# Fordlândia > A IA baixou o preço de construir, e o preço de saber se valeu continua sendo pago no relógio do cliente, que é onde a produtividade desaparece. Alex Mërović · 30 de setembro de 2026 · https://alexmerovic.com.br/blog/fordlandia/ ---
Pintura de paisagem: um céu largo, de nuvens claras, ocupa dois terços do quadro; abaixo, colinas arredondadas cobertas de mata descem até um rio que brilha ao longe; à direita, uma árvore de tronco fino e folhas largas e arbustos escuros; em primeiro plano, num caminho de terra, um grupo de pessoas de roupa clara, algumas com cestos na cabeça.
Frans Post, Uma paisagem brasileira, 1650. Óleo sobre madeira. The Metropolitan Museum of Art, Nova York. Domínio público (CC0), via Met Open Access.

“Nunca foi tão rápido construir, o que significa que nunca foi tão fácil correr dez vezes mais depressa na direção errada.”

Hilary Gridley, citada por Marty Cagan, The AI Productivity Paradox, SVPG, 23 de julho de 2026
## Uma cidade sem látex {: #cidade } Em 1928, Henry Ford fundou no Pará, na margem leste do Tapajós, uma cidade pré-fabricada para dez mil pessoas, destinada a garantir borracha de cultivo aos automóveis da Ford.[^1] Obteve uma concessão de cerca de dois milhões e meio de acres e levantou ali hospital, escola, casas de padrão americano, piscina, campo de golfe, quadras de tênis e cinema. {: .abre } A terra era acidentada, pedregosa e pouco fértil, e as seringueiras foram plantadas muito juntas, o que as deixou expostas a doenças e pragas, porque a seringueira nativa cresce afastada das outras e é essa distância que a protege. Em 1934 a empresa transferiu a aposta para Belterra; em 1945, Henry Ford II vendeu a área de volta ao governo brasileiro, com prejuízo superior a 20 milhões de dólares, e, segundo uma reportagem da NPR de 2009 citada na Wikipédia, nenhuma gota de látex de Fordlândia chegou a um carro da Ford. A paisagem que abre o ensaio não é de Fordlândia. Frans Post a pintou em 1650, e ela mostra o que a terra brasileira oferece a quem a olha do alto de um morro: um rio ao longe, colinas com mata nas encostas, um céu que ocupa dois terços do quadro e, no caminho, gente de cesto à cabeça. Nada ali diz o que dará em cada palmo daquele chão, porque quem olha de longe vê paisagem, e a terra só responde a quem planta nela. Ninguém pode acusar Ford de lentidão, já que ele ergueu uma cidade inteira na floresta. O que faltou, e a leitura é minha, pois nenhuma das fontes que consultei a afirma nesses termos, foi saber, antes da cidade, se a árvore daria naquele chão. ## Dois números que não se falam {: #numeros } Entre os executivos ouvidos no relatório de times da Atlassian, 89% dizem que a IA aumentou a velocidade do trabalho, e só 6% se sentem confiantes para apontar um retorno específico da IA em toda a organização. O par aparece no site da SVPG, no texto em que Marty Cagan trata do que chama de paradoxo da produtividade da IA,[^2] junto com um segundo sinal, o da McKinsey, segundo a qual a adoção de IA generativa e agêntica cresce e o investimento acelera, mas o impacto sustentado no desempenho é difícil de achar. Cagan diz que isso nem chega a ser um paradoxo. “O problema real do modelo de projeto nunca foi ser lento demais”, escreve, e sim ter sido desenhado para entregar volume, o *output*, em lugar de resultado, o *outcome*.[^2] Quem usa a IA para acelerar a maneira antiga de trabalhar obtém a maneira antiga de trabalhar, só que mais cedo. Convém dizer o que sei e o que ignoro sobre esses dados. Não li os relatórios da McKinsey nem da Atlassian; cito-os pelo que Cagan reproduz. E os 6% medem confiança declarada de executivos, que é uma opinião, e não um retorno apurado em caixa, de modo que a comparação com os 89%, que também são opinião, vale como indício e não como medida. Olho os dois números do parágrafo anterior como medidas de coisas que andam em ritmos diferentes. A velocidade do trabalho se vê na semana, e quem constrói a vê melhorar no dia em que ganha a ferramenta. O retorno é o que o cliente decide, no relógio dele. Escrevi em [Dois relógios](https://alexmerovic.com.br/blog/dois-relogios/) que a empresa decide no ritmo do calendário e o cliente no ritmo dele, e na operação que descrevi ali o procedimento de maior valor levava 103 dias, na mediana, do primeiro contato à venda. Aos 90 dias, só 34% de uma safra de clientes tinha fechado; por isso adotamos a regra de não julgar uma safra antes dos 120 dias. Nada do que li sugere que a IA encurte esses 103 dias. A decisão de comprar continua com quem compra. ## A mata e o mapa {: #mapa }
Fotografia antiga, em tons de sépia, de uma mata tropical fechada: um grande tronco caído atravessa o primeiro plano, da esquerda para a direita; em torno dele, folhagem densa de espécies variadas, com algumas palmeiras de folhas em leque, e uma abertura escura ao fundo, no centro.
John Moran, Tropical Scenery, Tropical Forest, da série Tropical Scenery, 1871. Fotografia (albumina, a partir de negativo de vidro; recorte). The Metropolitan Museum of Art, Nova York. Domínio público (CC0), via Met Open Access.
