Duas velocidades: por que a IA entra rápido e rende devagar

Toda tecnologia que chega a uma organização opera em dois relógios. O primeiro é o da aquisição: contrato assinado, licença liberada, ferramenta disponível na segunda-feira. O segundo é o da capacidade de usá-la bem — e esse não se compra, não se instala e raramente se acelera por decisão executiva. É na distância entre esses dois relógios que se decide, hoje, se a inteligência artificial vai gerar valor ou apenas gerar atividade.

Os dados de 2025 permitem medir essa distância com precisão incomum. E o que eles mostram é que o gargalo se deslocou: não está mais no acesso à tecnologia, e sim na velocidade com que a instituição consegue metabolizá-la.

A curva da adoção já venceu

A difusão da IA generativa é um dos movimentos mais rápidos já registrados em tecnologia corporativa. Segundo a pesquisa global da McKinsey sobre o estado da IA, a proporção de organizações que declaram uso regular da tecnologia em ao menos uma função de negócio chegou a 88% em 2025, contra 78% em 2024. O uso de IA generativa especificamente saltou de 33% em 2023 para 71% em 2024 e 79% em 2025.

No Brasil, o ritmo é menor, mas a direção é a mesma. A pesquisa TIC Empresas do Cetic.br registra adoção em 17% das empresas brasileiras em 2025, contra 13% em 2024 — retomada após um período de estabilidade que vinha desde 2021. O recorte por porte revela a assimetria: entre grandes empresas, a adoção foi de 38% para 50%; entre pequenas, de 10% para 15%. Na indústria, o IBGE mostra salto de 16,9% para 41,9% em dois anos — de 1.619 para 4.261 empresas, crescimento de 163,2%.

No nível individual, o fenômeno é ainda mais visível. A pesquisa Global Hopes and Fears da PwC, com 49.843 profissionais em 48 países, aponta que 71% dos profissionais brasileiros usaram alguma ferramenta de IA nos 12 meses anteriores à pesquisa, acima da média global de 54%.

A conclusão dessa primeira curva é simples: acesso já não é diferencial. Quem ainda não usa, usa em breve.

A curva do resultado não acompanhou

O segundo relógio marca outra hora. A mesma pesquisa da McKinsey que registra 88% de uso aponta que apenas 39% das organizações relatam impacto no lucro operacional (EBIT) no nível da empresa. A distância entre esses dois percentuais é o dado mais importante do período — e o menos citado.

Ela se repete em outras medições. Apenas 10 de 36 países da OCDE medem impacto financeiro ou não financeiro dos seus casos de uso de IA no setor público, ainda que metade afirme basear decisões de adoção em expectativa de eficiência, segundo o Digital Government Outlook 2026. Em outras palavras: adota-se por convicção, não por evidência de resultado.

Há uma explicação confortável para esse descompasso — a de que o valor leva tempo para aparecer. Ela é parcialmente verdadeira e insuficiente como resposta. O que os números sugerem é mais específico: a maioria das organizações comprou a ferramenta antes de redesenhar o processo em que ela deveria operar. Sem redesenho, a IA acelera uma atividade cuja utilidade ninguém redefiniu.

O autorrelato não é resultado

Existe um elo intermediário nessa cadeia que costuma ser confundido com resultado final: a percepção de ganho de quem usa a ferramenta. Entre os profissionais brasileiros que utilizam IA, 79% relatam ganho de produtividade e 83% afirmam melhora na qualidade das entregas, segundo a PwC.

Esses números são reais e relevantes — medem experiência de uso, não impacto econômico. A diferença entre os dois é a diferença entre "esta ferramenta me ajuda" e "esta ferramenta mudou o resultado da organização". Raramente são a mesma coisa.

A cadeia tem quatro elos: uso, relato de ganho, mudança de processo e resultado mensurável. A maioria das organizações mede os dois primeiros e comunica como se fossem os dois últimos. A lacuna entre 88% e 39% é exatamente o tamanho desse atalho.

