Quando o uso de IA vira meta, o painel pode medir medo em vez de produtividade

Uma meta de uso de inteligência artificial pode produzir o número que a liderança quer e esconder o comportamento que a empresa precisa entender. Pesquisa da Visier com 1.000 trabalhadores em tempo integral nos Estados Unidos encontrou dois sinais difíceis de conciliar: 48% disseram que já exageraram o próprio uso ou conhecimento de IA diante de colegas ou chefes, e 45% afirmaram sentir pressão para usar a tecnologia sem confiança de que sabem fazê-lo bem. A conta central da matéria é direta: no grupo pesquisado, 480 pessoas relataram exagero e 450 relataram pressão, embora os conjuntos possam se sobrepor.

O dado não prova que 480 trabalhadores estejam mentindo em cada relatório de atividade. Ele mostra que a forma de cobrança pode deslocar o incentivo. Quando o painel premia quantidade de acessos, tokens ou dias com uma ferramenta aberta, o funcionário passa a ter motivo para demonstrar adoção, mesmo quando o recurso não melhora a tarefa. O resultado é um indicador de conformidade visível, não uma medição de capacidade.

Essa diferença importa para o pequeno negócio que pensa em criar uma meta de IA para vendas, atendimento ou administrativo. O primeiro número a acompanhar não deve ser quantas vezes a equipe abriu um chatbot. Deve ser qual etapa do trabalho ficou mais rápida, mais barata ou mais consistente depois de uma mudança verificável.

480 respostas mostram o tamanho do incentivo para parecer preparado

A pesquisa da Visier foi publicada pela própria empresa em seu relatório primário sobre o uso de IA no trabalho. O levantamento ouviu 1.000 funcionários americanos em tempo integral e foi complementado por entrevistas com profissionais de áreas como saúde, finanças, recursos humanos e desenvolvimento de software. A empresa chamou de “performative AI” o comportamento de exagerar o uso ou a experiência para atender a uma expectativa do ambiente.

O resultado se conecta a outro dado do mesmo estudo: 59% dos entrevistados não acreditam que a empresa tenha um plano claro para o efeito da IA sobre os empregos ou não sabem dizer se esse plano existe. A falta de direção muda a leitura de qualquer painel. Se o funcionário não sabe se a tecnologia será usada para treinar, reorganizar a equipe ou cortar funções, a atividade registrada deixa de ser apenas uma experiência técnica. Ela também vira uma forma de sinalizar valor.

A Visier registrou ainda que somente 28% dizem que seus líderes entendem completamente como os funcionários usam IA atualmente. O número cai para 33% quando a pergunta trata da compreensão sobre treinamento e suporte necessários. A liderança, portanto, pode estar cobrando um comportamento que não consegue observar com precisão.

As preferências declaradas pelos trabalhadores reforçam o ponto. Treinamento e transparência ficaram à frente de outras respostas: 32% pediram mais capacitação em IA, 31% querem maior clareza dos líderes, 24% citaram oportunidades de progressão e 18% pediram comunicação mais clara sobre o impacto da tecnologia nas funções. A ordem sugere uma questão operacional. Parte da equipe não está pedindo licença para ignorar a ferramenta. Está pedindo instrução para usá-la sem transformar cada tentativa em uma avaliação.

A pesquisa tem uma limitação que precisa ficar explícita. A amostra é americana e reúne trabalhadores em tempo integral. Ela não permite afirmar que a mesma proporção exista no Brasil ou em microempresas brasileiras. Serve, porém, para testar uma lógica de gestão: um indicador de uso pode ser distorcido quando a consequência de aparecer abaixo da meta é maior que a segurança para admitir que ainda está aprendendo.

KPMG e Meta chegaram a métricas diferentes para o mesmo problema

O caso da KPMG mostra como a meta pode ganhar uma aparência precisa. A divisão de consultoria da empresa nos Estados Unidos criou um painel para acompanhar o uso de ferramentas de IA entre cerca de 10 mil profissionais. Segundo o relato do Business Insider, muitos funcionários passaram a ter como referência uma taxa de uso de 75%, equivalente a recorrer à tecnologia em cerca de três quartos dos dias úteis. O sistema também permite comparar o uso individual com o de colegas e com a meta interna.

