IA no planejamento estratégico é, na definição que a CGLC usa neste guia, o uso de sistemas de inteligência artificial para apoiar as etapas do ciclo de planejamento da empresa: diagnóstico, leitura de cenário, geração de alternativas, desdobramento em metas e acompanhamento. A escolha da direção continua com quem responde pelo negócio.
O dilema do dono de PME é conhecido: a IA promete análise rápida e barata, mas ninguém quer entregar o futuro da empresa a uma resposta que ninguém sabe explicar. Este guia mostra em que etapa a IA ajuda, onde ela não decide, o que seis estudos dizem sobre decisão com IA e algoritmos e sobre ideias geradas por IA, os riscos que três deles examinaram e um roteiro da CGLC para o próximo ciclo. O que for critério da casa vem marcado.
Resumo rápido
- Três jeitos de combinar decisão humana e IA: Shrestha, Ben-Menahem e von Krogh (2019), sem foco declarado em PMEs, descrevem a delegação total à IA, a decisão sequencial híbrida e a decisão agregada entre humanos e IA.
- Complementaridade: para Jarrahi (2018), sem foco declarado em PMEs, a IA pode ampliar a cognição humana diante da complexidade, enquanto as pessoas ainda podem oferecer uma abordagem mais holística e intuitiva diante da incerteza e da ambiguidade.
- Estratégias geradas por modelos de linguagem: Csaszar, Ketkar e Kim (2024), com evidência de um programa de aceleração e de uma competição de startups e sem foco declarado em PMEs, relatam que modelos de linguagem atuais geram e avaliam estratégias em nível comparável ao de empreendedores e investidores.
- Duas reações opostas: em cinco estudos de previsão, quem viu um algoritmo atuar ficou menos propenso a escolhê-lo, mesmo quando ele superou o humano (Dietvorst, Simmons e Massey, 2015); em seis experimentos, leigos aderiram mais a um conselho quando achavam que ele vinha de um algoritmo (Logg, Minson e Moore, 2019). Nenhum dos dois tem foco declarado em PMEs.
- Ideias parecidas entre si: no experimento on-line de Doshi e Hauser (2024) com escritores de contos, histórias feitas com ideias de IA foram avaliadas como mais criativas, mas ficaram mais parecidas umas com as outras. O estudo não tem foco declarado em estratégia nem em PMEs.
- Leitura da CGLC: na PME, a IA rende mais quando entra em etapas definidas do ciclo, com a decisão e a responsabilidade nomeadas antes. O roteiro deste guia é método da casa, e não resultado dos estudos.
O que é IA no planejamento estratégico
Planejamento estratégico é o ciclo em que a empresa decide para onde vai, com que prioridades e como vai acompanhar o caminho. Usar IA nesse ciclo não significa pedir a um sistema que escreva o plano. Significa escolher em quais etapas a máquina entra, com que papel e sob a responsabilidade de quem.
Leitura da CGLC: este guia trata da IA dentro do ciclo de planejamento. O conceito geral está no guia de IA para empresas, e ferramentas como a matriz SWOT e os OKRs têm guias próprios. Aqui elas aparecem só onde a IA muda o jeito de usá-las.
Shrestha, Ben-Menahem e von Krogh (2019), na California Management Review, perguntam como a tomada de decisão organizacional muda com a chegada de algoritmos de decisão baseados em IA. Os autores comparam a decisão humana e a decisão baseada em IA em cinco fatores de contingência.
A partir dessa comparação, constroem um quadro sobre como combinar os dois modos para beneficiar a qualidade da decisão organizacional. Sem foco declarado em PMEs.
O quadro tem três categorias estruturais. Na primeira, a decisão é delegada inteiramente à IA. Na segunda, a decisão é sequencial e híbrida, do humano para a IA ou da IA para o humano. Na terceira, decisões humanas e decisões da IA são agregadas.
-
Delegação total à IA
A máquina decide sozinha dentro de um limite fixado
-
Sequencial híbrida
Um prepara, o outro decide, nas duas direções
-
Agregada
Juízo humano e resultado da IA pesados juntos
Leitura da CGLC: no planejamento estratégico da PME, a delegação total quase não tem lugar, porque a escolha da direção envolve risco e compromissos que o dono assina. O espaço natural da IA é a decisão sequencial: a máquina prepara, e a pessoa decide. A decisão agregada aparece quando a empresa compara, de propósito, a leitura da equipe com a da máquina.
