Liderando a transformação

Como liderar a transformação da sua equipe para operações IA-nativas.

Política Operacional – Gestores

Este documento aplica os princípios dos Padrões de Execução de IA à gestão da transformação humana. O mesmo rigor exigido para delegar trabalho à IA é exigido para delegar a transformação à sua equipe.

O princípio operacional é o mesmo da Regra de Tradução Universal: substituir "o gestor solicita a mudança" por "o gestor especifica a transformação → a equipe a executa".

Princípio orientador

Um gestor é o Dono da Spec da transformação de sua equipe.

Qualquer transformação atribuída a uma equipe deve ser executável sem supervisão da liderança.

Se sua equipe precisa que a liderança intervenha para entender o que se espera dela, sua especificação é insuficiente.

Camadas de trabalho obrigatórias

Antes de delegar a transformação à sua equipe, você deve completar todas as quatro camadas.

Camada 1 – Competência pessoal (pré-requisito)

Você deve:

Operar pessoalmente no Level 2 mínimo
Usar IA no seu trabalho de gestão diário (preparação de decisões, síntese, análise)
Liderar pelo exemplo, não apenas por diretiva

Barra mínima: você consegue mostrar 3 fluxos de trabalho pessoais onde a IA está integrada.

O teto de uma equipe é seu gestor. Se você está no Level 1, sua equipe ficará lá.

Camada 2 – Mapeamento de contexto da equipe

Antes de redesenhar, você deve entender o estado atual. Para cada papel na sua equipe, documente:

Tarefas reais (não a descrição do cargo – o que a pessoa realmente faz)
Tempo gasto por categoria de tarefa
Dependências com outros papéis ou equipes
Ferramentas utilizadas
Pontos de atrito e gargalos

Uma vez que você tenha o mapeamento, classifique cada papel usando os cinco padrões de evolução de papéis:

Convergência – Se dois ou mais papéis compartilham especificações sobrepostas e as entregas são principalmente conversão de formato, não julgamento: mapeie quais responsabilidades exigem Direção, Julgamento, Gosto, Relacionamento ou Responsabilidade. O papel convergido retém essas. Todo o resto se torna um sistema. Redesenhe em torno da superfície de julgamento combinada, não da soma das listas de tarefas antigas.

Especialização – Se o papel se divide claramente em execução de rotina e momentos de alto julgamento: identifique os padrões de trabalho herdados – esses são o que a IA absorve. Redefina o papel em torno do núcleo de julgamento. Espere que o papel pareça "menor" no início. O impacto da pessoa aumenta mesmo que sua lista de tarefas diminua.

Elevação – Se o valor do papel está migrando de produzir artefatos para especificá-los e revisá-los: invista em habilidades de engenharia de especificação. Redefina as métricas de sucesso de volume de output para qualidade de resultado. Construa as disciplinas de revisão descritas em Engenharia para Confiabilidade.

Absorção – Se o papel existe principalmente para fazer a ponte entre sistemas ou equipes, e o componente de julgamento é tênue: seja honesto sobre isso. Mapeie para onde vão as responsabilidades – quais se tornam funções do sistema, quais migram para papéis adjacentes, quais criam novas necessidades. Para as pessoas afetadas, identifique quais habilidades se transferem para papéis emergentes ou possibilitam convergência em outro lugar.

Emergência – Se há trabalho acontecendo informalmente que nenhum papel cobre formalmente (configuração de agentes, revisões de qualidade de outputs, design de especificações): procure o trabalho que já está acontecendo – é aí que estão os papéis emergentes. Defina esses papéis em torno de responsabilidades, não tarefas. Aloque pessoas que demonstrem fortes habilidades de engenharia de especificação e conforto com ambiguidade.

Requisito: Nenhum plano de transição é aceitável sem esse mapeamento.

