contexto, atenção insuficiente e confusão. A exposição progressiva ajuda a manter a atenção da IA e gerar resultados de alta qualidade. Se depender de diálogo humano para fazer isso, a eficiência será baixa, pois é uma conversa toda manual. Portanto, o valor central de skills é dividir tarefas complexas em camadas, realizando uma exposição progressiva à IA.

Isso se alinha à lógica de gestão das empresas: o conselho foca na estratégia, o CEO na estratégia operacional, gerenciando altos executivos, enquanto os funcionários lidam com tarefas simples. Se 300 pessoas participarem da mesma reunião, ela não acontece. A essência da organização é a hierarquia de informações, como a normalização de banco de dados que melhora a eficiência por meio de camadas de compressão de informações. Problemas complexos devem ser divididos em camadas, com exposição progressiva, e não uma entrada massiva de contexto de uma só vez. Essa é a lógica central das organizações tradicionais, pois o poder de processamento em um dado momento é limitado.

Zhang Peng: Cada modelo consome uma quantidade enorme de poder computacional para criar do zero, o que é ineficiente.

Liu Ye: Impossível fazer diferente. Ainda depende de uma exposição hierárquica, de usar os recursos necessários, o que é limitado pela capacidade do modelo de IA. Além disso, a Anthropic lançou skills porque tarefas complexas já ultrapassaram as leis físicas básicas, e skills podem dividir tarefas complexas em tarefas de baixa dimensão e baixa complexidade. A distinção entre tarefas não é sobre dificuldade, mas sobre grau de complexidade — há tarefas de baixa dimensão e alta dificuldade, e de alta dimensão e baixa dificuldade, por exemplo, codificação por programadores ou resolução de problemas matemáticos, que são tarefas de baixa dimensão e alta dificuldade.

O pesquisador Yu Kai da Horizon propôs um modelo clássico: todas as profissões podem ser classificadas em quatro quadrantes com base na “competição” e na “dimensão”: alta dimensão e alta competição, baixa dimensão e baixa competição, baixa dimensão e alta competição, alta dimensão e baixa competição. Por exemplo, vendas e engenheiros estão na baixa dimensão e alta competição; gerentes de produto e CEOs na alta dimensão e alta competição; cientistas, por sua vez, na alta dimensão e baixa competição — esses podem ser únicos no mundo, com baixa competição, mas alta dimensão. Tarefas de alta dimensão, como produzir um bom curta ou um bom romance, ainda não podem ser feitas por IA; tarefas de baixa dimensão, como otimização de código, já são bem desempenhadas por IA. Quanto maior a dimensão, menor a quantidade de dados disponíveis, mas a quantidade de dados necessária para treinar modelos aumenta. Essa é a razão pela qual modelos de texto surgiram primeiro, seguidos por modelos de imagem e vídeo, e por que modelos de vídeos curtos ainda têm dificuldades de implementação. Essa contradição entre alta dimensão de tarefas e dados só pode ser resolvida por decompor tarefas em skills, assim como uma empresa que não encontra talentos para cargos altos, os divide em funções básicas. Mas cargos de alta dimensão, como CEO, são insubstituíveis.

Zhang Peng: Tarefas de baixa dimensão e alta competição provavelmente serão totalmente substituídas por IA.

Liu Ye: Com certeza, e essa substituição já está acontecendo.

Zhang Peng: Então, tudo que for de baixa dimensão e alta competição deve ser resolvido rapidamente por IA, decompondo-se em skills, e implementando-se por meio de agentes, muitas vezes sem necessidade de intervenção humana.

Liu Ye: Tenho uma hipótese inicial: IBM e Accenture, as maiores consultorias globais, essencialmente extraem as melhores práticas do setor, alinhando-as à digitalização, vendendo processos, não ferramentas. Quando uma empresa compra um risco ou IP, ela contrata consultorias para implementação. Nosso trabalho atual é construir clusters de skills, encontrar os melhores especialistas, extrair suas capacidades, padronizá-las e criar skills padrão. É semelhante ao modelo do Caixa de Tarefas — que, ao colaborar com escolas e plataformas de ensino, extrai métodos de elaboração de questões, ensino e correção, e os integra com engenheiros do Baidu para construir sistemas. A essência é alinhar as melhores práticas. A capacidade organizacional central é montar equipes multidisciplinares de alta qualidade, que entendam de setor, engenharia, e possam coordenar especialistas de diferentes áreas, além de possuir habilidades comerciais, de recrutamento e gestão. Essa é a composição central de uma nova geração de empresas de IA SaaS.

