A liderança trava a inteligência artificial antes da tecnologia falhar

Uma equipe termina a reunião e volta para as próprias mesas. Enquanto a liderança ainda discute qual ferramenta de inteligência artificial merece um teste, alguém resume um relatório com um aplicativo, outra pessoa revisa uma proposta com um chatbot e uma terceira já usa IA para organizar o atendimento. O trabalho mudou antes de a empresa decidir como conduzir a mudança. Minha leitura é que esse intervalo explica o problema central da adoção: muitas organizações tratam a tecnologia como compra de software, quando a decisão mais difícil é definir o que as pessoas podem testar, que resultado será medido e quem responderá pelos efeitos.

O Índice de Tendências de Trabalho de 2024, produzido por Microsoft e LinkedIn, encontrou 83% dos trabalhadores intelectuais brasileiros usando inteligência artificial no trabalho. No mesmo levantamento, 74% dos usuários brasileiros disseram levar suas próprias ferramentas para a empresa. A diferença entre os dois números é de 9 pontos percentuais. Ela indica uma adoção disseminada, mas pouco coordenada: para cada grupo de pessoas que usa IA, uma parcela relevante chega com uma solução escolhida individualmente, sem necessariamente seguir uma política comum de segurança, treinamento ou avaliação.

Esse dado muda a pergunta feita por quem dirige um pequeno negócio. O ponto de partida não é mais decidir se a equipe terá contato com a IA. O contato já acontece. A tarefa de liderança é transformar experiências isoladas em um processo verificável, no qual a ferramenta resolva uma atividade concreta, o funcionário saiba o limite de uso e a empresa consiga comparar o resultado com o método anterior.

A experiência de Ricardo Rocha mostra onde a adoção costuma emperrar

Ricardo Rocha, CEO e fundador da Acaso, relatou durante o Exponential Summit 2026 que encontrou resistência e ceticismo ao tentar implementar inteligência artificial na própria startup. A empresa, criada em 2020 e dedicada a soluções para gestão de talentos, tinha proximidade com a tecnologia. Ainda assim, a familiaridade do negócio com IA não eliminou a dificuldade de levar a ferramenta para a rotina dos profissionais.

Segundo o relato publicado pela Startupi, a primeira reação de Rocha foi pressionar a equipe. O resultado esperado não apareceu. A mudança de abordagem veio quando ele passou a experimentar pessoalmente as ferramentas e automatizou tarefas que antes consumiam tempo e recursos. A experiência trouxe uma questão de gestão: se o líder consegue fazer sozinho uma atividade que antes dependia de outras pessoas, a tecnologia será usada para reduzir a equipe ou para ampliar a capacidade dela?

Rocha escolheu a segunda alternativa. Em vez de concentrar o conhecimento do uso da IA, passou a estimular a experimentação, criar estruturas de apoio e formar profissionais capazes de espalhar novas práticas. O caso não prova que toda implementação seguirá o mesmo caminho, mas revela um mecanismo que aparece em muitas empresas: a ordem de usar uma ferramenta não substitui o aprendizado necessário para incorporá-la.

O episódio também separa duas decisões que costumam ser misturadas. A primeira é operacional: qual atividade pode ser acelerada por um sistema? A segunda é cultural: como as pessoas aprenderão, testarão e corrigirão o uso desse sistema sem esconder erros? Uma empresa pode acertar a escolha do software e falhar na segunda decisão. Nesse caso, a ferramenta permanece disponível, mas o uso fica restrito a iniciativas individuais ou a demonstrações ocasionais.

O uso avança mais rápido que a visão dos gestores

A pesquisa da Microsoft e do LinkedIn foi feita com mais de 31 mil pessoas em 31 países, combinando respostas de trabalhadores, dados de contratação do LinkedIn e sinais anônimos de produtividade do Microsoft 365. O levantamento mostra uma assimetria clara. No Brasil, 87% dos líderes consideram a adoção de IA necessária para manter a competitividade, mas 51% dizem que a própria empresa não tem visão ou plano para implementar a tecnologia. A convicção sobre a importância cresce antes da capacidade de orientar a execução.

O resultado prático aparece no uso de ferramentas próprias. Funcionários tentam resolver o problema imediato, escolhem o produto que conhecem e aprendem pela repetição. Esse movimento pode economizar tempo, mas também cria três riscos. O primeiro é de dados, quando informações internas entram em serviços sem autorização. O segundo é de qualidade, quando cada pessoa confere respostas com critérios diferentes. O terceiro é de dependência, quando a empresa não sabe reproduzir uma tarefa porque apenas um profissional conhece o caminho usado pela ferramenta.

O estudo da Microsoft também oferece uma pista sobre o papel da chefia. Usuários avançados de IA têm mais de 30 minutos poupados por dia e mais de 90% dizem administrar melhor a carga de trabalho. Esses trabalhadores são mais propensos a ouvir do CEO que a IA é importante, receber incentivo para repensar a própria função e ter treinamento adaptado ao cargo. O ganho não aparece isolado da liderança. Ele é acompanhado por comunicação, estímulo e capacitação.

Isso ajuda a explicar por que a simples assinatura de uma ferramenta não é uma estratégia. Se o gestor distribui acesso, mas não define a atividade que será testada, cada funcionário cria seu próprio critério de sucesso. Um redator mede velocidade. Um vendedor mede quantidade de propostas. Uma pessoa do financeiro pode medir redução de erros. Sem uma pergunta comum, a empresa coleciona impressões e não aprende com o teste.