A fotografia de John Moran, de 1871, também não é de Fordlândia: é uma mata tropical que o museu não localiza, e serve para lembrar o que o chão fazia por conta própria antes de qualquer plantio, crescer de muitas espécies ao mesmo tempo e sem fileira, o contrário das seringueiras postas muito juntas. O mapa da propriedade, que J. A. Russell publicou em 1942, traz em cada zona o ano em que foi desmatada, de 1928 a 1934, e uma legenda que separa áreas condenadas, terra ruim para a seringueira e mata nativa das áreas consideradas de regulares a boas para a cultura. Cabem num só desenho a entrega anual, zona por zona, e o veredito da terra sobre o que se pretendia que ela desse. Minha impressão é que quem mede a produtividade de um time de produto tem o primeiro e não tem o segundo. O primeiro cabe em qualquer relatório semanal, com a data do desmatamento ao lado de cada zona. Este amadurece devagar, e o relatório semanal não tem onde pô-lo. ## Construir para aprender, construir para ganhar {: #andamentos } Cagan distingue duas maneiras de construir com a IA. Uma é construir para aprender, que é a descoberta de produto, e a outra é construir para ganhar, que é a entrega. Os times fortes, diz ele, usam a IA na primeira para chegar mais depressa a uma solução que sirva ao cliente, o valor, e à própria empresa, a viabilidade, e a testam com usuários, clientes e as partes interessadas. Só quando têm evidência de que a solução vale a construção é que usam a IA na segunda, para fazer um produto de qualidade comercial, confiável e escalável. Por que não gerar algo rápido e lançar para ver o que acontece? Cagan responde que podem, e que é o que muitos estão fazendo, com o resultado que o paradoxo descreve. Acrescento a essa distinção uma segunda, sem a pretensão de corrigi-la. Aprender tem duas velocidades. Há perguntas que se respondem em dias, como se o usuário entende a tela, se alguém clica, se o fluxo quebra, e a IA ajuda bastante nelas. Outras amadurecem em meses, como se vende, se renova, se o cliente volta. O paradoxo aparece quando a empresa toma a resposta rápida pela final: produz com velocidade e julga com pressa. Todo experimento deveria registrar duas datas antes de começar: a em que uma resposta rápida estará disponível e a em que o resultado poderá ser julgado, sem que nenhum painel as misture. A segunda, numa operação como a que descrevi, seria o dia 120 de uma safra; a primeira é a que o time verá na sexta-feira, e é dela que mais convém desconfiar. ## Os que se afastam {: #afastam } Cagan admite ter esperado o contrário do que viu. Pensou que a IA generativa igualaria as empresas, e que as de melhores engenheiros perderiam a vantagem. Não foi o que aconteceu. Olhando agora, avalia que as de melhores engenheiros costumavam ter também os melhores profissionais de produto, e que a vantagem real estava na cultura, na estratégia e na descoberta, com a entrega em segundo plano. O resultado é que as empresas fortes em produto estão aumentando a distância que as separa do resto do mercado. Para muitos líderes, observa ele, não adianta mostrar os dados nem apontar os resultados da própria empresa, porque estão convencidos de que, se suas ideias fossem construídas mais depressa, o resultado viria. Cagan espera que seja preciso aguardar o dia em que já não possam negar que o obstáculo está nas ideias, que com tanta frequência “não valem a pena ser construídas”, e deixou de estar no tempo e no custo de construir.[^2] Chip Huyen, que ele cita no mesmo texto, resume a coisa dizendo que construir ficou mais fácil, mas o mais difícil continua sendo saber o que construir. Ford sabia o que queria construir, e construiu. Não sabia ainda se aquilo daria, e para saber precisaria de uma coisa que nenhuma empresa compra: o tempo que a árvore leva para crescer no chão escolhido. ## A árvore {: #arvore } Um time que hoje monta em dias uma interface, um fluxo e um texto de vendas tem ao alcance, em escala própria, o gesto de Ford: construir muito antes de saber. O gesto ficou barato. Continua faltando o canteiro pequeno, com data marcada para o veredito, que se planta antes de desmatar o resto. A IA encurtou o tempo de construir, e o tempo de saber continua sendo do cliente. {: .destaca } Basta uma pergunta de uma linha para começar: em que data este teste poderá ser julgado? {: .fim } [^1]: Verbete "Fordlândia", Wikipedia: fundada em 1928 como cidade industrial pré-fabricada para cerca de 10 mil pessoas, na margem leste do rio Tapajós, no Pará, para garantir borracha de cultivo à Ford Motor Company; concessão de cerca de 2,5 milhões de acres; hospital, escola, casas de estilo americano, piscina, campo de golfe, quadras de tênis e cinema; terra descrita como montanhosa, pedregosa e infértil; seringueiras plantadas próximas umas das outras, o que as tornou vulneráveis a doenças e pragas; abandono em favor de Belterra em 1934; venda ao governo brasileiro em 1945 com prejuízo de mais de 20 milhões de dólares; uma reportagem da NPR de 2009, citada no verbete, escreveu: "Not one drop of latex from Fordlândia ever made it into a Ford car". A paisagem que abre o ensaio é de Frans Post (Met, objeto 437323) e a fotografia da mata é de John Moran (Met, objeto 286180), ambas em domínio público, conforme a API do museu. O mapa citado no corpo do texto é de RUSSELL, J. A. "Fordlandia and Belterra, Rubber Plantations on the Tapajos River, Brazil". *Economic Geography*, v. 18, n. 2, 1942, p. 125, e não está reproduzido aqui. [^2]: CAGAN, Marty. "The AI Productivity Paradox". *SVPG*, 23 de julho de 2026. . Todas as citações de Cagan neste ensaio são traduções minhas do inglês. A fala de Hilary Gridley, a de Chip Huyen, o trecho da McKinsey e o da Atlassian são reproduzidos por Cagan no mesmo texto. **Fonte:** Marty Cagan, [“The AI Productivity Paradox”](https://www.svpg.com/the-ai-productivity-paradox/), *SVPG*, 23 de julho de 2026.