A inteligência artificial quer o lugar das grandes consultorias — mas será que consegue?
A inteligência artificial está de olho em um mercado que movimenta bilhões há décadas. E dessa vez, o alvo é um dos setores mais tradicionais e lucrativos do mundo corporativo: a consultoria estratégica.
Por anos, grandes consultorias como McKinsey, BCG e Bain venderam algo aparentemente simples: bons conselhos. Só que esses conselhos vinham embalados em slide decks caprichados, metodologias exclusivas e um time de profissionais altamente treinados — tudo cobrado por hora, claro. O modelo funcionou perfeitamente por décadas, criando uma indústria bilionária que influencia desde decisões de CEOs de multinacionais até políticas públicas de governos inteiros.
Agora, desenvolvedores ao redor do mundo estão tentando replicar esse processo usando agentes de IA, e o resultado é no mínimo curioso: versões knockoff de consultores da McKinsey rodando direto no seu navegador. 🤖
O gatilho para essa tendência foi um repositório open-source da Vercel, startup de IA avaliada em mais de 9 bilhões de dólares, que já reúne quase 90 mil skills reutilizáveis para agentes de IA. Entre copywriting, revisão de código e análise de dados, existe um conjunto crescente de skills inspiradas diretamente no trabalho de grandes consultorias estratégicas. Mas a pergunta que não quer calar é: será que essas ferramentas entregam o que prometem? Ou estão apenas imitando a superfície de um trabalho que vai muito além de qualquer framework?
O que são essas skills de consultoria para agentes de IA?
Antes de qualquer coisa, vale entender o que está acontecendo na prática. No universo da inteligência artificial, skills são capacidades que desenvolvedores criam ou baixam e atribuem a um modelo ou agente de IA para que ele execute uma tarefa específica — sem precisar treinar o modelo do zero. Pense nisso como receitas prontas: em vez de você explicar tudo o que quer que o agente faça, você simplesmente carrega uma skill já configurada e pronta para uso.
O conceito ganhou tração depois que a Anthropic introduziu skills para o chatbot Claude em outubro. Desde então, desenvolvedores vêm construindo e compartilhando milhares de skills que podem ser conectadas a diversos sistemas de IA. O repositório da Vercel funciona como uma espécie de biblioteca colaborativa gigantesca, onde essas contribuições são publicadas, avaliadas e instaladas por qualquer pessoa. A escala que esse repositório atingiu — quase 90 mil contribuições — coloca essa tendência em outro patamar completamente diferente do que víamos há dois anos.
O Business Insider analisou a biblioteca de skills da Vercel e encontrou pelo menos quatro rotuladas com o termo mckinsey e 26 skills rotuladas com o termo consultant. A mais popular entre as relacionadas a consultoria é justamente a que leva o rótulo mckinsey-consultant. Ela foi publicada pela primeira vez em 25 de janeiro e vem registrando uma média de 445 instalações por semana. É um número respeitável, embora ainda esteja longe dos agentes mais populares da biblioteca da Vercel, que chegam a ter centenas de milhares de instalações.
Essa skill também acumula 200 estrelas no GitHub, o que indica popularidade real entre desenvolvedores, e já passou por algumas auditorias de segurança — um sinal de que é viável e está ganhando tração de verdade. Em resumo: as pessoas estão achando o negócio útil.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Como funciona na prática
A biblioteca da Vercel descreve essa skill como um prompt framework — originalmente criado para o Claude — que guia a IA através de etapas bem definidas: definição de problemas, geração de hipóteses, condução de análises estruturadas e criação de slides. O objetivo declarado é replicar o fluxo de trabalho clássico de um consultor típico da McKinsey.
Dentro desse universo, as skills inspiradas em consultoria estratégica chamam atenção pela ambição. Algumas prometem conduzir análises de mercado no estilo das grandes firmas, estruturar diagnósticos organizacionais, mapear riscos em projetos corporativos e até gerar recomendações baseadas em frameworks famosos como o BCG Matrix ou a análise SWOT turbinada por dados em tempo real. O nível de detalhe em algumas dessas skills é impressionante: há instruções que orientam o agente a fazer perguntas de clarificação antes de responder, a estruturar hipóteses antes de apresentar conclusões e a citar fontes quando disponíveis — um comportamento que lembra bastante o jeito que um analista júnior da McKinsey foi treinado a operar.
