Estrutura Celular Agêntica

Resumo executivo

Não é a ferramenta, é a estrutura. As empresas que mais crescem já entregam com metade do time e o dobro da velocidade, e a diferença não está em quanto gastaram com inteligência artificial, e sim em como se reorganizaram.

Por mais de um século, a estrutura de uma área de Marketing, e da função de Revenue como um todo, foi um proxy direto da sua capacidade. Mais pessoas significavam mais entrega, e o organograma virou a medida tácita de importância: crescer na carreira era, na prática, contratar. Essa equação não era um vício cultural. Era a resposta economicamente correta para uma restrição real, a de que, durante todo o século XX, a única forma de ampliar a capacidade de uma área era ampliar o número de pessoas nela.

A inteligência artificial quebrou essa restrição. Quando a IA passa a operar como uma camada de capacidade, e não como uma ferramenta avulsa, a relação entre tamanho do time e resultado descola. Uma pessoa, cercada por uma camada de agentes, passa a entregar o que antes exigia um time inteiro. E no instante em que isso acontece, a pirâmide hierárquica deixa de ser a solução para o problema de coordenação e passa a ser, ela mesma, o custo.

Este paper descreve o modelo organizacional que está emergindo no lugar da pirâmide, ao qual chamo de Estrutura Celular Agêntica. Em vez de uma hierarquia de coordenação composta por CMO, heads, gerentes, especialistas e analistas, a área se reorganiza como uma constelação de células operando em paralelo. Cada célula combina um profissional sênior e uma camada agêntica que multiplica sua capacidade, e todas as células se mantêm coerentes não por cadeia de comando, mas por duas coisas compartilhadas: uma base de dados única e um conjunto de critérios estratégicos.

O argumento se apoia em quatro camadas:

• Teórica: a firma existe, segundo a economia desde Ronald Coase, para economizar custos de coordenação; quando o custo de coordenar despenca, a fronteira ótima da firma e o desenho ótimo da sua estrutura mudam.
• Evidência de campo: empresas em alto crescimento como Fyxer, Vercel e Lovable já operam assim, e levantamentos da The Signal, da MKT1 e da Gartner mostram a nova composição dos times.
• Perfil: a emergência documentada do High-Impact Individual Contributor, o profissional sênior cujo impacto escala por sistemas e não por reportes.
• Econômica: a Eficiência de Capital Híbrido, que explica por que o modelo compõe em vez de somar.

Como ter agentes vira tabela de entrada quando todos os tiverem, o paper também trata do que não comoditiza: o fosso não está na camada agêntica, e sim no efeito de rede de dados entre as células, o contexto e o critério proprietários que a malha acumula operando e que um concorrente não compra prontos. E porque escalar exige saber medir, o documento propõe os indicadores antecedentes que dizem se uma célula está saudável antes de o resultado aparecer.

Para o CEO, a mensagem é de estrutura de capital e de timing competitivo: a capacidade da operação deixa de ser comprada em headcount e passa a ser construída em sistemas, com efeito sobre margem e sobre a janela de vantagem. Para o CRO, é de capacidade de Revenue: a mesma máquina de pipeline passa a ser operada por uma fração das pessoas, liberando capital para reinvestir onde o julgamento humano ainda é insubstituível. Para o CMO, é de redesenho de função: o cargo deixa de ser medido pelo tamanho do time embaixo e passa a ser medido pelo critério que define e pela capacidade que orquestra.

A tese central é simples e desconfortável: a vantagem competitiva da próxima década não virá de quem gastou mais com IA, e sim de quem teve a coragem de sair da pirâmide primeiro.

Introdução: o último ativo que ninguém reinventou

Nos últimos quinze anos, quase tudo dentro de uma operação de Marketing e de Revenue foi reinventado. O canal mudou, do display para o social, do social para o creator. A stack mudou, da planilha para o CRM, do CRM para o data warehouse. A mensuração mudou, do clique para a atribuição multitoque. A forma de produzir conteúdo mudou. A forma de comprar mídia mudou. O que praticamente não mudou, em quase nenhuma empresa, foi o organograma. A estrutura do time de Revenue de 2025 é reconhecivelmente a mesma de 2005: um líder no topo, camadas de gestão no meio, especialistas e executores na base. Reinventamos cada ferramenta que a área usa e deixamos intacta a forma como a área é montada.

Isso não é detalhe. O organograma é o ativo mais caro e mais rígido de qualquer função. Ele determina a estrutura de custo, define a velocidade de decisão, condiciona a cultura e, na prática, decide o teto de capacidade da área. Uma área pode trocar de ferramenta em uma semana. Trocar de estrutura leva anos e queima capital político. Por isso o organograma é o último lugar onde a inovação chega, e é exatamente por isso que ele é, hoje, a maior fonte de vantagem inexplorada.

Faço, há alguns meses, uma pergunta provocadora em jantares com outros líderes de Marketing e Growth: se eu te desse o dobro do seu orçamento de IA e metade do seu time, sua área cresceria mais rápido? A resposta verbal vem rápida e quase sempre é sim. A reação corporal raramente acompanha. A distância entre o sim falado e o corpo que hesita é o tema deste paper. Quase todo líder sênior já entende, no intelecto, que a relação entre tamanho de time e capacidade se rompeu. Quase nenhum reorganizou a própria área de acordo com isso. Este documento existe para fechar essa distância, oferecendo o vocabulário, a fundamentação e o caminho de transição que faltam.

Por que a pirâmide tinha razão

Para entender por que a pirâmide está caindo, é preciso primeiro entender por que ela foi, durante um século, a resposta certa. Tratá-la como um erro histórico é não compreender o problema que ela resolvia, e quem não compreende o problema reconstrói a solução errada.

A economia oferece o ponto de partida mais sólido. Em 1937, Ronald Coase fez uma pergunta que parecia ingênua e rendeu um Nobel: se o mercado é tão eficiente, por que existem empresas? Por que não somos todos contratados independentes negociando cada tarefa? A resposta de Coase é que o mercado tem um custo, o custo de transação: encontrar a pessoa certa, negociar, contratar, fiscalizar, coordenar. A empresa existe porque, acima de certo ponto, é mais barato coordenar internamente, sob hierarquia, do que coordenar via mercado. A firma é, em essência, uma máquina de economizar custo de coordenação. E a hierarquia, a pirâmide, é a tecnologia organizacional que torna essa coordenação possível em escala.