Os CEOs reconhecem a dependência das pessoas, mas ainda correm

O estudo anual do IBM Institute for Business Value, feito com 3 mil CEOs de mais de 30 países e 26 setores, chega a uma conclusão parecida por outro caminho. Para 64% dos executivos ouvidos, o sucesso da IA generativa dependerá mais da adoção pelas pessoas do que da tecnologia. Ainda assim, 61% afirmam pressionar a organização a adotar a IA mais rapidamente do que parte dos funcionários considera confortável.

A conta entre os dois percentuais produz uma diferença de 3 pontos. Não é uma medida de fracasso, mas mostra uma tensão de gestão: muitos CEOs sabem que a adesão humana determina o resultado e, mesmo assim, aceleram o calendário antes de entender como a mudança atingirá as equipes. O mesmo estudo informa que 56% ainda não avaliaram o impacto da IA sobre os funcionários. A organização pode ter uma meta de implantação sem ter respondido quais tarefas mudarão, quais competências serão necessárias e que suporte será oferecido.

O caso citado pela matéria de origem ajuda a dar nome a esse conflito. Ricardo Rocha percebeu que pressionar a equipe não criava adoção. A experimentação feita por ele serviu para entender a atividade, mas a decisão de formar outras pessoas foi o que transformou a experiência individual em capacidade organizacional. A liderança não precisou dominar todas as respostas. Precisou abrir o processo, mostrar o uso e permitir que a equipe aprendesse com um objetivo definido.

A pesquisa da IBM acrescenta que 35% da força de trabalho dos CEOs consultados precisará de treinamento ou requalificação nos três anos seguintes, contra 6% em 2021. O número não significa que todas as funções serão substituídas ou convertidas. Ele mede a distância entre as competências atuais e as exigidas pela mudança. Para o dono de um negócio, essa diferença é mais útil que uma promessa genérica de produtividade, porque aponta para a necessidade de reservar tempo para aprender.

O processo funciona quando o teste tem dono, limite e medida

O primeiro passo é escolher uma tarefa repetitiva, de baixo risco e com resultado observável. Pode ser a classificação inicial de perguntas recebidas por e-mail, a organização de informações de um formulário ou a criação de uma primeira versão de descrição de produto. A tarefa precisa ter um ponto de partida conhecido. Se ninguém sabe quanto tempo ela consome ou qual erro ocorre hoje, não será possível verificar se a IA ajudou.

O segundo passo é registrar o método atual. O responsável anota quantos minutos a atividade ocupa, quais dados entram, qual revisão humana é obrigatória e que tipo de erro interrompe o fluxo. Em seguida, a equipe testa a ferramenta apenas com informações autorizadas. O resultado gerado não deve ser tratado como resposta final. Ele passa pelo mesmo controle de qualidade definido para o processo antigo, com a diferença de que o responsável também registra o que precisou corrigir.

O terceiro passo é comparar períodos equivalentes. Uma amostra pequena já pode revelar se houve ganho ou apenas deslocamento do trabalho. Se a IA reduz cinco minutos na primeira etapa, mas exige oito minutos de revisão, o processo ficou três minutos mais longo. Se a saída é rápida, porém contém erros que atingem o cliente, a economia aparente não representa produtividade. Essa medição evita que a empolgação com a ferramenta substitua o resultado do negócio.

O quarto passo é decidir quem pode repetir o teste e em que condições. A regra deve dizer quais informações estão proibidas, onde o arquivo será armazenado, quem revisa a saída e quando o uso será interrompido. O Sebrae, em material dedicado a pequenos negócios, chama atenção para privacidade, vazamento de dados, alucinações e viés. Esses riscos não desaparecem porque a ferramenta é simples ou gratuita. Eles precisam entrar na rotina de decisão.

Na segunda-feira, o dono de uma empresa pode aplicar o processo em uma única atividade. Deve escolher o responsável, escrever o tempo atual, definir o indicador que será comparado e marcar uma revisão no prazo de sete dias. Na reunião, três perguntas resolvem a primeira triagem: o tempo caiu, a qualidade permaneceu e algum dado indevido foi exposto? Se uma resposta for negativa, o teste volta para ajuste. Se as três forem positivas, a empresa documenta o procedimento antes de ampliar o uso.

O Fórum Econômico Mundial reforça por que esse cuidado importa. No Future of Jobs Report 2025, elaborado a partir da visão de mais de mil empregadores que representam mais de 14 milhões de trabalhadores, 63% apontam lacunas de habilidades como principal barreira à transformação. O relatório informa também que 85% planejam priorizar a qualificação das equipes. A tecnologia pode iniciar a mudança, mas a capacidade de aprender determina se ela chega ao processo inteiro.

A liderança aparece, portanto, em cada etapa: escolhe o problema, protege os dados, permite o teste, mede o efeito e decide o que será incorporado. A inteligência artificial pode acelerar uma tarefa, mas não escolhe sozinha a tarefa certa nem explica o custo de um erro. Quando a chefia deixa essas decisões sem dono, a empresa continua usando IA, só que de maneira dispersa. Quando assume o processo, o uso deixa de ser segredo individual e passa a produzir aprendizado compartilhado.

Fontes consultadas

• Startupi, relato sobre Ricardo Rocha e a Acaso no Exponential Summit 2026
• Microsoft e LinkedIn, Índice de Tendências de Trabalho 2024
• IBM Institute for Business Value, estudo global de CEOs sobre IA generativa
• World Economic Forum, Future of Jobs Report 2025
• Sebrae Roraima, Inteligência Artificial: conheça as principais ferramentas para inovar