Camada 3 – Definição de intenção

Para cada papel, você deve definir:

O que o Level 2 significa concretamente para esse papel (não a definição genérica – a versão específica do papel)
Quais fluxos de trabalho devem mudar primeiro (hierarquia de objetivos)
O que o colaborador pode decidir por conta própria versus o que deve escalar
Trade-offs autorizados (por exemplo, velocidade versus qualidade durante a transição)

Nenhuma transformação pode começar sem a intenção definida por papel. Use a Matriz de Decisão de Papéis para identificar qual padrão de evolução se aplica a cada papel na sua equipe.

Camada 4 – Especificação da transição (padrão mais elevado)

Seu plano de transição é uma especificação, não uma narrativa. Para cada papel, ele contém:

Estado atual (Level 1 – comportamentos observados)
Estado alvo (Level 2 – comportamentos esperados, com critérios de aceitação)
Lacuna identificada
Fluxos de trabalho redesenhados (antes/depois)
Sistemas ou automações a implementar
Métricas de sucesso
Cronograma (30/60/90 dias)
Condições de falha

Regra: se o sucesso não puder ser verificado objetivamente, o plano não está pronto.

Primitivos de especificação

Uma especificação de transformação é construída a partir dos mesmos cinco primitivos usados para delegar trabalho à IA: declarações de problema auto-suficientes, critérios de aceitação, arquitetura de restrições, decomposição e design de avaliação. Estes são definidos nos Padrões de Execução de IA e demonstrados com exemplos elaborados no Guia de Especificação.

Aplique-os aos seus planos de transição da mesma forma que os aplicaria a uma tarefa de IA: se o plano não for auto-suficiente, testável, com restrições, decomposto e avaliável, não está pronto.

Regras de qualidade do plano de transição

Um plano de transição válido deve ser:

Auto-suficiente – Executável sem que o colaborador precise adivinhar a intenção.

Testável – Um observador independente pode avaliar o progresso.

Com restrições – Regras de Deve / Não Deve / Prefira / Escale definidas.

Decomponível – Dividido em etapas verificáveis independentemente.

Grade de pontuação

Critério	1 – Insuficiente	3 – Aceitável	5 – Sólido
Auto-suficiente	O colaborador precisa adivinhar o que se espera	A intenção é clara mas alguns detalhes faltam	Executável sem esclarecimento
Testável	Sem métricas ou métricas vagas	Métricas presentes mas nem todas mensuráveis	Cada objetivo tem uma métrica concreta
Com restrições	Sem regras de Deve/Não Deve	Algumas restrições definidas	Todas as 4 categorias (Deve/Não Deve/Prefira/Escale) cobertas
Decomponível	Plano monolítico sem marcos	Marcos presentes mas não verificáveis independentemente	30/60/90 com entregáveis verificáveis em cada etapa

Pontuação mínima aceitável: 3 em cada critério. Um 1 em qualquer critério = o plano é devolvido para revisão.

Checklist de prontidão para delegação

Antes de pedir à sua equipe que entregue um plano de transição, confirme:

Entendo o que o Level 2 significa para cada papel na minha equipe
Posso definir o sucesso objetivamente para cada papel
Posso listar os casos de falha
Posso descrever as restrições e os trade-offs
Posso verificar os resultados sem interpretação
Opero pessoalmente no Level 2 mínimo

Se qualquer resposta = não → você não está pronto para delegar.

Padrão de avaliação

O desempenho dos gestores é avaliado trimestralmente em:

% da equipe no Level 2+
Número de automações implementadas na equipe
Ganhos de produtividade mensuráveis (não percebidos – medidos)
Redução de passos manuais nos fluxos de trabalho
Output por pessoa

Se sua equipe não está se transformando, você não se transformou.

