Em poucos anos, a inteligência artificial passou a ocupar a rotina de quem escreve relatórios, analisa dados, prepara apresentações ou atende clientes. Em muitas empresas, perguntar quem usa IA já perdeu o sentido. A pergunta que permanece aberta é mais incômoda: se as pessoas estão produzindo mais rápido, por que esse ganho raramente aparece nos indicadores do negócio?
Parte da explicação está na forma da adoção. A inteligência artificial nas organizações chegou primeiro pelas mãos dos indivíduos, muitas vezes antes de qualquer estratégia, processo ou política. O resultado é um mosaico de ganhos pessoais que, somados, não formam necessariamente uma capacidade organizacional.
Essa foi a provocação central da palestra de Bruno Leonardo, CMO do DOT Digital Group, no PeopleTech Summit 2026. Cruzadas com pesquisas recentes, as reflexões apresentadas ali ajudam a entender o que separa a produtividade individual do impacto coletivo.
O limite da produtividade individual
Os números confirmam o descompasso. Na edição de 2026 do levantamento The State of AI, da McKinsey, 80% dos respondentes afirmam que a IA melhorou sua produtividade individual, mas apenas 37% relatam contribuição positiva da tecnologia para o EBIT de suas organizações. A pesquisa ouviu 1.719 profissionais em 97 países.
Seria tentador atribuir a diferença ao tempo, como se o retorno simplesmente viesse depois. Há, porém, uma explicação estrutural. Quando alguém usa IA para produzir uma análise melhor ou economizar horas num documento, o ganho é real, mas fica contido em quem o produziu.
O comando que funcionou, a forma de verificar uma resposta, o atalho que eliminou uma etapa: nada disso circula se não houver um mecanismo para que circule. O desafio, portanto, deixa de ser tecnológico e passa a ser organizacional: como transformar descobertas individuais em práticas compartilhadas, replicáveis e conectadas ao negócio?
O próximo salto não está nas tarefas, mas nos processos
O futurista Ian Beacraft, CEO da consultoria Signal and Cipher, resume o padrão dominante: a maioria das empresas usa a IA para fazer o mesmo trabalho um pouco mais rápido. Insere-se a tecnologia em etapas de um processo existente e mede-se a melhoria. O ganho é local, a lógica do trabalho permanece intacta e o gargalo apenas muda de lugar.
A alternativa é inverter a pergunta. Em vez de “onde posso colocar IA neste processo?”, perguntar “como este processo seria desenhado hoje, a partir do resultado que queremos e com as capacidades disponíveis agora?”, capacidades que não existiam há três anos e, em alguns casos, há seis meses. Esse redesenho combina dois movimentos.
O de profundidade revê etapas, decisões e responsabilidades com base no resultado desejado, e não na rotina herdada. O de alcance leva o uso do indivíduo para o coletivo, criando formas compartilhadas de trabalhar com IA.
Beacraft descreve três modos de atuação que ajudam a visualizar esse caminho. O operador executa tarefas e usa a IA como assistente, ainda o modelo predominante. O designer cria fluxos replicáveis e escala soluções. O arquiteto define os sistemas e as regras de colaboração entre pessoas e IA. Não se trata de uma escada que todos devem subir: organizações precisam dos três perfis convivendo, porque são designers e arquitetos que transformam o uso disperso em capacidade coletiva.
O risco de automatizar também o pensamento
Se o desafio coletivo é grande, o individual tampouco está resolvido. Em 2025, pesquisadores do MIT Media Lab publicaram o estudo Your Brain on ChatGPT, que monitorou por eletroencefalografia participantes escrevendo redações com e sem apoio de IA. Quem escreveu sem ferramentas apresentou as redes de conectividade neural mais amplas; quem usou um modelo de linguagem, as mais fracas. Os autores chamaram o fenômeno de “dívida cognitiva”.
O estudo exige leitura cuidadosa: é um preprint, com amostra pequena (54 participantes, 18 na etapa final) e uma tarefa específica. Ele não demonstra que a IA deteriora a capacidade cerebral. Sugere algo mais modesto e, por isso, mais útil: o esforço cognitivo que deixamos de fazer tende a deixar de ser exercitado, como acontece com o senso de direção de quem passou a depender do GPS.
Ninguém precisa abandonar as ferramentas; o ponto é ter consciência do que se está terceirizando. Rascunho, tentativa, erro e revisão são o lugar onde o raciocínio se forma. Um relatório produzido em minutos pode parecer consistente, mas a questão é quanta reflexão ele carrega e quanta será capaz de provocar.
A distinção entre passageiros e motoristas ajuda a nomear as duas formas de uso. O passageiro prioriza a velocidade, copia e cola, não avalia a qualidade do que recebe e delega decisões. O motorista formula comandos com intenção, escolhe a ferramenta adequada, verifica o resultado e mantém para si a decisão final. Todos ocupam o banco do passageiro de vez em quando; o problema é quando isso vira padrão.
Dirigir significa usar a IA como sparring, pedindo contra-argumentos e comparando alternativas; voltar às fontes originais quando a decisão exige rigor; e, quando o objetivo é aprender, formular a própria hipótese antes de consultar a ferramenta. O maior risco da IA no trabalho talvez não seja substituir empregos, mas substituir o pensamento.