A teoria clássica da administração refinou esse desenho. O conceito de amplitude de controle, estudado de Graicunas a Urwick na primeira metade do século XX, estabeleceu que um gestor humano só consegue coordenar bem um número limitado de subordinados, porque o número de relações a acompanhar cresce mais rápido que o número de pessoas. Daí decorre a pirâmide: se cada gestor coordena de cinco a sete pessoas, uma operação de cem precisa de camadas intermediárias para que ninguém ultrapasse o próprio limite de coordenação. As camadas de gestão não existem por vaidade. Existem porque a coordenação humana não escala linearmente, e alguém precisa absorver o excesso.

Essa régua tem mais de dois mil anos. O Exército Romano já dividia suas legiões em camadas fixas, do contubernium de oito soldados à coorte, porque um líder coordena bem entre três e oito pessoas. Do primeiro organograma ferroviário do século XIX à matriz corporativa do pós-guerra, tudo foi variação da mesma solução para uma limitação humana: rotear informação através de camadas. A amplitude de controle nunca foi sobre hierarquia por si só. Era sobre quem faz o roteamento. E, por dois mil anos, humanos foram a única resposta.

A pirâmide, portanto, é a solução ótima para um conjunto específico de restrições: capacidade produtiva escassa e atada a pessoas, e coordenação humana cara e limitada pela amplitude de controle. Sob essas restrições, a fórmula "mais capacidade = mais gente = mais camadas de coordenação" é correta. O líder que media a própria importância pelo tamanho do time não era vaidoso; era racional dentro da física do seu tempo.

O problema é que a física mudou.

O que a IA muda na premissa

A inteligência artificial não melhora a pirâmide. Ela ataca as duas restrições que tornavam a pirâmide necessária.

A primeira restrição era que capacidade produtiva está atada a pessoas. Essa é a que a IA dissolve de forma mais visível. Quando uma camada de agentes executa pesquisa, rascunhos, análises, experimentos e relatórios de forma contínua, a capacidade deixa de morar exclusivamente nas pessoas e passa a morar também na camada. O custo marginal de uma unidade adicional de capacidade, que sempre foi o custo de uma pessoa adicional, passa a colapsar na direção do custo de inferência, que é real, porém pequeno diante do custo de uma pessoa. Não é que o trabalho desapareça; é que o trabalho de execução deixa de exigir um corpo humano dedicado para cada incremento. A capacidade descola do headcount.

A segunda restrição era que a coordenação humana é cara e limitada. Essa é a que quase ninguém percebe, e é a mais importante. A pirâmide cobra um imposto invisível: o custo de coordenação. Reuniões de alinhamento, revisões de status, aprovações em cadeia, retrabalho por desalinhamento. Esse custo sempre existiu, mas era invisível porque era inevitável: era o preço de fazer muitas pessoas trabalharem juntas. No momento em que a capacidade passa a caber em poucas células autônomas, conectadas por contexto compartilhado em vez de por cadeia de comando, boa parte desse custo de coordenação simplesmente deixa de fazer sentido. E o que era invisível porque inevitável fica visível porque desnecessário, aparecendo como margem corroída e como velocidade perdida.

Há uma consequência econômica que conversa diretamente com o CEO e o CRO. Quando a capacidade está atada a pessoas, ela é um custo variável que escala com a ambição: querer crescer 2x significa, em primeira aproximação, contratar na direção de 2x. Quando a capacidade está numa camada agêntica construída uma vez e reutilizada muitas, ela se comporta mais como ativo de capital do que como custo de mão de obra. O gasto se desloca do recorrente e linear para o construído e componível. Essa é a mudança que está por trás de toda a tese: não é que a IA torne as pessoas mais produtivas, frase que esconde mais do que revela. É que a IA transforma a natureza econômica da capacidade, de trabalho que se aluga em headcount para capital que se constrói em sistemas.

Se a firma existe para economizar custo de coordenação, e a IA derruba o custo de coordenação, então, pela própria lógica de Coase, a estrutura ótima da firma muda. A pergunta que as empresas mais avançadas vêm respondendo, mesmo sem articulá-la em texto, é objetiva: qual estrutura organizacional aproveita melhor uma realidade em que capacidade virou camada e coordenação virou barata? A resposta que emerge não é hierárquica nem matricial. É celular e agêntica.

A tese e o vocabulário

A tese deste paper cabe em uma frase: a pirâmide de coordenação da função nas áreas de Marketing, e Revenue como um todo, está sendo substituída por uma malha de células autônomas, cada uma formada por um humano sênior e uma camada agêntica, e essa é a forma organizacional que melhor captura a IA como camada de capacidade.

Cinco termos sustentam o argumento; defino cada um antes de avançar.

Estrutura Celular Agêntica é o modelo organizacional em que a área deixa de operar como uma hierarquia de coordenação e passa a operar como uma constelação de células paralelas, conectadas a uma camada de dados única e a critérios estratégicos compartilhados. A coordenação que antes era feita por gestores passa a ser feita por contexto e por critério.

Célula HI-C é a unidade mínima do modelo: um profissional sênior somado ao seu stack de agentes, operando como uma unidade indivisível. HI-C é a sigla de High-Impact Individual Contributor, o perfil sênior, sem reportes diretos, capaz de entregar valor de negócio ponta a ponta sozinho, porque seu impacto escala por sistemas e não por pessoas geridas.

Camada agêntica é o conjunto de agentes, skills, ferramentas, memória e guard-rails que cerca o humano da célula e executa, em segundo plano, a maior parte do trabalho operacional. Ao humano cabe o julgamento, a calibragem e a direção. Ao agente, a execução em escala.

Malha é a forma do time inteiro: uma rede de células operando em paralelo, que escala adicionando células, não adicionando camadas de gestão.

Eficiência de Capital Híbrido é a premissa econômica que sustenta o modelo, formulada internamente na Woba a partir dos primeiros estudos da nossa VP de Pessoas, Lorena Puppo: a ideia de que capacidade produtiva agora se constrói combinando talento humano e IA num modelo único, e não somando uma camada de IA sobre uma estrutura humana intacta. A Estrutura Celular Agêntica é a forma organizacional que esse modelo econômico assume quando aplicado à máquina de crescimento.