Diagnóstico: quando a transformação estagna

Quando a transformação estagna, faça o diagnóstico por camada:

Tipo de falha	Causa raiz
O colaborador não sabe o que fazer	Intenção não definida (Camada 3)
O colaborador sabe o que fazer mas não como	Contexto insuficiente (Camada 2)
O colaborador sabe como mas não está fazendo	Problema de vontade ou ambiente
O plano existe mas não está produzindo resultados	Especificação deficiente (Camada 4)
O gestor diz as coisas certas mas não as demonstra	Competência pessoal ausente (Camada 1)

Corrija a camada responsável. Não reemita as mesmas diretivas.

A curva J: espere uma queda de produtividade

A produtividade da sua equipe provavelmente vai cair antes de subir. Isso é documentado, normal e previsível. É a curva J de adoção.

Quando você acopla uma ferramenta de IA a um fluxo de trabalho existente sem redesenhá-lo, a produtividade cai – a equipe passa tempo avaliando sugestões, corrigindo código quase certo e navegando entre seu próprio modelo mental e o do agente. A queda pode durar semanas.

A reação natural é concluir que a IA não funciona e reverter aos métodos antigos. Essa é exatamente a armadilha. As organizações que ficam presas no fundo da curva J são as que acoplaram a IA aos seus processos existentes sem redesenhá-los. As organizações que sobem são as que redesenharam seus fluxos de trabalho em torno das capacidades da IA.

A queda de produtividade tem uma contrapartida em energia mental: a curva em J cognitiva. A queda não é apenas output mais lento; é o custo de simultaneamente aprender a especificar, avaliar output não confiável e manter a carga de trabalho normal. Três atividades cognitivamente exigentes sobrepostas. As pessoas no Tier 1.5 (IA-construtor) estão no fundo das duas curvas ao mesmo tempo.

Seu papel durante a queda: segure a linha. Não reverta para os métodos antigos. Apoie sua equipe no redesenho dos fluxos de trabalho, não no abandono da ferramenta. E não adicione carga em cima da queda: a inflação da carga de trabalho durante a transição é como as transformações empacam.

Gerenciando velocidades diferentes de adoção

Sua equipe não vai avançar no mesmo ritmo. Isso é normal. Planeje três casos:

Esses grupos se mapeiam para a escala de tiers individuais:

Aceleradores (~20% da equipe) – Eles avançam rápido, experimentam espontaneamente e constroem antes de serem solicitados. Tipicamente Tier 2 ou acima.

Dê-lhes espaço e desafios ambiciosos
Use-os como parceiros de dupla para os outros
Torne seu trabalho visível – mostra ao restante da equipe que é possível

Progressores (~60% da equipe) – Estão dispostos mas precisam de direção, exemplos e tempo. Tipicamente Tier 1 a Tier 1.5 – além da consciência, construindo ativamente.

É aqui que suas especificações e suporte mais importam
As clínicas de IA e o trabalho em dupla são desenhados para eles
Verifique o progresso a cada 2 semanas – não para controlar, mas para desbloquear

Travados (~20% da equipe) – Não estão progredindo. O diagnóstico por camada (acima) diz por quê. Tipicamente Tier 0.5 a Tier 1 – conscientes mas não integrando.

Se for um bloqueio de competência (Camadas 1-3) → aumente o suporte: mentoria individual, tempo dedicado, exercícios concretos
Se for um bloqueio de ambiente (ferramenta faltando, mandato pouco claro) → escale para a liderança
Se for um bloqueio de sobrecarga cognitiva ou ansiedade relacionada à IA → a pessoa não é resistente, está sobrecarregada. Reduza as demandas simultâneas antes de adicionar expectativas de IA. Isso é comum e fácil de diagnosticar erroneamente como falta de vontade.
Se for recusa após suporte suficiente → documente fatualmente e escale

Após a escalada – três resultados possíveis (decididos com a liderança, nunca pelo gestor sozinho):

Suporte reforçado – o bloqueio é real e remediável. Invista mais: mentoria intensiva, reatribuição temporária a um projeto mais adequado, coaching direcionado.
Reatribuição – a pessoa tem habilidades valiosas mas seu papel atual não é compatível com a transição. Explore um papel onde sua contribuição seja melhor alinhada.
Desligamento – após suporte documentado e esforço insuficiente. A decisão leva em conta o esforço demonstrado, os obstáculos encontrados e o contexto individual. Veja também Absorção nos padrões de evolução de papéis.