Complementar, e não substituir
Jarrahi (2018), na Business Horizons, parte do receio de que máquinas inteligentes substituam muitas pessoas na tomada de decisão. O autor destaca a complementaridade entre humanos e IA em processos de decisão organizacional tipicamente marcados por incerteza, complexidade e ambiguidade (equivocality, no original).
Para ele, com maior capacidade computacional de processar informação e uma abordagem analítica, a IA pode ampliar a cognição humana diante da complexidade. As pessoas ainda podem oferecer uma abordagem mais holística e intuitiva diante da incerteza e da ambiguidade.
O autor liga essa premissa à ideia de ampliação da inteligência: sistemas de IA deveriam ser desenhados para ampliar, e não substituir, a contribuição humana. Sem foco declarado em PMEs.
Leitura da CGLC: para o dono, a divisão de Jarrahi vira uma pergunta prática: esta etapa sofre mais com volume de informação ou com dúvida sobre o que a informação significa? Se o problema é volume, a IA tende a ajudar. Se é interpretar um mercado que ninguém entende direito, a responsabilidade continua com a diretoria.
Em que etapa do planejamento a IA ajuda
Csaszar, Ketkar e Kim (2024), na Strategy Science, exploram como a IA pode afetar o processo de decisão estratégica nas empresas e ilustram como ela poderia ampliar ferramentas de decisão estratégica já existentes.
Os autores trazem evidência de um programa de aceleração de destaque e de uma competição de startups: modelos de linguagem atuais conseguem gerar e avaliar estratégias em nível comparável ao de empreendedores e investidores.
Eles examinam o que isso implica para três processos cognitivos da decisão estratégica: busca, representação e agregação. A análise deles sugere que a IA tem potencial para aumentar a velocidade, a qualidade e a escala da análise estratégica, e para abrir abordagens novas, como simulações virtuais de estratégia.
Ressalvam, porém, que o impacto final no desempenho da empresa vai depender da dinâmica competitiva à medida que as capacidades da IA avançam. A evidência vem de um programa de aceleração e de uma competição de startups, sem foco declarado em PMEs já estabelecidas.
Leitura da CGLC: a tabela abaixo distribui esse potencial pelas cinco etapas do ciclo de planejamento de uma PME. A divisão entre o que a IA prepara e o que fica com o dono é critério da casa, não resultado dos estudos. Os exemplos são ilustrativos e não descrevem casos reais.
| Etapa do ciclo | O que a IA pode preparar | O que fica com o dono e a diretoria | Exemplo ilustrativo da CGLC (não é caso real) |
|---|---|---|---|
| Diagnóstico | Organizar dados internos, resumir pesquisas com clientes, rascunhar pontos fortes e fracos | Dizer quais pontos são verdadeiros e quais são desejo | Uma distribuidora pede um resumo das reclamações do ano e confere cada item com o time comercial |
| Leitura de cenário | Reunir notícias, normas e movimentos de concorrentes, montar cenários alternativos | Escolher em qual cenário a empresa aposta e qual risco aceita | Uma clínica monta três cenários de demanda e a sócia escolhe em qual base planejar a contratação |
| Geração de alternativas | Propor caminhos, objeções e perguntas que a equipe não levantou | Cortar, combinar e escolher a alternativa | Uma confecção pede dez alternativas para depender menos de um cliente e fica com duas |
| Desdobramento em metas | Rascunhar objetivos, resultados-chave e indicadores a partir da direção escolhida | Fixar a meta, o prazo e o responsável | O rascunho de metas sai em minutos e a reunião discute só o que muda o orçamento |
| Acompanhamento | Resumir o andamento das metas e apontar desvios para a reunião mensal | Decidir continuar, corrigir ou encerrar | O resumo mensal chega antes da reunião, e a pauta começa pelos desvios |
Diagnóstico e leitura de cenário
Leitura da CGLC: é aqui que a IA costuma economizar mais horas na PME, porque juntar planilhas, atas, pesquisas e notícias do setor é trabalho de volume. O cuidado é não confundir síntese com diagnóstico: o diagnóstico diz o que é verdade sobre a empresa, e isso exige quem conhece a operação. Para a análise em si, siga o guia da matriz SWOT.
