Artigo do advogado Lin Shanglun: Profissionais que entendem de IA serão os vencedores da era da IA?

Nestes últimos anos, a IA industrial praticamente se tornou uma disciplina dominante. Do direito, arquitetura, medicina às finanças, há pessoas trabalhando com IA em todas as áreas. Mas, na verdade, os produtos que realmente conseguem fazer os clientes pagarem e vender bem são poucos. O advogado Lin Shanglun, desde a falência da regra 80/20, a armadilha da dor, a diferença entre "geração" e "organização", quem lida com o cliente, até a composição da equipe, desmonta o motivo pelo qual a maioria das IAs industriais não vai longe, enquanto poucas equipes realmente conseguem vencer.

(Nota anterior: Artigo exclusivo do advogado Lin Shanglun > Amplificação e aceleração: a verdadeira capacidade da IA que 99% dos juristas perdem) (Contexto adicional: Microsoft investiu 2,5 bilhões de dólares para criar a "Frontier Company" e enviará 6.000 engenheiros para os escritórios dos clientes, tornando a IA verdadeiramente operacional)

Índice deste artigo

Toggle

• 1. A regra 80/20 pode não ser mais tão aplicável
• 2. Não se deixe prender por uma única dor
• 3. O segredo está na "geração", não na "organização"
• 4. Quem lida com o cliente não pode ser leigo
• 5. O verdadeiro ponto de virada está na "equipe"

Resumo dos pontos principais

• A maioria das equipes de IA industrial faz o técnico muito bem, mas para na porta do mercado. O segredo não está no técnico, mas em fazer "geração" em vez de "organização".
• Na era da IA, a regra 80/20 pode falhar. O custo marginal de fazer o conjunto completo cai drasticamente; fazer apenas os 20% está atrasando a si mesmo.
• O verdadeiro fosso cairá de volta sobre as "pessoas". O núcleo técnico que entende de IA, o especialista de domínio com peso, o profissional de vendas que conhece a dor da linha de frente — esses três papéis são indispensáveis.

Tags: Lin Shanglun, IA industrial, IA generativa, regra 80/20, fosso

Nestes últimos anos, a IA industrial praticamente se tornou uma disciplina dominante. Do direito, arquitetura, medicina às finanças, cada área tem pessoas trabalhando com IA. Mas se observarmos friamente, perceberemos que os produtos que realmente conseguem fazer os clientes pagarem, que realmente entram com sucesso no mercado e vendem bem, são muito poucos.

A maioria das equipes faz o técnico muito bem, mas para na porta do mercado. O que quero discutir é exatamente qual problema ocorre nesse meio. Os conceitos a seguir talvez expliquem por que a maioria das IAs industriais não vai longe, enquanto poucas equipes realmente conseguem vencer.

1. A regra 80/20 pode não ser mais tão aplicável

Começo com um conceito fundamental: na era da IA, a regra 80/20 talvez não seja mais tão aplicável.

A regra 80/20 é há muito tempo um credo na engenharia: usar 20% do esforço para resolver 80% dos problemas. Sua lógica original é: ao escrever um software, você primeiro encontra a maior dor, usa o esforço de engenharia mais rápido para fazer esses 20%, satisfazendo 80% das necessidades, e deixa de lado o que é muito complicado.

No passado, isso era razoável. Porque desenvolver uma funcionalidade exigia "concepção, desenvolvimento, validação, iteração", cada passo era caro, então você naturalmente só faria os 20% mais críticos.

Mas hoje, essa premissa já foi abalada, por duas razões.

Primeiro, a IA tornou "fazer a engenharia de software" muito mais fácil. No passado, uma equipe de três pessoas, cumprindo regulamentos, calculando volumes, integrando desenhos, demorava e queimava dinheiro para gerar uma avaliação de viabilidade de desenvolvimento de terreno. Agora, com IA para reconstruir, uma pessoa consegue fazer o trabalho de três, e o custo cai drasticamente. Como o custo de fazer o conjunto completo já é muito baixo, continuar teimosamente na regra 80/20, fazendo apenas os 20%, está apenas atrasando a si mesmo.

Segundo, e mais fácil de ignorar: a regra 80/20 é frequentemente mal utilizada. Você acha que pegou 80% da demanda, e de fato são funcionalidades que todos usam, mas "ter essa demanda" não é igual a "aqui há uma dor". O ponto crítico que faz alguém realmente querer pagar, querer que a IA o substitua, provavelmente não está nesses 80% que você pegou. O resultado são várias coisas "com demanda, mas sem dor".

Portanto, na era da IA, talvez o contrário seja o caminho: aproveitar que "a engenharia pode rapidamente se tornar um produto", e uma vez fazer a demanda o mais completa possível. Quando o custo de fazer o conjunto completo é baixo, não há muita razão para fazer apenas o parcial.

2. Não se deixe prender por uma única dor

Antes falei em fazer completo. Aqui vou complementar um conceito que parece contraditório, mas na verdade se complementa.

Ao entrar no mercado, é verdade que você deve escolher o "ponto mais doloroso" para entrar — isso está certo, a dor é a faca mais afiada. Mas muitos produtos, depois de entrar, param por aí.

Por exemplo, fazer um "análise de viabilidade de terreno". Realmente é o ponto mais doloroso para construtoras, com maior benefício. Mas se você parar por aí, está se limitando a uma pequena parte do negócio da construção. Na verdade, a cadeia de valor de um arquiteto é longa: desenvolvimento inicial do terreno, renovação urbana intermediária, supervisão de construção final, até relatórios diários de obra, relatórios de progresso podem ser assumidos pela IA. E o segredo é: uma vez construído o motor central, o custo marginal de fazer mais isso é incrivelmente baixo.