O objetivo não é punir. É garantir que cada pessoa esteja numa posição onde possa ter sucesso – ou reconhecer honestamente quando esse não é mais o caso.

Decaimento de calibração

As habilidades em IA expiram. Uma pessoa que calibrou sua percepção do que os agentes podem fazer há seis meses está agora ou confiando demais ou subutilizando os modelos atuais – e ambos os erros são custosos.

A implicação para os gestores: meça a densidade de feedback, não as horas de treinamento. A velocidade de desenvolvimento de habilidades é função de quantos ciclos de delegar-avaliar-ajustar uma pessoa completa por unidade de tempo. Uma pessoa que conclui um curso de IA de 40 horas mas nunca delega tarefas reais a um agente tem zero ciclos de calibração. Uma pessoa que delega 10 tarefas reais por dia e avalia o output tem centenas em dez dias.

Consequência prática: clínicas de IA, trabalho em dupla e tempo de experimentação valem mais do que cursos. Estruture o aprendizado da sua equipe em torno de prática repetida com modelos atuais, não em eventos de treinamento únicos.

O decaimento de calibração tem um custo que o framework costumava ignorar: a recalibração constante é cognitivamente cara. Veja Custo cognitivo para entender como proteger a capacidade durante a transição.

Inflação da carga de trabalho: a armadilha do output

Quando a IA torna alguém 2x mais rápido na produção de rascunhos, a resposta organizacional natural é atribuir 2x. Não faça isso. A capacidade de produção escala com a IA; a capacidade de julgamento não. A pessoa se torna o gargalo, e o gargalo se esgota.

A regra: distinga expansão de output de redesenho de fluxo de trabalho. Se a IA permite que alguém produza duas vezes mais rápido, o ganho deve comprar tempo (para redesenhar fluxos de trabalho, melhorar a qualidade ou eliminar trabalho por completo), não dobrar a cota. O objetivo é alavancagem, não volume.

Esta é uma disciplina difícil porque a matemática de produtividade é sedutora. Os líderes que a forçam mesmo assim são também os que têm transformações empacando seis meses depois, quando as pessoas mais engajadas entram em burnout. Veja Custo cognitivo para o padrão e as respostas.

A inflação da carga de trabalho também agrava o modo de falha de gargalo de IA (abaixo). Equipes saturadas não têm tempo para recalibrar quando um agente fica preso – então o gestor redistribui o trabalho, a spec continua errada, e o projeto ainda não é entregue. Proteja o tempo para recalibração com tanto deliberação quanto protege o tempo para execução.

Gargalo de IA: o modo de falha em alta maturidade

Em maturidade de equipe T2.5+, quando um projeto perde seu prazo, a causa raramente é a capacidade humana. O agente atingiu um limite estrutural – direção errada, spec ambígua, caso de borda subjetivo que ele não consegue resolver sozinho. Cemri et al. (Why Do Multi-Agent LLM Systems Fail?, 2025) constataram que 41,8% das falhas em sistemas multi-agente são problemas de especificação ou design que precisam de re-especificação, não de nova tentativa.

O reflexo de liderança é redistribuir o trabalho ou aumentar o pessoal. Não faça. O agente tem capacidade de execução quase infinita; o problema está a montante da execução. A resposta certa é tempo de recalibração – horas protegidas em que a equipe pode engajar o agente em diálogo, trazer à tona a premissa errada, refinar a spec ou o contexto, e reiniciar o loop. Veja Engenharia para Confiabilidade § Recalibração vs depuração e Lab de IA § Protocolo de estado bloqueado para o padrão operacional.