A KPMG afirma que mais de 90% de seus funcionários americanos usam IA semanalmente e que usuários regulares produzem trabalho de maior qualidade, sentem menos estresse e dedicam mais tempo a atividades estratégicas. O dado de adoção também aparece no relatório oficial da American Worker Survey da KPMG, que registra que quase nove em cada dez trabalhadores pesquisados usam IA pelo menos semanalmente e que 84% querem mais treinamento. A pesquisa e as afirmações sobre qualidade são da própria KPMG, não uma comprovação independente de causalidade. O painel consegue mostrar que uma pessoa usou uma ferramenta. Ele não consegue concluir sozinho que esse uso causou uma entrega melhor.

O desenho cria duas perguntas que qualquer dono de negócio deveria responder antes de copiar a ideia. O que conta como uso? E qual resultado será considerado bom? Pedir a uma ferramenta que resuma uma reunião pode poupar tempo. Pedir três versões de um texto que depois precisa ser refeito pode aumentar o trabalho. Nos dois casos, o painel registra atividade. Só o acompanhamento do processo mostra o efeito.

A Meta oferece o contraponto. Em setembro de 2026, a empresa informou aos engenheiros que o uso de IA deixaria de ser critério para avaliar desempenho. A WIRED relatou que a orientação passou a dizer que os resultados podem ser apoiados por IA ou por outros meios. A empresa também negou que rótulos como “AI Native” tenham sido usados como critério de avaliação, enquanto funcionários descreveram uma mudança bem-vinda na pressão cotidiana.

O episódio recebeu um nome próprio: tokenmaxxing. Funcionários usavam ferramentas repetidamente para elevar a quantidade de tokens consumidos ou melhorar a posição em rankings internos. A prática ilustra o risco de transformar uma variável de processo em prova de impacto. A pessoa pode aumentar a atividade registrada sem aumentar a qualidade, a velocidade ou a complexidade resolvida.

Em 2024, o Work Trend Index da Microsoft e do LinkedIn, baseado em 31 mil pessoas de 31 países, já apontava uma situação mais ampla: 75% dos trabalhadores do conhecimento usavam IA no trabalho, mas 60% dos líderes diziam que a organização não tinha uma visão e um plano para implementar a tecnologia. O mesmo relatório registrou que 78% dos usuários levavam ferramentas próprias para o trabalho. A adoção espontânea estava adiantada em relação à governança.

Os números da Microsoft não medem a pesquisa da Visier nem provam que a pressão seja universal. Eles ajudam a separar duas etapas que costumam ser misturadas. A primeira é o acesso à ferramenta. A segunda é a mudança de processo. A empresa pode ter usuários frequentes e continuar sem saber qual tarefa deve ser redesenhada, qual informação não pode ser enviada a um serviço externo e como o resultado será revisado.

O painel não enxerga a qualidade que aparece depois da ferramenta

O limite técnico é simples. Um registro de acesso descreve um evento, não o valor produzido por esse evento. Para chegar ao resultado, a empresa precisa conectar a atividade a uma tarefa com começo, fim e critério de revisão. Sem essa conexão, o gestor acaba usando um dado fácil de coletar para responder a uma pergunta difícil.

Um atendimento pode ser medido pelo tempo até a primeira resposta, pela taxa de resolução no primeiro contato e pela quantidade de retrabalho. Um relatório financeiro pode ser acompanhado pelo prazo de fechamento, pelos erros encontrados na conferência e pelo tempo gasto na busca de documentos. Uma campanha pode olhar para o custo por oportunidade qualificada, não para a quantidade de sugestões produzidas por um gerador.

