A IA está remodelando o trabalho mais rapidamente do que qualquer organização conseguiu dominar por completo. Em todos os setores, a conversa deixou de ser sobre o que a IA pode fazer e passou a se concentrar em como as empresas podem usar a IA para criar valor de negócio e ampliar o que as pessoas são capazes de alcançar. Na Microsoft, acreditamos que as organizações bem-sucedidas serão o que chamamos de Frontier Firms: lideradas por humanos, mas cada vez mais habilitadas por IA. Essa responsabilidade começa com a forma como a IA é construída e continua na maneira como ela é colocada em prática: a IA deve ampliar a capacidade humana, enquanto as pessoas mantêm controle, julgamento e responsabilidade. Assumimos o compromisso de ser Customer Zero (sermos nosso próprio cliente), aprendendo com a nossa própria transformação para ajudar outros a navegar pelas suas.

Nossos funcionários têm experimentado a IA, enquanto as lideranças estabeleceram metas ambiciosas e desafiaram as equipes a repensar a forma como trabalhamos para alcançar mais do que era possível antes. Criamos conselhos interdepartamentais, abrangendo funções corporativas, go-to-market e engenharia, para compartilhar melhores práticas e aprender em conjunto. Pedimos a todos que desafiassem mentalidades fixas e adotassem a mentalidade de crescimento que cultivamos há mais de uma década. Esse trabalho está gerando resultados mensuráveis: em uma equipe de vendas, as taxas de fechamento de negócios aumentaram 20%¹; fluxos de trabalho selecionados da cadeia de suprimentos reduziram o tempo de ciclo em até 75%²; e uma equipe de engenharia de nove pessoas entregou uma versão inicial de produto em 35 dias.³

À medida que abordagens comprovadas surgiram, nós as codificamos em estudos de caso para acelerar a transformação, escalar o que funcionava e aprender com o que não funcionava. Igualmente importante, sabíamos que, se quiséssemos ajudar os clientes a perceber todo o valor da IA, precisaríamos primeiro fazer o trabalho de transformar a nós mesmos. Nossa própria experiência em primeira mão precisava ser uma fonte de aprendizado que pudéssemos compartilhar com outros.

Temos compartilhado o Microsoft Frontier Playbook com clientes como um guia prático para a nossa jornada de transformação de IA, incluindo o que aprendemos, o que funcionou até agora e onde evoluímos a partir de falhas. Com base em centenas de esforços de transformação de IA em toda a empresa, o playbook reúne o que estamos aprendendo à medida que redesenhamos o trabalho, desenvolvemos novas capacidades, medimos impacto e ajudamos as pessoas a evoluir junto com a IA.

O playbook também reflete verdades importantes: a transformação é difícil e o aprendizado é a superpotência duradoura. Entre os muitos insights obtidos com nossos sucessos e falhas, cinco lições se destacam de forma consistente.

1. Comece pelo resultado de negócios, não pela tecnologia

Inicialmente, tratamos a IA como uma implementação tradicional de tecnologia: implantar as ferramentas, oferecer treinamento e impulsionar a adoção. Aprendemos que acesso e uso não equivalem à transformação: uma ferramenta licenciada para mais de 200 mil pessoas não muda, por si só, a forma como o trabalho é realizado.

O uso inicial em vendas deixou isso claro. Apesar da ampla implementação, o uso se estabilizou e o impacto não se materializou. Em vez de insistir ainda mais na adoção, a equipe partiu dos objetivos de negócios: entregar mais valor aos clientes, fechar acordos e melhorar a experiência dos funcionários. Eles mapearam como os gerentes de conta passavam a semana e identificaram as melhores ferramentas para os momentos mais relevantes: um agente Analyst para pipeline, um agente Deal para pacotes de negócios e Researcher para um entendimento profundo dos clientes. Reuniões semanais entre pares transformaram a experimentação em hábito e escalaram as melhores práticas para todos na equipe. Dentro do grupo, a adoção dos casos de uso prioritários triplicou, a receita por gerente de conta aumentou 9,4% e as taxas de fechamento foram 20% maiores.⁴

O sucesso ainda exigiu investimento para ajudar as pessoas a desenvolver novas habilidades, experimentar outras formas de trabalhar e aprender umas com as outras. Mas, quando as lideranças se concentraram em um resultado de negócios claro e no que mais importava para a pessoa que executava o trabalho, em vez da adoção da IA em si, as conversas passaram de usar IA para criar valor.

