Cinco dias até o board. Helena Tavares, CEO de uma rede de escolas de idiomas com 32 mil alunos, abriu o e-mail numa segunda às 7h e leu uma linha do investidor sênior: "traga seu plano de 18 meses na sexta". Sem agenda, sem contexto, sem follow-up.
Na mesa dela, três alertas trazidos por três áreas diferentes, com três leituras diferentes. Cada um faz sentido dentro da própria área. Nenhum conecta os pontos. Este texto reconstrói os cinco dias de Helena com agentes de IA especializados rodando em paralelo, e mostra o que muda quando a CEO chega no board levando tese ancorada em dados, em vez de listar sintomas.
A pergunta de 2026 não é se você usa IA. É se ela vira decisão
ChatGPT, Gemini, Claude. Já estão no celular, no PowerPoint e na rotina do time. Acesso à IA virou commodity. O que separa quem cresce de quem estagna em 2026 é outra coisa: capacidade de transformar uso individual em decisão coletiva.
A maior parte das empresas que adotou IA generativa ainda não consegue medir impacto no resultado. A tecnologia funciona. O que falha é o uso: genérico, sem padronização entre times, sem governança, com cada profissional escrevendo o próprio prompt do jeito que entende.
Quando isso acontece, a IA vira ferramenta de auxílio individual. Resume reunião, escreve um e-mail, sintetiza texto. Coisas úteis, sem mover ponteiro estratégico. Pra mover ponteiro, a IA precisa entrar dentro da decisão. Com contexto da empresa, agente especializado pro tipo de problema, e fluxo que mantém memória entre conversas.
Segunda, 7h: cinco dias até o board
A LinguasFly é uma rede fictícia de escolas de idiomas premium, criada pra deixar o caso concreto. Fundada em 2008, 38 unidades em 9 estados, 32 mil alunos ativos, ticket médio de R$ 480 por mês, receita anual de R$ 180 milhões. Posicionamento histórico: "fluência de verdade, com professor de verdade". Em 2018, recebeu aporte de um fundo de Private Equity que hoje tem dois assentos no conselho. O fundador original deixou a operação há 14 meses, e Helena Tavares assumiu a cadeira de CEO no lugar.
O e-mail do investidor sênior pousa numa segunda às 7h. Uma linha: "Helena, traga seu plano de 18 meses na sexta. Abraço." Cinco dias.
Na mesa de Helena, três alertas que chegaram em semanas diferentes, cada um vindo de uma área distinta. O comercial reportou matrícula nova caindo 22% no ano. Operações sinalizou evasão em alta em toda a rede B2C. E customer success entregou um número específico: pais cancelando filhos adolescentes citando "ele prefere o ChatGPT", de 8 menções por mês para 62 em seis meses.
Cada área tem uma proposta lógica dentro do próprio recorte. Comercial quer mais verba de mídia. Operações quer treinar coordenadores. CS não sabe o que fazer. Ninguém conecta os três. É esse quadro que Helena leva pro primeiro turno com a Lumina.
Três alertas, três áreas, zero diagnóstico
Esse é o problema clássico de empresa que cresceu e virou médio porte. Cada área enxerga o próprio pedaço do elefante. Comercial vê funil. Operações vê processo. CS vê conversa de cancelamento. Cada análise está certa no recorte, e nenhuma sozinha vira tese de board.
A IA genérica não resolve isso. Abrir o ChatGPT e descrever os três alertas devolve um texto razoável e generalista. Vai falar de "alinhamento entre times", "comunicação cross-funcional" e "investimento em dados". Útil pra blog post. Inútil pra defender uma estratégia diante de cinco pessoas que controlam capital.
O que muda o jogo é trocar uma conversa única e genérica por uma sequência de conversas com agentes especializados, em que cada um faz o que sabe fazer, e a CEO pilota o fio que conecta tudo.
O que separa uso genérico de IA do uso que vira decisão
Antes dos cinco dias da Helena na prática, fica o framework. Quem extrai resultado real da IA hoje faz três coisas que quem usa de forma genérica não faz.