O que isso muda para gestores:

"Atrasado em um entregável" no T2.5+ deixa de significar "a equipe está com falta de horas". Geralmente significa "o agente tomou o caminho errado e ninguém teve tempo de recalibrar". Diagnostique de acordo antes de adicionar capacidade.
A recalibração é trabalho de julgamento, não de execução. Requer tempo ininterrupto e frequentemente múltiplas perspectivas. Uma sessão de recalibração de duas horas, protegida de interrupção, frequentemente supera uma semana de patches.
A fadiga de vigilância (abaixo) e o gargalo de IA se somam: uma equipe cansada executando portões HOTL não notará que o agente foi sutilmente para o lado errado até que um usuário relate um caso de borda subjetivo. Construa folga nos portões de validação de acordo.

O custo cognitivo da transição

O custo cognitivo da transformação em IA é uma restrição real, tão real quanto orçamento ou headcount. Durante a transição, fique atento a:

Fadiga de decisão: pessoas gerenciando output de IA tomam centenas de micro-decisões a mais por dia do que antes. As taxas de erro sobem.
Fadiga de vigilância: monitorar uma IA que está geralmente certa é estruturalmente mais difícil do que executar o trabalho você mesmo.
Ansiedade relacionada à IA: estresse antecipatório sobre relevância do papel, distinto da carga cognitiva. Atinge pessoas que temem a IA, inclusive as que ainda não começaram a usá-la.
Ruptura de identidade: quando a identidade profissional de alguém é construída em torno de uma habilidade que a IA agora consegue executar, a ameaça não é apenas ao emprego.
Desamparo aprendido: o padrão mais perigoso, porque parece conformidade. As pessoas param de pensar criticamente sobre o output de IA e a qualidade se degrada silenciosamente.

O estudo da BCG que nomeou o "brain fry" constatou que gestores de suporte se correlacionam com 15% menos fadiga mental, e funcionários que sentem que sua organização prioriza o equilíbrio entre vida profissional e pessoal relatam 28% menos fadiga. Isso não é retórica de RH: é um seguro de adoção. Pessoas que se sentem protegidas se transformam. Pessoas que se sentem sobrecarregadas revertem.

Funções organizacionais

Cada transformação de equipe deve ter:

Dono da Spec – o gestor (define o estado alvo por papel)
Dono do Contexto – o gestor (fornece ferramentas, treinamento, tempo)
Dono da Avaliação – a liderança (valida o progresso e os planos)

O gestor mantém as duas primeiras funções. A terceira fica com a liderança.

Esses três papéis governam a transformação da equipe. Eles são distintos dos quatro papéis necessários para governar qualquer sistema de IA em produção que a equipe construir – veja Padrões de Execução de IA § Funções organizacionais.

Padrão de documentação

Todos os planos e relatórios de progresso devem ser escritos como especificações.

Os documentos devem:

Declarar premissas
Definir termos (sem jargão sem definições)
Especificar resultados esperados
Incluir restrições
Evitar conhecimento implícito

Um plano de transição que diz "vamos integrar a IA aos nossos processos" sem especificar quais, como e como verificar, não é um plano.

Limites e armadilhas

A transformação tem limites. Proteja-se contra esses erros:

