A Divisão de Adoção da IA: A Força de Trabalho de Duas Velocidades Dentro da Sua Empresa

Por Victor Hoang · Atualizado em 22 de setembro de 2026

A divisão de adoção da IA é a distância, dentro de uma mesma empresa, entre os colaboradores que reconstruíram o workflow diário em torno da IA e os que ainda a usam raramente ou nunca. Ela é movida menos pela idade do que por função, comportamento do gestor, risco percebido para o emprego, acesso às ferramentas e confiança, e, se for deixada de lado, se acumula: o grupo rápido fica mais rápido e mais visível, o grupo lento fica para trás e passa a parecer o problema.

Se você lidera uma equipe, provavelmente já notou isso sem precisar de uma pesquisa. Um punhado de pessoas mudou em silêncio o jeito de redigir, pesquisar e planejar. Um grupo maior abre a ferramenta de IA de vez em quando, recebe um resultado pouco confiável e desiste. E um terceiro grupo faz algo intermediário que a liderança não enxerga de jeito nenhum, porque acontece em uma conta pessoal, fora de qualquer ferramenta da empresa.

Fatos principais

• O uso diário de IA cresce de forma acentuada com a senioridade: 43% dos executivos usam IA todos os dias, contra 35% dos gerentes seniores, 23% dos gestores intermediários e cerca de 10% dos individual contributors (Slack Workforce Index, "The New AI Advantage," 2025).
• Os colaboradores que concordam plenamente que o gestor apoia ativamente o uso de IA têm 2,1 vezes mais chance de usá-la algumas vezes por semana ou mais, mas apenas 28% dos colaboradores de empresas que estão implantando a IA dizem que o gestor a apoia ativamente (Gallup, "Manager Support Drives Employee AI Adoption," maio de 2025, n=19.043 adultos empregados nos EUA).
• 78% dos usuários de IA levam as próprias ferramentas de IA para o trabalho, em vez de usar as aprovadas pela empresa, e 52% relutam em admitir que usam IA nas tarefas mais importantes (Microsoft Work Trend Index 2024, "AI at Work Is Here, Now Comes the Hard Part," pesquisa com 31.000 trabalhadores em 31 países).
• 69% dos líderes usam IA regularmente no trabalho, contra 45% dos colaboradores, e 78% dos líderes confiam na IA para trabalhos de alto risco, contra 66% dos colaboradores (Microsoft Work Trend Index 2025, "2025: The Year the Frontier Firm Is Born").
• 57% dos colaboradores admitem esconder o uso de IA e apresentar como seu um trabalho gerado por IA, e cerca de metade diz usar a IA de maneiras que violam a política da empresa, inclusive colando dados sensíveis em ferramentas públicas gratuitas (KPMG e University of Melbourne, "Trust, Attitudes and Use of Artificial Intelligence: A Global Study 2025," mais de 48.000 respondentes em 47 países).
• 52% dos trabalhadores dos EUA dizem estar preocupados com o impacto futuro da IA no próprio emprego, 32% esperam que isso signifique menos oportunidades para eles a longo prazo e apenas 6% esperam mais (Pew Research Center, "U.S. Workers Are More Worried Than Hopeful About Future AI Use in the Workplace," fevereiro de 2025, n=5.273).

Isso Não É Realmente uma História de Gerações

A explicação fácil para uma força de trabalho desigual em IA é a idade: os mais jovens cresceram online, os mais velhos estão acomodados nos próprios hábitos. Os dados não sustentam isso como a história principal.

O Work Trend Index 2024 da Microsoft detalhou a adoção de BYOAI (bring-your-own-AI, ou "traga a sua própria IA") por geração e encontrou uma faixa bem mais estreita do que o estereótipo prevê: 85% da Geração Z, 78% dos millennials, 76% da Geração X e 73% dos boomers e mais velhos relatam levar ferramentas pessoais de IA para o trabalho. É uma diferença de 12 pontos entre quatro gerações, todas agrupadas bem acima de três em cada quatro.