Primeiro, equipa a IA com contexto profissional. Isso vai além de "ser específico no prompt". Significa carregar a memória da empresa, conectar arquivos relevantes, e usar RAG (uma técnica que permite a IA consultar documentos extensos sem ler tudo a cada pergunta) quando o volume de dados pede.
Segundo, usa agentes especializados em vez de um chat aberto. Um agente é um prompt longo, com instruções específicas, base de conhecimento e propósito definido. Você abre o agente certo e começa direto no problema, sem reexplicar o contexto a cada conversa.
Terceiro, conecta os agentes em fluxo. Cada nova conversa não começa do zero. O que o agente A descobriu vira insumo do agente B. E essa memória mora num lugar único, em vez de viver em chats soltos.
| Uso genérico da IA | Uso com agentes especializados |
|---|---|
| Um chat aberto, refeito a cada conversa | Agentes pré-configurados pro tipo de problema |
| Contexto reexplicado todo dia | Memória persiste no projeto, entre agentes |
| Output em texto genérico | Output em documento com tabela, gráfico e decisão |
| Recomenda "diminuir custo" | Recomenda "testar em 3 unidades por 60 dias, com métrica X" |
| Ajuda a escrever | Ajuda a decidir |
Dia 1, diagnóstico que procura o que ninguém viu
Helena abre a Lumina e seleciona um agente de análise de dados. Anexa três planilhas que pediu pro time: cancelamentos por motivo de adolescentes nos últimos 12 meses, permanência por cohort, e cancelamentos por faixa etária na rede B2C.
O prompt não pede confirmação dos sintomas. Pede o oposto: não confirme o que eu já sei, procure padrões e anomalias que meus gerentes não viram, faça as perguntas que eles não fizeram. Esse enquadramento é metade da diferença. CEO que vai pra IA buscar validação recebe validação. CEO que vai pra IA pedir confronto recebe diagnóstico.
O agente cruza as três planilhas e devolve algo que nenhuma área tinha visto sozinha. A crise é geracional, concentrada em adolescentes de 13 a 17 anos, com permanência caindo de 70% pra 41% em duas safras de matrícula. As demais faixas etárias seguem estáveis. Não é a empresa que está em crise, é a oferta pra essa faixa que parou de funcionar.
Helena faz uma segunda pergunta, mais cirúrgica: tem alguma análise que eu ainda não tenho os dados, mas que poderia mudar o diagnóstico? O agente responde com algo que vai virar a tese central da semana. A categoria "IA/ChatGPT" foi criada manualmente pela líder de CS e depende de qual atendente registrou o motivo do cancelamento. Provavelmente o número real é o dobro ou o triplo, mascarado em categorias antigas como "Financeiro" ou "Pessoal".
Helena não sai do dia 1 com uma tese pronta. Sai com paranoia bem ancorada: estou perdendo mais do que meu próprio sistema consegue ver. Esse deslocamento muda tudo. Conselho decide melhor com diagnóstico, mesmo que o diagnóstico seja desconfortável, do que com sintoma confortável.
Dia 2, concorrente com nome, janela com prazo
No dia seguinte, Helena abre outro agente, especializado em mapeamento competitivo. O prompt entrega contexto curto da empresa (rede, ticket, posicionamento), descreve a hipótese do dia 1 (perda concentrada em adolescente, suspeita de subnotificação de concorrência por IA), e pede um mapeamento em duas frentes: concorrentes diretos no mercado de escolas, e concorrentes indiretos, incluindo apps e ferramentas com ou sem IA que estão capturando o tempo, o dinheiro e a percepção de necessidade do adolescente.
O agente devolve duas leituras úteis. A primeira: nenhum concorrente direto, das grandes redes brasileiras de idioma, fez movimento público relevante de IA nos últimos 12 meses. Janela competitiva aberta. A segunda: os ofensores indiretos têm nome. Duolingo migrando pra "AI-first" com tutor 24h por dia. ELSA Schools entrando pelos colégios. ChatGPT resetando a expectativa do que é saber inglês na adolescência.
O que parecia inimigo abstrato (a IA) vira inimigo nomeado (apps com modelo de negócio claro). E o que parecia tempo infinito vira janela com prazo. Helena tem uma faixa de meses, talvez de trimestres, antes que os concorrentes diretos comecem a se mexer. A urgência da reunião de sexta passa de "preciso fazer alguma coisa" pra "preciso fazer enquanto a janela está aberta".
