Existe uma pergunta que ninguém faz em voz alta nas reuniões de diretoria — mas que o maior estudo organizacional de 2026 acabou de colocar em números.
88% dos líderes dizem que suas organizações estão implantando IA ativamente.
Menos de 20% viram algum impacto tangível.
O estudo que todo RH deveria ter lido em 2026
A McKinsey ouviu mais de 10.000 executivos sênior em 15 países e 16 indústrias para o State of Organizations 2026. A pergunta central era: o que está mudando nas organizações — e o que está travando essa mudança?
A resposta foi desconfortável.
Não faltam intenção, investimento ou tecnologia. O que falta é prontidão humana.
86% dos líderes pesquisados admitiram que suas organizações não estavam preparadas para integrar IA no dia a dia das operações. E ainda assim, a corrida de implantação continua em velocidade máxima. As empresas estão colocando ferramentas nas mãos de pessoas que não sabem o que fazer com elas — e depois se surpreendem com os resultados abaixo do esperado.
O McKinsey tem um nome para isso. Não é um problema de tecnologia. É um problema de prontidão organizacional.
A confusão entre comprar e usar
Existe uma distinção que parece óbvia quando você lê, mas que desaparece completamente dentro das organizações: a diferença entre ter acesso a uma ferramenta e saber usá-la com julgamento.
Pense em como acontece na prática. A empresa assina uma licença. O time de TI faz o onboarding técnico. O gestor anuncia no all-hands que agora a equipe "tem IA". E o processo termina aí.
Ninguém pergunta: essa pessoa sabe quando usar a IA e quando não usar? Ela sabe avaliar o que a ferramenta produz? Ela tem repertório para identificar quando o output é plausível mas errado? Ela consegue formular boas perguntas — o que o campo chama de prompt engineering, mas que na prática é pensamento analítico aplicado a um novo contexto?
O DataCamp publicou um dado que complementa o McKinsey: 82% das empresas oferecem algum treinamento de IA, mas 59% ainda relatam um gap de competências em IA. O treinamento existe. A competência, não.
Isso não é contraditório. É exatamente o que acontece quando a organização trata a adoção de IA como um problema de acesso — e não como um problema de aprendizagem.
O que as organizações que funcionam estão fazendo diferente
O McKinsey não apenas diagnosticou o problema. Ele identificou o que separa o grupo de menos de 20% que está vendo resultado real.
A recomendação central é precisa e vai contra o instinto da maioria das empresas: investir 5 vezes mais em pessoas do que em tecnologia.
Não é intuição. É o que os dados mostram nas organizações que conseguiram transformar implantação em impacto. Elas trataram a adoção de IA como um projeto de mudança organizacional — com desenvolvimento de pessoas no centro —, não como um projeto de TI com um componente de treinamento no final.
A diferença é enorme. Um projeto de TI com treinamento embutido produz pessoas que sabem apertar os botões. Um projeto de mudança organizacional centrado em pessoas produz times que sabem pensar com a ferramenta — que têm julgamento sobre quando, como e por que usá-la.
Metodologias como o modelo ADKAR — exploradas em profundidade no curso Liderança Para Mudança da Descola — existem precisamente para isso: converter a resistência natural a transformações em engajamento genuíno, fase a fase, sem atropelar as pessoas no processo.
O papel que liderança tem (e frequentemente ignora) nessa equação
Existe um segundo achado do McKinsey que merece atenção especial: a qualidade da liderança é um dos maiores diferenciais entre as organizações que conseguem impacto real com IA e as que ficam presas no ciclo de implantação sem resultado.
O relatório aponta para o que chama de abordagem inside out da liderança: líderes que conseguem navegar transformações de alto impacto são aqueles que partem de uma disposição genuína de reaprender continuamente — não de fingir que já sabem tudo — e que modelam esse comportamento para as equipes.
Isso tem um corolário direto para a adoção de IA: se o líder não usa, não experimenta e não demonstra a lógica de julgamento na prática, a equipe não vai desenvolver isso espontaneamente. A adoção de ferramentas novas é, em grande parte, um problema de modelagem de comportamento — e a modelagem começa de cima.
