Esta é a terceira parte de uma série de três partes sobre como a HubSpot se transformou com IA. A primeira parte aborda como construímos com IA. A segunda parte aborda como crescemos com o GTM que prioriza o agente.
Construindo a plataforma de engenharia certa e reconstruindo seu movimento de entrada no mercado não têm sentido se a organização que os administra não estiver preparada. Essa é a parte que a maioria dos manuais de transformação ignora. É também a parte que determina se alguma coisa gruda.
Nós não pulamos; nós dobramos. Como resultado, 94% dos HubSpotters usam IA semanalmente, os funcionários construíram mais de 3.900 agentes de IA e nosso perfil de talentos parece fundamentalmente diferente do que era há três anos.
Este é o nosso manual para a transformação organizacional da HubSpot que tornou tudo o mais possível.
Etapa 1: Construindo Fluência em IA (2023–2025)
A primeira etapa trata da fluência em toda a organização e deve começar com o comprometimento do topo. Os líderes têm de modelar o comportamento, partilhar as suas próprias experiências e criar as condições para que todos os outros sigam, e não ordens.
Realizamos três jogadas para chegar lá, e cada uma pode ser repetida para qualquer organização:
Forneça o tolá. Cada HubSpotter recebeu licenças empresariais para um conjunto básico de ferramentas de IA. Uma equipe central de estratégia de IA gerencia relacionamentos com fornecedores, define padrões de segurança e agiliza a adoção de novas ferramentas, o que elimina gargalos de compras e segurança que retardam a transformação na maioria das empresas. A fluência em IA não pode ser uma vantagem competitiva reservada para determinadas equipes. Tem que ser uma expectativa básica para todas as equipes.
Mude a mentalidade. Isto incluiu a promoção de uma cultura de experimentação, na qual os funcionários se sentem capacitados para experimentar e adotar novas formas de trabalhar. Atualizamos os valores da nossa empresa para incentivar essa perspectiva, acrescentando “ser ousado, aprender rápido” como valor central. Os funcionários compartilham casos de uso e experimentos em canais de chat dedicados. Os líderes participam junto com suas equipes, muitas vezes recebendo orientação reversa de pessoas mais avançadas em suas experimentações, e os executivos compartilham seus próprios aprendizados em atualizações semanais. Também alteramos a velocidade do relógio organizacional, passando de ciclos de planejamento anuais para sprints de seis semanas para acompanhar o ritmo da tecnologia.
Para acompanhar nosso progresso, também definimos uma meta clara de uso em toda a empresa: 80% de uso ativo semanal de IA até o final de 2025. Em seguida, rastreamos abertamente — por equipe, por ferramenta, por caso de uso — e tornamos os dados visíveis para todos. A transparência impulsionou a responsabilização em ambas as direções: as equipes que estavam atrás receberam um sinal claro e as equipes que estavam à frente tornaram-se modelos para outras.
Queremos deixar claro por que rastreamos o uso em vez dos resultados nesta fase. O estágio 1 foi sobre como desenvolver fluência em IA. Você não pode medir a melhoria dos resultados a partir de ferramentas que as pessoas ainda não estão usando. O uso foi um indicador importante, não o destino. Isso não foi tokenmaxxing; foi um passo necessário no caminho para maximização de resultados na Etapa 2.
Desenvolva as habilidadest. Reservamos um tempo protegido para aprender. Isso incluiu hackathons e 20 dias de aprendizado de IA em toda a empresa em 2025. A IA foi integrada à integração desde o primeiro dia e ao desenvolvimento contínuo do gerente. O objetivo era simples: mudar a questão de “devo usar IA para isso?” para “como posso usar melhor a IA?”
O resultado da Fase 1 foi um novo perfil de talento. Ao final desta etapa, tínhamos uma organização que estava se tornando fluente em IA, com 94% dos HubSpotters usando IA semanalmente, com mais de 3.900 agentes de IA criados por funcionários para melhorar seu próprio trabalho.
Estágio 2: Transformação em nível de equipe (2025 – presente)
Quando cada funcionário usa IA de maneiras diferentes para diferentes casos de uso, você obtém produtividade individual, mas não resultados de negócios. Para alcançar a transformação no nível da equipe, você precisa de prioridades claras com responsabilidade real por trás delas.
Para começar, plotamos equipes em duas dimensões:
- Maturidade da IA: Como eles adotaram as ferramentas? Eles estão vendo resultados mensuráveis?
- Preparação para IA: Qual o potencial do trabalho da equipe para automação? Existe risco empresarial? A infraestrutura de dados e os recursos de IA existem para dar suporte?
Essa análise produziu três categorias para nós: Marcadores de ritmoou equipes que já estavam avançando rapidamente. Não queremos atrasar estas equipas; queremos apoiá-los. Vitórias próximasou equipes que têm oportunidades óbvias de automação, mas não agiram. O gargalo para isso é quase sempre a atenção da liderança, e não as ferramentas. E por último, Grandes apostas. Estas são as equipes com maior potencial, mas com mais dependências. Eles precisam de investimento dedicado em dados, sistemas e gerenciamento de mudanças.