Zhang Peng: Uma projeção mais avançada é que, a partir do entendimento do negócio, podemos retroceder à estrutura organizacional necessária. Organização é uma estrutura de orquestração, semelhante a um sistema operacional de negócios — colocando pessoas como unidades de produção em uma estrutura que maximize seu valor, ou ela não funciona eficientemente. Hoje, os fatores de produtividade mudaram: de dependentes de humanos para uma oferta infinita de IA, que, se bem alimentada, pode se expandir continuamente. A cultura organizacional do passado pode se transformar em objetivos e contextos, dispensando slogans, reuniões tradicionais e atividades de integração.

Liu Ye: Cultura é uma intenção de gestão, não uma intenção de negócio. No antigo tempo, estratégia começava com visão, que define valores, e a organização seguia a estratégia, enquanto o negócio validava tudo. Cultura era apenas um meio de governança, não uma parte direta da estratégia, muitas vezes uma preferência pessoal do fundador.

Zhang Peng: No passado, havia muitas lacunas entre as pessoas e a estratégia. A IA está eliminando essas lacunas?

Liu Ye: Sim, na era da IA, a cultura perdeu importância. Cultura é a crença na organização, mas a IA não precisa disso. A IA não tem carne nem sangue, não precisa de cultura. Sua necessidade central é poder computacional.

Zhang Peng: Você quer dizer que a IA precisa de objetivos e princípios. Um documento basta para definir objetivos e princípios, e todas as unidades de produção podem imediatamente sincronizar e executar fielmente, sem desvios. Grande parte do atrito na organização humana desaparece.

Liu Ye: Exatamente. A antiga cadeia de gestão: estratégia → cultura → talento → execução, agora na organização de IA: objetivos → princípios → skills → orquestração. A cadeia de gestão foi comprimida pela metade.

05 A última barreira: estética e orquestração

Zhang Peng: Qual é a nova barreira das empresas? A qualidade do talento foi substituída pelo Skill Set, e se eu tiver bom gosto, posso obter os melhores skills do mundo. Então, a camada acima é a “orquestração”, certo? O que isso vai mudar?

Liu Ye: Como a Huaqiangbei consegue comprar todos os componentes eletrônicos, mas nem todo mundo consegue fazer um iPhone? No livro de Steve Jobs, a definição de estética é clara: quem já viu produtos, processos ou organizações excelentes, consegue distinguir o bom do ruim — isso é estética. Se nunca viu um bom produto, bom processo ou boa organização, não consegue fazer um resultado de alta qualidade.

Zhang Peng: Visão é a base da estética.

Liu Ye: Visão mais talento, só isso.

Zhang Peng: Estética se manifesta de duas formas: uma é projetar e orquestrar ativamente, a outra é identificar e selecionar emergentes de alta qualidade no caos. Essas duas formas não se excluem.

Liu Ye: De fato, não. Algumas realizações da Apple vêm de pesquisa própria, outras de aquisições de terceiros, mas o núcleo é a estética — não reinventar a roda, mas desenvolver internamente quando necessário.

Zhang Peng: O ponto central é: fazer o agente operar dentro de um módulo de configuração, confirmando o caminho, ou definir todos os caminhos de antemão, para uma orquestra de projeto?

Liu Ye: A emergência é não controlável, precisa primeiro estabelecer regras e princípios iniciais, que refletem a estética de alguém. Como engenheiros excelentes, com 500 ou 5000 linhas de código, podem criar um OpenClaw útil, enquanto engenheiros ruins, escrevendo 50 mil linhas, não conseguem o mesmo. As regras fundamentais ainda precisam ser humanas.

Zhang Peng: Então, não podemos esperar que a emergência aconteça no caos, pois levaria muito tempo. A orquestração ainda é fundamental. Essa orquestra final só pode vir do fundador, ou mais parecido com um “produtor”?