2. Redesenhe todo o fluxo de trabalho, não apenas tarefas individuais

Uma das nossas maiores lições veio de repensar os fluxos de trabalho de ponta a ponta, e não de aplicar IA a etapas existentes. Os esforços iniciais ajudaram as pessoas a concluir tarefas familiares mais rapidamente, mas raramente transformaram os resultados. Adicionar agentes a um processo quebrado ainda deixa o processo quebrado:  acelerar uma etapa apenas cria uma fila maior na próxima.

Nossa equipe de cloud supply chain simplificou seus processos antes de repensá-los com agentes. Especialistas em cadeia de suprimentos e engenheiros trabalharam lado a lado, primeiro mapeando e simplificando fluxos de trabalho de ponta a ponta e, depois, criando uma única fonte da verdade para que cada agente raciocinasse a partir dos mesmos dados. Com essa base estabelecida, eles implantaram mais de 100 agentes desenvolvidos para finalidades específicas em planejamento, sourcing, fulfillment e logística. Esses agentes investigam mudanças na demanda e modelam capacidade, ao mesmo tempo em que comparam opções de transporte aéreo, terrestre e marítimo em custo, prazo e impacto de carbono — uma complexidade que poucas equipes conseguiriam gerenciar sozinhas. O tempo de ciclo caiu até 75% em fluxos de trabalho selecionados.

A mudança não é apenas sobre velocidade; é sobre adicionar novo valor ao melhorar o que a equipe consegue ver, antecipar e fazer. Dentro de permissões e limites de aprovação definidos, os agentes passaram de responder perguntas para ajudar planejadores a atualizar ou cancelar pedidos de compra diretamente. Planejadores que antes levavam de cinco a sete dias para rastrear por que um plano de demanda havia mudado agora conseguem obter uma resposta em horas e, em alguns casos, em menos de 20 minutos. Isso torna possível analisar mudanças à medida que os ciclos de planejamento acontecem, modelar mais cenários, construir melhores planos de contingência e identificar riscos mais cedo, ajudando a equipe a tomar melhores decisões e melhorar o desempenho da cadeia de suprimentos.⁵

Estamos vendo a mesma mudança em engenharia de software, área em que a oportunidade vai além de gerar código mais rapidamente e passa a redesenhar como as equipes planejam, constroem, testam e avaliam produtos com agentes ao longo do fluxo de trabalho.

Observamos que os maiores ganhos surgem quando as equipes dão um passo atrás e redesenham como o trabalho deve fluir entre pessoas, processos e tecnologia do início ao fim. Isso inclui o que os agentes podem acessar e fazer, como suas ações são monitoradas e onde as pessoas precisam revisar, aprovar ou intervir. A IA é mais poderosa quando todos os três avançam juntos.

3. Coloque os funcionários no centro da transformação

As pessoas que fazem o trabalho sabem onde os processos falham, onde o julgamento é importante e onde a IA poderia ajudar. São insights que nenhum mapa de processos consegue capturar por completo. A experiência delas precisa moldar a transformação desde o início. As lideranças são responsáveis por definir uma ambição clara, ajudar os funcionários a desenvolver as habilidades necessárias para contribuir e oferecer a eles um papel significativo na decisão de como o trabalho muda.

Na Microsoft, estamos criando formas práticas para que os funcionários desenvolvam essas habilidades. O programa de desenvolvimento para profissionais em início de carreira PRAISE conecta engenheiros emergentes a preceptores experientes e aprendizado assistido por IA, ajudando engenheiros mais novos a contribuir com trabalhos complexos enquanto desenvolvem sua especialidade.