O panorama: três movimentos convergentes

A Estrutura Celular Agêntica não é uma invenção isolada. É o nome de um padrão que está aparecendo em vários lugares ao mesmo tempo, conforme três movimentos convergem.

O primeiro é a mudança no papel da IA, de ferramenta para camada. Enquanto a IA foi tratada como copiloto avulso, que cada pessoa abria para acelerar uma tarefa, ela não mexia na estrutura, apenas tornava o ocupante de cada caixinha do organograma um pouco mais rápido. O que muda o jogo é a IA operando como camada contínua: um conjunto de agentes que executa fluxos inteiros, conectado às fontes de dados e aos critérios da área, disponível o tempo todo. Quando a capacidade deixa de morar nas pessoas e passa a morar na camada, a estrutura desenhada para coordenar pessoas perde a razão de ser.

O segundo é a emergência de um novo perfil profissional, e a discussão já saiu dos corredores. Elena Verna, uma das maiores referências de Product-Led Growth do mundo, escreve que o trabalho como Individual Contributor virou o novo flex de carreira. Rand Fishkin, da SparkToro, argumenta que contratar o IC de alto nível é uma das jogadas mais subestimadas de organização enxuta. O ponto comum é que o profissional sênior não precisa mais virar gestor para ampliar o próprio impacto: com sistemas e agentes ao redor, ele amplia por alavancagem, não por reportes. O HI-C não é o especialista isolado da era anterior, aquele que se enterrava numa vertical e ignorava o resto. É um líder sênior, com frequência vindo de cargos de gestão, que voltou a executar porque agora entrega sozinho o que antes exigia um time.

O terceiro é a chegada de uma função-ponte: o GTM Engineer, cuja única missão é construir, com sistemas e agentes, a alavancagem que antes só vinha de novas contratações. Há dois anos a função quase não existia. Hoje é maioria no segmento mais maduro de tecnologia do mundo, e as vagas para o papel cresceram cerca de 205% de 2024 para 2025. O GTM Engineer é a primeira encarnação pública e contratável da célula HI-C, a ponto de empresas como a Vercel já terem um Diretor de GTM Engineering.

Por baixo dos três movimentos há uma lógica que Bob McGrew, que ajudou a desenhar o modelo de Forward Deployed Engineer na Palantir antes de ser Chief Research Officer da OpenAI, resume bem: a IA permite, pela primeira vez, fazer coisas que não escalam em escala. O trabalho artesanal, ponta a ponta, que antes exigia um time, agora cabe numa célula. É a mesma física aplicada à organização de Revenue.

E o padrão não para em Marketing ou em Revenue. A Sequoia Capital, junto com Jack Dorsey, já defendeu a mesma tese pela porta da empresa inteira, no caso do Block.

Há uma diferença que vale marcar, e ela mostra que não se trata de uma cópia. O Block descreve uma inteligência central, um world model único que entende a empresa inteira e coordena a partir do centro. A Estrutura Celular Agêntica aposta no caminho distribuído: em vez de um cérebro central, uma malha de células autônomas, cada uma com o próprio núcleo de julgamento e a própria camada de agentes. São duas expressões do mesmo movimento, tirar o humano do papel de mecanismo de coordenação. Defendo a malha por uma razão prática: ela começa pequena, uma célula de cada vez, e não exige refundar a empresa para começar a valer.

As evidências de campo

A adoção de IA já é quase universal. A reorganização que a transforma em vantagem ainda é rara.

Uma tese organizacional só vale o que valem as suas evidências. Três casos, todos de empresas em alto crescimento e documentados publicamente, mostram o modelo em operação, e três levantamentos mostram que não se trata de exceção.

A Fyxer, startup de produtividade, cresceu de US$ 1 milhão para US$ 30 milhões de receita recorrente em 2025. O dado que importa não é o crescimento, é a estrutura que o produziu: o time de Growth Engineering, com quatro pessoas, rodou 360 dos 514 experimentos que a empresa fez no ano, cerca de noventa por engenheiro. Numa estrutura tradicional, noventa experimentos por pessoa seria a meta anual de um departamento inteiro. Não havia camada de PMs nem de analistas entre o engenheiro e o experimento; cada um operava ponta a ponta, apoiado em automação. É a célula HI-C aplicada a growth.

A Vercel reorganizou o inbound sales e passou de dez SDRs para um, em seis semanas, com um único GTM Engineer trabalhando em meio período. O agente foi modelado no melhor vendedor da casa, a taxa de conversão de lead para oportunidade se manteve estável, e os nove profissionais foram realocados para outbound, trabalho mais complexo e de maior valor. A própria liderança da empresa fez questão de enquadrar: o objetivo declarado não foi cortar pessoas, e sim deslocar humanos para o trabalho que exige julgamento. É a malha substituindo a base operacional da pirâmide e reinvestindo a capacidade liberada para cima.

A Lovable, uma das empresas de software que mais cresceram nos últimos dezoito meses, opera Product Marketing com um time enxuto e uma cadência que a indústria considerava impossível: lançamentos de peso passaram a sair a cada duas semanas, o ICP é revisado semanalmente e não anualmente, e boa parte da função se apoia em assistentes de pesquisa treinados em entrevistas, calls e dados internos, consultáveis por linguagem natural pelos próprios profissionais. É a célula HI-C aplicada a Product Marketing.

Três funções diferentes, Growth Engineering, Sales Development e Product Marketing, todas com estruturas radicalmente menores e, no caso da Lovable, com uma cadência que a estrutura antiga não alcançava. Nenhum desses resultados veio da escolha de uma ferramenta. Veio do redesenho da função: ownership ponta a ponta, times achatados, e uma camada agêntica que substitui o que antes virava reunião.

E não são exceções. A publicação The Signal, ao analisar as 63 empresas privadas de SaaS B2B de maior crescimento do mundo, encontrou que 54% já têm pelo menos um GTM Engineer. A newsletter MKT1, da ex-líder de Marketing da Asana, Emily Kramer, mapeou as 100 empresas B2B mais quentes dos EUA e encontrou um time mediano de marketing de treze pessoas, com 84% das vagas abertas citando IA nos requisitos. A Gartner, em pesquisa com 418 líderes de marketing, encontrou que 73% das equipes já usam IA generativa; sua pesquisa de gastos de 2026 mostra que os CMOs já destinam, em média, 15,3% do orçamento da área a IA, mas apenas 30% se dizem prontos para escalar essas capacidades, e 65% afirmam que a IA vai mudar drasticamente o próprio papel em dois anos.