Compare isso com a diferença por senioridade no Workforce Index 2025 da Slack: 43% dos executivos usam IA diariamente, contra cerca de 10% dos individual contributors, uma distância de 33 pontos, quase três vezes maior do que toda a diferença entre gerações. Se a idade explicasse a divisão, os números de uso diário acompanhariam o ano de nascimento. Eles acompanham a posição no organograma, o que aponta para algo mais útil: função, incentivo e acesso, não a idade no calendário.

Tratar isso como um problema geracional também livra a liderança da responsabilidade. "Os mais jovens vão levar os mais velhos junto" não exige nada da organização. As verdadeiras alavancas estão nos gestores, no desenho das funções e nas ferramentas, tudo isso algo em que a empresa pode atuar diretamente.

O Que Realmente Alimenta a Divisão

Função e adequação real à tarefa

Algumas funções têm uma adequação óbvia à IA: redigir, resumir, pesquisar em primeira passada e montar a estrutura de um código se encaixam bem no que as ferramentas atuais fazem melhor. Funções baseadas em presença física, em decisões de julgamento em tempo real ou em documentação regulamentada têm hoje um conjunto de casos de uso realmente mais restrito. Parte do que parece resistência é uma avaliação precisa da tarefa, e impor uma ferramenta a um trabalho que ela não ajuda gera também cinismo em relação à próxima implantação.

Comportamento do gestor e exemplo dado

Esta é a alavanca mais mensurável nos dados. A Gallup constatou que os colaboradores têm 2,1 vezes mais chance de usar IA regularmente quando o gestor a apoia de forma visível e ativa, mas apenas 28% dizem que esse apoio de fato existe. Os próprios gestores intermediários mostram um uso diário pessoal menor (23%) que o dos executivos (43%) nos dados da Slack, o que significa que muitos gestores estão sendo chamados a defender uma ferramenta com a qual não construíram fluência real. Não dá para orientar o que você não fez. O trabalho do gestor intermediário já está sendo remodelado pela IA de maneiras que tornam isso mais difícil, já que o mesmo gestor absorve novas expectativas vindas de cima enquanto tenta dar o exemplo de um novo comportamento abaixo.

Risco percebido para o emprego

A Pew constatou que 52% dos trabalhadores estão preocupados com o impacto futuro da IA no ambiente de trabalho e 32% esperam que ela reduza as próprias oportunidades, contra apenas 6% que esperam mais. Se uma parcela significativa da força de trabalho acredita que ficar visivelmente boa em IA pode acelerar a própria demissão, a adoção lenta é uma proteção racional, e não um defeito de caráter. Ninguém se esforça com entusiasmo por um futuro que acredita terminar com o próprio cargo.

Acesso às ferramentas, política e treinamento

O estudo global da KPMG constatou que apenas 40% dos locais de trabalho têm alguma política para o uso de IA generativa e que só 47% dos trabalhadores dizem ter recebido treinamento sobre o tema. Sem ferramentas, regras e instrução claras, as pessoas recorrem ao que é mais fácil de alcançar, raramente a opção aprovada, e é exatamente essa distância que produz a dinâmica de IA paralela tratada mais adiante.

Confiança construída pela repetição

A habilidade e a confiança se acumulam como qualquer capacidade: as primeiras repetições constroem fluência, a fluência constrói confiança no resultado e a confiança leva a mais uso. Quem testou a ferramenta uma vez, recebeu um resultado medíocre em um problema difícil e nunca mais voltou está preso na base de uma curva que o grupo confiante subiu meses atrás. As habilidades agora têm uma meia-vida mais curta, e uma sessão única de treinamento não resolve uma lacuna de confiança que só se fecha com uso repetido e de baixo risco.

As Razões Legítimas pelas Quais os "Resistentes" se Seguram

É tentador separar os colaboradores em "adotantes" e "resistentes" e tratar o segundo grupo como um problema a ser removido. As evidências, e a simples justiça, não sustentam esse enquadramento.

Alguns que ficam para trás estão protegendo uma qualidade pela qual respondem. A KPMG constatou que 66% dos trabalhadores confiam na saída da IA sem avaliar sua precisão e que 56% relatam ter cometido erros por causa disso. Quem viu a análise redigida por IA de um colega ser corrigida diante de um cliente tem um bom motivo para andar com cuidado, sobretudo se for a pessoa responsabilizada da próxima vez.