Dia 3, jobs to be done com recorte duplo (o pai paga, o filho usa)
No terceiro dia, Helena adiciona uma camada que costuma faltar quando empresa usa IA: memória entre conversas. Ela cria um projeto na Lumina, chamado "Tese pra board". Anexa as três planilhas do dia 1, o documento de diagnóstico do agente de dados, e o relatório de concorrentes do dia 2. Adiciona uma descrição estruturada com os números da empresa, o quadro societário e o histórico de posicionamento.
A partir desse momento, todo agente chamado dentro do projeto já entra sabendo onde Helena está. Não precisa reapresentar contexto. Sem essa camada, cada conversa vira reset. Com ela, a CEO troca de especialista sem perder o fio do raciocínio que construiu até ali.
Dentro do projeto, ela invoca um agente de jobs to be done. O recorte é específico, porque o caso pede: comprador e usuário são pessoas diferentes. O pai paga, o filho usa. Cada um contrata coisas distintas quando o filho começa um curso de inglês.
O agente devolve três insights que mudam a leitura do problema. O primeiro é a desistência relacional: o pai não foi convencido pela IA, foi cansado pelo filho até desistir. O cancelamento é mais conjugal do que racional. O segundo é a estratégia inversa: enquanto Duolingo conquista o adolescente primeiro e tenta convencer o pai depois, a LinguasFly precisa armar o pai com evidências (fluência real, certificada, acompanhada) e reconquistar o adolescente com relevância (método que respeita o jeito dele aprender). O terceiro é a guerra de jobs: a empresa vinha ganhando o job do pai e perdendo o job do adolescente. Usuário insatisfeito sempre acaba convencendo o pagador.
Sai dali um posicionamento síntese que vai virar slide no pitch: "A LinguasFly entrega o que nenhum app consegue: fluência real, certificada e acompanhada, com o método que mantém seu filho engajado porque respeita o jeito dele aprender."
Dia 4, sparring estratégico pra derrubar a tese antes do board
Sparring é o termo do boxe pro parceiro de treino. Alguém que bate em você no ringue controlado pra você descobrir onde está vulnerável antes de levar porrada de verdade. É isso que Helena precisa antes de sexta.
Dentro do mesmo projeto, ela chama um agente conselheiro estratégico. Resume a tese em quatro linhas (problema não é preço, cancelamento é relacional, resposta é estratégia inversa, janela competitiva está aberta) e pede leitura crua: onde a tese é frágil, qual hipótese derruba o plano se cair, que decisão está sendo adiada, onde existe assimetria ainda não explorada.
O agente devolve três pancadas que mudam o desenho da reunião de sexta. A primeira: a tese, do jeito que está, é grande demais pra um board pedir aprovação. Vira mais fácil aprovar piloto de 60 dias em três unidades, com uma métrica única (churn adolescente cai 15% ou não cai), do que uma estratégia de 18 meses. Transforma "convencer o conselho" em "alinhar o desenho do teste".
A segunda: armar o pai com evidências sem script no momento do cancelamento é slogan. O coordenador da unidade precisa saber exatamente o que falar e que evidência entregar quando o pai liga pra desligar a matrícula do filho. Sem isso, a tese não chega no operacional.
A terceira é a que muda o tom da estratégia inteira. E se o adolescente visse o professor como mentor, alguém que usa IA com ele, em vez de competir com ele? Não como conceito de marketing. Como cena prática: professor sentado ao lado do aluno, abrindo o ChatGPT junto, mostrando como pedir bem, como conferir, como aprender mais rápido. O diferencial executável da rede em 2026 está aí.
Dia 5, a abertura do pitch escrita na voz da CEO
O último dia não pede agente novo. Pede continuidade. Helena permanece no mesmo chat com o conselheiro estratégico e só troca o registro, de sparring pra síntese. O pedido é simples e específico: me dá a abertura de 2 minutos do meu pitch, texto, primeira pessoa, do jeito que eu vou falar amanhã. Voz direta, sem rodeio. Deixe claro logo de cara que não estou vendendo tese de 18 meses, estou pedindo desenho de piloto.
