People AI-Native: as soluções de RH construídas por Nuvemshop e Pipo Saúde

No mais recente episódio do Open Arena, webinar da Alice, Sarita Vollnhofer conversa com Gabriela Cañas, CHRO da Nuvemshop, e Marcela Ziliotto, CHRO da Pipo Saúde, sobre como elas têm redesenhado os processos de People com inteligência artificial — da carta de oferta ao processo seletivo, do assessment de fluência aos agentes internos com nome e dono próprios.

Uma conversa prática, com casos reais, e referências que ajudaram ao longo do caminho.

Quem participou?

Gabriela Cañas lidera People da Nuvemshop, plataforma de e-commerce latino-americana com atuação em Brasil, Argentina, México e Colômbia. Segundo contou no episódio, a Nuvemshop soma 15 anos de operação, cerca de 180 mil clientes e 1.600 pessoas em diferentes países — escala que, para ela, torna a transformação com IA menos sobre nascer digital e mais sobre reconhecer o legado como vantagem competitiva.

Marcela Ziliotto é CHRO da Pipo Saúde, corretora de saúde brasileira que conecta empresas a planos de saúde e apoia a gestão de benefícios corporativos — e que, no início deste ano, também passou a ser parceira corretora da Alice. Marcela trouxe ao episódio os cases de transformação cultural ligados à jornada de contratação: da carta de oferta ao scorecard de entrevista.

O que você vai aprender no episódio?

1) Duas leituras da mesma transformação: “AI reborn” e “refoundation”

O ponto de partida de Gabriela veio de um framework criado pelo CEO da Nuvemshop, apresentado num evento anual para lideranças sêniores da companhia. Ele descreveu três tipos de empresa diante da IA: as que serão facilitadas pela IA — continuam fazendo o que já faziam, só que de forma mais rápida —, as que nascem AI-native — já fundadas dentro de um ambiente com IA — e as que passam por um processo de AI-reborn: empresas com histórico, clientes e times construídos antes da IA existir, que precisam decidir o que fazer com esse legado.

Gabriela levou o conceito para o próprio papel e criou a ideia de “CHRO reborn“: olhar para toda a trajetória acumulada como liderança e, ao mesmo tempo, assumir que agora faz parte de um time de People que vive — e ajuda a companhia a atravessar — essa reinvenção. Sarita comentou que a Alice nomeia um movimento parecido internamente como “refoundation”: pensar a empresa como se estivesse sendo fundada hoje, sete anos depois da fundação original.

2) Antes de automatizar, mapear onde a IA muda o trabalho

A primeira ação de Gabriela, segundo ela, foi simplesmente colocar horas de uso pessoal na ferramenta antes de tentar liderar qualquer transformação — “eu não ia conseguir liderar um time sem ter conhecimento real do que era a IA”. Só depois desse mergulho o time passou a tratar People como um sistema: uma área que recebe informação (conversas, ciclos, pesquisas de engajamento, entrevistas), processa essa informação e gera produtos para a liderança.

Com esse mapa em mãos, a pergunta orientadora virou: em qual etapa a IA muda o processo, e em qual etapa as pessoas continuam sendo insubstituíveis?

Prioridades foram organizadas numa matriz de esforço e impacto tradicional, com iniciativas paralelas — algumas rápidas, outras estruturais. A mais custosa, segundo Gabriela, é a construção de um “MCP de People”: um hub de dados conectado à ferramenta de IA da empresa, com camadas de segurança para garantir que cada liderança só acesse os dados do próprio time. Enquanto o MCP não fica pronto, o time segue construindo agentes e skills pontuais — inclusive para evitar que a liderança use uma IA genérica sem nenhum direcionamento sobre como interpretar dados de pessoas.

3) A ansiedade faz parte do processo — o antídoto é o próximo passo, não o destino final

As duas convidadas trataram a ansiedade como parte esperada da mudança, não como um problema a ser eliminado. Gabriela descreveu ter sentido a mesma ansiedade que via nos times — “e agora? é um mundo diferente do que eu esperava para a minha carreira inteira” — e apontou a falta de clareza como a raiz do desconforto: ela própria escreveu um documento de visão sabendo que ele mudaria com o tempo, e isso já ajudou a reduzir a tensão do time.

Marcela chegou a um antídoto parecido por outro caminho: hackathons semanais focados exclusivamente em produção — não em discutir onde a empresa vai chegar, mas em colocar em prática o próximo passo já combinado. Para ela, a transformação cultural e comportamental precisa de vários elementos simultâneos — narrativa, símbolos, rituais e decisões de liderança — e não avança só com ferramenta.

4) Quando a cultura muda, o primeiro símbolo é a carta de oferta

Se a cultura da empresa é “AI-first“, mas a primeira experiência de quem entra continua sendo um documento estático sobre salário e benefícios, a mensagem não fecha — foi essa a lógica que levou o time de Marcela a repensar a carta de oferta da Pipo Saúde antes mesmo do onboarding.