Não force a IA em tarefas onde ela não se encaixa – se um fluxo de trabalho manual é simples, rápido e confiável, forçá-lo na IA não é transformação, é teatro. Sua equipe vai reconhecer a diferença.
Avalie resultados, não atividade de IA – contar prompts, horas "usando IA" ou logins em ferramentas recompensa o teatro. Avalie o que mudou: fluxos de trabalho redesenhados, tempo economizado, qualidade melhorada. Esse princípio também protege a capacidade cognitiva: métricas de atividade incentivam o uso excessivo de IA, que é o mecanismo por trás do "brain fry".
Não infle as cotas de output com a velocidade da IA – a capacidade de produção escala com a IA, mas a capacidade de julgamento não. Dobrar a cota porque os rascunhos saem mais rápido é como as pessoas mais engajadas entram em burnout. Veja Inflação da carga de trabalho.
Limite as ferramentas de IA simultâneas a três por pessoa – o estudo da BCG constatou que os ganhos de produtividade se invertem após três sistemas de IA simultâneos. Mais ferramentas significam mais supervisão, mais troca de contexto, mais decisões por hora.
Não confunda treinamento com transformação – mandar sua equipe para um curso não muda um fluxo de trabalho. Construir um sistema muda. O treinamento é um pré-requisito, não um resultado.
Não mandate ferramentas ou métodos específicos – defina o estado alvo e deixe sua equipe encontrar o caminho. Prescrever a ferramenta ou abordagem exata para cada tarefa mina a apropriação.
Rejeite planos narrativos sem métricas verificáveis – uma história não é um plano.
Demonstre pessoalmente antes de delegar – sua equipe copia o que você faz, não o que você diz.
Não deixe o Level 1 persistir sem um plano de remediação – a inação se torna a norma.
Fique atento ao padrão de burnout do T1.5 – as pessoas mais em risco são as mais engajadas. Elas estão fazendo o mais trabalho cognitivo com as rotinas menos estabelecidas. Verifique-as especificamente. Veja Custo cognitivo.

A regra: se a IA melhora o resultado ou libera tempo para trabalho de maior valor, é uma boa transformação. Caso contrário, é otimização vazia.

Expectativa de desempenho

Os gestores são avaliados em:

A qualidade das suas especificações de transição (clareza, verificabilidade)
O progresso mensurável da sua equipe
Sistemas implementados (não planejados – implementados)
Redução do esforço manual
Sua própria demonstração de Level 2+

Não no número de reuniões sobre IA, nem no entusiasmo comunicado.

Suporte oferecido

A liderança fornece:

Acesso a ferramentas de IA (licenças, contas, infraestrutura)
Tempo protegido para aprendizado e experimentação (a ser negociado por equipe)
Revisão dos planos de transição pela liderança
Escalada rápida para bloqueadores sistêmicos (ferramenta faltando, orçamento, questão jurídica)
O guia do colaborador como framework de referência para sua equipe

Mecanismos de suporte humano (a configurar dentro da sua equipe):

Clínicas de IA: sessões regulares (semanais ou quinzenais) onde a equipe compartilha descobertas, bloqueadores e fluxos de trabalho. Formato curto (30 min). O objetivo é aprendizado entre pares, não apresentações formais.
Dupla de transição: pareie um membro avançado com um membro que está aprendendo. A transferência de habilidades funciona melhor trabalhando juntos em um caso real do que por meio de treinamento abstrato.
Revisão por pares de breves: antes de submeter, os colaboradores revisam o trabalho uns dos outros. Uma perspectiva externa detecta pontos cegos.
Sua própria disponibilidade: bloqueie tempo explícito para apoiar sua equipe. Se você não estiver disponível para responder perguntas durante a transição, ela não vai acontecer.

Ferramentas aprovadas (lista mantida pela liderança):

Assistentes de IA: Claude, ChatGPT (contas organizacionais)
Código: GitHub Copilot, Claude Code (engenharia)
Automação: Zapier, n8n, Make (dependendo do departamento)
Proibido por razões de segurança: qualquer ferramenta que envie dados de clientes ou financeiros a um serviço terceirizado não aprovado
Solicitar uma nova ferramenta: submeta à liderança com justificativa de negócio – resposta em até 1 semana

O que a liderança não fornecerá:

Um plano pronto para a sua equipe – sua expertise é o que o constrói
Um treinamento genérico para todos – a transformação é específica para cada papel

Exemplos: bom plano vs mau plano

Mau plano (marketing)

"A equipe de marketing vai integrar a IA nos seus processos de criação de conteúdo e relatórios. Objetivo: melhorar a eficiência. Cada membro vai usar Claude ou ChatGPT diariamente. Treinamento planejado."

