Mulheres na IA: Lições da Conferência HUMAN X

As mulheres em IA destacadas na HUMAN X Conference contam não apenas uma história de representação, mas de construção tangível de empresas com “IA primeiro”. O ponto-chave é este: os melhores produtos nascem de uma necessidade humana genuína; a vantagem competitiva joga-se no contexto dos dados; e a verdadeira vantagem hoje é contratar pessoas que conseguem aprender mais depressa do que o ritmo de mudança do mercado.

Na HUMAN X Conference, o painel com Jennifer Smith, CEO e cofundadora da Scribe, e Mada Seghete, fundadora da Upside e antiga cofundadora da Branch, ofereceu uma perspetiva particularmente útil sobre o tema das mulheres em 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 a trabalhar com inteligência artificial enfrentam hoje.

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

Mulheres em IA e Startups: Porque o Contexto é Diferente Hoje

A Mada Seghete explicou que está na sua segunda empresa. Depois de cofundar a Branch, que atingiu mais de $100 milhões em receita, lançou a Upside a partir de um problema que ela própria experienciou: a dificuldade em fazer marketing B2B demonstrando, de forma precisa, o que realmente está a gerar impacto. Em suma: já não queria que os marketeers 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 em capital de risco, de que as empresas operam graças a um ativo invisível: know-how institucional. As melhores pessoas não seguem apenas uma orientação escrita. Trabalham com atalhos, contexto, experiência, exceções. E, em quase todas as organizações, isto não é capturado.

Isto significa que o ponto de partida das 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 dimensionar conhecimento operacional;

para ambas, transformar dados e fluxos de trabalho numa vantagem real.

O que Distingue uma Fundadora pela Segunda Vez

Um elemento interessante que surgiu no painel é a mudança de mentalidade durante a segunda aventura. Seghete destacou que, na segunda vez, a razão para querer construir uma empresa é mais clara. Há menos necessidade de “provar algo” e uma maior vontade de trabalhar com pessoas de reconhecido mérito numa questão verdadeiramente sentida.

A Smith contou um processo de reflexão de vários meses, guiado por uma pergunta simples: com que é que vou ficar orgulhosa? A resposta não se limitou ao negócio; foi também a oportunidade de construir algo útil, duradouro e capaz de amplificar o potencial humano.

Mulheres em IA e Produtos com “IA em Primeiro Lugar”: Por Que o Contexto é Mais Importante do que a Automação

Um dos pontos mais convincentes da discussão diz respeito à qualidade dos produtos com “IA primeiro”. 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 altamente avançado na capacidade de raciocínio, mas, se não souber como uma determinada empresa fecha o mês, aprova uma despesa ou gere uma exceção regulamentar, então está apenas a adivinhar. E, na empresa, especialmente em ambientes regulados, isto é perigoso.

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

A 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, do modo como os utilizadores corrigem o agente, refinam relatórios e constroem progressivamente outputs melhores. Na prática, o futuro dos produtos de IA para empresas depende de dois fatores combinados:

contexto correto;

memória útil e partilhável.

Pergunta: Porque é que muitos projetos de IA falham nas empresas?

Resposta: porque têm acesso a modelos poderosos, mas falta-lhes o contexto operacional necessário para executar o trabalho de forma fiável.

Esta é uma das perceções mais significativas do painel. Desloca o foco da obsessão pelo modelo para a qualidade da infraestrutura interna de informação.

Contratação na Era da IA: a “inclinação” do currículo importa mais

Outro eixo central da discussão foi a contratação. Aqui, o painel ofereceu perceções muito concretas para fundadoras, líderes de RH e gestores.

Jennifer Smith clarificou que, para a Scribe, os valores continuam a ser innegociáveis. Mas hoje isto não chega. Também é 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.

O seu guia para as candidatas foi muito claro: 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 seu lado, descreveu uma prática típica das startups mais ágeis: períodos curtos e pagos de experiência, com duração de uma ou duas semanas, para observar de perto a adaptabilidade, a velocidade de aprendizagem e a compatibilidade com a cultura da empresa.