O direito é igual. Um bom sistema de IA jurídica, não porque "escrever petições é a maior dor" só vai fazer petições. Ele fará também contratos, revisão de conformidade de textos, relatórios de audiência, pedidos de PI, tudo junto.

Em outras palavras: use o ponto mais doloroso como porta de entrada, mas não pare na entrada. Coma toda a cadeia de valor, assim você não prenderá seu próprio teto.

3. O segredo está na "geração", não na "organização"

Este é o ponto mais central.

Muitas IAs industriais, no fundo, são apenas ferramentas de organização de dados: escaneiam documentos, reorganizam desenhos, basicamente usam modelos prontos. E esse tipo de trabalho pode ser feito com modelos básicos, até mesmo por órgãos públicos, e não sustenta fosso nenhum.

Há muitas ferramentas no mercado que, por trás, usam modelos locais muito fracos, especializados em organizar texto, reconhecer imagens, e nunca entram no núcleo da "geração". O relatório de saída é apenas colocar dados em um modelo fixo.

O que realmente tem valor é usar a compreensão de linguagem mais forte para fazer julgamentos profundos e geração.

Aquele relatório de viabilidade de terreno não pode apenas organizar ordenadamente os mapas cadastrais e de levantamento. Ele precisa simultaneamente compreender três conjuntos de regulamentos (construção, combate a incêndio, renovação urbana), integrar texto, regulamentos e desenhos em algo que faça o arquiteto dizer "98% está certo, só preciso ajustar um pouco".

Esse tipo de saída, modelos prontos nunca conseguirão. Apenas um verdadeiro núcleo generativo é capaz. Esta é também a maior diferença entre modelos de consumo e IA profissional: um está organizando dados, o outro está gerando resultados para profissionais.

4. Quem lida com o cliente não pode ser leigo

Em seguida, um ponto que muitas equipes técnicas ignoram, mas é fatal: quem vai enfrentar o cliente.

Para vender IA para clientes de serviços profissionais, é preciso reconhecer uma coisa: eles são os mais exigentes — advogados, arquitetos, médicos, empresários. Enviar um engenheiro para falar com eles sobre "banco de dados vetoriais" geralmente é limitado; eles logo percebem que você não conhece a área.

Quem realmente deve estar na frente do cliente é um profissional da área que entende de IA. Ele pode discutir com o cliente como otimizar cada processo do caso, lidar com detalhes do caso, e até demonstrar na hora como fazer aquele trabalho específico.

Por exemplo: um arquiteto que entende de IA vai conversar com uma construtora, conseguindo explicar cada processo de desenvolvimento melhor do que o próprio cliente conhece, e provar na hora "meu produto de IA faz tudo isso". Esse é o verdadeiro momento decisivo.

5. O verdadeiro ponto de virada está na "equipe"

Chegando ao final, é preciso admitir: a tecnologia é fácil demais de copiar.

O que você consegue fazer, outros também conseguem em algumas semanas. Portanto, o fosso acaba recaindo sobre as "pessoas".

As equipes de IA industrial morrem mais facilmente em três situações:

Primeira: o líder não está à altura. Se a pessoa que lidera não tem verdadeira autoridade no setor, sem licença, sem experiência prática, apenas de fachada, será derrubado na primeira pergunta difícil de um cliente. Fala, profissionalismo, aparência — tudo está sendo avaliado pelo cliente. Afinal, esses produtos precisam convencer profissionais inteligentes.

Segunda: quem entra não é a figura central. Para entrar no mercado de construção, você apenas contratou um representante de desenvolvimento de terrenos, não um arquiteto registrado e com reputação. O cliente, ao abrir a boca, saberá que a equipe não tem conteúdo real.

Terceira: dependência excessiva da engenharia. A equipe é toda de formação técnica, faz um produto muito forte, mas não consegue vender porque ninguém consegue "traduzir" o valor do produto para o cliente.

E há uma camada mais profunda de dificuldade: mesmo que a equipe encontre um especialista qualificado, ele pode não estar disposto a se dedicar.

Um arquiteto forte, um bom advogado, já estão ocupados e ganhando bem o suficiente. Pedir que eles dediquem tempo para entender IA, bancos de dados vetoriais, a ponto de conseguir convencer clientes, é muito difícil. Mesmo que recebam ações, a intensidade real de colaboração costuma ser limitada.

Portanto, a combinação ideal são três papéis, todos indispensáveis:

• O núcleo técnico que entende de IA
• O especialista de domínio com peso
• O profissional de vendas que conhece a dor da linha de frente

E esses três precisam estar juntos na frente do cliente, dizendo a frase de maior peso:

Até a nossa própria profissão já foi substituída pela IA que nós mesmos criamos.

Perguntas frequentes

Por que a maioria das IAs industriais não vende?

A maioria dos produtos só faz organização de dados, uso de modelos prontos, não entra no núcleo de julgamento profundo e geração. Usam modelos básicos, não sustentam fosso, e frequentemente confundem "ter demanda" com "ter dor", gerando coisas com demanda mas sem dor.

Quais papéis uma equipe de IA industrial precisa?

Três papéis são indispensáveis: núcleo técnico que entende de IA, especialista de domínio com autoridade no setor, profissional de vendas que conhece a dor da linha de frente. E eles precisam estar juntos na frente dos clientes profissionais mais exigentes, explicando claramente o valor do produto.