Geração de alternativas
Leitura da CGLC: pedir à IA alternativas que a equipe não considerou reduz o risco de discutir só as ideias de quem fala mais alto. O cuidado vem da pesquisa sobre ideias parecidas entre si, tratada mais abaixo: se todos partem das mesmas sugestões da máquina, o leque pode estreitar.
Desdobramento em metas e acompanhamento
Leitura da CGLC: no desdobramento em metas, o rascunho da IA poupa tempo, desde que a meta final seja fixada por quem responde por ela. O método está no guia de OKR. No acompanhamento, a IA prepara a reunião mensal, e a decisão de corrigir, investir ou encerrar continua com a diretoria.
Onde a IA não decide no planejamento da PME
Os cinco fatores de contingência que Shrestha, Ben-Menahem e von Krogh (2019) usam para comparar a decisão humana com a decisão baseada em IA são: a especificidade do espaço de busca da decisão, a interpretabilidade do processo e do resultado da decisão, o tamanho do conjunto de alternativas, a velocidade da decisão e a replicabilidade.
Leitura da CGLC: a CGLC usa esses cinco fatores como um teste rápido antes de levar uma decisão de planejamento para a IA. As perguntas e as leituras da tabela abaixo são da casa, e não conclusões dos autores sobre cada fator.
| Fator (Shrestha, Ben-Menahem e von Krogh, 2019) | Pergunta da CGLC para o dono | Leitura da CGLC para o planejamento |
|---|---|---|
| Especificidade do espaço de busca da decisão | Dá para dizer com clareza o que está sendo procurado? | “Reduzir o prazo de entrega” é específico; “o que a empresa quer ser” não é |
| Interpretabilidade do processo e do resultado da decisão | A diretoria consegue explicar por que escolheu, para o time e para o sócio? | Se a resposta é “porque a máquina indicou”, a decisão ainda não foi tomada |
| Tamanho do conjunto de alternativas | São três caminhos ou trezentos? | Muitas alternativas pedem filtro; a IA ajuda a filtrar, e a escolha final fica com a diretoria |
| Velocidade da decisão | A decisão precisa sair hoje ou cabe uma reunião? | No planejamento anual, quase sempre cabe uma conversa; velocidade não é desculpa para pular o debate |
| Replicabilidade | A mesma pergunta, feita de novo, daria a mesma resposta? | Rode a mesma pergunta mais de uma vez e compare antes de usar a resposta |
Leitura da CGLC: com esse teste, três decisões quase sempre ficam com o dono na PME. Nelas, a IA pode preparar o material, mas a assinatura é dele.
- A direção: em que mercado a empresa aposta e de qual ela sai.
- A renúncia: o que a empresa deixa de fazer para caber no orçamento e na equipe.
- O compromisso com pessoas: contratação, sociedade, demissão e parceiros.
Os riscos que a pesquisa examinou
Três linhas de pesquisa ajudam a entender como as pessoas reagem a conselhos de algoritmos e a ideias geradas por IA. Nenhum dos estudos abaixo tem foco declarado em PMEs ou em planejamento estratégico. Eles medem comportamentos em tarefas de previsão, de estimativa e de escrita criativa, e a ponte com o planejamento é feita pela CGLC.
