Marty Cagan: a IA reduz o time e sobra o julgamento

Marty Cagan é uma das vozes mais respeitadas de produto do mundo. Criador do livro INSPIRED e sócio do Silicon Valley Product Group, ele passou décadas ensinando times a decidir o que construir. Num ensaio chamado "A Vision For Product Teams", Cagan faz uma previsão desconfortável sobre o que a IA vai fazer com esses times. Vale ler com atenção, porque a tese dele não é sobre ferramenta. É sobre qual habilidade vai sobrar quando a máquina fizer o trabalho braçal.

A separação que organiza tudo

Cagan começa com uma distinção antiga de produto, e é dela que sai o resto. Todo time faz duas coisas: descoberta e entrega. Descoberta é entender o problema e achar uma boa solução. Entrega é construir, testar e implantar essa solução. A frase que sustenta o argumento é simples: descoberta é sobretudo julgamento, entrega é sobretudo processo.

A partir daí a previsão fica óbvia. As ferramentas de IA que estão surgindo atacam principalmente a entrega. Ajudam o engenheiro a codar, testar e implantar. Ajudam o designer com telas. Ajudam o PM a produzir documentos. É a parte processual que está ficando barata, porque processo é o que máquina automatiza bem. O julgamento, não.

O erro que gera o pânico

Cagan é direto sobre a confusão que domina a conversa. O fato de as ferramentas conseguirem definir requisitos, desenhar experiências e escrever código não significa que qualquer pessoa com uma ideia vá produzir um produto de sucesso. Ele resgata uma frase de Steve Jobs sobre "a doença de achar que uma grande ideia é 90% do trabalho". Não é. A execução com julgamento é o resto, e é o resto que decide.

Para reforçar, Cagan cita Chip Huyen, via um ensaio de Tim O'Reilly: "Não acho que a IA introduza um novo tipo de pensamento. Ela revela o que de fato exige pensamento." É a melhor síntese do momento. Quando a IA come a parte mecânica, o que fica exposto é a parte que sempre foi difícil, decidir bem. As ferramentas não substituem o julgamento. Elas tiram tudo em volta e deixam o julgamento nu, à mostra.

Os números que ele coloca na mesa

O que dá peso ao ensaio é que Cagan não fica na abstração. Ele arrisca números. Diz que as ferramentas de IA de hoje melhoram a produtividade dos engenheiros em algo como 20 a 30%. Na prática, onde havia 8 engenheiros num time, agora podem bastar 5 ou 6. E ele afirma já estar vendo o tamanho médio dos times cair.

Olhando para a frente, no horizonte de 3 a 10 anos, a aposta é mais forte. À medida que o tempo de entrega tende a zero, o time passa a gastar quase todo o tempo em descoberta. O time de produto vira o que ele chama de trio da descoberta: um product manager para as restrições de negócio, um designer para a experiência e um engenheiro para a tecnologia. Competências distintas e profundas demais, na visão dele, para uma pessoa só cobrir todas. O time médio cairia de cerca de 8 para 3 pessoas.

Cagan chega a fazer a conta. Uma scale-up com 15 a 20 times de produto, 120 a 160 pessoas, poderia encolher para 3 a 5 times de 3 pessoas. No exemplo dele, algo que custava perto de US$ 24 milhões por ano cairia para cerca de US$ 1,8 milhão. Não é ajuste de margem. É reengenharia da economia de um time de tecnologia.

Quando a IA come a parte mecânica do trabalho, o que fica exposto não é a ferramenta. É quem sabe decidir o que construir.

A parte que ele não maquia

O que torna Cagan uma voz confiável é que ele não vende a previsão como boa notícia para todo mundo. Ele nomeia quem está exposto. Papéis definidos pela entrega, guiados por processo, como product owners e PMs de feature, são os mais vulneráveis, e ele vem recomendando abertamente que essas pessoas se requalifiquem. Reconhece a disrupção que isso significa para muita gente, e recusa fingir que o encolhimento é indolor.

Ao mesmo tempo, ele oferece uma leitura otimista possível. Se o custo de construir despenca, talvez surja uma explosão de startups e um número muito maior de produtos. Para quem se sente seguro na empresa de hoje, o alerta é o outro lado da mesma moeda: uma onda de concorrência nova vindo atrás dos seus clientes, com custo de operação uma fração do seu.

A nossa leitura, para quem opera IA

O ensaio de Cagan é de produto, mas a tese vale para qualquer time que use IA para produzir algo. A habilidade que perde valor é a execução mecânica. A habilidade que sobra, e sobe de preço, é o julgamento nas duas pontas: decidir bem o que construir e verificar bem o que voltou.

Isso conversa direto com o que temos visto de outras vozes. É o mesmo espírito de quando o Simon Willison deixa a IA construir o agente, mas mantém spec e teste como trabalho humano, e de quando o Ethan Mollick diz que gerir a IA vale mais que saber prompt. Os três apontam para o mesmo lugar: a IA move o rigor de lugar, não o elimina.

Para o líder brasileiro, três ações práticas saem daqui. Primeiro, investir na descoberta, não só na automação da entrega. Comprar ferramenta que gera código rápido sem melhorar a decisão do que construir é acelerar na direção errada. É a lógica de tratar cada feature como hipótese a validar, não como entrega a despachar. Segundo, requalificar quem faz trabalho processual antes que o processo seja automatizado, oferecendo caminho para o julgamento em vez de esperar a conta chegar. Terceiro, redesenhar o time em torno da pergunta que importa, quem no seu time decide o que construir, e essa pessoa está sendo cobrada por isso ou por volume de entrega?

Cagan pode errar nos prazos, ele mesmo admite. Mas a direção é difícil de negar. A IA está deixando barato o que sempre foi caro de fazer, e caro o que sempre foi difícil de ter, gente com julgamento. Quem entender isso a tempo vai montar um time menor e mais forte. Quem confundir velocidade de entrega com qualidade de decisão vai produzir mais rápido a coisa errada.

Se você quer redesenhar o seu time em torno da descoberta e do julgamento, e não só da entrega acelerada por IA, chame a gente no WhatsApp que a gente ajuda a pensar o desenho.