Camp AIR é um acelerador de transformação de IA de várias semanas que ajuda equipes multifuncionais a aprender novas capacidades de IA enquanto redesenham a forma como trabalham juntas em torno de um desafio real de negócios. Um piloto inicial nos ensinou que a transformação de IA é um esforço coletivo e que ferramentas e treinamento, por si só, não eram suficientes. Embora indivíduos pudessem aprender novas tecnologias de forma independente, mudanças significativas e duradouras ocorreram quando as equipes aprenderam, experimentaram e se adaptaram juntas. As equipes precisavam de conversas francas sobre como a IA remodelaria funções e fluxos de trabalho, além de liberdade para experimentar com segurança e ganhar confiança em novas formas de trabalhar. Não podíamos tornar todas as funções atuais à prova de futuro, mas podíamos ajudar os funcionários a preparar suas carreiras para o que vem pela frente, desenvolvendo as habilidades,adaptabilidade e mentalidade necessárias para ter sucesso à medida que o trabalho evolui.

Essa lição se tornou um princípio central de design do Camp AIR e ajudou o programa a escalar para mais de três mil engenheiros naquela organização.

A equipe por trás do Copilot Cowork mostra como isso pode funcionar na prática. A equipe de nove pessoas, composta por engenheiros, designers e gerentes de produto, recebeu liberdade para repensar como um produto é construído, com a IA incorporada desde o primeiro dia. Trabalhando lado a lado com agentes, suas funções se expandiram para o que chamaram de meta-engenheiros, meta-designers e meta-PMs. Juntos, eles entregaram uma versão inicial em 35 dias e documentaram o que aprenderam para que outras equipes pudessem construir a partir disso.⁶

Em nossa experiência, as lideranças definem resultados e responsabilidade, enquanto as pessoas mais próximas do trabalho identificam onde a IA agrega valor e onde o julgamento humano deve permanecer central. Os gestores conectam esses dois pontos, e seu exemplo e apoio têm sido um dos preditores mais fortes de sucesso. Nossa pesquisa confirma isso: quando gestores demonstram ativamente o uso de IA, o valor relatado da IA agêntica aumenta 17 pontos e a confiança nela sobe 30 pontos. Além disso, funcionários em equipes nas quais os gestores criam segurança psicológica têm 1,4 vez mais probabilidade de serem usuários frequentes de IA agêntica. Quando os funcionários têm contexto, capacidade e autonomia, podem se tornar o motor da transformação.

4. Use a IA para ampliar o que as pessoas podem fazer

Começamos onde muitas empresas começam: automatizando tarefas para aumentar a eficiência. Esse valor é real, mas é apenas o começo. Com o tempo, percebemos que a oportunidade maior está no “Capability Add”: combinar forças humanas e de IA para alcançar resultados que antes eram impraticáveis ou impossíveis. Pense nisso como uma equação: CI + AI = CA. A melhoria contínua remove desperdícios, e a IA adiciona capacidade. Juntas, elas produzem Capability Add: produção com maior valor estratégico. A melhoria contínua sozinha resulta em uma versão mais enxuta da antiga empresa; Capability Add cria uma empresa diferente. Isso equivale à transformação.

Em nosso mais recente Work Trend Index, 58% dos usuários de IA disseram que a IA os ajuda a realizar trabalhos que não conseguiam fazer antes, percentual que chegou a 80% entre usuários avançados. Em nossos exemplos de caso, isso aparece como prever uma falha de qualidade em vez de apenas identificá-la depois, ou explorar vinte opções quando uma equipe teria tempo para analisar três.

