Mulheres na IA: Lições da Conferência HUMAN X

As mulheres na IA destacadas na HUMAN X Conference contam não apenas uma história de representação, mas da construção tangível de empresas que priorizam a IA. O ponto-chave é este: os melhores produtos surgem de uma necessidade humana genuína, a vantagem competitiva é disputada no contexto dos dados, e a verdadeira vantagem hoje é contratar pessoas que conseguem aprender mais rápido do que o mercado muda.

Na HUMAN X Conference, o painel com Jennifer Smith, CEO e cofundadora da Scribe, e Mada Seghete, fundadora da Upside e ex-cofundadora da Branch, forneceu uma perspetiva particularmente útil sobre o tema das mulheres na IA. Não foi um debate abstrato sobre diversidade, mas uma conversa concreta sobre como nascem as empresas nativas de IA, o que é necessário para as construir e as tensões reais que as equipas que trabalham com inteligência artificial enfrentam hoje.

O mais importante é isto: a IA não foi apresentada como uma tendência, mas como um acelerador da transformação empresarial. Ambas as fundadoras partem de problemas operacionais muito claros. É precisamente esta origem, humana e não teórica, que confere autoridade às suas teses.

Mulheres na IA e Startups: Por que o contexto é diferente hoje

Mada Seghete explicou que está na sua segunda empresa. Depois de cofundar a Branch, que atingiu mais de 100 milhões de dólares em receitas, lançou a Upside a partir de um problema que experimentou pessoalmente: a dificuldade no marketing B2B de demonstrar precisamente o que está realmente a gerar impacto. Resumindo: ela não queria mais que os profissionais de marketing gastassem mais tempo a justificar o seu valor do que a construir campanhas eficazes.

Jennifer Smith descreveu uma jornada diferente, mas complementar. A ideia da Scribe surge de observações repetidas, primeiro na McKinsey e depois no capital de risco, de que as empresas operam graças a um ativo invisível: conhecimento institucional. As melhores pessoas não seguem apenas um guia escrito. Trabalham com atalhos, contexto, experiência, exceções. E tudo isto, na maioria das organizações, não é capturado.

Isto significa que o ponto de partida para as duas empresas não é "fazer IA", mas resolver um atrito específico:

• para a Upside, medir melhor a contribuição do marketing;
• para a Scribe, capturar e escalar o conhecimento operacional;
• para ambas, transformar dados e fluxos de trabalho numa vantagem real.

O que distingue um fundador pela segunda vez

Um elemento interessante que emergiu do painel é a mudança de mentalidade durante o segundo empreendimento. Seghete destacou que, da segunda vez, a razão para querer construir uma empresa é mais clara. Há menos necessidade de "provar algo" e um maior desejo de trabalhar com indivíduos estimados numa questão genuinamente sentida.

Smith relatou um processo de reflexão de meses, guiado por uma pergunta simples: do que terei orgulho? A resposta não foi apenas sobre o negócio, mas a oportunidade de construir algo útil, duradouro e capaz de amplificar o potencial humano.

Mulheres na IA e produtos que priorizam a IA: Por que o contexto importa mais do que a automação

Um dos pontos mais convincentes da discussão diz respeito à qualidade dos produtos que priorizam a IA. Jennifer Smith destacou um ponto crucial: o maior risco na empresa não é apenas a "alucinação" do modelo, mas o facto de o modelo raciocinar sem contexto suficiente.

Esta distinção é crucial. Um sistema pode ser muito avançado na capacidade de raciocínio, mas se não souber como uma empresa específica fecha o mês, aprova uma despesa ou gere uma exceção regulatória, então está simplesmente a adivinhar. E na empresa, especialmente em ambientes regulados, isto é perigoso.

Definição explícita: a camada de contexto é o nível informacional que descreve como uma empresa realmente opera, incluindo fluxos de trabalho, exceções, dependências e memória operacional. Sem esta camada, a automação permanece frágil.

Mada Seghete acrescentou um segundo conceito-chave: a memória é o tema mais quente. Não basta alimentar os modelos com dados. A memória das interações também importa, a forma como os utilizadores corrigem o agente, refinam relatórios e constroem progressivamente melhores resultados. Na prática, o futuro dos produtos de IA empresarial depende de dois fatores combinados:

• contexto correto;
• memória útil e partilhável.

Pergunta: Por que muitos projetos de IA falham nas empresas?

Resposta: porque têm acesso a modelos poderosos, mas carecem do contexto operacional necessário para realizar o trabalho de forma confiável.

Este é um dos insights mais significativos do painel. Muda o foco de uma obsessão com o modelo para a qualidade da infraestrutura de informação interna.

Contratação na era da IA: a "trajetória" do currículo importa mais

Outro eixo central da discussão foi a contratação. Aqui, o painel forneceu insights muito concretos para fundadores, líderes de RH e gestores.

Jennifer Smith esclareceu que, para a Scribe, os valores permanecem inegociáveis. Mas hoje isto não é suficiente. É também necessária uma forma de fluência em IA, entendida não como uma lista de ferramentas utilizadas, mas como a capacidade de repensar o próprio papel à luz da IA.

A sua orientação aos candidatos foi muito clara: não basta dizer "uso o ChatGPT para brainstorming". É preciso demonstrar como o trabalho seria redesenhado com inteligência artificial. É uma diferença substancial. O foco não está na adoção superficial, mas na reengenharia do papel.

Seghete, por sua vez, descreveu uma prática típica das startups mais ágeis: períodos de teste curtos e remunerados, com duração de uma ou duas semanas, para observar de perto a adaptabilidade, velocidade de aprendizagem e compatibilidade com a cultura da empresa.

Em resumo: hoje, o currículo importa menos do que a trajetória.

Pergunta: O que as empresas nativas de IA realmente procuram ao contratar?

