Crossing the Chasm: leve a IA além dos entusiastas

Toda empresa que tenta colocar IA para funcionar em escala esbarra no mesmo fenômeno, mesmo sem saber o nome dele. Um grupo pequeno de entusiastas adota a ferramenta com paixão, produz demos que impressionam a diretoria, e por um momento parece que a transformação chegou. Aí vem a hora de levar aquilo para o resto da empresa, e tudo trava. O modelo que explica esse travamento tem quarenta anos e continua o mapa mais útil para quem opera IA: o abismo de Geoffrey Moore, do clássico Crossing the Chasm.

O modelo em uma passada

Moore partiu da curva de adoção de tecnologia, que divide o público em cinco grupos ao longo do tempo: inovadores, primeiros adotantes, maioria inicial, maioria tardia e retardatários. A tese central do livro é que essa curva não é suave. Existe uma fenda profunda entre os primeiros adotantes e a maioria inicial, e é nessa fenda que a maioria das tecnologias promissoras desaparece.

O motivo é que os dois lados do abismo compram por razões opostas. O primeiro adotante quer a novidade. Ele adota a IA porque é o futuro, aceita que falhe, gosta de estar à frente. A maioria inicial é pragmática. Ela não liga para novidade, liga para resolver um problema concreto sem se machucar. Quer risco baixo, quer prova de que funciona em outro lugar parecido, quer que a coisa seja confiável e suportada. O argumento que encanta o entusiasta, é revolucionário, é o estado da arte, é exatamente o que assusta o pragmático, que ouve não testado e arriscado.

Por que a IA vive caindo no abismo

Se você trocar tecnologia por IA, o livro de Moore vira um diagnóstico do seu último ano. Aquele piloto de IA que encantou todo mundo e nunca escalou não fracassou por falha técnica. Fracassou porque foi desenhado para agradar o entusiasta e nunca foi preparado para o pragmático. A demo respondia bem em cenário ideal, mas ninguém definiu o que acontece quando ela erra, quem é responsável, qual o custo do erro, como se mede o ganho. São justamente as perguntas que o pragmático faz antes de adotar.

É a mesma distância que já descrevemos entre adoção alta de IA e transformação real. Ter entusiasta usando IA por conta própria é adoção do lado esquerdo do abismo. Transformação é quando a maioria pragmática incorpora a IA no fluxo de trabalho porque confia nela. Entre uma coisa e outra existe a fenda, e ela não se cruza com mais empolgação.

Como cruzar o abismo

A receita de Moore é contraintuitiva. Para atravessar, você não amplia o alvo, você estreita. Em vez de tentar convencer a empresa inteira de uma vez, escolhe uma cabeça de ponte: um caso de uso específico, para um grupo específico, com uma dor específica e aguda. Resolve aquele caso de ponta a ponta, com uma qualidade que o pragmático respeita, e usa a vitória como prova para conquistar o próximo grupo adjacente. É a estratégia do dia D: você não invade a praia inteira, garante uma faixa e avança a partir dela.

Traduzido para a adoção de IA numa operação, isso vira quatro movimentos. Primeiro, escolha um único caso onde a dor é real e mensurável, não o mais vistoso, o mais doloroso. Segundo, dê a esse caso um dono e uma métrica de resultado, a mesma disciplina de amarrar IA a uma métrica norte de valor e a OKRs que medem resultado, não atividade. Terceiro, resolva o caso inteiro, incluindo o que ninguém mostra na demo: o que acontece quando a IA erra, os guarda-corpos, o suporte, a confiabilidade que o pragmático exige. Quarto, transforme o resultado em prova concreta e leve para o próximo time, que agora tem um par parecido dizendo que funcionou.

O erro clássico é o oposto disso: espalhar a IA fina por toda a empresa ao mesmo tempo, na esperança de que a maré suba sozinha. O resultado é uma camada de entusiasmo por cima e nenhuma raiz embaixo. Muitos pilotos rasos não somam um caso profundo, e é o caso profundo que convence o pragmático.

O que o modelo ensina para operar IA

A lição maior de Crossing the Chasm é sobre com quem você está falando. O entusiasta já está do seu lado e não precisa ser convencido; gastar energia com ele é pregar para convertido. A maioria pragmática é quem decide se a IA vira parte do jeito de trabalhar ou morre como experimento. E ela tem critérios frios: problema real, risco controlado, prova social de que outro parecido já atravessou.

Isso muda a pergunta que a liderança deveria fazer. Não é como fazemos mais gente se empolgar com IA. É qual caso concreto podemos resolver tão bem, de ponta a ponta, que ele convença a próxima pessoa cética. Empolgação atravessa o primeiro grupo. Só evidência atravessa o abismo.

Geoffrey Moore escreveu sobre vender software na década de 1990, mas descreveu uma lei da natureza humana que a IA não revoga. Gente pragmática adota o que é provado, não o que é novo. Quem entende isso para de tratar a adoção de IA como campanha de entusiasmo e passa a tratá-la como travessia: uma cabeça de ponte de cada vez, cada vitória virando a prova da próxima.

Se você quer escolher a cabeça de ponte certa e desenhar o caso de IA que convence a maioria pragmática da sua empresa, fale com a gente no WhatsApp.