O retrato é nítido: a adoção de IA é quase universal, mas a reorganização que a transforma em vantagem ainda é rara. A maioria comprou a tecnologia e manteve a estrutura. É exatamente essa lacuna que a Estrutura Celular Agêntica endereça.

A anatomia da célula

Ter agentes não é ser AI-native. A diferença é estrutural: cada sênior operando com a sua própria camada de agentes.

A célula é a unidade do modelo, e entendê-la em detalhe é o que separa adotar o conceito de apenas falar dele. Ela tem dois componentes inseparáveis, o humano e a camada agêntica, e um modo de operação próprio.

O humano da célula é um profissional sênior operando ponta a ponta. Não é o gerente que coordena nem o analista que executa uma fatia, é alguém que detém o problema inteiro. Seu trabalho deixa de ser produzir e passa a ser três coisas: exercer julgamento sobre o que a camada produz, calibrar a camada para que produza melhor, e dar direção sobre o que atacar. A senioridade aqui não é título, é capacidade de julgamento. Calibrar agente sem critério é amplificar erro em escala, então a célula só funciona com um humano que de fato sabe distinguir o bom do medíocre na sua função.

A camada agêntica tem, na prática, cinco componentes, e é aqui que mora a confusão entre ter IA e ser AI-native:

• Base de dados: o acesso vivo às fontes da área, do CRM ao analytics de produto, da mídia ao histórico de campanhas.
• Skills: os procedimentos codificados que dizem ao agente como executar uma tarefa específica do jeito daquela operação.
• Tools: as ações que o agente pode de fato realizar no mundo, de enviar uma campanha a ajustar um lance.
• Memória: o contexto persistente que faz a camada lembrar de decisões, metas e particularidades sem que o humano reexplique.
• Guard-rails: os limites que impedem a camada de agir fora de critério, do orçamento à conformidade.

Uma área que tem agentes mas não tem esses cinco componentes integrados não tem uma camada agêntica, tem uma coleção de copilotos avulsos, e a diferença entre as duas coisas é a diferença entre uma célula e uma pessoa ocupada.

O modo de operação da célula é um laço curto. O humano dá direção, a camada executa em escala, o humano julga e calibra o resultado, e o ciclo recomeça com a camada um pouco melhor. A célula roda pesquisa, escreve rascunhos, executa experimentos, gera relatórios, mantém o ICP vivo e consulta contexto por linguagem natural, porque tem agentes fazendo a maior parte disso em segundo plano. A diferença em relação a um especialista tradicional não está na pessoa, está na composição da unidade: o especialista entregava o que cabia em um par de mãos; a célula entrega o que cabia num time.

Há uma distinção que separa as células que apenas aceleram tarefas das que de fato compõem: a célula madura não é dona de uma fila de tarefas, é dona de um loop de crescimento ponta a ponta. Não é "a célula que escreve conteúdo", é "a célula que opera o motor de aquisição por conteúdo", do insumo ao resultado e de volta ao insumo. Quando o escopo da célula é uma tarefa, a camada agêntica só deixa a tarefa mais rápida. Quando o escopo é um loop fechado, a camada faz a coisa inteira girar sozinha entre as decisões do humano, e é aí que a alavancagem aparece. Escolher células em torno de loops, e não de funções, é o que faz a malha multiplicar em vez de só economizar.

A anatomia da malha

Se a célula é a unidade, a malha é a organização do conjunto, e é aqui que o modelo se distingue de outros que costumam ser confundidos com ele.

A malha é uma constelação de células operando em paralelo, sem uma hierarquia de coordenação entre elas. O que mantém a malha coerente, no lugar da cadeia de comando, são duas coisas compartilhadas. A primeira é a camada de dados única: todas as células bebem da mesma fonte de verdade, então não há o desalinhamento que nasce de cada time ter o seu próprio recorte da realidade. A segunda são os critérios estratégicos compartilhados: as células sabem o que a empresa valoriza, quais são as metas e quais são os limites, então decidem de forma autônoma sem se desalinhar do todo. Numa pirâmide, o alinhamento vem de cima, nível a nível. Numa malha, o alinhamento vem de contexto e critério comuns, o que permite autonomia sem caos.

Convém separar a Estrutura Celular Agêntica de três modelos com os quais costuma ser confundida:

• Não é a estrutura matricial, em que cada pessoa responde a dois eixos de gestão e que, no limite, dobra o custo de coordenação em vez de eliminá-lo.
• Não é o squad ágil clássico, que é um time multifuncional de várias pessoas; a célula é, no limite, uma pessoa mais a sua camada, então a malha tem uma granularidade muito mais fina.
• Não é a holacracia ou outras utopias de organização sem chefe, porque a malha não elimina a liderança, apenas muda radicalmente a sua função.

A malha é menos uma filosofia de gestão e mais uma consequência econômica: ela é o que sobra quando a capacidade vira camada e o custo de coordenação cai.

Um ponto de governança importante: a malha não dispensa controle, ela o desloca. Numa pirâmide, o controle é feito por aprovação humana em cada nível. Numa malha, o controle é feito por critério explícito, por guard-rails embutidos na camada agêntica e por um humano sênior que exerce julgamento sobre o que a sua célula produz. Quando o controle não é desenhado explicitamente, a autonomia da malha vira risco, e essa é uma das razões pelas quais o modelo exige mais maturidade de liderança, não menos.

O fosso: o efeito de rede de dados entre células

Há uma objeção que precisa ser enfrentada de frente, porque é a mais perigosa de todas: se a célula depende de agentes, e em dezoito a vinte e quatro meses todo mundo vai ter agentes, onde está a vantagem que não evapora? Ter uma camada agêntica, isoladamente, não é fosso. É tabela de entrada. A ferramenta que hoje parece diferencial vira commodity no instante em que o concorrente compra a mesma assinatura.

Faço o que chamo de teste das cem vezes: imagine cem concorrentes, todos com a mesma camada agêntica que você, rodando os mesmos modelos, comprando das mesmas plataformas. O que, nesse cenário, ainda separa a sua operação da dos outros noventa e nove? A resposta não é o agente. É o que alimenta o agente. E é exatamente aqui que a malha guarda o ativo mais defensável do modelo, e o mais subexplorado pela maioria que está adotando IA.

