A liderança em IA já não é apenas comprar ferramentas: é redesenhar o portfólio de trabalho
A conversa no HBR Executive Live entre Adi Ignatius e Ryan Roslansky, CEO do LinkedIn, traz à tona a discussão sobre a IA onde realmente importa para as empresas: no mercado de trabalho, com dados quantificáveis. Sob sua gestão, o LinkedIn teve um crescimento significativo, passando de US$7 bilhões a US$17 bilhões em receita anual e superando 1 bilhão de membros, tudo isso baseado em investimentos em IA, ferramentas de contratação mais inteligentes e combinações por habilidades. Essa informação é menos relevante pelo orgulho corporativo e mais pelo que revela: quando uma plataforma compreende todo o mercado, ela consegue identificar, antes que outros, como o trabalho está se reconfigurando.
Roslansky afirma que a IA é uma adição líquida positiva para o emprego e apoia essa afirmação com dois dados que contrariaram a narrativa simplista do deslocamento em massa: 1,3 milhões de novos empregos ligados a funções de IA (incluindo anotadores de dados) e mais de 600 mil novos empregos em centros de dados. Ao mesmo tempo, o LinkedIn observa que os requisitos de habilidades por função mudaram mais de 25% nos últimos anos e projeta 70% de mudança até 2030.
Esse conjunto de dados exige uma nova interpretação do papel da liderança. A IA não está “chegando”; ela já está redistribuindo orçamento, talento e poder interno. A pergunta operacional para os executivos deixa de ser sobre qual ferramenta comprar e passa a ser como redesenhar o portfólio de trabalho sem comprometer o motor de receitas.
A verdadeira história por trás do “antecipar”: o trabalho está se fragmentando em tarefas
O mais útil na conversa não é uma lista de recomendações idealistas, mas a estruturação: o trabalho deixa de ser um “cargo” para se tornar um conjunto de tarefas com diferentes graus de automação. Na prática, isso muda o foco da gestão. Se uma função contém tarefas repetitivas, uma parte desse tempo é liberada. Se o mercado também exige novas habilidades, esse tempo é realocado ou perdido. A diferença entre produtividade e desorganização é o design organizacional.
Os dados do LinkedIn mostram, simultaneamente, criação e realocação de postos de trabalho. Por um lado, aparecem novos empregos relacionados à IA: não apenas cientistas de dados, mas também anotadores e perfis de implementação, além de, de maneira muito concreta, trabalho físico em infraestrutura com centros de dados. Por outro lado, reconhece-se a pressão sobre posições de entrada, mas Roslansky atribui essa queda a fatores macroeconômicos, como taxas de juros, e não à IA. Isso também é importante: se o diagnóstico estiver errado, o plano de talento se torna apenas propaganda.
Para um líder, “antecipar-se” neste contexto significa dominar três palancas, e não apenas uma. Primeiro, desconstruir funções críticas em tarefas e mapear o que pode ser automatizado hoje. Segundo, redefinir o cargo com tarefas de maior valor que realmente requerem critério humano. Terceiro, recompô-lo um sistema de incentivos para que o aprendizado seja parte do trabalho e não uma atividade marginal.
A burocracia muitas vezes ganha por inércia. Muitas organizações reagem criando comitês de IA, políticas intermináveis e tabelas de controle que medem a adoção como se fosse um gasto de capital. Mas a real adoção se reflete em fluxos: tempo economizado, ciclos de entrega reduzidos, capacidade liberada para vendas, operações ou produtos. Se a liderança não movimenta o trabalho de forma explícita, a IA se torna uma camada adicional de complexidade.
O caso LinkedIn: monetizar IA não é magia, é um sistema de alocação de capital
O crescimento do LinkedIn sob a liderança de Roslansky sugere um padrão mais interessante do que o mero uso da IA. A empresa transformou dados e seu produto em um ativo que melhora o emparelhamento de oferta e demanda laboral. Esse emparelhamento — se bem desenvolvido — aumenta o valor percebido, a retenção e a disposição de pagamento em soluções de recrutamento e serviços associados. A IA, portanto, não é um projeto isolado: é parte do motor.
Em termos de portfólio, eu o separo em quatro frentes que toda empresa precisa gerenciar, mesmo que não as nomeie assim. (1) o motor atual de receitas; (2) eficiência operacional; (3) incubação de ideias; (4) transformação para escalar inovações. O LinkedIn parece ter atuado em todas as quatro: elevou sua base de receitas com melhores recomendações e combinações, usou IA para tornar a contratação mais “inteligente”, impulsionou novos formatos, como vídeo, e, acima de tudo, fortaleceu uma tese de mercado: o currículo estático vale menos que a evidência dinâmica de habilidades.
