A inteligência artificial (IA) avança em ritmo acelerado nas empresas, mas a mera adoção da tecnologia não garante uma transformação profunda no ambiente de trabalho. Embora 65% dos trabalhadores em organizações americanas que implementaram IA relatem algum impacto positivo em sua produtividade individual, apenas 12% concordam fortemente que a IA transformou a maneira como o trabalho é feito. Essa discrepância revela o próximo grande desafio para os líderes empresariais: como garantir que o aprendizado de um funcionário se traduza em melhorias para toda a equipe, departamento ou organização.
Grande parte dos ganhos iniciais da IA tem se concentrado em ajudar indivíduos a realizar tarefas existentes mais rapidamente. A oportunidade mais significativa, contudo, reside em descobrir como as lições aprendidas por um colaborador podem modificar a forma como um coletivo inteiro opera. Atualmente, dois funcionários lado a lado podem ter experiências drasticamente diferentes com a mesma ferramenta de IA. Um pode usá-la para redigir um e-mail, enquanto o outro pode ter descoberto uma maneira de redesenhar um processo, economizando tempo e recursos valiosos. Se esses casos de uso permanecerem confinados ao indivíduo, o valor total para a organização nunca será capturado. À medida que a IA se torna cada vez mais integrada às operações empresariais, o acesso à tecnologia em si dificilmente criará uma vantagem sustentável. O verdadeiro diferencial competitivo será a rapidez com que as organizações conseguem transformar o que os funcionários aprendem em conhecimento compartilhado, fluxos de trabalho redesenhados e melhores práticas operacionais.
Líderes definem o rumo para a experimentação
Por estarem mais próximos das operações diárias, os funcionários frequentemente identificam as maneiras mais práticas de a IA aprimorar o trabalho ou resolver problemas de formas inovadoras. Eles compreendem onde os processos atuais geram atrito e onde a IA pode viabilizar uma abordagem superior. O Walmart serve como um exemplo útil. Em vez de tratar os funcionários apenas como usuários finais de IA, a empresa os envolveu na concepção de aplicações. Um gerente de logística contribuiu para a criação de um processo de IA projetado para otimizar a eficiência dos caminhões e reduzir o número de reboques vazios. Essa percepção não surgiu de alguém que estudava o fluxo de trabalho à distância, mas sim de alguém com proximidade suficiente para identificar a necessidade de mudança.
Líderes podem criar as condições para esse tipo de descoberta ao estabelecer os problemas que valem a pena resolver, definir os limites para a experimentação e determinar o que constitui um resultado aprimorado. Isso concede aos funcionários o espaço necessário para descobrir como a IA pode efetivamente transformar o trabalho. Na Cengage, a empresa introduziu a IA em fases, utilizando "Change Champions" (campeões de mudança) em toda a organização. Esses indivíduos experimentaram a IA, identificaram casos de uso significativos e compartilharam suas descobertas com suas equipes. Esse modelo de aprendizado compartilhado permitiu a construção de conhecimento em toda a organização, de modo que, à medida que o acesso se expandiu, os funcionários já dispunham de exemplos, práticas e colegas para aprender, em vez de cada equipe ter que começar do zero.
Integrar o aprendizado ao modelo operacional
A descoberta de uma maneira mais eficiente de executar uma tarefa por um único funcionário resulta em ganho de produtividade individual. No entanto, quando dezenas de funcionários aprendem com essa descoberta, a adaptam às suas próprias funções e a aprimoram, o impacto se torna organizacional. As empresas precisam de mecanismos para que essas descobertas circulem entre os departamentos. Os funcionários devem ter a capacidade de compartilhar o que experimentaram e o que aprenderam, oferecendo às outras equipes um ponto de partida para suas próprias tentativas. No ano passado, o Canva dedicou uma semana para que seus 5.000 funcionários aprendessem e experimentassem com IA, explorando como a tecnologia poderia melhorar seu trabalho. O valor desse espaço dedicado transcende o que foi realizado durante a semana; criou uma oportunidade para que o aprendizado se disseminasse por toda a organização.
O treinamento tradicional ainda é valioso para que os funcionários construam uma base comum e compreendam como usar a IA de forma responsável. Contudo, o treinamento por si só não consegue acompanhar o ritmo de uma tecnologia em rápida evolução. As aplicações mais úteis frequentemente emergem à medida que os funcionários testam a IA contra os desafios reais de seu trabalho. As organizações precisam facilitar o compartilhamento dessas descobertas pelos funcionários, para que uma ideia promissora possa servir de ponto de partida para outros. Na Cengage, o valor dessa abordagem foi evidenciado através dos "Change Champions", onde funcionários com expertise em suas áreas aprenderam por meio da experimentação e, em seguida, trouxeram exemplos práticos para suas equipes.
Gerentes conectam experimentação e escala
Além de incentivar a experimentação, uma cultura de aprendizado compartilhado exige que as empresas concedam aos funcionários tempo e suporte para testar novas ideias e compartilhar seus aprendizados, sem a expectativa de que cada experimento gere um retorno imediato. O Work Trend Index de 2026 da Microsoft indicou que, quando os gerentes criam segurança psicológica em torno da experimentação, os funcionários relatam até 20 pontos a mais em prontidão e valorização da IA. Líderes seniores podem estabelecer a expectativa de que a experimentação com IA é importante, mas os funcionários vivenciam a cultura principalmente através de suas interações com seus gestores diretos. Esses gestores desempenham um papel crucial em dar voz às descobertas dos funcionários e em garantir que o conhecimento adquirido seja disseminado, transformando ganhos individuais em avanços coletivos.
A lacuna entre a produtividade individual impulsionada pela IA e a transformação organizacional sugere que as empresas precisam de estratégias proativas. A simples disponibilização de ferramentas de IA não é suficiente. O foco deve mudar para a criação de sistemas que incentivem, capturem e disseminem o conhecimento gerado pela experimentação. Sem isso, o potencial transformador da IA permanecerá fragmentado, limitando seu impacto a ganhos pontuais em vez de uma evolução estrutural.
Com reportagem de Brazil Valley
Source · Fast Company
