95% dos pilotos de IA generativa não geram impacto financeiro mensurável, segundo pesquisa do MIT. É um número estranho para uma tecnologia que todo mundo diz usar. Nos últimos oito meses, Felipe Lourenço e eu mergulhamos nessa contradição, e foi daí que nasceu o estudo.

Depois de dezenas de horas entre entrevistas e pesquisa ,a gente se deparou com um descompasso. O brasileiro já usa IA com frequência no dia a dia, mas, dentro das organizações, esse uso ainda acontece de forma desestruturada. Tem muita ferramenta disponível e pouca clareza sobre qual processo deveria melhorar.

A nossa hipótese é que parte da resposta está na curva de maturidade de adoção da IA. No começo, as empresas precisavam reduzir o medo e aumentar a experimentação. Os incentivos foram desenhados para colocar a tecnologia na mão de todos: usem IA, testem ferramentas, escrevam prompts, gastem tokens.

E isso teve uma função. Volume de uso era uma proxy de aprendizado. Tokenmaxxing é o nome que dão para essa corrida por mais licenças, prompts, treinamentos e tokens consumidos. Naquele momento, fazia sentido estimular curiosidade e reduzir a barreira de entrada.

O problema começa quando a empresa amadurece, mas continua medindo sucesso da mesma forma. Mais licenças, mais prompts e mais tokens ainda fazem a adoção parecer alta, mas já não respondem à pergunta mais importante: o que realmente mudou no trabalho?

É aqui que começa a conversa sobre fluência. Fluência em IA não é usar uma ferramenta todos os dias ou saber escrever um bom prompt. Ela aparece quando a organização aplica a tecnologia com profundidade, extrai o contexto que está na cabeça das pessoas e conecta a tecnologia aos processos para torná-la acionável.

Curiosamente, o ROI da IA costuma travar em um problema muito mais básico: o comportamento humano que é o que já tinha sido notado em outros estudo de Stanford. A pessoa percebe que a IA poderia ajudar, mas precisa explicar como trabalha, organizar o contexto, definir uma boa resposta e revisar o resultado. Diante desse custo inicial, a reação que mais ouvimos foi: “acaba que eu faço manualmente”.

Esse talvez seja um dos grandes paradoxos dessa fase. A IA diminui o custo de execução, mas aumenta a importância de conseguir explicar o trabalho. Antes, um bom profissional carregava o contexto na cabeça e simplesmente executava. Agora, para delegar parte do processo, precisa tornar visíveis seus critérios, exceções, decisões anteriores e padrões de qualidade.

Só que a maior parte desse conhecimento nunca foi documentada. Está espalhada em conversas, planilhas, mensagens e, principalmente, na cabeça das pessoas. Colocar uma ferramenta de IA na mão do colaborador resolve a camada de acesso. O trabalho começa de fato quando a empresa transforma conhecimento prático em uma camada que a IA consegue acessar e executar.

É por isso que fluência deixa de ser uma habilidade apenas individual e passa a ser uma capacidade da organização. A empresa precisa saber quais workflows merecem ser redesenhados, que contexto deve entrar, quem valida as respostas e qual resultado precisa mudar.

Eu acho mais útil escolher poucos workflows importantes e medir o antes e o depois. Quanto tempo levava? Onde estavam os erros? O que ainda exige revisão humana?

Contar tokens é fácil. Entender se o trabalho melhorou é o que interessa.

O relatório mostra essa diferença na prática. uma das empresas que entrevistamos treinou um mentor de IA com conteúdo interno para ajudar gerentes em conversas difíceis com seus liderados e planos de melhoria. Uma farmacêutica reduziu de três meses para cinco dias a análise de uma pesquisa de engajamento. O número não é promessa. Mostra o potencial de aplicar IA a um workflow delimitado.

No fim, a responsabilidade por IA parece espalhada pela organização. Inteligência artificial virou pauta de todo mundo e agenda de ninguém. Todo mundo provoca, recomenda uma ferramenta ou anuncia um piloto. Mas pouca gente bate no peito para decidir onde a IA deve entrar, quais riscos são aceitáveis e qual resultado será cobrado.

Talvez essa seja a parte incômoda. Problema e solução estão em pontos menos sofisticados do que agentes, loops ou o modelo da semana. A solução passa por governança, estratégia, do’s and don’ts claros e alguém com autoridade sobre cada workflow. Sem dono, regra e métrica, agente nenhum resolve.

Você só automatiza a ausência de decisão.

Para conferir o LinkedIn do Bernardo, clique aqui.

A coluna foi baseada no report Uso Diário, Fluência Rasa, escrita pelo próprio Bernardo e por Felipe Lourenço.