Liu Ye: Acho que o termo “produtor” é ótimo. Mesmo com emergência e efeitos de escala, ainda é necessário rotular dados, limpar dados e alinhar algoritmos continuamente, para evitar expansão desordenada.

O orquestrador depende da complexidade do negócio — tarefas complexas, como fazer um curta ou escrever prompts, são difíceis de uma pessoa só. O conceito de “empresa de uma pessoa” é usado de forma errada; o mundo não pode ser simplificado ao infinito. Embora um computador possa ser operado por uma pessoa, é difícil dominar todas as habilidades de alta dimensão. Pessoas como Elon Musk ou Fei-Fei Li, que dominam múltiplas áreas e podem assumir qualquer cargo, são raras.

Zhang Peng: Se pudermos usar os melhores agentes e sistemas de skills do mundo, por exemplo, um roteirista excelente, seria possível, usando esses recursos, produzir um filme de sucesso global e rentável? Embora o roteirista tenha um diferencial (bom roteiro), não consegue fazer todas as etapas. Essa cadeia de “diferencial + recursos globais” é viável?

Liu Ye: Isso é uma questão de dados — se existem dados que armazenam informações de alta dimensão. Por exemplo, treinar skills de CEOs ainda não tem dados suficientes: os textos de Ren Zhengfei, as falas de Jack Ma, não representam completamente sua cognição de alta dimensão; mesmo coletando relatórios financeiros globais e todas as falas de CEOs, não é possível treinar um modelo que seja um CEO competente, pois as habilidades centrais do CEO são conhecimentos implícitos, não totalmente expostos por textos.

Zhang Peng: Ou seja, as habilidades centrais do CEO ainda não podem ser totalmente vetorizadas. Isso limita a ideia de uma “empresa de uma pessoa” — mesmo que cada um explore uma dimensão, combinando com recursos globais, ainda falta o elemento central: o orquestrador. No fundo, ter os melhores componentes ainda exige uma forte capacidade de orquestração.

Liu Ye: O mesmo vale para gerentes de produto, cujo conhecimento implícito não é totalmente formalizável. Essa é a razão pela qual os parceiros de IA e conteúdos gerados por IA ainda não parecem “vivos” — falta dados de alta dimensão que representem conhecimentos implícitos. Quando os dados são escassos, o foco deve estar em skills; quando há muitos dados, constrói-se o modelo. Atualmente, robôs ainda não decolaram, pois faltam dados suficientes.

Zhang Peng: Assim, a vantagem competitiva futura das empresas não será mais sobre acesso aos melhores modelos — recursos iniciais de IA parecem iguais, poder de cálculo depende de recursos financeiros e do ciclo de negócios, mas a diferença final estará na capacidade de “produtor”, ou seja, na habilidade de orquestração, na inovação de objetivos e no significado que eles carregam, que constituem a vantagem central.

Liu Ye: Um ex-sócio da McKinsey me disse que o core da McKinsey é extrair melhores práticas, criar modelos e ajudar empresas a implementar. Por exemplo, ao fazer consultoria para fabricantes de automóveis na China, eles consultam os japoneses sobre a Toyota, essencialmente copiando e implementando as melhores práticas.

O caso de Mimi Meng, que faz curtas, é bastante ilustrativo. Ela é formada em chinês, mas sua equipe é composta por graduados de universidades top em matemática e computação, que desmontam a lógica de vídeos virais, atingindo altas taxas de sucesso. Essa abordagem é, na essência, modelar engenharia social do setor — mesmo com risco de overfitting, a direção do modelamento é correta.

IBM, Accenture, McKinsey fazem algo semelhante — a primeira geração da McKinsey modelou as melhores práticas nos parceiros, a IBM as transformou em processos digitais, tudo voltado a “vender gestão e processos”.

Zhang Peng: A essência é extrair melhores práticas, validar e implementar continuamente. Essa será a chave do sucesso das organizações comerciais do futuro. Só com uma decomposição adequada é possível uma orquestração eficiente. Então, esse será o foco de vocês daqui para frente?