Esses indicadores não pertencem à IA. Existiam antes dela. A tecnologia entra como uma possível alteração no método. Se a empresa começa a usar um assistente para classificar solicitações, a pergunta é se a classificação ficou correta e se a equipe liberou horas para uma tarefa mais relevante. Se o erro aumentou, o acesso frequente é um sinal de insistência, não de sucesso.

A documentação oficial de atualizações do Microsoft 365 Copilot mostra que o produto muda dentro de aplicativos e fluxos de trabalho da Microsoft 365. Isso não elimina a necessidade de verificar respostas nem transforma qualquer saída em registro confiável. A empresa que usa o recurso ainda precisa definir permissões e revisão humana para informação sensível.

O caso da Meta acrescenta outra medida útil. A orientação citada pela WIRED deslocou a atenção de contagem de tokens para qualidade do resultado, velocidade, complexidade e escopo do trabalho. Não é uma fórmula pronta para toda empresa, mas oferece um teste melhor. Se a ferramenta foi usada, qual parte da entrega mudou? Se nada mudou, por que o uso deveria ser obrigatório?

Também existe uma distinção entre treinamento e avaliação. Um painel pode ser útil para descobrir quais equipes precisam de apoio, desde que os dados sejam usados para orientar aprendizagem e não para punir quem está abaixo da média. A mesma informação muda de função quando passa a determinar promoção, bônus ou permanência. Nesse momento, a equipe aprende a otimizar o painel.

A meta desta semana precisa medir uma tarefa que termina em resultado

O pequeno negócio não precisa instalar um ranking de uso para começar. Na segunda-feira, escolha uma tarefa repetitiva que tenha um resultado observável. Pode ser a triagem de mensagens, a transformação de uma reunião em lista de providências ou a organização de perguntas frequentes. Registre por cinco dias o tempo gasto, o volume processado e os erros encontrados sem alterar o método.

Na semana seguinte, teste uma única ferramenta com um responsável nomeado e uma regra de proteção de dados. Não envie informações pessoais, contratos, credenciais, dados bancários ou material de cliente para um serviço sem verificar as condições de uso e a autorização interna. O objetivo do teste é comparar o processo, não demonstrar entusiasmo.

Defina antes três números: tempo por tarefa, taxa de correção necessária e resultado final entregue. Se o atendimento leva 12 minutos, exige duas correções e resolve 70% dos pedidos, esses são os pontos de partida. Depois do teste, compare os mesmos três itens. O número de prompts, acessos ou tokens pode ficar no registro técnico, mas não deve ser o placar principal.

Converse com quem executa a tarefa e registre onde a ferramenta falhou. A resposta dessa pessoa vale porque revela o limite que o painel não mostra: informação ausente, resposta inventada, dificuldade de conferência ou etapa que ficou mais lenta. Se o teste melhorar um indicador e piorar outro, a decisão precisa considerar o custo completo, inclusive a revisão humana.

Ao fim de duas semanas, escolha entre manter, ajustar ou interromper o uso. Documente a ferramenta, a tarefa, os dados permitidos, o responsável e o critério de saída. Essa ficha cria um padrão que pode ser repetido sem transformar a equipe em competidora de um contador.

A conclusão dos dados é menos futurista e mais útil. A adoção de IA pode ser acompanhada, mas o acesso não substitui a entrega. Visier mostra o risco de cobrar segurança antes de oferecer capacidade. KPMG mostra como um painel pode tornar a cobrança concreta. Meta mostra o custo de confundir atividade com impacto. Para o negócio, a medida mais segura é aquela que começa na tarefa e termina no resultado que alguém consegue conferir.

Fontes consultadas

• Visier, AI Usage At Work: Performative AI Stems From Lack of Confidence in Leaders, relatório da pesquisa
• Visier, AI in the Workplace: New Research on Performative AI
• Business Insider, KPMG Dashboard Tracks Employee AI Use
• KPMG, American Worker Survey, relatório oficial sobre adoção de IA no trabalho
• WIRED, Meta Pushes Its New AI Agent on Employees
• Microsoft e LinkedIn, 2024 Work Trend Index
• Microsoft Learn, Release Notes for Microsoft 365 Copilot