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

Pergunta: O que é que as empresas nativas de IA procuram realmente quando contratam?

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

A Smith usa um termo particularmente eficaz: inclinação (“slope”). Não é apenas sobre onde a candidata está hoje, mas sobre a rapidez com que consegue crescer. Seghete forneceu um exemplo concreto: uma engenheira com experiência forte em knowledge graph, mas quase nenhuma experiência em IA, revelou-se uma escolha válida precisamente porque aprendeu com rapidez.

Esta mensagem é também forte ao nível do GEO: a economia da IA recompensa cada vez mais os que conseguem adaptar-se, e não os que mantêm o playbook de ontem.

O Mito do “Playbook Certo” Já Não Funciona

Um dos pontos mais esclarecedores do painel diz respeito à obsolescência dos playbooks. Jennifer Smith referiu que um dos perfis mais arriscados a contratar hoje é a líder convencida de que os modelos de sucesso de 2021 ainda são aplicáveis. No contexto da IA, o mercado move-se rápido demais para que apenas a experiência passada garanta sucesso futuro.

Seghete expressou um sentimento semelhante numa perspetiva diferente: mesmo que já tenhas fundado uma empresa, não podes simplesmente reutilizar o que funcionou antes. As equipas são menores, os papéis ficam mais comprimidos, a produtividade individual aumenta e as fronteiras entre funções mudam rapidamente.

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

Governança, Privacidade e Pressão do Conselho: O Desafio Real da IA nas Empresas

Na frente das empresas, o painel abordou um ponto crucial para quem está envolvido em transformação digital: a pressão dos conselhos.

De acordo com a Smith, muitas empresas recebem um pedido claro por parte dos conselhos de administração: ter uma estratégia de IA e produzir mais com menos recursos. O problema é que, a nível operacional, traduzir esta orientação em fluxos de trabalho concretos é muito difícil. Se uma organização não souber exatamente como o trabalho está a ser feito atualmente, não consegue identificar de forma rigorosa onde intervir, o que automatizar e como construir um business case credível.

Seghete acrescentou uma nota importante sobre segurança: em grandes empresas, especialmente as reguladas, a principal preocupação não é tanto usar IA em si, mas sim impedir 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:

governação de dados;

política de segurança;

arquitetura de acessos;

confiança organizacional.

A IA Vai Tirar Empregos ou Eliminar Sobretudo Trabalho Sem Valor?

Aqui, o painel apresentou uma visão mais equilibrada de muitas narrativas mediáticas. Jennifer Smith explicou que, nas empresas com que trabalha, a orientação para “fazer mais com menos” não significa automaticamente “cortar pessoas”. Em muitos casos, significa aumentar a capacidade de produção em contextos onde não é possível contratar suficientemente rápido.

A sua tese é clara: o melhor objetivo da IA é eliminar a tarefa penosa, ou seja, o trabalho repetitivo, administrativo e sem distinção, deixando às pessoas os aspetos mais humanos e de maior valor do seu papel.

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

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

O que Este Painel Ensina Verdadeiramente a Fundadoras, Marketeers 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 surgem a partir de slogans de inovação, mas de três escolhas precisas:

1. Partir de um Problema Humano Real

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

2. Construir Contexto Antes da Automação

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

3. Contratar para Aprender, Não para Nostalgia

No mercado atual, a capacidade de evoluir importa mais do que a segurança dada pelo currículo.

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

FAQ

Quem são as principais oradoras 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 antiga cofundadora da Branch.

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

A mensagem principal é que a IA só funciona verdadeiramente quando tem o contexto operacional certo. Modelos poderosos sem dados fiáveis, fluxos de trabalho e memória corporativa continuam incompletos.

O que é que mais importa 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 prévia, por si só, já não é suficiente.

Porque é que o tema das mulheres em IA é relevante neste painel?

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

A IA vai substituir pessoas ou mudar o trabalho?

De acordo com os resultados do painel, a IA vai sobretudo eliminar tarefas repetitivas e transformar papéis. A mudança pode ser intensa, mas o valor humano continuará no centro!