Liu Ye: Nos últimos três anos, focamos no negócio de IA B2C, reconstruindo o sistema de ensino e pesquisa com MetaOrg. Não é só uma história de “usar IA para aumentar eficiência”. Construímos uma organização de pesquisa e ensino baseada em agentes, com equipes virtuais de pesquisa: uma equipe de pesquisa de aprendizagem de línguas, que acompanha as últimas teorias de aquisição de segunda língua; uma equipe de coleta de corpus, que captura expressões autênticas em contextos reais; uma equipe de avaliação de diálogo, que estabelece padrões multidimensionais de avaliação de habilidades orais; uma equipe de design de diálogo, que converte métodos de ensino em interações homem-máquina naturais; uma equipe de design de questões, que resolve problemas de adaptação de conteúdo; uma equipe de análise de dados, que extrai sinais reais de eficácia de aprendizagem a partir do comportamento do usuário. Cada equipe tem suas skills, fluxo de trabalho e critérios de avaliação. Hoje, cerca de 80% do trabalho de rotulagem de dados, monitoramento, avaliação, insights de usuário e iteração de produto é feito por IA.

Nosso caminho de desenvolvimento é de “IA como função” para “IA como capacidade organizacional”. A posição de professor de inglês, de complexidade média, foi abstraída e gerada por MetaOrg, e com o novo framework de skills, podemos criar cargos mais avançados.

Já concluímos toda a cadeia do AI tutor, incluindo a orquestração de habilidades e sua implementação. No futuro, provavelmente, evoluiremos de Meta tutor para Meta organização — onde a menor unidade será o cargo, não o funcionário, com foco na colaboração e gestão entre cargos. Nosso objetivo atual é conectar os principais CEOs do setor, pois eles são os verdadeiros “produtores”.

Zhang Peng: Então, vocês estão criando algo mais próximo de um departamento escalável?

Liu Ye: O objetivo é avançar na direção de uma “empresa”. Grandes empresas são, na essência, compostas por várias pequenas empresas, e a menor unidade é o cargo. É preciso focar na estratégia de toda a indústria, mas também avançar na inovação de produtos a partir dos cargos — se os cargos não forem bem feitos, mesmo gestores habilidosos não conseguirão formar uma organização eficiente.

Zhang Peng: Para montar um bom departamento, primeiro é preciso decompor as capacidades e cargos relacionados, depois decompor os skills desses cargos, buscando sempre o estado da arte.

Liu Ye: A única metodologia é co-criar com as empresas mais avançadas. Os skills criados precisam ser avaliados pelos líderes dessas empresas, como um superior revisando uma proposta. Sem essa validação, é só autoengano. Por exemplo, ao modelar um curta, é preciso reconhecimento das principais instituições do setor, caso contrário, não é considerado de ponta. Tudo deve ser avaliado e medido.

O Midjourney consegue criar imagens de alta qualidade porque sua equipe inclui fotógrafos e engenheiros com estética de ponta. A LV, treinando modelos com Stable Diffusion, consegue resultados muito superiores, pois possui a melhor estética e dados globais. Assim, a avaliação é a chave. Para fazer uma IA de ponta, é preciso como a IBM ou Huawei — a IBM atende às principais montadoras, dominando as melhores práticas de fabricação; a Huawei investiu bilhões na aquisição de IPD, para uso interno e externo. Essa é a vantagem competitiva central.

Zhang Peng: Em essência, a estratégia é decompor skills a partir das melhores práticas, alcançar o estado da arte dessas skills, evoluir para o estado da arte de cargos e departamentos, e, por fim, orquestrar tudo para o estado da arte do negócio — esse é o caminho claro para a excelência. Como manter skills atualizadas? Assim como na evolução biológica, o estado da arte de cada época pode ser superado na seguinte. Como lidar com essa mudança?

Liu Ye: A lógica é semelhante à evolução humana e biológica: percepção, planejamento, ação, reflexão. Manter alta densidade de talentos e atributos multidisciplinares na organização, conectando-se às fronteiras tecnológicas (pesquisadores) e às inovações de modelos de negócio, além de co-criar com clientes líderes do setor, avaliando e otimizando continuamente em cenários reais, é a única estratégia.

