A empresa distribuiu as licenças. Fez o treinamento introdutório. Atualizou o portal de comunicação interna com um banner sobre IA. Adicionou um módulo no LMS.
No relatório do trimestre, o número vai aparecer assim: X funcionários habilitados em IA.
Só que 88% desses funcionários também usam ferramentas pessoais de IA para fazer o trabalho — o ChatGPT no celular, o Gemini aberto em outra aba, o Copilot da conta pessoal. Não porque burlam política. Porque a ferramenta da empresa não entrega o que eles precisam, e ninguém os ensinou a fazer ela entregar.
Esse dado é da Gartner e já foi tema de um post na semana passada aqui na Descola. Pesquisa com 12.004 pessoas em 40 países, primeiro trimestre de 2026. E vem com outro número que deveria parar qualquer reunião de T&D: 19% dos funcionários com acesso a IA corporativa não economizaram tempo nenhum com as ferramentas disponibilizadas. Nenhuma entrega a mais. Nenhum processo otimizado. Acesso sem resultado.
A Gartner tem um nome para o que as empresas estão construindo: enablement illusion — a ilusão de habilitação.
O que as empresas estão medindo (e o que não estão)
A lógica por trás da ilusão é direta: distribuir acesso é mensurável, barato e rápido de reportar. Competência é nenhum dos três.
Então as empresas medem licenças. Medem horas de treinamento concluídas no LMS. Medem "adoção por departamento", que na prática significa "percentual de pessoas que abriram a ferramenta pelo menos uma vez no mês". Tudo isso vira dado no dashboard. Tudo isso é contado como resultado de uma estratégia de IA.
O problema é que nada disso mede o que a empresa precisa saber: quem de fato incorporou IA ao repertório de trabalho?
A pesquisa da Gartner mostra que funcionários com proficiência real em IA — não acesso, proficiência, o uso em múltiplos contextos com resultado consistente — são:
- 2,3 vezes mais propensos a entregar trabalho de alta qualidade
- 2 vezes mais propensos a ser altamente produtivos
- 3,2 vezes mais propensos a promover melhorias reais de processo
A distância entre "habilitado" e "proficiente" não é semântica. É a distância entre investimento sem retorno e vantagem competitiva real.
Por que o funcionário abre o ChatGPT pessoal
Não é rebeldia. Não é desconhecimento da política. É eficiência.
O funcionário que usa IA pessoal para tarefas de trabalho já passou por um ciclo de aprendizagem informal que a empresa não ofereceu: tentou, errou, ajustou, tentou de novo, encontrou um padrão que funciona para o seu contexto específico. Aprendeu por repetição real, não por módulo de e-learning de 20 minutos de apresentação.
A ferramenta corporativa, por sua vez, foi apresentada em um treinamento de uma hora, está documentada num portal que ninguém acessa e é usada raramente porque ninguém sabe exatamente quando ela ajuda. O ciclo de aprendizagem informal nunca aconteceu dentro da empresa.
Então o funcionário usa a ferramenta pessoal — onde aprendeu de verdade — e registra no sistema da empresa a entrega final. A empresa contabiliza como "usuário ativo". O dashboard registra adoção. O relatório sai verde.
Isso é a ilusão de habilitação funcionando em tempo real.
O que proficiência exige (e o T&D precisa nomear)
Proficiência com IA não é diferente de qualquer outra competência comportamental. Exige:
Contexto de uso nomeado. O funcionário precisa saber quando IA ajuda e quando não ajuda no seu trabalho específico. Não em geral — no trabalho dele, na função dele, nos problemas recorrentes que ele enfrenta toda semana.
Prática com feedback. Não consumo de conteúdo. Prática. Tentativa, resultado, ajuste. Isso não acontece em módulo de LMS. Acontece em uso real com acompanhamento — um par mais experiente, uma comunidade de prática, um ciclo curto de experimentação estruturado.
Permissão para errar no ambiente seguro. A maioria das empresas adota IA com uma política de risco antes de criar um ambiente de aprendizagem. O funcionário aprende que precisa ter cuidado antes de aprender o que pode fazer. O resultado é paralisia disfarçada de cautela.
Métricas de proficiência, não de acesso. Isso é o que o T&D ainda não construiu na maioria das empresas: como medir se alguém de fato usa IA no trabalho real, com resultado documentável? Não autorrelato — evidência comportamental. O que mudou na entrega? O que o funcionário passou a fazer diferente?
A armadilha do autorrelato
Há uma ironia difícil de ignorar aqui. A crítica ao autorrelato como métrica de competência é central no debate sobre T&D há anos — a avaliação anual que pergunta "você se considera bom em comunicação?" já foi desmontada inúmeras vezes como dado inútil.
E no entanto, a maioria das empresas está medindo a prontidão para IA com exatamente o mesmo mecanismo. Pesquisa de prontidão. Assesments de autopercepção. "Você se sente preparado para usar IA no trabalho?"
O que a Gartner mostra é que 19% das pessoas que disseram estar usando a ferramenta não geraram resultado nenhum. A autopercepção de uso não é evidência de proficiência. O número de pessoas que abriram a ferramenta não é evidência de aprendizagem.
Medir acesso como se fosse competência é o mesmo erro do autorrelato — com um agravante: o investimento em licença cria a ilusão de que o problema foi endereçado.
O que o RH e o T&D precisam fazer diferente
A pergunta não é "distribuímos acesso?" A pergunta certa é: quem de fato aprendeu a trabalhar com IA?
Operacionalizar isso exige algumas escolhas:
→ Abandonar a métrica de licença como proxy de adoção. Ela mede o contrato, não a competência.
→ Construir trilhas com contexto específico por função. Não "IA para todos". IA para o analista financeiro que consolida relatórios semanais. IA para o BP de RH que faz triagem de vagas. O contexto específico é o que torna o aprendizado real.
→ Criar ciclos curtos de prática monitorada. Sprints de 2-3 semanas com objetivo definido, entregável observável e espaço para erro. Diferente de curso. Diferente de módulo. Mais próximo de laboratório.
→ Medir pelo delta de comportamento. O que a pessoa faz diferente agora, no trabalho, comparado ao que fazia antes? Essa é a evidência que vale.
A Gartner avisa: até 2027, metade das empresas sem uma estratégia de IA centrada em pessoas vai perder seus melhores talentos para quem construiu essa estratégia. O risco não é tecnológico. É de repertório.
E repertório não se distribui em licença.
A Descola desenvolve competências vivas há mais de 13 anos — o comportamental que separa quem declara de quem entrega. Com 1.000.000 cursos finalizados e 370 clientes corporativos, acompanhamos de perto a distância entre intenção de aprendizagem e hábito real.