Esse último ponto tem um subtexto estratégico. Se os requisitos de habilidades já mudaram mais de 25% e espera-se 70% até 2030, a vantagem não será “ter talento”, mas sim reciclar esse talento rapidamente. Uma plataforma como o LinkedIn se beneficia dessa fricção: quando o mercado se movimenta, todos atualizam seus perfis, buscam sinais, validam habilidades e contratam de forma mais ágil. Para uma empresa tradicional, essa mesma fricção representa custos: rotatividade, longas vacâncias, erros de contratação e queda de produtividade.
A leitura executiva é desconfortável: não basta treinar as pessoas em ferramentas de IA. É necessário redefinir como se decide quais habilidades são importantes, quem as certifica internamente e como se recompensa os líderes que reestruturam funções sem perder performance.
O ponto cego da liderança: medir reinvenção com KPIs de negócios em maturidade
O maior risco que vejo não é tecnológico, mas sim de governança. A maioria das corporações tenta introduzir a IA em estruturas pensadas para estabilidade, e não para aprendizagem. Exige-se retorno imediato de iniciativas que, por definição, começam com incerteza. Pressiona-se as equipes a prometer economias antes de entender o processo. Centraliza-se a decisão “para controlar riscos” e isso estrangula a velocidade.
Os dados do LinkedIn sobre a aceleração nas mudanças de habilidades tornam obsoleta a planificação anual de talentos baseada em cargos. Se o conteúdo do trabalho muda, o modelo de controle precisa mudar. Isso requer a separação de dois ritmos dentro da mesma companhia.
No motor de receitas, disciplina: proteger margens, garantir qualidade e evitar a degradação do serviço. Na exploração, regras diferentes: metas de aprendizado, ciclos curtos e autonomia real para redesenhar processos sem pedir permissão a cinco comitês. Quando esses mundos se misturam, ocorre o que acontece sempre: a empresa declara uma “transformação” e acaba fazendo uma otimização incremental.
Roslansky também promove uma lógica de contratação por habilidades. Além da discussão cultural, isso representa operativamente um redesenho dos filtros de contratação. Se o mercado parar de premiar trajetórias lineares e “caminhos de carreira”, como ele afirma, a empresa que continuar recrutando com requisitos rígidos estará apenas se impondo a escassez de talento. Além disso, perde diversidade de perfis por uma razão puramente mecânica: confunde sinal com credencial.
Na liderança, isso se traduz em decisões concretas. Orçamento: quanto capital e tempo são alocados para redesenhar tarefas-chave. Incentivos: que metas são estabelecidas para líderes funcionais de modo a garantir resultados enquanto reconstroem capacidades. Ritmo: com que frequência as habilidades críticas são revisadas e as pessoas são realocadas. Se nada disso mudar, a IA entra por meio de licenças de software e sai por meio de frustrações operativas.
A vantagem sustentável: proteger o núcleo enquanto se constrói a capacidade de mudança
A conversa da HBR não anuncia alianças nem um plano de produto; funciona como um termômetro de mercado. O LinkedIn se posiciona como um indicador das condições do trabalho e, com isso, impulsiona uma agenda: alfabetização em IA e habilidades humanas que não podem ser substituídas. Roslansky menciona um conjunto de “cinco habilidades humanas” que a IA não pode substituir, embora não tenha apresentado uma lista com essas habilidades. Mesmo sem a lista, o ponto relevante para um líder é que essas competências humanas não são “declaradas”: elas são desenhadas no trabalho.
Se uma organização automatiza tarefas e não reconsidera onde se aplica critérios humanos, as pessoas não desenvolvem o critério; elas se desligam. Se uma equipe incorpora IA e não altera o fluxo de decisões, o resultado acelera, mas a responsabilidade permanece difusa. Se se pede criatividade e colaboração, mas se mede apenas a execução em relação ao orçamento, o que se obtém é cumprimento, não adaptação.
A criação de empregos na IA e em centros de dados também reforça uma realidade econômica: os gastos estão mudando para infraestrutura e despliegue. Não se trata apenas de modelos; é uma mudança em cadeias de suprimento, energia, operação e manutenção. Para empresas não tecnológicas, isso se traduz na dependência de fornecedores e na pressão para desenvolver perfis de implementação e operação, e não apenas de “estratégia”.
Uma liderança efetiva em IA é evidente quando o portfólio é explícito: o núcleo é defendido com eficiência e um foco comercial, enquanto uma parte da organização opera com autonomia suficiente para redesenhar o trabalho, validar novas práticas e escalar o que funciona sem ficar preso aos KPIs de um negócio maduro.
Encerramento: o novo padrão é governar em duas velocidades sem destruir nenhuma
Os dados apresentados pelo LinkedIn descrevem um mercado onde o emprego é criado, mas as habilidades estão se tornando perecíveis a um ritmo para o qual a maioria das empresas não está preparada. A liderança que “se antecipa” é a que transforma cargos em tarefas, realoca talentos de forma disciplinada e financia a exploração com métricas de aprendizado, ao mesmo tempo em que protege o motor de receitas com controles típicos de um negócio maduro. A viabilidade depende de manter a rentabilidade atual sem sufocar a capacidade de reconstruir habilidades antes de 2030.