O que o número agregado esconde

Quando o assunto é emprego, o debate costuma ser travado em milhões — e é aí que ele perde utilidade para quem decide.

O Fórum Econômico Mundial projeta, em sua edição 2025 do relatório sobre o futuro do emprego, 170 milhões de empregos criados e 92 milhões deslocados até 2030. Isso representa rotatividade de 22% sobre uma base de 1,2 bilhão de empregos formais analisados, com saldo líquido positivo de 78 milhões de postos, ou 7% do emprego total. O mesmo levantamento indica que 39% das competências centrais mudarão até 2030 e que 40% dos empregadores planejam reduzir quadro à medida que a IA automatiza tarefas.

Um saldo líquido de 78 milhões de postos é compatível com eliminação de vagas em ocupações específicas, em regiões específicas, para perfis específicos. Quem experimenta a substituição não é a estatística — é a pessoa cuja função desapareceu no trimestre em que o número agregado melhorou.

No Brasil, o recorte já é possível. Estudo do FGV IBRE mostra que, no terceiro trimestre de 2025, cerca de 30 milhões de trabalhadores — 29,6% da população ocupada — estavam em ocupações com algum grau de exposição à IA generativa. Desses, aproximadamente 5,2 milhões estavam no gradiente mais elevado. O dado que importa para a gestão é outro: cerca de 20% dos ocupados combinam alta exposição com baixa complementaridade, formando o grupo mais vulnerável. E os efeitos observados se concentram na faixa de 18 a 29 anos, com queda de ocupação e de renda — indício de substituição de tarefas em funções de entrada.

Esse é o ponto cego do debate: a tecnologia chega primeiro ao trabalho júnior, que é justamente o trabalho que forma o profissional sênior de dez anos depois.

Capacidade de absorção tem quatro gargalos

Se o problema não é acesso, é metabolização. E metabolização depende de quatro elementos que se comportam de maneiras diferentes.

Competência. O déficit de habilidades aparece como principal barreira à transformação para 63% dos empregadores, segundo o Fórum Econômico Mundial. No setor público brasileiro, a falta de capacitação é apontada por 19% dos órgãos federais, 21% dos estaduais e 40% das prefeituras, conforme a TIC Governo 2025. No Judiciário, a dificuldade de encontrar profissionais qualificados foi o desafio mais citado nos projetos de IA de 2024, com 15,7% das menções, na Pesquisa Inteligência Artificial no Judiciário conduzida pelo CNJ com o PNUD.

Processo. É o gargalo silencioso. Um sistema que acelera uma etapa irrelevante não gera valor, gera fila em outro lugar. A distância entre 88% de uso e 39% de impacto mede, essencialmente, processos que não foram redesenhados.

Medição. Sem linha de base anterior e indicador de qualidade, não há como distinguir ganho de percepção. Apenas 10 de 36 países da OCDE medem impacto dos próprios casos de uso — e o setor privado não está em situação muito diferente.

Governança. Supervisão humana, rastreabilidade e avaliação de risco deixaram de ser tema jurídico acessório e passaram a ser condição para escalar sem acumular passivo. Auditoria após a implantação, porém, é exceção: apenas 11 de 36 países da OCDE a realizam.

Os quatro gargalos não têm a mesma velocidade de resolução. Competência leva anos. Processo leva meses. Medição pode começar em semanas. Governança depende de decisão, não de tempo.

O esforço declarado pode estar errando o alvo

Há um dado que merece atenção separada. O Fórum Econômico Mundial registra que 85% dos empregadores pretendem priorizar a requalificação da força de trabalho. A PwC aponta que 80% dos empregadores planejam qualificar trabalhadores em IA.

O esforço declarado é grande. O que a evidência ainda não mostra é se ele atinge o grupo certo. As iniciativas tendem a se concentrar em profissionais de tecnologia — que em geral estão entre os menos expostos à substituição, porque trabalham na construção e supervisão dos sistemas. Enquanto isso, os 20% que combinam alta exposição com baixa complementaridade, e os jovens em funções de entrada, raramente são o público prioritário dos programas de formação.

