IA, pensamento analítico e visão estratégica se tornam o diferencial dos executivos até 2030

A habilidade que separa o executivo útil do operador de novidades em inteligência artificial não é saber escrever o prompt mais elaborado. É transformar uma ferramenta em decisão mensurável. Os dados mais recentes apontam na mesma direção: a IA já avança nos processos, mas o retorno depende de quem consegue escolher um problema, organizar dados, testar uma hipótese e responder pelo resultado.

Essa mudança aparece em escalas diferentes. O Fórum Econômico Mundial estima que 39% das habilidades atuais dos trabalhadores serão transformadas ou ficarão desatualizadas entre 2025 e 2030. No Brasil, o IBGE registrou que a proporção de empresas industriais com 100 ou mais pessoas ocupadas que usavam IA subiu de 16,9% em 2022 para 41,9% em 2024. A questão deixou de ser se a tecnologia chegará ao trabalho. A questão é quem saberá conduzir essa chegada.

O valor da IA aparece quando a liderança transforma tarefa em resultado

O executivo que trata IA como um curso isolado perde o ponto central. A ferramenta tem valor quando reduz tempo, melhora uma escolha, diminui erro ou aumenta a capacidade de atender um cliente. Para chegar lá, a liderança precisa ligar três elementos: o processo que dói, o dado que permite enxergar o problema e a métrica que mostra se a intervenção funcionou.

Uma empresa pode usar um modelo para resumir reuniões e continuar com decisões atrasadas. Pode gerar dezenas de textos e não conquistar uma venda adicional. Pode criar um chatbot e aumentar a frustração dos clientes quando as perguntas saem do roteiro. Em todos esses casos, houve adoção de tecnologia, mas faltou gestão do resultado.

O estudo de 2025 do IBM Institute for Business Value, feito com 2 mil CEOs de 33 países e 24 setores, mostra esse descompasso. Segundo o levantamento, 61% dos CEOs disseram que suas organizações estavam adotando agentes de IA e se preparando para colocá-los em escala. Ao mesmo tempo, apenas 25% das iniciativas de IA entregaram o retorno esperado nos anos anteriores e somente 16% chegaram a uma escala empresarial.

O contraste é uma instrução de gestão. A pressa para experimentar não pode substituir a definição de sucesso. Antes de escolher uma solução, o líder precisa registrar qual etapa será alterada, qual linha de base será comparada e quem terá autoridade para interromper o teste caso a qualidade caia.

A indústria brasileira já mostra que a discussão saiu do laboratório

O levantamento do IBGE com 10.167 empresas industriais com 100 ou mais pessoas ocupadas oferece uma medida concreta da mudança. Em 2024, 9.054 dessas empresas, equivalentes a 89,1% da amostra, usavam pelo menos uma tecnologia digital avançada entre análise de big data, computação em nuvem, inteligência artificial, internet das coisas, manufatura aditiva e robótica.

A IA foi a tecnologia que mais avançou no intervalo observado. A alta de 16,9% para 41,9% representa crescimento de 25 pontos percentuais em dois anos. O uso não se distribuiu igualmente pelas áreas: alcançou 87,9% em administração, 75,2% em comercialização, 73,1% no desenvolvimento de projetos, processos e serviços, e 52% na produção.

Esses números não significam que quatro em cada dez indústrias tenham automatizado a fábrica inteira. Eles indicam que a inteligência artificial está entrando primeiro em funções com grande volume de informação, como planejamento, análise comercial e desenvolvimento. A distinção importa porque evita uma promessa exagerada: a adoção começa onde a empresa consegue organizar dados e medir o fluxo de trabalho.

Há também uma conta útil para o gestor. Se 41,9% das empresas da amostra usam IA e 89,1% usam ao menos uma tecnologia avançada, então a IA está presente em cerca de 47% das empresas que já adotaram alguma dessas tecnologias. O cálculo é uma aproximação feita a partir dos percentuais do IBGE, não um indicador publicado pelo instituto. Ele sugere que a IA ainda está atrás da digitalização mais ampla, mas deixou de ser uma experiência marginal entre empresas industriais digitalizadas.

A Car10 reduziu uma cotação de até uma hora para cerca de trinta segundos

Um caso ajuda a entender a diferença entre ferramenta e aplicação. A startup Car10, sediada em São Paulo, criou um aplicativo no qual o cliente fotografa o dano no veículo e recebe orçamentos de oficinas próximas. Em relato publicado pela Microsoft News Center Brasil, a empresa informou que atendia cerca de 100 mil clientes e trabalhava com aproximadamente 4 mil oficinas.

Antes do recurso de visão computacional, uma cotação levava de 30 minutos a uma hora. Com um modelo treinado para comparar imagens de danos com exemplos anteriores, a Car10 passou a produzir em cerca de 30 segundos uma estimativa geral do reparo. A tecnologia não eliminou a oficina, a avaliação humana nem a necessidade de acompanhar o conserto. Ela retirou uma espera da primeira etapa da jornada.

O caso também mostra uma condição que costuma desaparecer no discurso sobre IA: o dado precisa nascer do processo. As fotos de consertos acumuladas pela operação serviram para treinar o modelo. A vantagem não veio de uma ferramenta genérica aplicada de fora para dentro. Veio de um acervo relacionado ao problema e de uma decisão clara sobre o que deveria ficar mais rápido.