O desenvolvimento dessas skills reflete uma tentativa real de codificar o raciocínio consultivo — aquele processo de decompor problemas complexos em partes menores, identificar alavancas de valor e comunicar insights de forma clara e acionável. Isso é algo que levou décadas para ser sistematizado pelas grandes consultorias, e agora está sendo traduzido para linguagem de máquina por uma comunidade open-source que cresce a cada semana.
O que a McKinsey tem que um agente de IA ainda não consegue copiar
Aqui mora o ponto mais interessante dessa história toda. Para entender a limitação dessas skills, o Business Insider pediu a Arvind Vasudevan, ex-funcionário da McKinsey, que examinasse o agente estilo McKinsey publicado na biblioteca da Vercel e avaliasse como ele se comporta em comparação com o trabalho real.
A resposta dele foi direta e reveladora.
Ele perde o ponto de como as MBB e os consultores de estratégia agregam valor, disse Vasudevan, referindo-se ao grupo de grandes consultorias que inclui McKinsey, BCG e Bain. Segundo ele, grande parte do valor está nas perguntas que os consultores fazem e nas conversas que conduzem — interações que ajudam a clarificar o pensamento, descobrir premissas não declaradas e garantir uma reflexão profunda. Nada disso está acontecendo nesse agente, que basicamente executa um conjunto de análises padrão sem aquele questionamento socrático e pensamento crítico que define o trabalho consultivo de verdade.
A McKinsey e suas concorrentes diretas não vendem apenas análise. Elas vendem relação, contexto e credibilidade. Um consultor sênior que entra em uma reunião de board carrega consigo anos de exposição a situações similares, a capacidade de ler o ambiente político dentro de uma organização e o julgamento para saber quando um dado está sendo interpretado corretamente ou quando está sendo usado para confirmar um viés pré-existente. Esse tipo de inteligência contextual é difícil de capturar em uma skill, por mais bem construída que ela seja, porque ela não existe no texto — ela existe na experiência acumulada de quem viveu situações parecidas repetidas vezes.
Além disso, existe um componente de confiança que vai além do output produzido. Quando uma empresa contrata uma grande consultoria, ela não está comprando apenas o relatório final. Está comprando a garantia de que, se algo der errado, existe um time de especialistas responsável por aquele trabalho — e que esse time tem reputação suficiente para responder pelas recomendações que fez. Um agente de inteligência artificial, por mais sofisticado que seja, ainda opera dentro de uma zona de ambiguidade em relação à responsabilidade. Se a análise estiver errada, quem responde? O desenvolvedor que publicou a skill? A empresa que usou o agente? Essa questão ainda não tem resposta clara, e ela importa muito para executivos que precisam justificar decisões estratégicas a conselhos e acionistas.
Tem também o fator humano no processo de desenvolvimento de uma recomendação estratégica. Consultores fazem entrevistas, observam dinâmicas de equipe, captam tensões organizacionais que não aparecem em nenhum relatório e ajustam suas análises com base nessas informações qualitativas. Um agente de IA, por enquanto, só tem acesso ao que é explicitamente compartilhado com ele. Ele não consegue perceber que o CFO hesitou antes de responder uma pergunta ou que dois diretores evitaram se olhar durante uma apresentação. Esses sinais importam — e eles ainda estão fora do alcance de qualquer skill, por mais bem escrita que seja.
IA já gera receita real no mercado de consultoria
Apesar das limitações, seria um erro subestimar o que já está acontecendo. Agentes de IA que imitam o trabalho de consultores já estão gerando milhões em receita para empresas como a PromptQL, uma plataforma corporativa de IA lançada pela Hasura, unicórnio do universo open-source.
A plataforma ajuda clientes a construir analistas de IA personalizados, integrando dados internos das empresas com os modelos de fundação que elas já utilizam. Uma vez implantados, esses analistas de IA conseguem executar tarefas que normalmente seriam feitas por cientistas de dados ou engenheiros — e continuam aprendendo e se adaptando ao longo do tempo.