Essa visão mais ampla molda a forma como medimos ROI. Costumamos dizer que eficiência é o piso; capacidade é o teto. Uso e adoção, juntamente com melhorias em velocidade, qualidade e custo, são sinais importantes. Mas a medida final é se a IA melhora as experiências de clientes e funcionários, impulsiona crescimento e inovação, reduz riscos e amplia o que a organização consegue realizar. Como esses resultados podem levar tempo para aparecer, também acompanhamos indicadores antecedentes. Para gerentes de conta, isso pode significar mais tempo com clientes, um pipeline mais forte ou melhores taxas de vitória antes que os ganhos de receita se materializem por completo. Para um engenheiro, não se trata de quanto código a IA produz, mas de se a equipe está criando produtos melhores com mais rapidez.

Incentivamos as equipes a olhar além da eficiência e perguntar: “O que nossas pessoas poderiam realizar que antes não conseguiam?”

5. Combine a capacidade humana e de IA para criar uma organização que aprende continuamente

Na Microsoft, há muito acreditamos que a mentalidade de crescimento é uma fonte de vantagem competitiva. Nossa disposição de desafiar pressupostos, experimentar, aprender e adaptar moldou nossa cultura por mais de uma década e oferece uma base ainda mais importante para a era da IA.

A IA está dando um novo significado a essa ideia. Como parceira de reflexão, ela pode ajudar funcionários a explorar novas ideias, desenvolver habilidades e aprender no fluxo do trabalho. Ela pode tornar o aprendizado mais rápido, mais personalizado e mais acessível, ajudando as pessoas a assumir desafios que antes pareciam fora de alcance.

Mas também descobrimos que o aprendizado acontece nos dois sentidos. As pessoas ajudam a IA a se tornar mais útil ao trazer a ambição, o contexto, o julgamento e o feedback que ensinam como o trabalho é realizado e o que significa um bom resultado. Elas definem os requisitos, corrigem o que fica aquém, determinam onde o julgamento humano é essencial e permanecem responsáveis por como a IA é aplicada.

Em nossa organização de People, por exemplo, as equipes estão aprimorando continuamente agentes para apoiar as muitas atividades interdepartamentais envolvidas na integração de um novo funcionário. Nossa equipe orienta o processo e define o padrão do que é um bom resultado, determina onde o julgamento humano é necessário, resolve questões e governa o sistema como um todo.

Com o tempo, esse ciclo de aprendizado transforma insights individuais em capacidade organizacional. A IA ajuda as pessoas a aprender mais rapidamente, enquanto as pessoas ajudam a tornar a IA mais útil dentro de sua organização. Nós reconhecemos que o ciclo de aprendizado contínuo que estávamos criando também estava gerando conhecimento institucional único, e que manter o controle sobre ele seria fundamental para nossa vantagem de longo prazo. E que toda organização deveria ser capaz de construir seu próprio ciclo de aprendizado contínuo sem se tornar dependente de um único provedor de modelo, mantendo o controle de seu conhecimento e de como ele é incorporado aos modelos e sistemas que utiliza.

Ter acesso aos melhores modelos não será suficiente. As organizações que liderarem serão aquelas que construírem a capacidade de acelerar o aprendizado, onde pessoas e IA evoluem juntas e onde o conhecimento que criam se torna uma fonte de vantagem duradoura.

***

Essas lições se unem em três receitas práticas: Persona Acceleration (Aceleração de Funções) para uma função, AI-Powered Process Redesign (Redesenho de Processos com IA) para um fluxo de trabalho e AI-First Possibility (Oportunidade AI-First) para uma oportunidade de criar algo novo. Destiladas a partir de centenas de esforços de transformação, elas são padrões que as equipes podem adaptar — muitas vezes em combinação — para avançar mais rapidamente e evitar reinventar a jornada.

