Prontidão Para IA Não É Um Estado. É Um Ritmo.

Durante décadas, grandes transformações tecnológicas seguiram trajetórias relativamente previsíveis. Uma tecnologia surgia, algumas organizações experimentavam, casos de uso amadureciam e, gradualmente, processos, estruturas e competências se adaptavam.

A inteligência artificial rompeu essa lógica. Talvez este seja o aspecto menos discutido da transformação atual: não estamos diante apenas de uma tecnologia mais poderosa. Estamos diante de um novo ritmo de mudança.

Assistentes de IA alcançaram centenas de milhões de usuários em poucos anos. Agentes passaram a executar tarefas cada vez mais longas e complexas. Ferramentas que recentemente eram experimentais já fazem parte de fluxos reais de trabalho.

Tecnologias anteriores deram às organizações uma geração para se adaptar. A IA está dando alguns trimestres. Isso muda a pergunta que deveria estar no centro da agenda da liderança.

A distância entre adotar IA e transformar uma organização

Quase todas as grandes organizações estão experimentando inteligência artificial. Poucas conseguem demonstrar impacto significativo em escala.

Dados da Korn Ferry ajudam a dimensionar essa distância: Embora 99% dos líderes acreditem que a IA transformará seus setores, apenas 11% dos líderes de talentos consideram suas equipes de liderança bem-preparadas para o que essa transformação exige.  

O contraste mostra que reconhecer a dimensão da mudança é muito diferente de desenvolver a liderança necessária para conduzi-la. E reconhecer o potencial da tecnologia é muito diferente de ter capacidade organizacional para transformá-la em valor.

Outras pesquisas apontam na mesma direção. Em 2025, um estudo do BCG com 1.250 executivos em 68 países encontrou apenas 5% das empresas capturando valor substancial de IA em escala.

A tecnologia não está falhando. Estamos confundindo adoção com transformação. Comprar licenças é fácil. Lançar pilotos também. O desafio começa quando a tecnologia precisa mudar decisões, processos, responsabilidades e formas de trabalhar.

Uma pergunta simples pode revelar mais sobre maturidade do que qualquer inventário de ferramentas: Qual decisão a IA efetivamente mudou para você neste mês?

Se a resposta for "nenhuma", existe adoção. Ainda não existe transformação.

O risco de automatizar o trabalho errado

Há outro paradoxo importante. Líderes frequentemente enxergam a IA como fonte de eficiência. Quem executa o trabalho pode experimentar algo diferente: mais ferramentas, mais informação, mais verificações e, em alguns casos, mais tarefas.

No estudo global de força de trabalho da Korn Ferry, 78% dos líderes afirmam que suas organizações já compreenderam como avançar com inteligência artificial. Entre os colaboradores, apenas 39% concordam. O dado mais revelador não é o otimismo de quem está no topo, mas a distância entre essa percepção e a realidade de quem incorpora a tecnologia ao trabalho todos os dias.

Essa distância reforça uma distinção fundamental: automatizar trabalho não é redesenhar trabalho.

Se introduzirmos IA e preservarmos as mesmas reuniões, relatórios, aprovações, interfaces e controles, estaremos apenas adicionando uma nova camada tecnológica sobre uma organização desenhada para outra época.

Por isso, a pergunta não deve ser apenas "o que podemos fazer mais rápido com IA?". Deve ser também: o que podemos deixar de fazer?

Quanto mais poderosa a IA, mais valioso o julgamento humano

Há uma conclusão contraintuitiva surgindo dessa transformação. As pessoas que extraem maior valor da inteligência artificial não são necessariamente aquelas que dominam a tecnologia com maior profundidade.

Um estudo conduzido por pesquisadores de Harvard com consultores do BCG, em 2023, mostrou ganhos de aproximadamente 40% na qualidade do trabalho com o uso de IA em determinadas tarefas. Mais interessante foi a distribuição dos resultados: profissionais da metade inferior de desempenho obtiveram ganhos próximos de 43%, contra aproximadamente 17% entre aqueles que já estavam no topo. Em determinadas atividades, a IA eleva o piso mais rapidamente do que o teto.

A implicação para talento é profunda. A competência crítica não será simplesmente "saber usar IA". Será saber perguntar, contextualizar, desconfiar, interpretar e decidir.

Quanto mais capacidade a tecnologia oferece, mais importante se torna o discernimento humano para direcioná-la.

