Os líderes globais estão enfrentando cinco tensões centrais à medida que a inteligência artificial (IA) se integra aos locais de trabalho, de acordo com percepções de mais de 100 construtores, executivos, investidores, consultores e pesquisadores. Estas tensões abrangem a relação entre especialistas e novatos, centralização versus descentralização na governação, o impacto da IA nas estruturas hierárquicas, o equilíbrio entre velocidade e implementação deliberada, e a interação de iniciativas de mudança de cima para baixo versus iniciativas de mudança orientadas pelos pares. A pesquisa indica que as primeiras aplicações de IA mostraram efeitos duplos. Os endoscopistas poloneses que utilizam IA para detecção de câncer experimentaram maior precisão em procedimentos apoiados por IA, mas um declínio em tarefas não relacionadas a IA. Os alunos que usaram IA para redação no estilo SAT inicialmente mostraram picos de criatividade; no entanto, aqueles que começaram com ideias geradas por IA exibiram atividade reduzida de ondas alfa e produziram resultados altamente semelhantes. Um estudo de 2025 realizado em 20 países europeus revelou ainda que os trabalhadores em empregos altamente automatizados relataram diminuição da finalidade, redução do controlo e aumento do stress, apesar das tarefas se terem tornado tecnicamente mais fáceis. O novo Work AI Institute em Glean compilou essas descobertas no “AI Transformation 100”, uma lista comentada de ideias para aproveitar os benefícios da IA e mitigar suas desvantagens. Esta iniciativa visa diferenciar a transformação genuína do exagero, compreendendo o progresso, a estagnação e as consequências não intencionais da IA. Uma tensão surge da capacidade da IA de confundir os limites entre especialistas e novatos, permitindo que não especialistas executem tarefas que historicamente exigem treinamento extensivo, como codificação ou análise de dados. Esta mudança expande as oportunidades de contribuição, mas corre o risco de confundir a fluência da IA com o verdadeiro domínio. John Lilly, membro do conselho do Duolingo, observou que não-engenheiros criaram um protótipo de um curso de xadrez usando IA em quatro meses, superando outras iniciativas internas porque os especialistas, se envolvidos muito cedo, poderiam expressar razões pelas quais um projeto não funcionaria. As equipes do Google também adotaram uma abordagem de “primeiro protótipo”, utilizando “codificação de vibração” alimentada por IA para criar demonstrações de trabalho antes de redigir propostas, acelerando a iteração. No entanto, a dependência excessiva de novatos pode levar a “desperdícios de IA” – resultados que parecem convincentes, mas carecem de substância. A pesquisa de Stanford indica um declínio na contratação de desenvolvedores iniciantes, enquanto a demanda por engenheiros seniores aumentou, sugerindo que as empresas dependem de especialistas para combater esse fenômeno. Para resolver isto, as estratégias incluem permitir que generalistas iniciem projetos com IA, mas garantir que os especialistas refinem e dimensionem resultados bem-sucedidos. Na Stitch Fix, o ex-diretor de algoritmos Eric Colson descreveu algoritmos personalizados sinalizando necessidades não atendidas, com designers humanos selecionando opções alinhadas com a marca e os padrões de qualidade. As organizações também devem envolver os principais funcionários, como médicos ou especialistas em dados, no treinamento de modelos de IA e em programas piloto desde o início, conforme recomendado pelo vice-presidente de IA da TELUS, Alexandre Guilbault, que disse: “As melhores pessoas são aquelas que podem conduzir a maior transformação”. Incorporar especialistas em equipes locais, como a equipe “Glean on AI” da Glean para automação funcional e a equipe “AI Outcomes” para soluções de clientes, também facilita a identificação e o desenvolvimento de processos orientados por IA. Outra tensão envolve o equilíbrio entre centralizar e descentralizar o controle da IA dentro das organizações. A centralização, muitas vezes através de centros de excelência em IA, visa impor normas e gerir riscos, mas pode sufocar a inovação devido a extensos processos de aprovação. Por outro lado, o desenvolvimento descentralizado da IA pode levar a uma inovação rápida mas descoordenada, resultando em ferramentas fragmentadas e exaustão digital, de acordo com Paul Leonardi, professor da UC Santa Barbara. Para navegar nesta situação, as empresas centralizam áreas de alto risco, como a governação de dados e a infraestrutura para segurança, ao mesmo tempo que descentralizam a experimentação de baixo risco, como as automações de fluxo de trabalho. As organizações também devem evitar a criação de funções simbólicas de IA sem orçamento ou autoridade, distribuindo em vez disso responsabilidades de IA entre as equipes existentes. As escolhas tecnológicas devem incluir recursos de governança de nível empresarial, como segurança e trilhas de auditoria, ao mesmo tempo que permitem flexibilidade às equipes individuais. As equipes de RH da Booking.com implementaram uma plataforma de pesquisa alimentada por IA que garante que os funcionários acessem apenas as informações para as quais tenham permissão, de acordo com o gerente sênior de engenharia Tadeu Faedrich, que disse: “Não queríamos que as pessoas encontrassem documentos aos quais não deveriam ter acesso”. A terceira tensão diz respeito à tendência para hierarquias organizacionais mais planas. Embora a IA automatize decisões e relatórios de rotina, muitos líderes presumem que ela permite a remoção de camadas de gerenciamento para uma movimentação mais rápida. No entanto, Michael Arena, antigo Diretor de Talentos da