Foi aqui que nossas equipes caíram, cada uma exigindo um manual diferente:
Marcadores de ritmo: engenharia, suporte e marketing já havia obtido grandes ganhos de produtividade e eficiência por meio de casos comprovados de uso de IA, patrocínio de liderança e medição. Eles precisavam de suporte mínimo e continuaram seu impulso por meio de investimentos em fluência em IA.
O marketing é o exemplo mais claro. A equipe reinventou os fluxos de trabalho em todos os níveis: a personalização de e-mail com tecnologia de IA gerou uma melhoria de 82% nas conversões de e-mail, um chatbot de IA agora lida com mais de 82% das consultas do site e gerou mais de 10.000 reuniões de vendas por trimestre até o quarto trimestre de 2025. Um teste de produção de anúncios em vídeo entregou spots gerados por IA por US$ 300 a US$ 3.000, versus US$ 300 mil a US$ 500 mil com produção tradicional e corte de produção de blog assistido por IA horas de redação por artigo em 60%.
Vitórias próximas: recrutamento e operações tinha oportunidades claras de automação que poderiam ser desbloqueadas com as ferramentas certas. A principal alavanca foi a atenção da liderança: “gemba walks”, trabalhando junto com as equipes para identificar exatamente onde a IA poderia substituir ou aumentar tarefas específicas e impulsionar a adoção na prática, e não à distância.
Um exemplo disso é a Aquisição de Talentos. Ao incorporar a IA diretamente no funil de contratação, observamos uma redução de 10 dias no tempo de contratação e uma redução de 30% no tempo de análise de candidaturas. Automatizamos totalmente 80% das tarefas de agendamento de entrevistas, resultando em um aumento de 90% no volume de agendamento sem pessoal adicional. A parcela de contratações de candidatos anteriores cresceu de 8% para 18% nos primeiros 90 dias, um resultado direto do ressurgimento de talentos pela IA que, de outra forma, seriam invisíveis.
Grandes apostas: Vendas, Csucesso do cliente e produto tem o maior potencial, mas precisava de investimentos significativos em dados, sistemas e gerenciamento de mudanças. Essas equipes receberam pods de IA dedicados, equipes multifuncionais de especialistas funcionais, cientistas de dados e engenheiros de operações focados em reimaginar fluxos de trabalho específicos por meio de experimentação e iteração rápidas.
A lição mais profunda da Fase 2 é que nem todas as equipas precisam do mesmo apoio. A análise de maturidade e prontidão é o que lhe diz onde avançar, onde apoiar e onde investir. Sem ele, você acaba aplicando a mesma abordagem em todos os lugares e se perguntando por que apenas algumas delas funcionam.
Etapa 3: Transformação Institucional (2026 e além)
Estamos no início da Fase 3. Mas a direção é clara e será a fase mais importante de todas.
Etapas 1 e 2 resolvidas para produtividade individual e de equipe. A fase 3 trata da construção de IA institucional. A distinção é importante. Tornar cada funcionário 10 vezes mais eficiente não torna uma empresa 10 vezes mais produtiva, a menos que a própria instituição seja redesenhada em torno de novas capacidades de IA.
A base da Fase 3 é o contexto institucional. Significa dar a todos acesso às ferramentas, dados e informações corretas e codificar os processos da empresa em agentes que possam agir sobre eles em grande escala.
A diferença fica visível na forma como o trabalho é feito no dia a dia. Quando um engenheiro precisa de contexto em uma base de código, ele não pergunta a um colega; eles perguntam ao agente de codificação interno da HubSpot. Quando um gerente de vendas quer entender por que um negócio estagnou, ele não elabora um relatório; eles perguntam ao nosso assistente de vendas guiado nativo. Quando um novo contratado precisa entender como a HubSpot toma decisões, ele não espera pela integração; eles perguntam à nossa ferramenta interna de IA. É assim que a IA institucional se parece na prática: o contexto coletivo da organização, disponível para todos, no momento em que precisam.
Passar para esse estágio também exige o enfrentamento de questões que os estágios anteriores não conseguem. Quando os agentes controlam as etapas de um fluxo de trabalho de ponta a ponta, a governança é mais importante. Quem pode ver o quê? Que decisões exigem aprovação humana? Como você detecta resultados ruins antes que eles aumentem? Tivemos que desenvolver deliberadamente essas questões, estabelecendo permissões, trilhas de auditoria e caminhos de escalonamento claros para que a velocidade dos agentes não ultrapassasse nossa capacidade de supervisioná-los.
Ainda estamos nesta jornada. Mas entendemos o que está em jogo. As empresas que constroem IA institucional são as que terão vantagem. Mas para fazer isso, não comece com IA. Comece com o trabalho. Encontre o fluxo de trabalho lento, caro ou frágil. Encontre a equipe que está mais preparada. Execute o experimento, meça-o honestamente e depois comprometa-se com o que os dados mostram.
A transformação da IA começa com uma base sólida
O mesmo princípio permeia tudo nesta série: as ferramentas são apenas o ponto de partida. Construir a base – técnica, estrutural e culturalmente – é o que permite escalar.
Na engenharia, essa base é uma plataforma. No go-to-market, é um volante. Na forma como você opera, é a própria organização. As empresas que descobrirem isso não apenas usarão melhor a IA, mas também crescerão melhor.