Numa pirâmide, cada time acumula o seu próprio recorte de contexto, que morre quando a pessoa sai e raramente atravessa as fronteiras do departamento. Numa malha, todas as células bebem e devolvem para a mesma camada de dados e de memória. Cada experimento rodado por uma célula, cada critério calibrado, cada padrão de cliente descoberto vira contexto disponível para todas as outras. A célula de growth aprende com o que a célula de product marketing registrou; a de inbound decide melhor por causa do que a de retenção viu. A camada não apenas guarda dados, ela acumula julgamento codificado.

Isso é um efeito de rede de dados entre células, e ele tem a propriedade que define um fosso de verdade: compõe com o tempo e não se compra pronto. Um concorrente pode adquirir a mesma tecnologia amanhã; não pode adquirir os dois anos de contexto proprietário, critério calibrado e memória acumulada que a sua malha construiu operando. Quanto mais células operam sobre a camada comum, mais inteligente cada célula fica, e mais cara fica a distância para quem chega depois. A coerência da malha, que descrevi na seção anterior como o que mantém as células alinhadas, é, vista pelo ângulo competitivo, o fosso. É por isso que o desenho da camada de dados única não é detalhe de implementação: é a decisão estratégica que determina se o modelo gera vantagem durável ou só eficiência temporária.

A economia: Eficiência de Capital Híbrido

Capacidade deixou de ser custo recorrente e virou ativo que se constrói.

Esta é a seção que mais interessa ao CEO e ao CFO, porque é onde o modelo deixa de ser uma reorganização e vira uma vantagem mensurável.

Numa operação tradicional, a capacidade da área é, em primeira aproximação, a soma das pessoas. Dobrar a capacidade exige aproximadamente dobrar o headcount, e cada pessoa adicional traz consigo um incremento de custo de coordenação, porque há mais uma relação a gerir. A capacidade é linear no headcount, e o custo de coordenação é superlinear. Essa é a tesoura silenciosa que corrói margem conforme a área cresce.

Numa malha de células, a aritmética muda. A capacidade de cada célula é o humano multiplicado pela sua camada agêntica, e a camada é construída uma vez e reutilizada muitas. O custo de uma unidade adicional de capacidade dentro de uma célula colapsa na direção do custo de inferência, que é real, porém pequeno diante do custo de uma pessoa. A métrica que importa deixa de ser quantas pessoas a área tem e passa a ser a alavancagem de produto: quanto resultado cada construção gera depois de pronta. É a mesma lógica que permite a uma empresa de software ter margem de produto operando o que, visto de fora, parece um serviço.

Há um efeito de segunda ordem, que é o que torna a vantagem composta e não apenas pontual. Numa pirâmide, o tempo do líder é consumido em coordenação, e esse tempo é puro custo. Numa malha, o tempo de coordenação evapora e vira tempo de julgamento, e tempo de julgamento é o insumo que melhora a calibragem das células. O ciclo é o seguinte: tempo de julgamento gera melhor calibragem; células melhor calibradas operam com mais eficiência; eficiência libera capacidade; capacidade volta para o líder na forma de mais tempo de julgamento. Cada volta do ciclo eleva o patamar, e a vantagem deixa de somar e passa a multiplicar, sem que o organograma cresça. Como argumentou Lorena Puppo no trabalho que originou o conceito de Capital Híbrido na Woba, a vantagem competitiva da nova era é multiplicativa, não aditiva, e a Estrutura Celular Agêntica é a forma organizacional que captura essa multiplicação.

A aritmética fica mais clara com um exemplo ilustrativo, porque é aqui que a conversa econômica costuma parar na intuição. Os números a seguir são hipotéticos, escolhidos só para expor o mecanismo, não dados de nenhuma operação específica. Pense numa frente que, no modelo tradicional, exige um time de cinco pessoas. O custo é recorrente e linear: cinco salários carregados por ano, todo ano, e cada pessoa adicional acrescenta tanto custo de folha quanto custo de coordenação. A capacidade é alugada, e o aluguel nunca termina.

Agora pense na mesma frente operada como uma célula. Há um custo de construção da camada agêntica, que é capex: o tempo de engenharia e de calibragem para montar dados, skills, tools, memória e guard-rails daquele escopo. É um investimento concentrado e por uma vez, que depois é reutilizado e amortizado a cada ciclo. E há um custo de operação, que é opex e tem três componentes honestos, a pilha de margem da IA: a inferência dos modelos, o processamento de dados e o humano no laço, o sênior que julga e calibra. O ponto que muda tudo é o custo da unidade marginal de capacidade. No modelo de pessoas, produzir o dobro tende a exigir o dobro de gente. No modelo de célula, uma vez paga a construção, produzir mais uma unidade custa essencialmente mais inferência, que é real, porém pequena diante de um salário. O capex se paga e a curva de custo marginal achata.

A métrica que sintetiza isso é a capacidade instalada por real investido: quanto resultado durável cada real de construção gera depois de pronto. No modelo de pessoas ela é aproximadamente constante, porque capacidade e custo sobem juntos. No modelo de célula ela cresce a cada ciclo, porque a mesma camada construída uma vez serve a cada nova rodada sem novo desembolso proporcional. Para quem é CFO, a leitura é direta: o modelo desloca gasto de uma linha de custo que cresce com a ambição para uma linha de ativo que se amortiza, e é por isso que ele aparece na margem antes de aparecer no organograma.

Para o planejamento de capital, a implicação é concreta. A pergunta orçamentária deixa de ser quantas vagas abrir para entregar o plano e passa a ser quanta capacidade construir e em quais células reinvestir a capacidade liberada. O orçamento de pessoas migra parcialmente para orçamento de construção de camada, um gasto que se comporta mais como ativo do que como custo recorrente. E o indicador de saúde da área deixa de ser o tamanho do time e passa a ser a capacidade instalada por real investido.