Requalificar quem já está seguro é confortável e mensurável. Requalificar quem está vulnerável é caro e politicamente difícil dentro da empresa — mas é o único caminho pelo qual a promessa de ampliação se realiza.

O que a decisão exige

Do ponto de vista de quem lidera, três deslocamentos de método fazem diferença.

Trocar a métrica. Adoção mede alcance; impacto mede resultado. A pergunta não é quantas pessoas têm acesso, mas qual processo mudou de patamar — com linha de base, indicador de qualidade e prazo de apuração.

Trocar a unidade de análise. O planejamento de força de trabalho costuma ser feito por cargo. A IA não age sobre o cargo, age sobre a tarefa. Duas empresas com o mesmo cargo e as mesmas ferramentas podem obter resultados opostos, porque distribuíram as tarefas de modo diferente. Mapear tarefas por função identifica, antes do desligamento, quem precisa ser requalificado primeiro.

Definir o que não será delegado. Um sistema pode redigir, classificar e resumir; não pode assumir responsabilidade. Estabelecer e documentar quais decisões permanecem sob julgamento humano é o que o TCU adota como princípio em suas próprias soluções: a IA é instrumento de apoio, e as decisões relevantes continuam submetidas à análise, validação e responsabilidade de pessoas.

O que ainda não se sabe

A IA generativa tem três anos de uso corporativo em escala. O intervalo de tempo é curto demais para qualquer conclusão definitiva sobre efeitos duradouros no emprego, na produtividade agregada ou na estrutura ocupacional.

O que já é possível afirmar com segurança é mais estreito: a tecnologia se difundiu mais rápido do que as organizações conseguiram reorganizar processos, formar pessoas e criar mecanismos de verificação. Essa defasagem não é falha de adoção — é a natureza de qualquer mudança de infraestrutura. A eletricidade também chegou às fábricas décadas antes de a linha de montagem ser redesenhada em torno dela.

A vantagem competitiva da próxima fase, portanto, não estará em ter acesso ao modelo. Estará na velocidade de metabolização: quanto tempo a organização leva entre licenciar uma ferramenta e mudar de patamar em um processo. É uma corrida institucional, não tecnológica — e, nela, quem mede sai na frente de quem apenas adota.

Referências

McKinsey & Company. The State of AI 2025: Agents, innovation, and transformation (2025). mckinsey.com

McKinsey & Company. AI at work but not at scale (2025). mckinsey.com

World Economic Forum. Future of Jobs Report 2025 (2025). weforum.org

World Economic Forum. Future of Jobs 2025: Skills Outlook (2025). weforum.org

PwC. Global Hopes and Fears 2025 (2025). pwc.com.br

CGI.br / Cetic.br. TIC Empresas: uso de IA por empresas brasileiras avança e atinge 17% (2026). cgi.br

IBGE. Pesquisa sobre o uso de TIC nas empresas — uso de IA na indústria cresce 163% (2025). g1.globo.com

FGV IBRE. Inteligência artificial generativa e mercado de trabalho no Brasil: evidências iniciais sobre ocupação e renda (2026). blogdoibre.fgv.br

FGV IBRE. Inteligência artificial e mercado de trabalho (2026). blogdoibre.fgv.br

OCDE. Digital Government Outlook 2026 — Adopting and governing AI in government (2026). oecd.org

CGI.br / Cetic.br. TIC Governo 2025 (2026). cetic.br

CNJ / PNUD. Pesquisa Inteligência Artificial no Judiciário 2024 — Resumo Executivo (2025). cnj.jus.br

TCU / Rede de Controle. IA no TCU: portal de soluções, indicadores e práticas de governança (2026). rededecontrole.gov.br

Nadelson Costa Nogueira Júnior