Resposta: procuram indivíduos com valores fortes, capacidade de aprender rapidamente e aptidão para repensar o seu trabalho com IA.

Smith usa um termo particularmente eficaz: trajetória. Não se trata apenas de onde um candidato está hoje, mas de quão rapidamente pode crescer. Seghete forneceu um exemplo concreto: um engenheiro com forte experiência em grafo de conhecimento, mas quase nenhuma experiência em IA, provou ser uma escolha válida precisamente devido à velocidade com que aprendeu.

Esta mensagem também é forte ao nível global: a economia da IA recompensa cada vez mais aqueles que conseguem adaptar-se, não aqueles que mantêm o manual de ontem.

O mito do "manual certo" já não funciona

Um dos pontos mais perspicazes do painel diz respeito à obsolescência dos manuais. Jennifer Smith observou que um dos perfis mais arriscados para contratar hoje é o líder convencido de que os modelos de sucesso de 2021 ainda são aplicáveis. No contexto da IA, o mercado move-se demasiado rapidamente para que a experiência passada sozinha garanta o sucesso futuro.

Seghete expressou um sentimento semelhante de uma perspetiva diferente: mesmo que já tenha fundado uma empresa, não pode simplesmente reutilizar o que funcionou antes. As equipas são menores, os papéis são comprimidos, a produtividade individual aumenta e os limites entre funções mudam rapidamente.

Isto significa que a IA está a redefinir não apenas os produtos, mas também a organização do trabalho.

Governança, privacidade e pressão do conselho: O verdadeiro desafio da IA empresarial

No front empresarial, o painel abordou um ponto crucial para aqueles envolvidos na transformação digital: a pressão dos conselhos.

Segundo Smith, muitas empresas recebem um pedido claro dos seus conselhos de administração: ter uma estratégia de IA e produzir mais com menos recursos. O problema é que, a nível operacional, traduzir este mandato em fluxos de trabalho concretos é muito difícil. Se uma organização não sabe precisamente como o trabalho está atualmente a ser feito, não pode identificar rigorosamente onde intervir, o que automatizar e como construir um business case credível.

Seghete acrescentou uma nota importante no front de segurança: nas grandes empresas, especialmente as reguladas, a principal preocupação não é tanto usar a IA em si, mas sim evitar que dados proprietários sejam reutilizados para treinar modelos partilhados.

A lição estratégica é simples: a adoção de IA numa empresa não depende apenas da qualidade do modelo, mas de:

• governança de dados;
• política de segurança;
• arquitetura de acesso;
• confiança organizacional.

A IA vai tirar empregos ou eliminar principalmente trabalho inútil?

Aqui o painel forneceu uma visão mais equilibrada de muitas narrativas mediáticas. Jennifer Smith explicou que, nas empresas com que trabalha, o mandato de "fazer mais com menos" não significa automaticamente "cortar pessoas". Em muitos casos, significa aumentar a capacidade de produção em contextos onde contratar com rapidez suficiente não é possível.

A sua tese é clara: o melhor objetivo da IA é remover o trabalho pesado, isto é, o trabalho repetitivo, administrativo e indistinto, para deixar as pessoas com os aspetos mais humanos e de maior valor do seu papel.

Em resumo: a IA tem o potencial de amplificar os pontos fortes das pessoas, não apenas reduzir custos.

Dito isto, o painel não ofereceu otimismo ingénuo. Foi reconhecido que haverá dor estrutural ao longo do caminho. Os empregos vão mudar, as arquiteturas organizacionais vão mudar, e nem todos os ajustes serão simples. No entanto, a perspetiva a longo prazo, segundo os oradores, permanece construtiva.

O que este painel realmente ensina a fundadores, profissionais de marketing e líderes

O valor desta conversa na HUMAN X Conference reside na sua concretude. As experiências de Jennifer Smith e Mada Seghete demonstram que as empresas de IA mais credíveis não emergem de slogans de inovação, mas de três escolhas precisas:

1. Começar por um problema humano real

As melhores startups de IA não começam com o modelo, mas com o atrito.

2. Construir contexto antes da automação

Sem fluxos de trabalho confiáveis, memória e dados operacionais, a IA empresarial permanece incompleta.

3. Contratar para aprender, não para nostalgia

No mercado atual, a capacidade de evoluir importa mais do que a garantia de um currículo.

O mais importante é que o painel sobre mulheres na IA apresentou uma imagem madura da liderança feminina no sector: não como uma categoria simbólica, mas como uma força capaz de compreender problemas, construir produtos e definir novas regras de trabalho.

FAQ

Quem são os principais oradores do painel na HUMAN X Conference?

As figuras centrais do painel são Jennifer Smith, CEO e cofundadora da Scribe, e Mada Seghete, fundadora da Upside e ex-cofundadora da Branch.

Qual é a principal mensagem que emergiu sobre o futuro da IA nos negócios?

A principal mensagem é que a IA realmente funciona apenas quando tem o contexto operacional certo. Modelos poderosos sem dados confiáveis, fluxos de trabalho e memória corporativa permanecem incompletos.

O que importa mais na contratação para empresas nativas de IA?

A capacidade de aprender rapidamente, repensar o papel com IA e demonstrar adaptabilidade é o que realmente importa. A experiência anterior sozinha já não é suficiente.

Por que o tema das mulheres na IA é relevante neste painel?

Porque demonstra como a liderança feminina na IA não é apenas uma questão de representação, mas de desenvolvimento de produtos, cultura corporativa e visão estratégica.

A IA vai substituir pessoas ou mudar o trabalho?

De acordo com as conclusões do painel, a IA vai principalmente procurar eliminar tarefas repetitivas e transformar papéis. A mudança pode ser intensa, mas o valor humano permanecerá central!