Alguns estão se protegendo de uma responsabilidade ambígua. Se não existe política sobre quem responde por um erro assistido por IA, o movimento mais seguro é manter a versão do processo feita só por pessoas até que a ambiguidade se resolva. Isso não é medo de mudança; é uma leitura sensata de um sistema incompleto.

E alguns estão esperando que a ferramenta valha o custo da troca, já que adotar um novo jeito de trabalhar custa tempo agora por um retorno que não é garantido até que a fluência esteja construída. É um problema de confiança que a organização pode resolver, não um problema de motivação a ser punido.

Nada disso é argumento para ficar parado. É argumento para construir a justificativa, o treinamento e as salvaguardas antes de esperar que o quarto mais lento da força de trabalho feche a distância apenas por força de vontade.

IA Paralela: Quando as Ferramentas Oficiais Ficam Atrás do Que as Pessoas Já Usam

A parte mais disruptiva da divisão não é a distância visível entre usuários intensos e leves. É a camada invisível por baixo dela. A Microsoft constatou que 78% dos usuários de IA levam ferramentas pessoais para o trabalho em vez das aprovadas, chegando a 80% em pequenas e médias empresas, e que 52% relutam em admitir que usam IA no trabalho mais importante. O estudo global da KPMG torna o quadro mais nítido: 57% dos colaboradores admitem esconder o uso de IA e apresentar como seu um trabalho gerado por IA, e cerca de metade diz ter usado a IA de maneiras que quebram a política da empresa, inclusive colando dados sensíveis da empresa em ferramentas públicas gratuitas.

Os dashboards oficiais de adoção estão medindo a coisa errada. Uma empresa que acha ter um problema de adoção de 20%, com base nos logins na ferramenta aprovada, pode ter uma força de trabalho usando IA em um ritmo muito maior, só que por canais que ela não consegue ver, proteger nem aproveitar para aprender. Esse padrão tem nome: IA paralela (shadow AI), a mesma dinâmica por trás da TI paralela de uma década atrás, agora mais veloz porque as ferramentas são gratuitas e não exigem nenhuma aprovação de compras.

A IA paralela geralmente não é rebeldia. É gente resolvendo um problema que a implantação oficial não resolveu: a ferramenta aprovada é desajeitada, demora para ser liberada ou não tem uma capacidade que uma conta pessoal já oferece. A solução não é uma repressão; proibir ferramentas não aprovadas sem oferecer uma alternativa aprovada que funcione apenas empurra o comportamento mais para a clandestinidade, justo quando a empresa mais precisa de visibilidade sobre como o trabalho realmente é feito.

Causa, Sintoma e Solução em Resumo

As Consequências para a Justiça e o Desempenho de um Terreno Desnivelado

Uma distância de adoção deixada sem gestão não permanece estável. Ela se acumula de formas que aparecem nas avaliações, na remuneração e em quem recebe a próxima atribuição desafiadora.

O grupo de adoção rápida constrói um histórico visível mais depressa: mais produção, entrega mais ágil, mais chances de brilhar em trabalhos desafiadores. Os gestores, muitas vezes sem querer, começam a ler "à vontade com IA" como sinônimo de "alto desempenho", mesmo quando a qualidade de julgamento é igual entre os dois colaboradores. A gestão de desempenho feita para uma equipe aumentada por IA precisa separar essas duas coisas de propósito, ou uma métrica indireta que recompensa o uso visível da ferramenta em vez do julgamento real vai punir em silêncio as pessoas que tinham razões legítimas para andar com cuidado.

O grupo de adoção mais lenta muitas vezes sabe exatamente o que está acontecendo. Vê os colegas avançando mais rápido, sente a mudança de status e ou se joga em uma ferramenta em que ainda não confia só para acompanhar, ou se desengaja de uma corrida que concluiu não poder vencer. Nenhum dos resultados é bom; o primeiro convida aos atalhos contra os quais os números de precisão da KPMG já alertam, o segundo perde pessoas capazes em silêncio. É aqui que a divisão deixa de ser uma questão de produtividade e vira uma questão de confiança: equipes que não se sentem seguras para admitir "ainda não entendi isso" escondem a dificuldade, o mesmo instinto por trás do número de 57% que se escondem, acima, só que expresso dentro da equipe e não fora dela. A segurança psicológica dentro de equipes que usam IA determina se essa admissão acontece às claras, onde pode ser orientada, ou em privado.