| Estudo | Método e participantes | O que os autores relatam |
|---|---|---|
| Dietvorst, Simmons e Massey (2015) | Cinco estudos em que participantes viram previsões de um algoritmo, de um humano, de ambos ou de nenhum | Quem viu o algoritmo atuar confiou menos nele e ficou menos propenso a escolhê-lo em vez de um previsor humano inferior, mesmo quando o viu superar o humano |
| Logg, Minson e Moore (2019) | Seis experimentos, entre eles estimativas numéricas e previsões sobre popularidade de músicas e atração romântica | Leigos aderiram mais ao conselho quando achavam que vinha de um algoritmo; o efeito diminuiu quando a escolha era entre a estimativa do algoritmo e a própria, e entre pessoas com experiência em previsão |
| Doshi e Hauser (2024) | Experimento on-line em que parte dos escritores de contos recebeu ideias de um modelo de linguagem | As histórias com ideias da IA foram avaliadas como mais criativas, mais bem escritas e mais agradáveis, sobretudo entre escritores menos criativos, e ficaram mais parecidas umas com as outras |
Aversão a algoritmo: depois de vê-lo errar, a confiança cai mais depressa
Dietvorst, Simmons e Massey (2015), no Journal of Experimental Psychology: General, partem de pesquisas segundo as quais algoritmos baseados em evidência preveem o futuro com mais precisão que previsores humanos. Mesmo assim, quando precisam escolher entre um previsor humano e um algoritmo estatístico, as pessoas muitas vezes escolhem o humano. Os autores chamam esse fenômeno de aversão a algoritmo.
Nos cinco estudos, os participantes viram um algoritmo fazer previsões, um humano fazer previsões, ambos ou nenhum, e depois decidiram se atrelariam seus incentivos às previsões do algoritmo ou às do humano.
Quem viu o algoritmo atuar ficou menos confiante nele e menos propenso a escolhê-lo em vez de um previsor humano inferior, mesmo entre quem o viu superar o humano. A explicação dos autores é que as pessoas perdem a confiança em previsores algorítmicos mais depressa do que em humanos depois de vê-los cometer o mesmo erro.
Leitura da CGLC: na PME, esse risco aparece quando a diretoria abandona a ferramenta no primeiro número errado, enquanto continua tolerando as falhas da planilha de sempre. O antídoto é combinar antes como a resposta da IA vai ser conferida e qual margem de erro é aceitável, para que o primeiro erro não decida sozinho o destino da ferramenta.
Apreciação de algoritmo: o conselho pesa mais porque veio da máquina
Logg, Minson e Moore (2019), na Organizational Behavior and Human Decision Processes, chegaram a um resultado que contraria a ideia corrente de que as pessoas podem relutar em se apoiar em algoritmos. Em seis experimentos, leigos aderiram mais a um conselho quando achavam que ele vinha de um algoritmo do que de uma pessoa.
Os autores chamam o efeito de apreciação de algoritmo. Em um dos experimentos, pesquisadores previram o resultado oposto. Entre as tarefas estavam estimativas numéricas sobre um estímulo visual e previsões sobre a popularidade de músicas e a atração romântica.
A apreciação diminuiu em duas situações: quando as pessoas escolhiam entre a estimativa do algoritmo e a própria, e não a de um conselheiro externo, e quando tinham experiência em previsão. Os autores descrevem um paradoxo: profissionais experientes, que fazem previsões com regularidade, se apoiaram menos no conselho algorítmico do que os leigos, e isso prejudicou a precisão deles.
Leitura da CGLC: lidos juntos, os dois estudos desenham, dos dois lados, o risco para o dono. A equipe sem experiência pode aceitar a resposta só porque veio da máquina; o dono experiente pode descartá-la só porque contraria a própria intuição. O critério é conferir a resposta contra fatos da empresa, com regra combinada antes.
Ideias parecidas entre si
Doshi e Hauser (2024), na Science Advances, estudaram o impacto causal de ideias de IA generativa na produção de contos, em um experimento on-line no qual parte dos escritores recebeu ideias de histórias de um modelo de linguagem. O acesso às ideias da IA fez as histórias serem avaliadas como mais criativas, mais bem escritas e mais agradáveis, especialmente entre os escritores menos criativos.
Ao mesmo tempo, as histórias feitas com ideias da IA ficaram mais parecidas umas com as outras do que as escritas só por humanos.
Os autores leem o resultado como um aumento da criatividade individual com o risco de perder novidade coletiva. A dinâmica, dizem, se parece com um dilema social: cada escritor sai ganhando, mas coletivamente se produz um leque mais estreito de conteúdo novo.