Uma colega do time assumiu a construção de uma carta de oferta em formato de página navegável, que apresenta o ferramental de IA disponível aos colaboradores (os Pipocas, como são chamados na Pipo Saúde), os rituais da empresa e a missão, e só depois confirma a decisão da pessoa candidata. A líder da empresa grava uma assinatura em vídeo, exibida quando a pessoa abre o documento.

Por trás desse símbolo, veio um trabalho de bastidor: outra colega do time revisou a governança de abertura de vagas, um fluxo que consumia mais de 70 horas acumuladas por trimestre entre aprovações e discussões entre níveis hierárquicos. Hoje esse fluxo está 90% automatizado. É cedo para dados de aceite da nova carta — mas, segundo Marcela, candidatos de vagas técnicas já chegam esperando ver IA representada desde o primeiro contato com a empresa.

5) Fluência não se mede por adesão, e teve uma inspiração declarada

Ao ser perguntada como garantir que os times de fato estudem e apliquem IA, Marcela citou como referência direta o episódio 16 do Open Arena (Da trilha ao assessment: como a Alice está desenvolvendo AI-fluency do time), no qual a própria Alice apresentou seu framework de fluência com quatro competências. A Pipo Saúde não recriou o modelo ponto a ponto, mas se inspirou nele para desenhar sua própria escala de maturidade: exploradores, operadores e multiplicadores.

A meta é simples de enunciar e difícil de cumprir — nenhuma pessoa deveria permanecer no nível “explorador”, todo mundo deveria alcançar pelo menos “operador”, e cada vez mais lideranças e áreas técnicas deveriam chegar a “multiplicador”: quem identifica melhorias locais e as transforma em ganhos escaláveis para outros times.

6) Cada agente tem nome, dono e alguém de plantão para corrigir

Um dos aprendizados mais concretos do episódio foi sobre governança de agentes já em produção. Na Pipo Saúde, o agente que responde dúvidas sobre políticas internas, benefícios e processos — batizado de Dora — foi um dos primeiros a ganhar nome e dono formalmente registrado, prática que o time adotou justamente para evitar a criação desenfreada de agentes sem responsável. Uma colega do time lidera as melhorias e respostas da Dora. A própria Marcela contou um episódio de erro simpático e revelador: por um tempo, ao ser perguntada sobre saldo de dias de descanso flexível, a Dora respondia com o saldo dela mesma — Marcela — para qualquer pessoa que perguntasse, até o time perceber e corrigir a base.

Do lado da Nuvemshop, um agente de comunicação interna com persona própria, a Nubia, evoluiu de tirar dúvidas sobre políticas (com alguns erros iniciais de misturar informações entre os diferentes países onde a empresa opera) para também apresentar as novidades mensais da empresa em formato de vídeo, ao estilo telejornal, com participação da própria liderança. Em ambos os casos, a régua é a mesma: gestão híbrida entre pessoas e agentes, testes deliberadamente “abusados” antes de liberar um agente em produção, e ajuste contínuo — inclusive conversacional, pedindo à própria IA para mudar o tom de resposta.

7) Da entrevista ao scorecard: onde a IA reflete, mas não decide

O uso mais estratégico apresentado por Marcela foi uma skill de entrevista cultural desenhada com um limite deliberado: ajudar quem entrevista a refletir sobre a própria entrevista, sem nunca tomar a decisão de contratação no lugar da pessoa. Depois da conversa, a transcrição é enviada à IA, que devolve uma análise sobre o papel do líder como entrevistador. Sarita comentou que testou uma lógica parecida para si mesma, criando uma skill que coleta expectativas e feedbacks de suas reuniões recorrentes e devolve uma leitura sobre a própria atuação como líder — inspirada, segundo ela, num processo de mediação externa que o C-level da Alice já havia vivido em outro contexto.

Do lado operacional, o episódio trouxe ainda dois cases também úteis: uma ferramenta de sourcing automatizado construída em n8n por uma colega do time da Pipo Saúde que transforma a descrição de vaga em buscas automatizadas por candidatos; e um gerador de scorecard de entrevista que parte da transcrição da conversa e devolve um documento pronto para colar no sistema — resolvendo um problema recorrente de lideranças que não preenchiam os scorecards a tempo.

Fechando o episódio, uma reflexão sobre como medir se a cultura de IA está de fato mudando: uso de ferramenta é um indicador de curto prazo, mas vira métrica de vaidade rápido. O que passa a importar, segundo as convidadas, são os outputs — quanto cada área está de fato produzindo, reinventando processos e gerando soluções com IA, e não apenas quantas pessoas logaram na ferramenta.

Para levar com você

O episódio não trouxe uma resposta única sobre como fazer a transição para People com IA — e as duas convidadas foram as primeiras a admitir isso. O que ficou claro é que a transformação não nasce de uma ferramenta isolada: nasce de mapear onde a IA muda o trabalho antes de automatizar, de tratar símbolos como carta de oferta com o mesmo cuidado estratégico que se dá a uma ferramenta técnica, de dar nome e dono a cada agente para não perder a governança, e de aceitar que fluência se constrói em etapas — inclusive se inspirando com o que já funcionou em outra empresa.

Confira o episódio completo no vídeo em destaque nesta página.