• Não invente novas métricas para IA. A maior armadilha em que Lamanna vê as empresas caírem é a construção de sistemas elaborados de IA, desconectados dos resultados dos negócios. Sua regra: use as métricas que você já possui – receita, retenção, satisfação do cliente, custo de atendimento. “A métrica de negócios de ninguém deveria ser de 15 agentes implantados”, disse ele. Se a IA não está movimentando um número com o qual o CEO já se preocupa, é um hobby.
• Dê a todos uma excelente IA e concentre-se em algumas grandes apostas. As transformações bem-sucedidas de IA compartilham duas características: amplo acesso a ferramentas para toda a força de trabalho e um pequeno grupo de projetos de alta prioridade monitorados de cima para baixo. Empresas com 250 “projetos Gen AI” são uma bandeira vermelha, não uma história de sucesso.
• O orçamento simbólico é o novo quadro de funcionários. As equipes de Lamanna já estão medindo os gastos com IA por engenheiro como um fator de contratação – e os candidatos estão negociando isso. Um engenheiro disse a ele que só aceitaria o cargo se sua equipe tivesse alocação diária suficiente de tokens. “Se você contratar um engenheiro que viveu esse tipo de código de agente e disser a ele que seu orçamento de token por dia é de US$ 1”, disse ele, “eles dirão, ‘até mais’” (Leia mais sobre esse ponto aqui.)

• Deixe rasgar – seletivamente. A equipe de White envia milhares de e-mails por mês e, durante anos, cada um deles exigiu uma aprovação humana antes de ser enviado. Desde então, eles construíram um processo monitorado que gradualmente ganhou confiança suficiente para remover totalmente essa etapa. Enquanto isso, um experimento usando IA para anúncios de TV de alta produção ensinou-lhes o mesmo, mas falhou: eles pegaram o que funcionava e aplicaram em anúncios de exibição digital, passando de cerca de 100 variações para muito mais, quase sem esforço.
• Comece com o que as pessoas odeiam fazer. O caminho mais rápido para a adesão da equipe não é um grande projeto de transformação – é eliminar as pequenas coisas irritantes. White demonstrou um novo fluxo de trabalho de conteúdo que reduziu o processo de publicação de três horas para 30 minutos. A sala irrompeu em aplausos espontâneos. “Esse é um novo padrão” para a implantação de tecnologia, acrescentou Tay.
• Contrate pessoas que não conhecem as regras. White disse que está contratando deliberadamente mais recém-formados do que nunca – pessoas sem suposições sobre como o marketing sempre funcionou. Sua lógica: olhos novos não precisam desaprender nada.

• Como você adota é mais importante do que se você adota. Um estudo interno da Amazon com 40 a 50 equipes de engenharia encontrou uma divisão acentuada: as equipes que incorporaram agentes de IA aos fluxos de trabalho existentes ficaram 20 a 40% mais rápidas. As equipes que reestruturaram todo o seu ambiente em torno de agentes (repositórios mais limpos de alterações de codificação, melhor documentação, instruções claras) ficaram 3 a 10 vezes mais rápidas. A diferença não eram as ferramentas. Foi a configuração.
• Suas grades de proteção foram construídas para humanos. O ponto mais claro de Singh sobre a segurança dos agentes: todas as políticas e permissões da sua organização foram projetadas para a velocidade humana. Os agentes não se cansam, não desistem e não param para pedir ajuda – eles simplesmente continuam, o que significa que podem repetir o mesmo erro centenas de vezes antes que alguém perceba. As permissões projetadas para pessoas precisam ser totalmente repensadas para sistemas que nunca dormem.
• Use-os em casa, não apenas no trabalho. O conselho final de Singh foi um passo além do que a maioria: não apenas contrate agentes profissionalmente, mas viva com eles pessoalmente. Quanto mais fluente você se tornar, mais você aproveitará deles quando for necessário.

• Estreito é melhor que largo, sempre. O painel concordou que as empresas que anunciam uma transformação radical da IA ​​em organizações inteiras são as que têm maior probabilidade de falhar. Os vencedores estão sendo cirúrgicos: escolher uma tarefa particularmente tediosa, inserir um agente, medir o resultado e depois dimensionar. “Aqueles que são realmente bem-sucedidos são muito criteriosos sobre qual fluxo de trabalho de alto atrito desejam executar primeiro”, disse Garinger.
• O medo é o verdadeiro bloqueador da adoção. Ben-Zur descreveu um padrão que ela vê constantemente: um piloto funciona lindamente, os primeiros usuários adoram e então o lançamento simplesmente… para. Quando as equipes se esforçam, o motivo quase sempre é o medo – medo de substituição, medo de serem julgadas quando a ferramenta comete um erro.
• A clareza desbloqueia tudo. Tryba descreveu ter observado até mesmo pesquisadores tecnicamente sofisticados hesitarem em usar ferramentas de IA porque não tinham certeza do que podiam fazer com elas. A solução foi simples: uma matriz clara de usos aprovados, publicada no Slack. No dia seguinte, todos haviam se inscrito. Acontece que a permissão é uma função de forçamento.
• Acompanhe métricas significativas. Os líderes gostam de divulgar as horas economizadas e a porcentagem de funcionários que usam IA, mas Ben-Zur disse que eles precisam observar as métricas que sempre valorizaram: a receita melhorou, a retenção é maior, é um recurso com melhor desempenho. “Eu não mediria quantas horas as pessoas economizam – tipo, ‘Joey economizou cinco horas’. Eu não me importo. O que isso significa para o negócio?”

• Todo mundo é um construtor agora. Raji construiu para si mesmo um Slack pessoal e um resumidor de e-mail — rodando localmente, sem nuvem, sem sobrecarga de segurança — em uma tarde usando o Codex. O que ele quer dizer: a barreira para criar software personalizado para você mesmo basicamente desmoronou. “Todo mundo vai ser construtor”, disse ele.
• A sobrecarga de capacidade é o verdadeiro problema. Os modelos ultrapassaram a forma como a maioria das pessoas os utiliza. Raji chama isso de “excesso de capacidade” – e as pessoas que preenchem essa lacuna, disse ele, já são muitas vezes mais produtivas do que aquelas que não perceberam que ela existe.
• Os engenheiros estão se tornando gerentes de agentes. A próxima onda não é apenas a codificação assistida por IA – é uma mudança de gargalo. Os ganhos de produtividade da IA ​​são agora tão rápidos que a nova restrição é que os humanos revejam todo o código que chega. O cargo do futuro, sugeriu ele, é essencialmente “gestor de agentes”.