Leitura da CGLC: o estudo usa contos, e não estratégia, e a ponte é da casa. Ela conversa com a ressalva de Csaszar, Ketkar e Kim (2024), sem foco declarado em PMEs, sobre a dinâmica competitiva: se a PME e os concorrentes pedem as mesmas análises a modelos parecidos, todos podem chegar a planos parecidos. A diferença tende a vir do que só a empresa sabe sobre clientes, operação e história.
Roteiro da CGLC para usar IA no ciclo de planejamento
Leitura da CGLC: os seis passos abaixo são método da CGLC, construído a partir da prática com donos e diretorias de empresas pequenas e médias. Eles usam o vocabulário dos estudos citados, mas não vêm deles. Os números (duas rodadas, uma página, trinta dias) são pontos de partida da casa, e cada empresa ajusta os seus.
- Nomeie quem decide antes de abrir a ferramenta. Para cada etapa do ciclo, escreva quem assina a decisão final. A IA entra como preparação, nunca como assinatura.
- Marque as etapas em que a IA entra. Use a tabela das cinco etapas e escolha onde a máquina prepara material. Diagnóstico e leitura de cenário costumam ser o começo mais seguro.
- Gere alternativas antes e depois da IA. A equipe escreve as próprias alternativas primeiro, sem a máquina, e só depois pede sugestões à IA. As duas listas são comparadas na reunião, o que protege a variedade de ideias.
- Combine a regra de conferência. Toda afirmação da IA que sustente uma decisão precisa ser conferida contra um dado da empresa ou uma fonte nomeada. Rode a mesma pergunta em duas rodadas e compare as respostas.
- Escreva a decisão em uma página, sem a IA. A direção escolhida, as renúncias e as metas principais cabem em uma página escrita pela diretoria. Se a diretoria não consegue escrever, a decisão ainda não foi tomada.
- Revise em trinta dias. Na primeira reunião de acompanhamento, avalie também o uso da IA: onde poupou tempo, onde errou e o que muda no próximo ciclo.
-
1. Quem decide
Assinatura nomeada em cada etapa
-
2. Onde a IA entra
Etapas marcadas antes de começar
-
3. Alternativas
Lista da equipe primeiro, da IA depois
-
4. Conferência
Afirmação checada contra dado da empresa
-
5. Decisão escrita
Uma página da diretoria, sem a IA
-
6. Revisão
Trinta dias depois, plano e uso da IA
Na nossa prática: na CGLC, o passo que mais muda a conversa é o terceiro. Com a lista da equipe primeiro, a reunião discute por que a máquina sugeriu o que ninguém considerou e deixou de fora o que o time acha óbvio. Com a ordem invertida, a equipe tende a trabalhar em cima das sugestões da IA.
Leitura da CGLC: antes de levar a IA para o planejamento inteiro, vale testar em uma etapa, com prazo e critério de sucesso combinados. O guia de piloto de IA descreve como conduzir esse teste. E, como o planejamento usa dados sensíveis da empresa, as regras de uso, acesso e responsabilidade estão no guia de governança de IA.
Erros comuns ao usar IA no planejamento estratégico
Leitura da CGLC: os erros abaixo vêm da prática da CGLC com empresas pequenas e médias, e não de estudo.
- Pedir o plano pronto. O plano que sai de uma única pergunta à máquina não carrega o compromisso de ninguém, e na primeira dificuldade ninguém o defende.
- Confundir resumo com diagnóstico. A IA resume bem o que está nos documentos, mas não sabe o que nunca foi escrito neles.
- Deixar a IA abrir a discussão. Quando as sugestões da máquina vêm primeiro, a equipe tende a debater só o que ela propôs.
- Colocar dado sensível sem regra. Margens, contratos e salários entram na ferramenta só depois de definida a política de uso.
Quer que a sua diretoria use IA no próximo ciclo de planejamento com método, conferência e a decisão nas mãos de quem responde pelo negócio?
Perguntas frequentes
O que é IA no planejamento estratégico?
Na definição que a CGLC usa, é o uso de sistemas de inteligência artificial para apoiar etapas do ciclo de planejamento, como diagnóstico, leitura de cenário, geração de alternativas, desdobramento em metas e acompanhamento. Na leitura da CGLC, a IA prepara material e a escolha da direção continua com quem responde pelo negócio.