Tanmai Gopal, cofundador e CEO da PromptQL, explicou ao Business Insider que a maior barreira — ou moat, no jargão de negócios — para vender análise é entender as relações entre pessoas, dados e receita.
Segundo Gopal, as equipes da McKinsey passam semanas incorporadas dentro de uma empresa, absorvendo como ela realmente funciona: as exceções, o conhecimento tribal, as definições que diferem entre departamentos. Esse contexto específico da empresa é o que torna o conselho deles algo que vale milhões.
Gopal também apontou que ferramentas de IA empresariais frequentemente falham porque carecem de fundamentação adequada. Elas tendem a adivinhar em vez de fazer perguntas, aprender com feedback ou manter entendimento compartilhado entre equipes.
A aposta da PromptQL para resolver o problema
A PromptQL tenta endereçar essas questões por meio de uma camada compartilhada de entendimento que se ajusta a cada novo input. O conceito é inteligente: quando um membro da equipe corrige a IA, ensina uma definição ou resolve uma ambiguidade, esse conhecimento se torna permanente e fica disponível para todos. Não é uma camada semântica mantida por engenheiros de dados — ela emerge de conversas reais entre humanos e a ferramenta.
Modelos de IA não sabem automaticamente nuances internas, como mudanças de precificação, terminologias específicas de cada equipe ou definições conflitantes do que é receita. O problema real, segundo Gopal, não é capacidade — é contexto faltando.
Em outras palavras, o slide deck do consultor nunca foi realmente o produto. O produto é o julgamento — e essa é a parte que a IA ainda está aprendendo.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Onde as skills de IA realmente brilham nesse contexto
Dito tudo isso, seria injusto ignorar o que essas ferramentas fazem muito bem. Para desenvolvimento de análises preliminares, síntese de grandes volumes de informação e estruturação de problemas que já foram bem definidos, os agentes de inteligência artificial com skills de consultoria entregam resultados que seriam impossíveis de replicar manualmente no mesmo tempo. Uma análise que levaria dois analistas juniores três dias para concluir pode ser feita em minutos — com qualidade razoável, especialmente quando o problema é bem delimitado e os dados estão organizados.
Para startups e pequenas empresas que nunca teriam acesso a uma McKinsey ou similar, isso representa uma democratização real de ferramentas analíticas. É como ter um assistente estratégico que não cobra 500 dólares por hora e está disponível 24 horas por dia.
Outro ponto forte está na consistência. Um agente de IA não tem um dia ruim, não se esquece de incluir uma variável importante porque estava com pressa e não desvia do framework definido por razões emocionais. Quando bem configurado, ele executa o mesmo processo analítico com o mesmo rigor todas as vezes — o que é valioso em contextos onde a padronização importa, como auditorias internas, revisões periódicas de performance e diagnósticos recorrentes.
O futuro é complementaridade, não substituição
A tendência que se desenha, portanto, não é de substituição, mas de complementaridade. As skills de consultoria para agentes de IA são mais úteis quando funcionam como um primeiro estágio — acelerando o trabalho de coleta, estruturação e síntese que precede a análise humana mais profunda. Elas reduzem o tempo gasto em tarefas repetitivas e liberam espaço para que profissionais qualificados se concentrem no que realmente diferencia um bom trabalho consultivo: o julgamento, a relação e a leitura do contexto.
Nesse cenário, o agente de IA não substitui o consultor — ele muda o que o consultor precisa fazer para agregar valor. E isso, por si só, já é uma transformação significativa no mercado. O profissional que souber usar essas ferramentas como aliadas, em vez de ignorá-las ou temê-las, provavelmente terá uma vantagem competitiva real nos próximos anos. 🚀
Os números mostram que o movimento é irreversível. Com quase 90 mil skills disponíveis no repositório da Vercel e uma comunidade global de desenvolvedores alimentando esse ecossistema diariamente, a inteligência artificial está se infiltrando cada vez mais em processos que antes eram exclusivamente humanos. O mercado de consultoria é só mais um dos territórios sendo explorado — e certamente não será o último.
O slide deck nunca foi o verdadeiro produto de uma consultoria. O julgamento humano é. E enquanto a IA não dominar essa habilidade, o que veremos é uma corrida para definir onde termina o trabalho da máquina e onde começa o valor insubstituível do profissional.
