Setenta e oito por cento das empresas dizem estar implementando IA mais rápido do que conseguem medir o efeito dela. Não é um dado sobre tecnologia. É um dado sobre instrumento de voo.
A pesquisa é do LinkedIn, com 1.252 líderes de C-suite nos Estados Unidos, Reino Unido e Índia, reportada pela MIT Sloan Management Review Middle East em junho de 2026. Metade desses líderes admite não ter visibilidade clara sobre quais competências e funções a organização vai precisar conforme a IA avança.
Ao mesmo tempo, 82% relatam o surgimento de funções inteiramente novas desde 2022 — engenheiro de IA, arquiteto de IA responsável, "forward-deployed engineer". A empresa está criando cargos que não sabe explicar, para resolver problemas que não sabe nomear, medindo o progresso com um instrumento que não sabe se funciona.
A velocidade virou critério sozinho
Durante décadas, o mundo corporativo tratou velocidade de adoção como sinônimo de vantagem competitiva. Sai na frente quem adota primeiro — essa lógica organizou orçamento de tecnologia desde sempre.
E, nesse quesito, a corrida está, de fato, acontecendo: a McKinsey mostra que o uso de IA no trabalho saltou de 30% dos funcionários em 2023 para 76% em 2025. A BCG encontrou 74% dos trabalhadores de linha de frente usando IA diariamente ou algumas vezes por semana — um salto de 23 pontos percentuais desde 2025 — com 42% dos usuários regulares relatando economia de até oito horas por semana, o equivalente a um dia inteiro de trabalho.
O problema nunca foi a ausência de adoção. É o excesso de adoção sem leitura.
A mesma BCG, em análise de centenas de empresas, calcula que apenas 10% do valor gerado por IA vem dos algoritmos em si, outros 20% vêm da tecnologia necessária para implementá-los — e os 70% restantes vêm de repensar o componente humano do trabalho.
A maior parte do valor está exatamente na parte que a maioria das empresas não está medindo.
O que a métrica de horas economizadas esconde
Enquanto a adoção acelera, a evidência de resultado não acompanha. A Gartner, em pesquisa de primeiro trimestre de 2026, encontrou 19% dos funcionários relatando que não economizaram nenhum tempo com IA — apesar de trabalharem em empresas que declaram adoção generalizada.
Apenas 27% dos executivos, segundo a mesma Gartner, têm uma estratégia de IA de fato estruturada; o resto navega por aproximação, testando ferramenta por ferramenta sem um critério unificado do que "funcionar" significa. Um dado relevante de outros levantamentos recentes de mercado, é ainda mais duro: 95% das ferramentas de IA voltadas a tarefas específicas nunca chegam a escalar para produção real.
Esse é o retrato: entusiasmo alto, instrumentação baixa. A pressa sem instrumento de leitura não é velocidade. É risco disfarçado de agilidade.
Isso importa porque o risco não é só operacional, é de talento. A Gartner projeta que, até 2027, metade das empresas sem uma estratégia de IA centrada em pessoas vai perder os próprios talentos de IA para concorrentes que sabem o que estão fazendo.
A empresa que acelera sem instrumento não corre apenas o risco de errar a aposta tecnológica. Corre o risco de perder, para o concorrente mais lento e mais lúcido, exatamente as pessoas que ela mais precisa reter.
O que muda na forma de usar IA
A Descola defende há mais de uma década algo que hoje virou urgência de mercado: IA não é solução mágica, é lente de leitura comportamental.
E uma lente só é útil se alguém souber, de antemão, o que está tentando enxergar através dela. O erro das empresas que "implementam rápido demais" não é a velocidade em si — é terem acelerado a ferramenta sem antes definir a evidência que precisavam capturar. Sabem quantas pessoas usaram o Claude. Não sabem se alguém decide melhor, aprende mais rápido ou trava menos depois de usar.
É por isso que, quando desenhamos um curso como Inteligência Expandida, a primeira pergunta nunca é "como usar a ferramenta" — é o que muda no julgamento de quem decide depois de ter usado. Ensinar prompt é a parte fácil; a parte que importa é comportamental.