General Motors, descobriu que o nivelamento excessivo pode sobrecarregar os gestores e criar estrangulamentos, especialmente quando se supervisiona mais de sete subordinados diretos. Os gerentes geralmente trabalham de 10 a 13 horas por dia e ainda têm dificuldades com suas funções. As organizações devem avaliar os seus modos de trabalho antes de nivelá-los. Se o trabalho envolve principalmente tarefas “intensivas” que exigem coordenação mínima, os agentes de IA podem gerenciar tarefas rotineiras, permitindo que os gerentes liderem equipes maiores. Para um trabalho “preparado”, que requer interdependência e comunicação em tempo real, manter equipes menores permite que os gerentes se concentrem no coaching, no julgamento e na construção de relacionamentos. A IA deve facilitar, e não eliminar, o gerenciamento, descarregando tarefas administrativas, como atualizações de status e agendamento. O vice-presidente de People Analytics da Workday, Phil Wilburn, observou que sua equipe não compila mais apresentações de briefing ou atualizações semanais porque um sistema de IA agrega dados não estruturados do Slack e planos de projeto, permitindo que ele use IA para compilar briefs ou pesquisar tópicos antes das reuniões. A IA eliminou os encargos administrativos sem substituir as funções de gestão. A quarta tensão envolve o impulso para adotar rapidamente a IA versus a necessidade de uma integração cuidadosa e deliberada. Um foco excessivo na velocidade pode criar lacunas na implementação de decisões, onde novas ferramentas são adotadas rapidamente, mas sem abordar as questões sistémicas existentes ou compreender a adequação tecnológica. Isto pode levar a uma adoção desigual, a atrasos ou ao abandono de iniciativas de IA. O professor da Northwestern University, Hatim Rahman, descreveu um projeto hospitalar em que o treinamento de IA para diagnósticos médicos requer milhares de imagens de ultrassom, mas as pressões existentes de eficiência na saúde minimizam a aquisição de imagens. Os processos de consentimento dos pacientes e os conflitos interdepartamentais retardam ainda mais o progresso, levando a tempos de implementação mais longos do que o esperado. Os técnicos também resistem ao projeto, temendo o uso indevido de dados para monitoramento de desempenho ou cortes de empregos.
- Proteja os modos lentos incorporando redutores de velocidade no trabalho criativo e estratégico, incluindo pontos de verificação e períodos de reflexão. Perry Klebahn, que lidera o acelerador Launchpad da Stanford d.school, observou que, embora a IA acelere a geração de protótipos, ela pode diminuir o comprometimento dos fundadores com as ideias, pois eles as percebem como geradas com muita facilidade.
- Recompense o aprendizado em vez do carisma. Os eventos de aprendizagem de IA “U-Days” da Udemy concedem prêmios pelo impacto nos negócios, melhoria mensurável e feedback dos colegas, em vez de apenas por demonstrações chamativas.
- Conduza um teste de “resíduos de IA”: remova todo o jargão relacionado à IA dos argumentos de venda para avaliar a substância subjacente. Se o conteúdo restante for insubstancial, indica uma ideia fraca.
A tensão final aborda se a transformação da IA deve ser conduzida de cima para baixo ou pelos pares. A liderança de cima para baixo é crucial para a adoção em toda a empresa, com dados do Worklytics mostrando que as equipes tinham duas vezes mais chances de adotar ferramentas de IA se seus gerentes as usassem primeiro. No entanto, a pressão excessiva de cima para baixo pode levar à resistência ou à conformidade superficial. A dependência excessiva de esforços ascendentes pode resultar em fragmentação e experimentação descoordenada. Um CTO observou que isso poderia ser comparado a “centenas de pequenas lanchas correndo em direções diferentes”. Para equilibrar estas abordagens, as empresas estabelecem ritmos de mudança. O CEO de um varejista da Fortune 20 mantém a IA como um tópico permanente nas reuniões mensais de vice-presidentes, e um comitê diretor multifuncional alinha a adoção e os casos de uso. As reuniões de pessoal departamental incluem um “momento de IA” para partilha de experiências. As organizações também planeiam que as experiências falhem, reconhecendo que aproximadamente 80% dos projetos de IA podem não cumprir as metas iniciais de produtividade. Uma organização Fortune 500 não redesenha empregos até que haja “evidências convincentes de que a IA aumentará a eficiência”. Ciclos de revisão são implementados para capturar lições de funcionários em níveis mais baixos, garantindo que as falhas alimentem o aprendizado. Medir o impacto sobre a actividade também é fundamental. Nan Guo, vice-presidente sênior de engenharia da Zendesk, usa um scorecard balanceado de seis métricas de produtividade de engenharia, incluindo tempo de ciclo e taxa de falhas de alterações, em vez de indicadores superficiais, como logins ou contagens imediatas. A formalização de redes de pares, como a iniciativa da Uber que identificou 53 primeiros defensores da IA em todas as funções, promove comunidades internas de aprendizagem e envolvimento. Os líderes bem-sucedidos navegam pelas complexidades da IA tratando essas tensões como características de design e não como falhas. Permanecem adaptáveis, reconhecendo que o caminho ideal a seguir é provisório. “Cinquenta por cento do que ensinamos acabará por ser errado”, disse um reitor da Faculdade de Medicina de Harvard aos novos alunos, reflectindo a incerteza na implementação da IA. Os líderes que demonstram humildade e cultivam a flexibilidade organizacional estarão mais bem equipados para aprender e se adaptar continuamente à medida que o cenário tecnológico evolui.
