Em 2016 apostei em IA na estratégia, antes da onda existir

Quando comecei a estudar uso de IA em estratégia, em 2016, a tecnologia ainda era complicada e cara. ChatGPT não existia. O LLM moderno como a gente conhece hoje ainda era teoria de papers. O que tinha de IA pública aplicada a negócio era o IBM Watson, que tinha ganhado o Jeopardy em 2011 e estava tentando virar produto. Quase ninguém no Brasil falava sério sobre IA aplicada à gestão. Sair da palestra futurista e entrar na operação real era um vácuo.

Naquele ano, eu estava no oitavo período de Administração na FAE Centro Universitário, em Curitiba. Bolsista do PAIC, o Programa de Apoio à Iniciação Científica. Orientador, professor Luis Fumagalli. Publiquei meu primeiro artigo nesse ano. "O uso da inteligência artificial na formulação da estratégia organizacional: um estudo de aplicação da computação cognitiva em empresas." Era mais aposta do que certeza.

O que o artigo propunha

A pergunta era simples e desconfortável: dá pra usar IA pra formular estratégia organizacional? Não pra automatizar uma tarefa pontual, mas pra atravessar o ciclo inteiro do planejamento. Da leitura do contexto até o desdobramento em metas.

A resposta proposta também era simples. Redes neurais pra reconhecer padrões nos dados da empresa. Lógica fuzzy pra tratar a parte qualitativa que estratégia tem em abundância (cultura, valores, intuição de liderança). E mapas cognitivos pra deixar visível o raciocínio. O modelo final era um fluxo de blocos independentes que recebiam entradas, aplicavam um filtro, geravam saídas e alimentavam o próximo bloco.

O esqueleto desse fluxo virou a figura central do artigo:

Cada bloco com seu próprio framework consagrado de gestão. A diferença é que, em vez de viver em planilhas separadas, eles passariam a alimentar uns aos outros num pipeline operacional onde a IA leria os dados e ajustaria os pesos automaticamente. A ideia era óbvia depois que estava escrita. Mas em 2016 isso não existia em lugar nenhum como software.

Por que computação cognitiva, e não machine learning ou deep learning

Hoje a gente fala em LLM. Em 2016 o termo da moda era computação cognitiva. A IBM tinha popularizado a expressão com o Watson, e ela descrevia bem o que se queria: sistemas que combinam processamento de linguagem natural, raciocínio sobre conhecimento, aprendizado a partir de dados e interação adaptativa com humano. Não é exatamente o que LLM faz hoje, mas é o que se imaginava que IA aplicada a decisão deveria fazer.

O artigo cita Dervojeda et al. (2013) com uma frase que envelheceu bem:

"A inteligência artificial pode fornecer inteligência de negócios inesperada para as organizações, aumentar o conhecimento sobre os seus clientes e melhorar a interação com o cliente com a empresa, e em alguns casos até mesmo substituir departamentos inteiros como inteligente, máquinas de aprendizagem executar tarefas até agora estritamente reservada para os seres humanos."

Dervojeda et al., 2013, citado no artigo de 2016.

Em 2016 isso parecia futurismo. Em 2026 é descrição literal de várias funções dentro da facilita.ia.

O que o artigo errou e o que acertou

Vou ser honesto com a versão de 2016 de mim mesmo.

O que o artigo errou: subestimei a complexidade do treinamento. Tratava o modelo como se fosse possível "ligar a rede neural e treinar com dados internos". Hoje sei que rede neural treinada do zero pra contexto específico é caro, demorado e ineficiente. O caminho real foi outro: aproveitar modelos generalistas e ensinar contexto via prompt engineering, recuperação e ajuste fino. Em 2016 essa cadeia ainda não existia como prática viável.

O que o artigo acertou: a tese central. Estratégia é um problema de integração de muitas variáveis qualitativas e quantitativas com peso variável no tempo. É exatamente o tipo de problema em que IA agrega valor de verdade. Não pra substituir o estrategista, mas pra dar a ele leitura sintética de complexidade que nenhuma planilha aguenta. A Figura 1 do artigo, sete frameworks conectados num fluxo, é praticamente o mapa do que viria a ser construído nos dez anos seguintes.

O que esse artigo virou, dez anos depois

Olhando hoje pra figura do artigo de 2016 e pra arquitetura atual da facilita.ia, a sobreposição é desconfortavelmente alta:

• Curva de Greiner virou um dos 14 frameworks integrados, hoje rodando como diagnóstico organizacional automatizado.
• PEST virou PESTEL no produto, com análise contextual gerada por IA a partir do setor da empresa.
• PFOA / SWOT é módulo dedicado com cruzamento automático com os outros frameworks.
• Planejamento de Cenários evoluiu para mapeamento de riscos integrado com PGR (NR-1) e ISO 31000, modelo mais útil na prática.
• Balanced Scorecard virou BSC cascateado conectado a OKRs e KPIs.

Junte esses blocos a outros frameworks de gestão estratégica do produto (Porter Cinco Forças, OCF, VRIO, Ansoff, 9-Box, Business Model Canvas e mais), conecte com 1.685+ cláusulas de norma do facilita.ia para virar gestão regulada e qualidade, e você tem o produto atual. O artigo de 2016 não previu esse produto, mas desenhou a planta baixa. Nem tudo do paper se realizou exatamente como proposto. A análise DuPont, por exemplo, ficou pelo caminho: a estrutura financeira do produto se organizou em torno de indicadores conectados ao BSC e ao mapeamento de riscos, não em torno do modelo DuPont específico.

Por que isso importa pra você que está lendo

Se você é diretor, fundador ou analista pensando em entrar agora na onda da IA aplicada a gestão, vale entender que a empresa por trás do facilita.ia não está improvisando. O método é mais velho que o produto. Antes do produto existir, a tese existia. Antes do código rodar, o artigo já tinha sido revisado por pares e publicado.

Isso não garante que a facilita.ia vai ser a melhor escolha pro seu caso. Mas garante que ela não é uma camada de IA jogada por cima de planilha pra surfar a hype. É operação que veio sendo modelada há uma década, antes de estar na moda.

Próximos artigos da série

Esse foi o ponto de partida. Em 2018, a ideia amadureceu em um segundo artigo, dessa vez sobre um modelo integrado de análise estratégica conectando Greiner, PEST, DuPont, Belbin, SWOT e BSC num fluxo único, com planilha executável. Ler a Parte 2 →

Em 2026, fechei o ciclo com um estudo de caso real. A acreditação Qmentum International como indutora de governança corporativa em uma grande Organização Social de Saúde brasileira. Vinte e seis meses de processo, seis etapas avaliativas, análise documental completa. Dessa vez não era teoria. Era operação acontecendo. Ler a Parte 3 →

Quase dez anos separando o primeiro artigo do produto. A teoria conectou planilhas. As planilhas viraram método. O método virou plataforma. Foi linear. Foi documentado.