É a diferença entre pisar fundo no acelerador e aprender a ler o painel. Um carro rápido sem instrumento de voo não é audácia — é só voar cego, mais rápido, com mais gente a bordo. A pergunta que separa quem vai converter IA em resultado de quem vai converter IA em manchete de auditoria não é
"quão rápido adotamos".
É
"que evidência comportamental temos de que o trabalho mudou".
O que muda para quem lidera RH e T&D
→ Trocar a pergunta de adoção pela pergunta de evidência. "Quantas pessoas usaram" é métrica de esforço. "O que mudou na forma como essa pessoa decide, prioriza ou entrega" é métrica de resultado. São perguntas diferentes, e só a segunda prediz impacto real no negócio.
→ Definir o sinal antes do rollout, não depois. A maioria das empresas implementa a ferramenta e só então pensa em como vai medir o sucesso — quando o relatório de adoção já está pronto e vazio de sentido.
Definir dois ou três sinais comportamentais concretos antes de qualquer lançamento é o que separa instrumentação real de teatro de dashboard.
→ Tratar fluência em IA como parte do repertório do time, não como métrica de ferramenta instalada. Skill stack — o conjunto vivo de competências que uma pessoa efetivamente demonstra, não o que ela diz que sabe — é o modelo mental certo aqui.
Uma pessoa pode ter acesso à ferramenta e nunca mudar seu comportamento de decisão. Isso não é sucesso de adoção; é ausência de evidência de aprendizagem.
→ Exigir indicadores de resultado dos fornecedores. Se o relatório trimestral do fornecedor de IA mostra apenas:
- número de licenças ativas;
- usuários cadastrados;
- quantidade de prompts enviados;
ele está reportando as métricas erradas.
As perguntas relevantes são outras:
- O tempo de decisão diminuiu?
- A qualidade do trabalho aumentou?
- Houve menos retrabalho?
- Os gestores perceberam mudanças consistentes no comportamento?
É aí que deveria acontecer a conversa entre RH, T&D e tecnologia.
→ Vincular a estratégia de IA à estratégia de retenção de talento. Como mostra a projeção da Gartner, a ausência de estratégia centrada em pessoas não é só risco de execução — é risco de perder, para o concorrente, exatamente quem sabe operar essa tecnologia.
O erro mais comum: confundir acesso com competência
Boa parte das empresas que hoje reportam "80% de adoção de IA" está, na prática, medindo distribuição de licença — quem tem acesso à ferramenta —, não uso qualificado. É uma confusão parecida com a que o RH cometeu por anos com treinamento: contar matrícula como se fosse aprendizagem. Ter a ferramenta instalada no computador não é evidência de nada além de compra bem-sucedida pelo departamento de TI.
O risco dessa confusão é duplo. Primeiro, esconde quem está de fato mudando comportamento das mãos de quem só clicou "aceitar" nos termos de uso uma vez. Segundo, infla a confiança da liderança exatamente no momento em que ela mais precisaria de dado confiável — porque é sobre esse número inflado que decisões de investimento maiores costumam ser tomadas no ano seguinte.
Uma organização que aposta o próximo ciclo de orçamento em taxa de adoção está apostando no indicador errado, e vai descobrir isso tarde, quando o resultado de negócio não aparecer e ninguém souber apontar exatamente onde a aposta furou.
Há também um efeito colateral sobre as pessoas. Quando a métrica oficial é "quantos usam", a pressão organizacional empurra todo mundo a declarar uso — inclusive quem não mudou nada na prática. Isso é autorrelato disfarçado de dado de produto, e carrega o mesmo problema que qualquer pesquisa de clima autodeclarada: mede o que as pessoas acham que deveriam responder, não o que de fato fazem.
É por isso que o relatório de tendências que a Descola publica trata esse tipo de sinal como prioridade sobre lançamento de modelo ou feature nova: o que importa não é qual IA saiu essa semana, é a distância crescente entre o que as empresas fazem com ela e o que conseguem provar que fizeram.
É a mesma lógica que orienta a leitura de liderança e de cultura de aprendizagem que fizemos nesta mesma semana — o fio comum entre elas é sempre a distância entre o que se declara e o que se evidencia.
Voar rápido sem instrumento não é audácia. É só voar cego mais rápido — com mais gente, mais orçamento e mais talento em risco a bordo.