Líderes não liderarão apenas pessoas

Boa parte da discussão corporativa sobre IA ainda se concentra em ferramentas que ajudam pessoas a produzir textos, analisar informações ou sintetizar documentos. Os agentes introduzem uma dinâmica diferente: sistemas que recebem objetivos e executam sequências de ações com graus crescentes de autonomia.

Com eles surgem perguntas organizacionais para as quais muitas empresas ainda não definiram respostas claras: quem faz o onboarding de um agente? Quem avalia seu desempenho? Quem decide quando ele deve ser desligado?

Parecem perguntas tecnológicas. Não são. São questões de governança, liderança e accountability. A tecnologia executa. A responsabilidade permanece humana.

Daí uma consequência pouco intuitiva: à medida que determinadas equipes se tornarem menores, o trabalho da liderança poderá ficar maior, não menor.

Cada agente adicional representa uma nova capacidade atuando em nome da organização. Alguém terá de direcioná-la, avaliar seu trabalho e responder pelas decisões que ela influencia.

As melhores aplicações podem ser as menos glamorosas

Quando observamos casos concretos de IA fora dos laboratórios de pesquisa, um padrão aparece: boa parte do impacto mensurável está longe dos grandes moonshots.

Na farmacovigilância, por exemplo, a Bayer reduziu em 23% o tempo gasto em cartas de acompanhamento de eventos adversos, uma atividade repetitiva, de alto volume e sujeita a prazos. O ganho representa aproximadamente onze dias de trabalho por pessoa ao ano. O caso foi publicado no Journal of Medical Internet Research em março de 2025.

Mas o aspecto mais interessante é outro: a qualidade das respostas não mudou. A IA comprou velocidade, não julgamento. Esse detalhe ajuda a separar valor real de narrativa tecnológica.

Nos casos que produzem resultados, o padrão tende a se repetir: escolhe-se um trabalho concreto e mensurável; define-se um responsável; conhece-se a performance anterior; redesenha-se o processo, em vez de apenas automatizá-lo; e interrompe-se aquilo que não demonstra valor.

Por isso, uma boa estratégia de IA talvez não comece com a pergunta "qual é nossa grande estratégia de inteligência artificial?". Pode começar com algo muito mais concreto: qual é o trabalho mais repetitivo, frequente e mensurável que nossas pessoas continuam fazendo toda semana?

Experimentar também significa saber parar

Organizações têm uma tendência natural a medir inovação pela quantidade de iniciativas lançadas. O resultado pode ser uma espécie de feira de ciências corporativa: muitos pilotos, muita atividade e pouca mudança no negócio.

A Johnson & Johnson chegou a acumular cerca de 900 casos de uso de IA generativa espalhados pela companhia. Ao analisar o portfólio, identificou que aproximadamente 15% deles concentravam 80% do valor gerado, e decidiu concentrar recursos nesses, desligando a cauda. O caso foi contado por Jim Swanson, CIO da companhia, ao The Wall Street Journal em abril de 2025.

Isso pode parecer fracasso. É exatamente o contrário. A capacidade de interromper iniciativas faz parte da capacidade de inovar. Os projetos desligados não falharam tecnicamente: a maioria funcionava, apenas não movia o ponteiro do negócio. E a companhia não teria como identificar os 15% sem antes ter plantado os 900.

Quem trabalha com descoberta de moléculas conhece essa lógica. Ninguém considera um composto eliminado durante a triagem uma evidência de que o processo falhou. A triagem existe para identificar, entre muitas possibilidades, aquelas que justificam o próximo investimento.

O mesmo princípio deveria valer para IA. A disciplina não está em iniciar dez pilotos. Está em medir, aprender e ter coragem para desligar oito quando as evidências mostram que não merecem continuar.

Experimentação sem seleção produz movimento. Não necessariamente progresso.

As duas coisas podem ser verdade ao mesmo tempo

O caso da Klarna ajuda a desmontar duas narrativas igualmente simplificadoras. Em fevereiro de 2024, a companhia anunciou que seu assistente de IA realizava o trabalho de 700 atendentes, com o tempo de resolução caindo de onze minutos para menos de dois. Em maio de 2025, o CEO reconheceu que a busca por eficiência havia ido longe demais, com impacto sobre a qualidade, e recolocou o atendimento humano como serviço premium. Em novembro de 2025, na teleconferência de resultados, a mesma tecnologia operava no equivalente a 853 pessoas.