Por que é insuficiente: sem fluxos de trabalho específicos, sem métricas, sem sistemas a construir, sem 30/60/90, sem critérios de aceitação. É uma narrativa, não uma especificação.

Bom plano (marketing – função: gestor de conteúdo)

Estado atual: Escreve 4 artigos/semana manualmente (~3h cada). Pesquisa de tópicos ad hoc. Sem template estruturado.

Estado alvo (Level 2): Artigos gerados por IA a partir de um briefing estratégico (tópico, ângulo, palavras-chave, tom). O humano define o briefing e valida o resultado. Tempo por artigo: <1h.

Lacuna: Sem briefings estruturados, sem fluxo de trabalho de IA, sem prompts reutilizáveis.

Sistemas a construir: (1) Template de briefing de conteúdo. (2) Fluxo de trabalho Claude: briefing → rascunho → revisão. (3) Biblioteca de prompts compartilhada.

Métricas: Tempo por artigo (de 3h para <1h). Volume (de 4 para 8/semana com qualidade igual). Taxa de revisão (<20% do conteúdo modificado após geração).

30/60/90: 30d – template de briefing + fluxo de trabalho em uso em 2 artigos/semana. 60d – 100% dos artigos via fluxo de trabalho. 90d – biblioteca de prompts compartilhada, métricas documentadas.

Por que é um bom plano: específico, mensurável, decomposto, com sistemas concretos. Um observador independente pode verificar cada marco.

Apêndice: template de plano de transição (por papel)

Preencha um template por papel na sua equipe. Se não conseguir preencher um campo, isso é um sinal de que a camada correspondente não foi concluída.

Papel: _______________
Titular: _______________

─── ESTADO ATUAL (Camada 2) ───

Tarefas principais e tempo semanal por tarefa:
  1. _______________ (~___h/sem)
  2. _______________ (~___h/sem)
  3. _______________ (~___h/sem)
  4. _______________ (~___h/sem)

Tarefas repetitivas / previsíveis / baseadas em templates:
  - _______________
  - _______________

Tarefas que exigem julgamento humano:
  - _______________
  - _______________

Gargalos:
  - _______________

─── ESTADO ALVO – LEVEL 2 (Camada 3) ───

O que o Level 2 significa para esse papel (3 frases verificáveis):
  1. _______________
  2. _______________
  3. _______________

Fluxos de trabalho redesenhados (antes → depois):
  1. Antes: _______________  →  Depois: _______________
  2. Antes: _______________  →  Depois: _______________

O que o colaborador pode decidir por conta própria: _______________
O que deve escalar: _______________

─── SISTEMAS A CONSTRUIR (Camada 4) ───

  1. _______________ (ferramenta: ___, esforço estimado: ___)
  2. _______________ (ferramenta: ___, esforço estimado: ___)
  3. _______________ (ferramenta: ___, esforço estimado: ___)

─── MÉTRICAS ───

  1. _______________ (atual: ___ → alvo: ___)
  2. _______________ (atual: ___ → alvo: ___)
  3. _______________ (atual: ___ → alvo: ___)

─── 30/60/90 DIAS ───

  30d: _______________
  60d: _______________
  90d: _______________

─── CONDIÇÕES DE FALHA ───

Esse papel NÃO atingiu o Level 2 se:
  - _______________
  - _______________

Regra resumo

O pensamento claro precede a transformação.

Se você não consegue especificar o que o Level 2 significa para cada papel, não consegue levar sua equipe até lá.

Coloque o framework em prática

As especificações de transição, grades de pontuação e planos 30/60/90 descritos aqui são ferramentas operacionais. AI Native Transformation ajuda você a gerenciá-los em sua equipe – da avaliação à execução.

Explorar a plataforma

← Voltar para o início · O framework de referência · Custo cognitivo · Transformando seu papel · Glossário