Da adoção ao resultado

Bernardo Precht e Felipe Lourenço investigaram por que o uso cotidiano de IA ainda aparece pouco nos resultados das empresas brasileiras.

O relatório cruza mais de 50 horas de entrevistas, 19 referências e três retratos empresariais anonimizados. Os casos revelam padrões de adoção, mas não representam todo o mercado.

A principal contribuição está nos obstáculos internos. Dados, permissão, compras, integração, responsabilidade e medição decidem se um experimento consegue virar processo.

Uma conversa com um assistente mostra familiaridade. Não mostra que a empresa capturou produtividade, que uma ocupação mudou ou que um posto foi criado ou eliminado.

1. 1
   Uso

   A pessoa recorre à IA para escrever, pesquisar, resumir, analisar ou programar.

2. 2
   Integração

   A ferramenta entra em um fluxo aprovado, com dados, revisão, dono e regra de qualidade.

3. 3
   Resultado

   Tempo, custo, qualidade, produção ou risco mudam de forma observável.

O erro mais comum é usar uma medida da primeira camada como prova da terceira. Licença ativa, tarefa exposta, uso diário e produtividade não são substitutos entre si.

Na pesquisa da Randstad com mais de 800 profissionais, 27% dos empregados disseram usar IA diariamente no trabalho. Ao mesmo tempo, 77% afirmaram que a empresa não oferecia formação em IA.

O levantamento da OECD, BCG e INSEAD encontrou IA em 7% das empresas pesquisadas no estado de São Paulo. Entre as usuárias, 58% tinham apenas uma ou duas aplicações.

Os universos são diferentes. A Randstad pergunta às pessoas. A OECD observa empresas paulistas. Juntos, os dados mostram como o uso informal pode avançar antes da adoção institucional.

Nos Estados Unidos, 28% dos ocupados pesquisados em 2024 usavam IA generativa no trabalho. Porém, apenas 0,5% a 3,5% das horas trabalhadas recebiam assistência.

O incentivo da empresa alterava radicalmente a adoção: 82,9% usavam a tecnologia quando o empregador a estimulava, ante 7,1% entre os demais.

Uma pessoa preparada identifica uma tarefa relevante, fornece contexto adequado, reconhece uma saída ruim e sabe quando interromper a automação.

Uma empresa preparada define quais dados podem entrar, quem responde pelo resultado, como exceções são tratadas e qual indicador justificará manter o fluxo.

Isso muda o objetivo da formação. Contar prompts ou concluir um curso mede atividade. Capacidade operacional aparece quando alguém resolve um problema real com qualidade verificável.

No estudo com 5.179 agentes de suporte, a assistência generativa elevou em 14% os problemas resolvidos por hora. Entre novatos e trabalhadores de menor desempenho, o ganho chegou a 34%.

O resultado veio de uma implantação real. Ele também é específico: atendimento ao cliente, uma ferramenta, uma empresa e uma métrica de produtividade.

A revisão empírica da OIT encontra ganhos reais, porém desiguais entre tarefas, trabalhadores e contextos. Velocidade pode subir enquanto qualidade, autonomia ou diversidade das soluções caem.

A OIT também identifica um paradoxo. Economias de tempo individuais ainda não aparecem de forma consistente em maior produção, salário, horas ou emprego agregados.

Depois que a IA poupa tempo, alguém decide o destino do ganho. A empresa pode ampliar a produção, reduzir equipe, melhorar a qualidade ou apenas preencher o dia com outras tarefas.

O relatório chama atenção para tarefas que formavam profissionais júnior: pesquisa básica, primeiros rascunhos, tabelas, documentação e atendimento simples.

Se essas tarefas forem delegadas sem uma nova trilha de aprendizagem, a empresa pode economizar execução e perder a formação de quem assumiria decisões complexas no futuro.

A Anthropic não encontrou aumento sistemático do desemprego em ocupações expostas nos Estados Unidos. Encontrou apenas evidência sugestiva de menor entrada de trabalhadores de 22 a 25 anos.

A revisão da OIT considera limitada e sensível ao método a evidência de deslocamento dos jovens. Para o Brasil, ainda falta uma série causal equivalente.

O Índice de IAtização mede em quantas atividades a IA participa materialmente. Ele não mede uso no Brasil, tempo poupado, adoção empresarial, produtividade ou risco de demissão.

O relatório reforça esse contrato. Misturar as medidas criaria precisão falsa e esconderia justamente a distância entre capacidade e transformação.

Capacidade

A IA consegue participar da atividade?

Uso observado

Essa atividade aparece em interações reais?

Adoção

Empresas incorporaram a tecnologia ao fluxo?

Produtividade

Há ganho demonstrado em tempo, qualidade ou custo?

Mercado

Emprego, contratação ou salário mudaram?

Essas dimensões podem enriquecer páginas de profissão e estudos futuros. Elas devem permanecer separadas e rastreáveis, sem virar um segundo score.

O PDF também não entra no catálogo de fontes de dados. Ele não oferece dataset público ou licença de redistribuição. Seu lugar é esta análise editorial, com crédito e link para a publicação.