Como medir a saúde de uma célula

Há uma diferença entre acreditar numa estrutura e saber operá-la, e ela mora na instrumentação. Dizer a um líder "monte uma célula" sem dizer como saber se ela está funcionando é entregar fé, não engenharia. O problema é que a métrica óbvia, o resultado de negócio, é um indicador atrasado: quando ele aparece, a decisão de calibragem já foi tomada há semanas. Escalar com segurança exige indicadores antecedentes, sinais que dizem se a célula está saudável antes de o resultado confirmar. Chamo esse conjunto de Indicadores Antecedentes de Sucesso da Célula, e na prática seis deles cobrem bem a saúde de uma célula:

• Taxa de autonomia: a fração das execuções que rodam sem intervenção humana corretiva. É o melhor proxy de calibragem: uma taxa que sobe indica que a camada está aprendendo o critério; uma que estaciona baixa indica que o humano virou revisor de tudo.
• Qualidade na fonte: a taxa de aceitação do output sem retrabalho. Autonomia sem qualidade é só erro em escala, então os dois são lidos juntos: o que se busca é autonomia alta com qualidade alta.
• Latência de ciclo: o tempo entre a direção dada e o resultado calibrado de volta. É o proxy da velocidade do laço, onde a célula deveria bater a estrutura antiga com folga.
• Razão de alavancagem: o volume de output útil por unidade de tempo humano investido. É a tradução operacional da Eficiência de Capital Híbrido na escala da célula: mostra, sem rodeio, se a unidade multiplica ou apenas soma.
• Tempo de julgamento recuperado: quantas horas do humano migraram de execução para julgamento. É o que conecta a saúde da célula à saúde do líder, porque alimenta a calibragem das próximas.
• Saúde de contexto: a fração do contexto crítico que vive na memória do sistema, não na cabeça da pessoa. Mede diretamente o risco de concentração: uma célula com alavancagem alta e contexto baixo é produtiva e frágil.

A regra de operação que decorre disso é simples: não se escala uma célula pela empolgação com o resultado, escala-se pela leitura conjunta desses seis sinais. Eles são também o que torna o quinto movimento do playbook, trocar a métrica de sucesso, algo concreto em vez de retórico, e são o painel que permite ao Orquestrador calibrar a malha sem voltar a supervisionar tarefa.

O novo papel da liderança: o Orquestrador

A saída da pirâmide exige uma reorganização que ainda incomoda boa parte dos líderes seniores: o próprio líder precisa mudar de função. E essa é, na prática, a parte mais difícil de toda a transição, porque não é técnica, é identitária.

No modelo tradicional, o CMO, e por extensão o CRO, coordena execução. Reúne, alinha, aprova, revisa, ajusta. A maior parte do tempo é absorvida em coordenação entre heads, agências, especialistas e analistas, e o valor que o líder entrega é proporcional à coordenação que ele consegue absorver e redistribuir. O título de liderança, nesse mundo, é em boa medida um título de coordenação.

Numa Estrutura Celular Agêntica, esse papel se reescreve. O líder deixa de coordenar pessoas e passa a orquestrar células. Sua função vira definir critério estratégico, calibrar a camada agêntica das células e decidir onde reinvestir a capacidade que cada uma libera. Gasta menos tempo em reunião de status e mais tempo decidindo onde a função precisa estar daqui a doze, vinte e quatro, trinta e seis meses. Carrega menos pessoas embaixo e mais peso na direção. Chamo esse perfil de Orquestrador.

O Orquestrador exige três coisas que a geração anterior de líderes raramente precisou ter ao mesmo tempo. A primeira é profundidade técnica suficiente para calibrar uma camada agêntica, porque não se calibra o que não se entende. A segunda é clareza de critério, porque numa malha o critério substitui a supervisão: se o critério é vago, a autonomia das células amplifica a ambiguidade em escala. A terceira, e mais difícil, é uma mudança de modelo mental: parar de medir o próprio impacto pelo tamanho do time embaixo. É a parte mais difícil da conversa quando levo esse raciocínio para outros líderes. A maioria absorve a tese intelectualmente em vinte minutos. Quase ninguém aceita aplicá-la primeiro em si mesmo, porque aplicá-la em si mesmo significa abrir mão do símbolo de status que sustentou a carreira inteira.

O que poucos enxergam é o que o modelo libera no próprio líder. O tempo antes consumido em coordenação volta como tempo de julgamento, e tempo de julgamento é o recurso mais escasso e mais valioso de um executivo. O Orquestrador troca a sensação de controle que vem de muitas pessoas reportando pela alavancagem real que vem de poucas células bem calibradas. É uma troca que parece perda e é ganho.

As duas formas de adotar errado

O risco competitivo dos próximos meses não é adotar ou não adotar IA. É adotar errado. Tenho visto duas formas distintas disso se desenharem em paralelo, e elas são quase opostas, o que torna perigoso combater uma e cair na outra.

A primeira é a mais antiga e a mais conhecida. Chamo de ineficiência tradicional: a área continua expandindo times, agências e processos como sempre fez, preservando uma estrutura desenhada para uma realidade em que ampliar capacidade significava ampliar headcount. É a pirâmide grande demais para o tamanho da operação. O sintoma é um custo de coordenação alto e crescente, com muitas reuniões, muitos níveis de aprovação e uma sensação difusa de que a área anda devagar apesar de cheia de gente. Quando o mundo muda e a estrutura não, essa ineficiência corrói margem em silêncio.

A segunda é mais nova, mais sutil, e tem virado a armadilha mais frequente. Chamo de ineficiência moderna: a área investe agressivamente em IA, contrata plataformas, ferramentas e camadas agênticas, mas mantém a estrutura organizacional intacta. É a pirâmide com IA empilhada em cima. O sintoma é um custo total que sobe em vez de cair: o custo humano permanece, o custo de inferência se soma a ele, e a entrega não compõe porque a estrutura que recebe a IA não foi desenhada para extrair alavancagem dela. Os dados da Gartner, com 15,3% do orçamento já em IA mas apenas 30% das áreas prontas para escalar, sugerem que essa é hoje a falha dominante. O líder dessa área termina o ano com mais despesa, não menos, e com a desconfortável sensação de ter feito tudo certo.

Nenhuma das duas destrói uma operação no curto prazo. Ambas erodem competitividade no médio. E a diferença entre os líderes que vão atravessar bem essa transição não estará em quanto cada um gastou com IA. Estará em quem se dispôs a sair da pirâmide, e não apenas a decorá-la com agentes.

