BMW enxuga sua diretoria com IA: chegou a hora do gerente artificial supervisionado?

Em 30 de setembro de 2026, durante seu Capital Market Day, o BMW Group apresentou um programa para recuperar a rentabilidade e a agilidade. Seu comunicado oficial fala de uma redução de 20% no número de divisões e nos cargos de liderança associados até meados de 2027, com uma redução comparável nos níveis organizacionais inferiores. Também prevê simplificar processos e ampliar o uso de inteligência artificial em desenvolvimento, compras, produção, vendas, marketing e pós-venda.

A empresa espera que os agentes digitais analisem informações complexas, automatizem tarefas rotineiras e acelerem decisões. Na engenharia, a BMW foi explícita: os resultados da IA serão monitorados, revisados e, por fim, aprovados por desenvolvedores. Essa frase define o modelo responsável melhor do que a manchete fácil: ampla automação, sim; autoridade humana identificável, também.

A BMW atrela essas medidas a uma meta financeira: levar a margem EBIT do segmento automotivo para entre 3% e 5% em 2028 e retornar à faixa histórica de 8% a 10% no início da próxima década. Não atribui todo esse resultado à IA; também cortará variantes, regionalizará produtos e reorganizará sua estrutura.

Honestidade operacional. Uma IA não precisa maquiar o indicador para proteger sua carreira nem ocultar um erro para manter influência. Ela pode registrar qual dado leu, qual regra aplicou e por que recomendou uma ação. Mas essa honestidade depende de dados íntegros e de que ninguém configure o sistema para premiar uma conclusão conveniente.

Decisões baseadas em números. Pode reunir sinais do ERP, CRM, produção, suporte e tesouraria em uma única leitura; calcular cenários e atualizar prioridades com dados recentes. Não substitui o critério quando o problema é ambíguo, mas reduz as decisões tomadas unicamente por intuição ou pela apresentação mais persuasiva.

Equidade e ausência de preferências pessoais. Uma máquina não tem amizades, ressentimentos nem protegidos. Pode aplicar os mesmos critérios documentados a casos equivalentes. No entanto, também pode herdar vieses históricos de avaliações, salários ou contratações; por isso, a equidade deve ser medida com auditorias periódicas, direito à explicação e revisão humana.

Velocidade. Pode ler milhares de transações, detectar exceções e preparar opções em minutos. A vantagem não é decidir tudo às pressas, mas reservar o tempo humano para as decisões irreversíveis enquanto o trabalho repetitivo avança com limites pré-aprovados.

Conexão com ERP e outros aplicativos. Integrada por meio de permissões mínimas, a IA pode converter informações dispersas em alertas e ações coordenadas. Cada acesso e cada alteração devem ficar registrados em um log; nenhum gerente artificial deveria ter uma senha mestra nem capacidade ilimitada para pagar, demitir, contratar ou alterar registros.

Melhoria contínua. As decisões podem ser comparadas com seus resultados reais para ajustar previsões e detectar regras obsoletas. Aprender não deve significar mudar a si mesma sem controle: novas versões, fontes e políticas necessitam de testes, aprovação e possibilidade de reversão.

Preservação do know-how. Procedimentos, exceções, razões históricas e soluções de especialistas podem se transformar em memória institucional consultável. Quando alguém se aposenta ou muda de empresa, o conhecimento não desaparece em sua caixa de entrada. A empresa, por sua vez, deve respeitar autoria, confidencialidade e permissões sobre esse saber.

Continuidade e consistência. O sistema pode operar durante trocas de turno, férias ou picos de trabalho sem perder o contexto. Isso não elimina os líderes; evita que toda uma área dependa da memória ou disponibilidade de uma única pessoa.

Convém desmistificar uma ilusão: um modelo não possui ética, lealdade nem senso de justiça. Ele produz resultados a partir de dados, instruções, ferramentas e objetivos. Se o indicador premiar a redução de custos sem proteger a qualidade, a segurança ou o emprego digno, otimizará a métrica errada com uma disciplina formidável.

Tampouco basta dizer que ela não tem favoritos. Se aprender com uma empresa que durante anos promoveu mais um grupo do que outro, poderá transformar essa desigualdade em padrão estatístico. E, se suas explicações forem impossíveis de auditar, a aparente neutralidade poderá ocultar decisões mais difíceis de questionar do que as de um chefe humano.

Por isso, a palavra decisiva é supervisionada. Uma pessoa ou comitê deve responder pelo objetivo, pelos dados permitidos, pelos limites de autonomia e pelas consequências. A empresa precisa separar recomendações, ações reversíveis e decisões de alto impacto; estas últimas devem manter uma revisão humana efetiva.

Em uma área comercial, por exemplo, a IA poderia revisar a cada manhã vendas, margem, estoque, carteira de clientes, reclamações e capacidade de entrega. Detectaria que uma promoção aumenta o faturamento, mas destrói a margem, ou que uma região vende bem enquanto acumula devoluções. Em seguida, proporia remanejar o orçamento, ajustar as projeções ou escalar uma exceção.

As ações de baixo risco — criar um alerta, solicitar informações, agendar um relatório — poderiam ser executadas sozinhas. As de risco médio exigiriam a aprovação de um responsável. As de alto impacto — contratos, sanções trabalhistas, alterações salariais, concessão de crédito ou movimentações financeiras — permaneceriam sob decisão humana e controles segregados.

O desempenho da IA seria avaliado como o de qualquer gestor: precisão das previsões, valor gerado, erros, conformidade, equidade, satisfação da equipe e capacidade de explicar decisões. Se apenas a velocidade ou a economia forem medidas, o sistema aprenderá a sacrificar aquilo que a empresa se esqueceu de incluir no painel de controle.