O gap entre os 88% e os 20% não é, portanto, só um gap de habilidade técnica. É um gap de liderança.
A pergunta que importa para quem trabalha com pessoas
Se você é de RH, T&D ou lidera um time, a questão prática é direta:
O que sua organização está fazendo para que as pessoas desenvolvam julgamento sobre IA — e não apenas acesso a ela?
Julgamento aqui tem um sentido específico. Não é saber usar o ChatGPT ou o Copilot. É saber:
- Quando confiar no output e quando questionar
- Quando a IA economiza tempo e quando ela cria trabalho refeito
- Como formular perguntas que geram respostas úteis
- O que fazer com o tempo liberado quando a IA assume partes do trabalho
Essas competências não vêm de um tutorial de 20 minutos. Elas vêm de prática deliberada, de erro, de reflexão, de conversa com pares que estão no mesmo processo. Elas vêm de aprendizagem, não de treinamento.
Existe um risco que raramente entra nas análises de ROI de implantação de IA: o custo da não-adoção qualificada.
Não é o custo de não ter IA. É o custo de ter IA sendo mal usada — outputs sendo aceitos sem avaliação crítica, decisões sendo tomadas com base em informações plausíveis mas incorretas, tempo sendo "economizado" em tarefas que depois precisam ser refeitas porque ninguém validou o que a ferramenta produziu. É, em muitos aspectos, um cenário de crise silenciosa — e o curso Gestão de Crises da Descola trata exatamente disso: como identificar sinais de alerta antes que virem problemas irreversíveis e como tomar decisões com clareza sob pressão.
O estudo da Datacamp aponta que organizações que medem rigorosamente os resultados do treinamento de IA atingem adoção 2,3 vezes mais rápida e 67% mais ROI. A mensuração, por si só, muda o resultado — porque força a organização a perguntar o que realmente mudou, e não apenas o que foi concluído.
O que fazer com essa informação agora
Três movimentos que o McKinsey e as pesquisas complementares sugerem para líderes e profissionais de RH:
1. Audite a prontidão, não só o acesso. Quantas pessoas na sua organização têm licença de IA? Quantas usam com consistência e julgamento? A diferença entre esses dois números é o seu gap real.
2. Trate adoção como mudança de comportamento, não como onboarding técnico. O que precisa mudar no comportamento das pessoas para que a IA gere impacto? Essa pergunta é diferente de "como aprender a usar a ferramenta".
3. Líderes aprendem primeiro — ou pelo menos junto. Se o líder não experimenta, não erra e não compartilha o processo, a equipe vai tratar o assunto como mais uma iniciativa de TI que vai passar.
A tecnologia é a parte fácil
Essa é uma afirmação que incomoda, mas os dados de 2026 a sustentam: a tecnologia está disponível, acessível e funciona. O que está faltando é a capacidade organizacional de absorvê-la.
E capacidade organizacional se constrói com desenvolvimento de pessoas. Com espaço para experimentar, errar e corrigir. Com líderes que modelam o comportamento que esperam das equipes. Com uma cultura que trata aprendizagem como estratégia — não como benefício opcional.
Os 20% que estão vendo resultado real não têm tecnologia melhor. Eles têm pessoas mais preparadas para usá-la.
Na Descola, trabalhamos com organizações que querem construir essa capacidade de dentro para fora. Se você quer começar agora, dois cursos entram direto nessa agenda:
- Liderança Para Mudança — para desenvolver o repertório de conduzir transformações organizacionais com o modelo ADKAR, convertendo resistência em engajamento real.
- Gestão de Crises — para tomar decisões com clareza em cenários de alta pressão, identificar riscos antes que virem crises e fortalecer a resiliência da equipe.
Porque a pergunta não é se sua empresa vai usar IA. É se as pessoas da sua empresa vão saber o que fazer com ela.
Fontes: McKinsey & Company, "The State of Organizations 2026" (2026); DataCamp, "The AI Skills Gap in 2026: Why Training Isn't Translating to Workforce Capability" (2026).