O acesso à IA não será o diferencial. A vantagem virá da capacidade de uma organização de capacitar e engajar funcionários, redesenhar o trabalho, governar a IA de forma responsável e operacionalizar o que funciona. Os resultados que estamos vendo, de aumento de receita e uma cadeia de suprimentos mais eficiente a desenvolvimento de produtos mais rápido e melhores experiências para funcionários, mostram o que é possível quando essas peças se conectam. Mas alcançar esses resultados exige mais do que implantar IA. Exige o alinhamento intencional de pessoas, processos e tecnologia. Esse é o trabalho difícil de se tornar uma Frontier Firm  e a razão pela qual criamos a Microsoft Frontier Company: para levar aos clientes o que estamos aprendendo com a nossa própria transformação e trabalhar ao lado deles enquanto navegam por suas transformações.

LeiaBecoming a Frontier Firm: nosso Frontier Playbook, com frameworks, receitas de transformação e lições da jornada Customer Zero da Microsoft.

Kathleen Hogan é vice-presidente executiva e Chief Strategy and Transformation Officer da Microsoft, onde lidera a agenda de estratégia e transformação de toda a empresa, acelerando a evolução da Microsoft para se tornar uma Frontier Firm. Anteriormente, ela atuou como Chief Human Resources Officer e vice-presidente corporativa de Microsoft Services.

NOTAS

¹ Dados internos da equipe de vendas da Microsoft com base em 687 vendedores de Microsoft 365 Copilot de jan. a jun. de 2024, em comparação com vendedores com baixo uso do Copilot. Uso regular do Copilot refere-se a vendedores que usam o Copilot diariamente pelo menos 50% do tempo durante o período de teste.

² Com base em análise interna da Microsoft sobre trabalho liderado por uma equipe multifuncional de mais de 150 pessoas entre setembro de 2025 e agosto de 2026. Em setembro de 2026, mais de 111 agentes haviam sido implantados em fluxos de trabalho de cloud supply chain. Ao longo de 5 ciclos mensais de planejamento medidos entre abril de 2026 e agosto de 2026, o tempo médio de ciclo caiu de aproximadamente 10 para menos de 2,5 dias úteis. Separadamente, em mais de 20 investigações de planos de demanda por mês, o tempo médio para produzir uma explicação validada por humanos caiu de cinco a sete dias para menos de algumas horas, com algumas concluídas em menos de 20 minutos. Os resultados são específicos desses fluxos de trabalho e períodos de medição.

³ Com base em registros internos do projeto. O período de 35 dias foi medido desde o kickoff formal do projeto pela equipe até a entrega da versão inicial na primavera de 2026 no Hemisfério Norte. Esse resultado reflete um projeto realizado por uma equipe multifuncional dedicada e não representa um benchmark de desenvolvimento de produto para toda a empresa.

⁴ Dados internos da equipe de vendas da Microsoft com base em 687 vendedores de Microsoft 365 Copilot de jan. a jun. de 2024, em comparação com vendedores com baixo uso do Copilot. Uso regular do Copilot refere-se a vendedores que usam o Copilot diariamente pelo menos 50% do tempo durante o período de teste.

⁵ Com base em análise interna da Microsoft sobre trabalho liderado por uma equipe multifuncional de mais de 150 pessoas entre setembro de 2025 e agosto de 2026. Em setembro de 2026, mais de 111 agentes haviam sido implantados em fluxos de trabalho de cloud supply chain. Ao longo de 5 ciclos mensais de planejamento medidos entre abril de 2026 e agosto de 2026, o tempo médio de ciclo caiu de aproximadamente 10 para menos de 2,5 dias úteis. Separadamente, em mais de 20 investigações de planos de demanda por mês, o tempo médio para produzir uma explicação validada por humanos caiu de cinco a sete dias para menos de algumas horas, com algumas concluídas em menos de 20 minutos. Os resultados são específicos desses fluxos de trabalho e períodos de medição.

⁶ Com base em registros internos do projeto. O período de 35 dias foi medido desde o kickoff formal do projeto pela equipe até a entrega da versão inicial na primavera de 2026 no Hemisfério Norte. Esse resultado reflete um projeto realizado por uma equipe multifuncional dedicada e não representa um benchmark de desenvolvimento de produto para toda a empresa.