O agente devolve um texto que cabe em dois minutos lidos em voz natural. A abertura reconhece os três alertas, traz o diagnóstico desconfortável (o problema é percepção de necessidade, não preço, e o pai cancela cansado, não convencido), corta a tentação de pedir aprovação de uma estratégia gigante, e propõe 60 dias em três unidades com uma métrica única e zero de budget adicional. Termina na única frase que importa: se cair, escala com dado na mão; se não cair, paramos de adivinhar e a conversa vira outra.
A abertura não é cópia colada na sexta. É rascunho que Helena vai reler, ajustar, falar em voz alta, e levar como base pra construir a sua versão. A diferença é que o ponto de partida deixou de ser "página em branco no domingo à noite" e passou a ser "texto que já reflete cinco dias de diagnóstico".
O que muda na sala do board
Sexta, 9h. Helena entra com uma proposta maior do que cabia no domingo, e menor do que parecia caber na segunda. Maior porque tem diagnóstico, mapeamento competitivo, leitura de comprador e usuário, e ataque executável. Menor porque pede 60 dias e uma métrica, em vez de orçamento de 18 meses e três grandes apostas.
| Reunião sem agentes | Reunião com tese construída por agentes |
|---|---|
| Apresenta os três alertas separados | Apresenta um diagnóstico que conecta os três |
| Justifica gasto de mídia ou treinamento | Pede 60 dias com uma métrica única |
| Conversa termina em "vamos pensar" | Conversa termina em "topo do desenho do piloto" |
| CEO sai sem clareza sobre próximo passo | CEO sai sabendo o que medir e quando voltar |
O resultado da reunião não está garantido (board de Private Equity tem o seu jeito, e nenhum agente prevê política), mas a forma da conversa muda. Em vez de "Helena, defenda seu plano de 18 meses", a sala discute desenho de teste, métrica, escopo, e a próxima janela em que a tese será reavaliada. Isso é o que separa reunião de cadeira quente de reunião de governança.
Onde a IA ainda não substitui a CEO
A jornada de Helena não é a história de uma CEO substituída pela IA. É a história de uma CEO amplificada por ela. Os agentes fizeram em horas o que demoraria semanas. Mas Helena fez três coisas que nenhum agente fez por ela.
Decidiu pedir confronto, não validação. Esse enquadramento, no dia 1, separa diagnóstico de eco. CEO que usa IA pra confirmar o que já sabe gasta cinco dias produzindo certeza falsa.
Soube qual pergunta importava na hora certa. O agente do dia 2 não escolhe sozinho que a próxima conversa precisa ser sobre jobs to be done. Esse é o trabalho da CEO, e da CEO continua sendo. A IA acelera as respostas, mas a sequência das perguntas é estratégia humana.
Carregou responsabilidade pela decisão. Nenhum agente assina o piloto. Nenhum agente liga pro coordenador da Vila Olímpia na segunda. Nenhum agente fica na cadeira quente quando a métrica vier ruim no dia 60. Quem fica é a CEO.
Resumo, em uma frase. A IA não substitui a CEO. A IA ajuda a CEO a trocar a pergunta, de "como vendo minha tese?" pra "como valido minha tese antes de vender?". E é nessa troca que mora o valor real do uso bem feito.
Se você tem uma versão do problema de Helena (alertas vindos de áreas diferentes que ninguém ainda conectou em diagnóstico, uma decisão estratégica com prazo curto, um conselho ou uma sócia esperando tese e não pitch), a Lumina foi pensada pra esse cenário. Agentes especializados, projetos com memória, multi-modelo, governança e dashboard de uso pro time inteiro.
Agende uma demo e construa a primeira tese da sua empresa em cinco dias.
Este caso foi apresentado por Pedro Lopes e Samuel Jacobsen no RH Leadership Festival 2026 da StartSe , nos dias 26 e 27 de março, no Distrito Anhembi, em São Paulo. A LinguasFly é fictícia; a Helena, também. A dinâmica dos cinco dias foi construída a partir de padrões que vemos repetidos em CEOs brasileiros sob pressão de board.