A IA pode fazer o planejamento estratégico da empresa?
Csaszar, Ketkar e Kim (2024), com evidência de um programa de aceleração e de uma competição de startups e sem foco declarado em PMEs, relatam que modelos de linguagem atuais geram e avaliam estratégias em nível comparável ao de empreendedores e investidores, e ressalvam que o impacto no desempenho depende da dinâmica competitiva. Na leitura da CGLC, a IA pode preparar alternativas, mas a direção, as renúncias e os compromissos com pessoas continuam sendo decisão do dono.
Em que etapa do planejamento a IA mais ajuda a PME?
Leitura da CGLC: no diagnóstico e na leitura de cenário, em que o trabalho é organizar volume de informação, e no rascunho de metas a partir da direção já escolhida. Jarrahi (2018), sem foco declarado em PMEs, argumenta que a IA pode ampliar a cognição humana diante da complexidade, enquanto as pessoas ainda podem oferecer uma abordagem mais holística e intuitiva diante da incerteza e da ambiguidade. A divisão por etapas é critério da CGLC.
Por que as pessoas evitam ou preferem o conselho de um algoritmo?
Em cinco estudos de previsão, Dietvorst, Simmons e Massey (2015) relatam que quem viu um algoritmo atuar ficou menos propenso a escolhê-lo, mesmo quando ele superou o humano; para os autores, a confiança no algoritmo cai mais depressa que no humano depois do mesmo erro. Em seis experimentos, Logg, Minson e Moore (2019) relatam que leigos aderiram mais a um conselho atribuído a um algoritmo, efeito menor entre quem tinha experiência em previsão. Nenhum dos dois tem foco declarado em PMEs. Na leitura da CGLC, a saída é combinar antes como a resposta será conferida.
Usar IA deixa as estratégias parecidas com as dos concorrentes?
No experimento on-line de Doshi e Hauser (2024) com escritores de contos, as histórias feitas com ideias de IA foram avaliadas como mais criativas e ficaram mais parecidas umas com as outras. O estudo usa contos, sem foco declarado em estratégia ou em PMEs. Na leitura da CGLC, o risco merece atenção, e a equipe deve escrever as próprias alternativas antes de pedir sugestões à máquina.
Fontes e referências
- Csaszar, F. A., Ketkar, H., & Kim, H. (2024). Artificial intelligence and strategic decision-making: evidence from entrepreneurs and investors. Strategy Science, 9(4), 322-345. https://doi.org/10.1287/stsc.2024.0190
- Dietvorst, B. J., Simmons, J. P., & Massey, C. (2015). Algorithm aversion: people erroneously avoid algorithms after seeing them err. Journal of Experimental Psychology: General, 144(1), 114-126. https://doi.org/10.1037/xge0000033
- Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. https://doi.org/10.1126/sciadv.adn5290
- Jarrahi, M. H. (2018). Artificial intelligence and the future of work: human-AI symbiosis in organizational decision making. Business Horizons, 61(4), 577-586. https://doi.org/10.1016/j.bushor.2018.03.007
- Logg, J. M., Minson, J. A., & Moore, D. A. (2019). Algorithm appreciation: people prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes, 151, 90-103. https://doi.org/10.1016/j.obhdp.2018.12.005
- Shrestha, Y. R., Ben-Menahem, S. M., & von Krogh, G. (2019). Organizational decision-making structures in the age of artificial intelligence. California Management Review, 61(4), 66-83. https://doi.org/10.1177/0008125619862257
Por: José Erlan Dias Alves, fundador da CGLC. A CGLC (Centro de Gestão e Liderança Contemporânea) é um laboratório de cocriação de soluções que apoia empresas e líderes no desenvolvimento de lideranças, cultura de inovação e gestão de pessoas.
Publicado em 17/11/2026.
A CGLC (Centro de Gestão e Liderança Contemporânea) é um laboratório de cocriação de soluções que apoia empresas e líderes no desenvolvimento de lideranças, cultura de inovação e gestão de pessoas.
IA aplicada na sua PME, sem hype
Receba os conteúdos de inteligência artificial da CGLC e o convite das próximas turmas do Bootcamp.