Um playbook de transição

A Estrutura Celular Agêntica não se implanta por decreto nem por novo organograma anunciado numa reunião geral. Antes de ser um redesenho de caixas, é uma mudança de mentalidade: a transformação é cultura primeiro, estrutura depois. Você não desenha um organograma novo para sair da pirâmide; você muda a forma como a área entende capacidade e julgamento, e a estrutura segue. Por isso o playbook se constrói por células, uma de cada vez, e o caminho que tenho seguido e recomendado tem cinco movimentos, que costumam levar de seis a dezoito meses para maturar numa área de porte médio:

1. Diagnosticar a verdade. A pergunta honesta não é quanto de IA se usa, e sim qual papel a IA exerce na forma como a área decide e opera. A maioria descobre, ao responder com critério, que está menos avançada do que imaginava. Uma régua de maturidade ajuda, e por isso tratei do diagnóstico num trabalho companheiro sobre os níveis de maturidade AI-native.
2. Escolher a primeira célula. Um escopo de ponta a ponta que hoje consome um time e que um sênior, com a camada certa, poderia operar sozinho, como o ciclo de experimentação de growth ou a qualificação de inbound. O critério é duplo: onde a alavancagem da IA é maior e onde o risco de erro é gerenciável.
3. Montar a camada agêntica daquela célula, não a da empresa inteira. O erro mais caro é querer construir uma plataforma corporativa antes de provar uma única célula. A camada cresce a partir do problema real, componente a componente, e só depois é generalizada.
4. Redesenhar o papel de quem lidera, em paralelo, não depois. Se o líder não migrar de coordenador para orquestrador, a célula vira um experimento órfão que a estrutura antiga reabsorve. É o movimento que mais trava, porque mexe no próprio líder.
5. Trocar a métrica de sucesso. De headcount, orçamento e atividade para capacidade construída e instalada. A armadilha é medir maturidade pelo número de agentes; o que importa é quanta capacidade durável eles instalaram e quanto tempo de julgamento o líder recuperou.

Provada a primeira célula, o modelo se propaga por replicação: a estrada de terra que uma célula abriu vira a rodovia das próximas, e a área migra de pirâmide para malha não num salto, mas numa sucessão de células.

Implicações por persona

Este modelo toca cada cadeira da liderança de forma diferente:

• CEO · estrutura de capital e timing. A capacidade da operação deixa de ser comprada linearmente em headcount e passa a ser construída em sistemas, abrindo uma janela de margem para quem se move antes. Assim como na transformação digital, quem se reorganiza cedo abre distâncias estruturais difíceis de fechar.
• CRO · capacidade de Revenue. A mesma máquina de pipeline operada por uma fração das pessoas, com o capital liberado reinvestido onde o julgamento humano é insubstituível, como relacionamento enterprise complexo e negociação. Para de pedir mais headcount e passa a pedir mais capacidade construída.
• CMO · redesenho do próprio cargo. O valor deixa de ser proporcional à coordenação que se absorve e passa a ser o critério que se define e a capacidade que se orquestra. É a transição mais íntima das três, porque mexe na definição de sucesso que sustentou a carreira.
• Profissional sênior · uma nova trilha. Pela primeira vez em décadas, um caminho de crescimento que não passa por virar gestor. O HI-C cresce em impacto e remuneração perto da execução, desde que troque coordenar pessoas por orquestrar sistemas.
• RH e talento · bandas que se desfazem. Se uma célula entrega o que um time entregava, a lógica de bandas salariais por tamanho de equipe cai. Planos de carreira, critérios de promoção e desenho de vagas precisam acompanhar, ou a empresa forma HI-Cs e os perde para quem souber remunerá-los.

Riscos, limites e objeções honestas

Um modelo só é útil quando se sabe onde ele não se aplica e quando se enfrentam as objeções mais fortes contra ele. As quatro a seguir são as que mais ouço, e nenhuma delas é trivial.

"Isso só funciona em startup de tecnologia nativa em IA." É a objeção mais forte, e tem uma parte de verdade: os casos mais maduros vêm de empresas de tecnologia em alto crescimento, com cultura de experimentação. Mas a história da transformação digital sugere que o padrão se generaliza, com defasagem. As empresas que digitalizaram cedo, no início dos anos 2010, não eram todas nativas digitais; muitas eram incumbentes que se reorganizaram. O modelo exige adaptação ao contexto, não nasce pronto fora do Vale, mas tratá-lo como exclusividade de startup é o mesmo erro de quem, em 2010, achava que e-commerce era coisa de empresa de internet.

"Concentrar a capacidade de um time numa pessoa é risco demais." É uma preocupação legítima de governança. Concentrar capacidade aumenta a alavancagem e também o risco: um critério mal calibrado se propaga em escala, e a saída de um HI-C leva mais contexto embora do que a saída de um analista. A resposta não é evitar o modelo, é desenhar o controle: critério explícito, guard-rails na camada, documentação do contexto na memória da célula em vez de na cabeça da pessoa, e um humano que de fato exerce julgamento. A camada agêntica, bem construída, na verdade reduz o risco de concentração, porque parte do contexto que antes morava só na cabeça do especialista passa a viver na memória do sistema.

"E a qualidade? Agente erra." Sim, e é por isso que a célula tem um humano sênior no centro, não um estagiário. O modelo não aposta em IA sem supervisão; aposta em julgamento humano aplicado no ponto certo, sobre o que a camada produz, em vez de espalhado em execução. Em contextos altamente regulados, a velocidade da célula precisa ser contrabalançada por controle, e parte do ganho de eficiência é trocada por garantia de conformidade. Isso reduz o ganho, não o anula.

"A evidência ainda é fina." É justo. Este é um white paper de tese fundamentada, não um estudo longitudinal com grupo de controle. As evidências de campo são consistentes e convergentes, mas ainda concentradas em empresas jovens. Quem exige prova definitiva antes de agir vai tê-la, mas vai tê-la quando a vantagem já tiver sido capturada por quem agiu na incerteza. A decisão aqui é a clássica de adoção sob incerteza: o custo de errar agindo cedo é recuperável; o custo de acertar tarde demais, não.

Há ainda o custo que nenhuma dessas objeções captura, e que é o mais real de todos: o custo humano e político da transição. Sair da pirâmide significa mexer em carreiras construídas dentro dela, e líderes que mediram a própria importância pelo tamanho do time não migram para orquestradores sem atrito. Ignorar esse custo é a forma mais rápida de a transição falhar. Ele se administra com transparência, com recolocação das pessoas no trabalho de maior julgamento, e com paciência, mas não se administra fingindo que não existe.