Para uma pequena empresa, a lição é mais valiosa que o número de segundos. A primeira pergunta não deve ser qual aplicativo de IA está na moda. Deve ser onde o cliente espera, onde a equipe repete a mesma análise e onde existe histórico suficiente para comparar antes e depois. Sem essas três condições, a tecnologia tende a produzir atividade, não melhoria.

As competências humanas ganham peso porque a tecnologia muda o trabalho

O relatório Future of Jobs 2025 do Fórum Econômico Mundial coloca IA e big data no topo das habilidades de crescimento mais rápido. A mesma pesquisa mantém pensamento analítico como a competência central mais procurada, seguida por resiliência, flexibilidade, agilidade, liderança e influência social. O recado não é que as habilidades humanas ficaram intactas. É que elas passaram a operar junto de ferramentas que alteram a velocidade e a escala das decisões.

O relatório estima que 59 de cada 100 trabalhadores precisariam de treinamento, requalificação ou aperfeiçoamento até 2030. Também aponta que empresas esperam contratar pessoas com novas habilidades, mover trabalhadores de funções em declínio para funções em crescimento e reduzir postos quando as competências deixarem de atender às necessidades do negócio.

A PwC encontrou uma mudança complementar ao analisar quase 1 bilhão de anúncios de emprego em seis continentes. Em 2025, as habilidades procuradas em ocupações mais expostas à IA mudavam 66% mais rápido que nas ocupações menos expostas. A consultoria também calculou um prêmio salarial de 56% para profissionais com habilidades de IA quando comparados a trabalhadores da mesma ocupação sem essas habilidades.

O dado não autoriza concluir que qualquer curso de ferramenta produzirá aumento de salário. Ele indica que o mercado valoriza a combinação entre conhecimento de domínio e capacidade de usar IA. Um analista financeiro que entende os critérios do negócio consegue revisar uma saída do modelo, localizar uma inconsistência e decidir o que merece investigação. Um usuário que apenas copia a resposta perde justamente a parte mais valiosa do trabalho.

A lacuna entre adoção e retorno exige governança simples

O projeto do Ministério do Trabalho e Emprego para analisar impactos da IA nas ocupações brasileiras parte de uma premissa semelhante: a exposição precisa ser observada nas tarefas, e não reduzida ao nome da profissão. A iniciativa usa a Classificação Brasileira de Ocupações e bases de dados para antecipar mudanças e apoiar políticas de qualificação, aprendizagem e intermediação de mão de obra.

Para uma empresa, olhar para tarefas ajuda a trocar perguntas abstratas por decisões observáveis. Em vez de perguntar se o cargo será substituído, o gestor pode listar as atividades repetitivas, as que exigem julgamento, as que envolvem informação sensível e as que dependem de contato humano. A partir daí, cada grupo recebe uma regra: automatizar com revisão, apoiar com copiloto, manter sob decisão humana ou redesenhar.

Governança não precisa começar com um manual de dezenas de páginas. Pode começar com quatro registros: finalidade do uso, dados permitidos, pessoa responsável pela revisão e indicador de qualidade. Se a IA tratar informações de clientes, a empresa também precisa limitar o que entra em ferramentas públicas, controlar acessos e definir prazo de retenção. A velocidade do teste não elimina responsabilidade sobre privacidade, segurança e explicação ao consumidor.

O líder ainda precisa aceitar que nem todo ganho de produtividade aparece como corte de pessoal. Se uma equipe economiza duas horas por semana em uma tarefa, o ganho pode virar atendimento melhor, prospecção, treinamento ou redução de atraso. O retorno depende da decisão seguinte. Sem realocação do tempo poupado, a empresa apenas acelera o mesmo processo.

O dono de negócio pode sair da intenção para um teste na segunda-feira

Na segunda-feira, escolha uma tarefa que se repete pelo menos uma vez por semana e que tenha um resultado fácil de contar. Pode ser responder perguntas frequentes, classificar pedidos, resumir propostas ou organizar informações de vendas. Não comece com uma transformação total. Registre durante cinco dias quanto tempo a equipe gasta, quantos erros aparecem e qual é o prazo de resposta.

Na terça-feira, reúna exemplos reais e retire dados pessoais desnecessários. Escreva uma instrução única para a ferramenta: contexto do negócio, formato de saída, critérios de qualidade e situações em que ela deve pedir revisão humana. Na quarta-feira, teste a solução em um lote pequeno e compare cada resultado com o trabalho feito sem IA. A equipe deve anotar erros, omissões e respostas que parecem convincentes, mas não têm base.

Na quinta-feira, calcule o resultado com uma fórmula simples: tempo poupado multiplicado pelo custo aproximado da hora, menos o custo da ferramenta e da revisão. Se a qualidade cair, o cálculo não autoriza avançar. Na sexta-feira, decida entre manter o teste, corrigir a instrução, mudar o processo ou interromper. Registre a decisão e marque uma nova medição em 30 dias.

Esse roteiro transforma a ansiedade tecnológica em uma hipótese de negócio. Ele também cria repertório para a equipe. Depois de alguns ciclos, o gestor saberá quais tarefas têm dados confiáveis, quais exigem julgamento e quais não deveriam receber automação. A habilidade estratégica nasce dessa sequência de escolhas verificáveis, não de uma coleção de comandos decorados.

Fontes consultadas

Fontes consultadas: Fórum Econômico Mundial, Future of Jobs Report 2025; IBGE, indicadores de inovação na indústria; IBM Institute for Business Value, 2025 CEO Study; PwC, 2025 Global AI Jobs Barometer; Microsoft News Center Brasil, caso Car10; Ministério do Trabalho e Emprego, projeto sobre IA e ocupações.