Zhang Peng: Assim, as melhores práticas das empresas de ponta podem ajudar as médias a avançar rapidamente, mas esse sistema geralmente só é acessível a empresas com recursos e capital. Pequenas e médias empresas, e jovens empreendedores, terão dificuldades. A indústria de consultoria evoluiu de serviços tradicionais para produtos de ferramenta, e a oportunidade para as novas gerações está na camada de skills. Como inovar de forma disruptiva nessa camada, evitando o ciclo de “nobreza”?

Liu Ye: Na primeira geração de SaaS, empresas como Salesforce, Palantir, Notion, Slack, criaram ferramentas gerais ou serviços integrados, mostrando que jovens empreendedores ainda podem ter oportunidades — afastando-se de negócios em que não têm vantagem, focando em skills universais, encontrando nichos. Notion é um exemplo: não envolve processos específicos, apenas uma abstração de notas e textos, tornando-se uma ferramenta universal. No final, o mundo será uma divisão de trabalho entre inúmeros agentes inteligentes, e os jovens devem primeiro encontrar seu nicho, depois usar suas vantagens, alinhando-se às tendências futuras, para evitar serem apenas “alimento” de forças superiores. Nos últimos dez anos, os primeiros empreendedores da internet eram em sua maioria expatriados (com vantagem cognitiva), a segunda geração eram programadores (com vantagem de ferramentas), e a terceira, os empreendedores de segunda rodada na Internet industrial, que seguem uma lógica clara: entender o setor, criar diferenciais, e evoluir continuamente.

Zhang Peng: Então, você acredita que a inovação e otimização local na camada de skills têm limites, e que a maior oportunidade dos novos empreendedores está na inovação de objetivos — identificar novas metas emergentes na era, combinando skills de alta qualidade e evoluindo continuamente, para construir novos sistemas e alcançar avanços?

Liu Ye: A competição de skills é muito sutil. Skills atuais estão em alta, mas se alguém alinhar com especialistas humanos ainda mais avançados e criar skills melhores, os atuais serão substituídos. Isso volta à questão da vantagem competitiva: quem começou primeiro não garante o sucesso final, pode acabar alimentando um adversário de nível superior.

Zhang Peng: O medo é de se tornar apenas um “carregador de programas”, ajudando adversários de nível superior a construir a base. Se apenas otimizarmos eficiência em objetivos existentes, sem inovação, isso não faz sentido, e a vantagem de eficiência será eventualmente nivelada. Para uma verdadeira inovação, os novos empreendedores precisam criar diferenças fundamentais nos objetivos.

Liu Ye: Exatamente. Se não evoluírem para uma força central, apenas estarão alimentando adversários de nível superior. A essência do negócio é simples: saber quem é o cliente, como servi-lo, e fazer com que ele não possa te abandonar. Se um jovem não entender quem é seu cliente, não conseguirá fazer melhorias.

Zhang Peng: É importante também focar em mercados de crescimento, pois competir em mercados saturados é muito difícil. Se seu negócio for bem-sucedido, levará empresas do setor ao mesmo nível avançado, com recursos e conhecimento, tornando difícil para jovens competir na fase de estoque.

Liu Ye: Na primeira geração de SaaS, o sucesso de empresas como Notion e Slack veio da diferenciação de objetivos.

Na fase inicial do SaaS, muitos fundos na China investiam em cientistas, mas perceberam que cientistas preferem colaborar do que empreender — seu campo de alta dimensão e baixa competição é diferente do setor comercial, que é de alta dimensão e alta competição. Quando a tecnologia amadurece, entra-se na competição de negócios, dominada por profissionais de produto, gestores e empresários. Por exemplo, quando o iPhone foi lançado, os aplicativos eram feitos por programadores; anos depois, com a ascensão do setor, esses produtos foram substituídos por outros liderados por profissionais do setor.

Na era da IA, se seguir a lógica da internet móvel, o núcleo de inovação continuará sendo profissionais experientes, como na China, onde muitos empreendedores de segunda rodada continuam a surgir. A oportunidade dos jovens está em encontrar objetivos de diferenciação.