A janela e a decisão

Já está acontecendo nas empresas que mais crescem, e a janela é curta.

Toda transição estrutural tem uma janela, e esta parece ter de doze a vinte e quatro meses. A referência dos 54% das empresas de SaaS B2B de maior crescimento já com um GTM Engineer é o indicador mais óbvio: há dois anos a função quase não existia; hoje é maioria no segmento mais maduro de tecnologia do mundo. O paralelo com a transformação digital ajuda a calibrar a urgência. As empresas que se reorganizaram cedo, no início dos anos 2010, abriram distâncias estruturais que ainda não foram fechadas. As que esperaram seguem pagando o preço composto da reação tardia. A Estrutura Celular Agêntica está produzindo um movimento análogo, em velocidade maior, porque a tecnologia que a sustenta evolui mais rápido do que evoluía a digitalização.

A pergunta que líderes de Marketing e de Revenue deveriam estar fazendo não é se vão adotar IA. Praticamente todos vão. É se vão redesenhar a estrutura antes que isso vire commodity, ou se vão tentar reorganizá-la depois, gastando mais para chegar ao mesmo lugar. É, talvez, a decisão de organização e de carreira mais relevante que esta geração de líderes vai tomar, não porque a IA vai substituir profissionais, mas porque vai redefinir o que significa liderar a função quando o jogo passa a ser jogado em outro tabuleiro.

E os primeiros que entenderam isso já saíram da pirâmide.

Glossário

Estrutura Celular Agêntica. Modelo organizacional em que a hierarquia de coordenação é substituída por uma malha de células paralelas, conectadas por uma camada de dados única e por critérios estratégicos compartilhados.

Célula HI-C. Unidade mínima do modelo, composta por um profissional sênior e a sua camada agêntica, operando ponta a ponta como uma unidade indivisível.

High-Impact Individual Contributor (HI-C). Profissional sênior, sem reportes diretos, cujo impacto escala por sistemas e não por pessoas geridas.

Camada agêntica. Conjunto integrado de cinco componentes, base de dados, skills, tools, memória e guard-rails, que executa o trabalho operacional da célula em segundo plano.

Malha. Forma organizacional do conjunto de células, que escala adicionando células e não camadas de gestão.

Efeito de rede de dados entre células. O fosso do modelo: como todas as células alimentam e consomem uma camada de dados, memória e critério comum, cada célula fica mais inteligente por causa de todas as outras, e o contexto acumulado compõe com o tempo e não se compra pronto.

Indicador Antecedente de Sucesso da Célula. Sinal que prevê a saúde de uma célula antes do resultado de negócio aparecer. Os seis principais: taxa de autonomia, qualidade na fonte, latência de ciclo, razão de alavancagem, tempo de julgamento recuperado e saúde de contexto.

Amplitude de controle. Conceito clássico da administração que define o número máximo de subordinados que um gestor consegue coordenar bem, e que historicamente justificou as camadas intermediárias da pirâmide.

Custo de transação ou de coordenação. O custo de organizar o trabalho, seja via mercado, seja via hierarquia. Conceito central da teoria da firma de Ronald Coase, e a variável que a IA reduz drasticamente.

Eficiência de Capital Híbrido. Premissa econômica de que a capacidade produtiva se constrói combinando talento humano e IA num modelo único, com vantagem multiplicativa em vez de aditiva.

Orquestrador. Perfil de liderança que substitui o coordenador: define critério, calibra a camada agêntica e realoca a capacidade liberada, em vez de coordenar pessoas.

GTM Engineer. Profissional cuja função é construir, com sistemas e agentes, a alavancagem de Revenue que antes só vinha de novas contratações. Primeira encarnação contratável da célula HI-C.

Referências e fontes

As afirmações factuais deste paper se apoiam nas fontes públicas a seguir. Casos e formulações internas da Woba, quando citados, estão identificados como tais.

Brian Bittencourt lidera Growth & Marketing na Woba, plataforma de escritórios flexíveis e workspace-as-a-service da América Latina. Este white paper é o aprofundamento do artigo "Estrutura Celular Agêntica" e integra uma série sobre como a IA está reescrevendo a função de Revenue.

1. Coase, R. The Nature of the Firm (1937). Teoria da firma baseada em custos de transação e coordenação.
2. Graicunas, V. A.; Urwick, L. Teoria clássica sobre amplitude de controle (span of control), primeira metade do século XX.
3. McGrew, B. The FDE Playbook for AI Startups. Lightcone Podcast, Y Combinator. Origem do modelo Forward Deployed Engineer e da lógica de fazer coisas que não escalam em escala.
4. Verna, E. IC work is the new career flex. Sobre a emergência do High-Impact Individual Contributor.
5. Fishkin, R. / SparkToro. Embrace the High-Level Individual Contributor. Sobre contratação e papel do IC de alto nível em organizações enxutas.
6. The Signal. Análise das 63 empresas privadas de SaaS B2B de maior crescimento (54% com ao menos um GTM Engineer).
7. Kramer, E. / MKT1. Levantamento das 100 empresas B2B mais quentes dos EUA (time mediano de 13, 84% das vagas citando IA).
8. Poyar, K. / Growth Unhinged e GrowthBook. Estudo de caso da Fyxer (514 experimentos no ano, time de Growth Engineering de 4 com 360 deles, US$ 1M a US$ 30M de ARR em 2025).
9. Tunguz, T. Análise do caso Vercel (de 10 SDRs para 1 em seis semanas, com um GTM Engineer em meio período, conversão mantida).
10. Gartner. Pesquisa com 418 líderes de marketing (73% usam IA generativa); 2026 CMO Spend Survey (15,3% do orçamento em IA, 30% prontos para escalar); pesquisa sobre o papel do CMO (65% preveem mudança drástica em dois anos).
11. Apollo. Análise de vagas de GTM Engineer (crescimento de aproximadamente 205% de 2024 para 2025).
12. Puppo, L. / Woba. Formulação interna de Eficiência de Capital Híbrido.
13. Dorsey, J.; Botha, R. From Hierarchy to Intelligence. Sequoia Capital, março de 2026. Sobre a empresa organizada como inteligência em vez de hierarquia, e o caso Block.