As duas coisas podem ser verdade ao mesmo tempo. A IA pode gerar enorme eficiência e, simultaneamente, criar novos problemas de qualidade, experiência ou governança. Quem conta apenas a primeira metade vende entusiasmo. Quem conta apenas a segunda vende ceticismo. Liderança madura exige sustentar as duas verdades e tomar decisões entre elas.

Como é um líder preparado?

Quando traduzimos prontidão para IA em comportamentos de liderança, quase nada na lista é tecnológico.

Um líder preparado enxerga oportunidade na ambiguidade. É curioso primeiro e defensivo por último. Aprende e desaprende publicamente. Tem segurança para dizer "ainda não sei" e disposição para descobrir.

Redesenha o trabalho, em vez de apenas introduzir ferramentas. E consegue levar outras pessoas consigo, porque nenhuma transformação acontece individualmente.

Isso muda a agenda de desenvolvimento da liderança. Não basta ensinar executivos a utilizar uma nova ferramenta. É preciso prepará-los para liderar organizações nas quais o próprio trabalho estará em permanente redesenho.

Cinco perguntas para a agenda de liderança

Se respostas estão ficando mais baratas, boas perguntas tornam-se mais valiosas. Cinco delas merecem entrar na agenda dos times executivos:

1. Quem poderia tornar nosso modelo atual irrelevante — e o que existe em nossa organização que esse novo concorrente jamais conseguiria copiar?

2. Que evidência convenceria um cético de que estamos realmente preparados para IA, e não apenas equipados com IA?

3. Qual decisão a IA efetivamente mudou para mim neste mês?

4. Se minha equipe executasse literalmente tudo o que pedi, eu obteria o resultado que realmente desejo?

5. O que vamos parar de fazer para devolver às pessoas tempo para aprender?

Essas perguntas deslocam a conversa de tecnologia para estratégia, liderança e trabalho. É onde ela precisa estar.

Um processo. Um dono. Um número. Trinta dias.

Grandes transformações criam uma tentação compreensível: responder à complexidade com grandes programas. Existe uma alternativa mais simples.

Escolha um processo frequente, repetitivo e mensurável. Defina um dono — uma pessoa, não uma função abstrata. Escolha um número, medido antes da intervenção. Estabeleça trinta dias para produzir a primeira medição, não necessariamente o resultado final. Depois, aprenda. Mantenha o que funciona, redesenhe o que pode melhorar e desligue o que não gera valor. Então, comece novamente.

O que estamos vendo nas salas de liderança

Nas conversas que temos conduzido com Conselhos, CEOs e times executivos, um padrão aparece com frequência: a convicção de que a IA transformará o negócio já é alta. A clareza sobre o que fazer diferente por causa dela ainda não é.

É relativamente fácil imaginar uma organização com mais capacidade, mais velocidade e acesso quase ilimitado à inteligência. Muito mais difícil é responder a uma pergunta aparentemente simples: se amanhã sua organização tivesse o dobro da capacidade, o que faria diferente?

A resposta raramente está na tecnologia. Está nas escolhas. O que priorizar? Que decisões tomar de outra forma? Que trabalho redesenhar? Onde ainda estamos usando IA para fazer mais rápido algo que talvez nem devesse continuar existindo? E, principalmente, o que estamos dispostos a parar de fazer para abrir espaço para o novo?

É nesse ponto que a agenda de IA deixa de ser uma agenda de tecnologia e se torna uma agenda de liderança. À medida que o acesso à inteligência se democratiza, ter a melhor tecnologia deixa de ser vantagem competitiva. A diferença estará na capacidade de transformá-la em melhores decisões, novas formas de trabalhar e maior velocidade de reinvenção.

Isso nos leva à pergunta mais desconfortável para qualquer time executivo: a tecnologia está evoluindo mais rápido do que a nossa capacidade de mudar a organização?

Se estiver, o risco não é ficar para trás na adoção de IA. É continuar executando com excelência um modelo que está deixando de ser relevante.

As organizações que liderarão o próximo ciclo serão aquelas capazes de fazer perguntas melhores, experimentar mais rápido, abandonar práticas e convicções que perderam valor e reinventar o próprio trabalho antes que alguém o reinvente por elas.

Por isso, prontidão para IA não é um estado a ser alcançado. É a capacidade de continuar mudando na velocidade em que o futuro acontece. E essa velocidade, no final, não será determinada pela tecnologia. Será determinada pela liderança.  

Saiba mais sobre como a inteligência artificial está transformando o trabalho.