Com tempo suficiente, os dois grupos se organizam sozinhos em campos informais: as pessoas que falam de prompts abertamente e as que pararam de tocar no assunto. É o formato inicial de uma subcultura que se forma em torno de uma queixa ou de uma vantagem compartilhada, e subculturas construídas em torno de quem tem poder são difíceis de dissolver quando se endurecem em uma identidade.

Como Fechar a Distância sem Impor Entusiasmo

Você não pode impor confiança, e tentar costuma sair pela culatra. O que pode fazer é remover as barreiras específicas e comprovadas acima, uma de cada vez.

Corrija a ferramenta e a política antes de corrigir a pessoa

Se 78% dos seus usuários de IA já contornam a sua ferramenta aprovada, a ferramenta e a política em torno dela são as primeiras coisas a corrigir, não o colaborador. Entregue algo que as pessoas escolheriam usar de fato, escreva a política em linguagem simples, trate do que acontece quando a IA erra e deixe a opção aprovada mais fácil de alcançar do que o atalho. Pedir que as pessoas abandonem um hábito paralelo que funciona por um aprovado que funciona pior só as ensina a esconder melhor a próxima ferramenta.

Faça os gestores usarem antes de pedir que as equipes usem

O multiplicador de 2,1x da Gallup é o número de maior alavancagem neste tema. Invista tempo de treinamento e responsabilização real primeiro nos gestores, para que possam falar a partir da própria experiência recente, inclusive dos próprios erros, e não de um argumento de slide. Um gestor que consegue dizer "aqui ela ajudou e aqui me levou para o caminho errado" ganha muito mais confiança do que um que só consegue dizer "a matriz quer a adoção em alta".

Separe "precisa experimentar" de "precisa ser excelente de imediato"

A prática estruturada e de baixo risco em trabalho real, mas não crítico, fecha a lacuna de confiança que uma única sessão de treinamento não fecha. As habilidades que valem a pena desenvolver em torno da IA são julgamento, verificação e prompts específicos de domínio, e as três só vêm com a repetição.

Meça o workflow, não a ferramenta

Recompense resultados: qualidade, tempo de ciclo, taxa de erro. Não recompense o uso visível de IA como substituto de competência e revise as avaliações em busca de linguagem que faça isso em silêncio. A distância mais ampla entre adoção e impacto existe no nível da empresa pelo mesmo motivo: o uso é fácil de ver e recompensar, e é um mau indicador do que importa.

Leve as objeções legítimas a sério, em público

Quando alguém levanta uma preocupação com a precisão, uma dúvida sobre responsabilização ou um receio sobre a estabilidade do emprego, trate isso como informação real sobre a implantação, e não como um problema a contornar. Uma cultura genuinamente preparada para a IA se constrói em parte na forma como a organização lida com seus céticos, já que a resposta da liderança à primeira objeção honesta define a norma sobre se as próximas cinquenta serão levantadas às claras ou se as pessoas continuarão em silêncio fazendo as coisas do jeito antigo. E o bom julgamento não perde valor à medida que o uso de IA aumenta; uma força de trabalho confiante o bastante para dizer "ainda não confio nessa saída" demonstra exatamente o discernimento necessário quando o que está em jogo aumenta.

Imagine duas pessoas da mesma equipe daqui a seis meses. Uma aprendeu a ferramenta sozinha, no tempo próprio, e se preocupa em silêncio com o fato de que cada avaliação agora é feita numa curva que ela nem sabia que existia. A outra teve um gestor que usou a ferramenta primeiro, uma política que a amparou quando algo deu errado e algumas semanas de baixo risco para se sentir à vontade antes que alguém julgasse a saída. Mesma empresa, mesma ferramenta, chances de sucesso completamente diferentes. Fechar a divisão significa garantir que todo colaborador receba a segunda versão dessa história, e não só quem teve a sorte de cair na equipe certa.