As competências humanas ganham relevância
Se a tecnologia assume parte crescente da execução, o valor se desloca para o que ela não faz por conta própria. O pensamento analítico e crítico permite avaliar uma resposta gerada por IA em vez de simplesmente aceitá-la. A agilidade de aprendizagem troca a acumulação de conteúdo, hoje a um comando de distância, pela capacidade de aprender no fluxo do trabalho e aplicar o que se aprende a situações novas.
O julgamento ampliado usa a IA para enriquecer decisões sem transferir a ela a responsabilidade. E a inteligência social (vínculo, presença, confiança) sustenta as equipes em períodos de transição, quando a insegurança sobre o futuro do trabalho é uma reação compreensível.
Dados recentes reforçam essa leitura. No Work Trend Index 2026, a Microsoft identificou um grupo de “profissionais de fronteira”: 16% dos 20 mil usuários de IA pesquisados em dez países, entre eles o Brasil, que combinam uso de agentes em tarefas complexas, redesenho recorrente de fluxos e práticas estruturadas que vão além do indivíduo.
Esses profissionais param deliberadamente para decidir o que fica com a IA e o que fica com pessoas com mais frequência que os demais (53% contra 33%). Os usuários mais avançados, portanto, não são os que delegam tudo, mas os que exercem julgamento sobre o que delegar.
O papel da liderança na transformação
Nenhuma dessas competências se desenvolve em escala apenas por iniciativa individual. A mesma pesquisa da Microsoft estima que fatores organizacionais, como cultura, apoio dos gestores e práticas de desenvolvimento, respondem por 67% do impacto percebido da IA, contra 32% dos fatores individuais. Entre os profissionais de fronteira, 84% dizem que seus gestores criam espaço para experimentação; entre os demais, 61%. É uma associação estatística, não causalidade, mas o sinal é consistente.
No Brasil, a Pesquisa de Maturidade da Aprendizagem, conduzida pelo DOT Digital Group com 1.088 profissionais de 154 grandes empresas, chega a conclusão semelhante por outro caminho. O Índice de Maturidade da Aprendizagem ficou em 58,5 numa escala de 0 a 100, e 71,5% dos respondentes não percebem a aprendizagem plenamente conectada às suas necessidades.
Apenas 39,1% consideram seu plano de desenvolvimento individual um guia ativo. A estrutura chegou antes do uso: plataformas e conteúdos existem, mas faltam cultura, rituais e orientação a resultados. O estudo também indica que a maturidade é maior quando liderança sênior e gestor direto atuam de forma consistente junto aos profissionais, e que o hábito individual de aprender rende pouco quando a empresa não oferece tempo para isso.
A conclusão para quem lidera é direta: protagonismo individual não substitui condições organizacionais. Não basta esperar que as pessoas aprendam, experimentem e compartilhem por conta própria quando a organização não oferece tempo, espaço e direção.
Isso muda o papel da liderança em três frentes: de acompanhar tarefas para redesenhar o trabalho; de cobrar o uso de IA para criar condições de experimentação, com segurança para testar e errar dentro dos processos reais; e de valorizar ganhos individuais para construir aprendizagem e resultados do time. Há ainda uma dimensão de cuidado: numa transição, cabe à liderança proteger o desenvolvimento da equipe e apontar caminhos de adaptação, em vez de amplificar o medo.
Como transformar experiências individuais em capacidade organizacional
O percurso do individual ao coletivo pode seguir um ciclo simples na forma, embora exigente na execução. Começa com a escolha de um processo ou desafio compartilhado, com resultado claro e relevância para o negócio. Segue com a experimentação conjunta, em que o time testa a IA naquele fluxo real. As descobertas que geram resultado são documentadas e incorporadas como prática comum, e o processo é revisitado com frequência, porque a tecnologia e o entendimento do time evoluem.
Esse ciclo depende de três decisões da liderança. A primeira é o que automatizar e o que preservar: atividades que exercitam raciocínio e tomada de decisão merecem proteção deliberada. Ao mesmo tempo, a IA pode revelar o que nem deveria existir.
Diante de um relatório de 14 páginas para embasar uma decisão de 5 mil dólares, a pergunta certa talvez não seja como produzi-lo mais rápido, mas se ele é necessário. A segunda é onde a IA entra no fluxo real de trabalho, saindo do uso paralelo para pontos definidos dos processos, com critérios de qualidade e responsáveis claros. A terceira é como conectar aprendizagem, tecnologia e resultados, para que o desenvolvimento das pessoas esteja vinculado à estratégia, e não corra em trilha separada.
A transformação é tecnológica, mas também humana
A distância entre os 80% que percebem ganhos individuais e os 37% que enxergam impacto no resultado não será vencida com mais ferramentas nem com mais pressão por adoção. Ela depende de escolhas sobre como o trabalho é desenhado, como as pessoas aprendem, como o conhecimento circula e como as decisões são tomadas.
Para as lideranças, isso significa tratar a aprendizagem como parte da estratégia, criar tempo e espaço para experimentar e proteger o que torna o trabalho humano valioso: a capacidade de pensar, julgar e se relacionar. As organizações que avançarem não serão necessariamente as que mais usam IA, mas as que melhor aprendem com ela. A tecnologia amplia a capacidade; a decisão continua sendo humana.
