Existe um número que circulou bastante nos últimos meses e que quase todo mundo recebeu como boa notícia: 71% dos profissionais brasileiros usaram alguma ferramenta de inteligência artificial no trabalho no último ano. A fonte é a PwC, pesquisa com quase 50 mil profissionais em 48 países. O Brasil ficou bem acima da média global de 54%. Campeão de adoção.
Só que tem outro número na mesma pesquisa, de outra fonte, que ninguém comemorou: menos de 20% desses profissionais se sentem preparados para usar inteligência artificial no trabalho. Sessenta por cento dizem estar "parcialmente preparados" — a categoria educada para dizer "não sei bem o que estou fazendo".
Esse par de dados não é contraditório por acaso. É o diagnóstico. E o diagnóstico é mais útil do que a comemoração.
Usar muito não é o mesmo que usar bem
A distância entre os dois números — 71% de adoção, menos de 20% de preparo — tem um nome específico. Não é falta de acesso. Não é resistência cultural. É o intervalo entre pegar numa ferramenta e saber o que fazer com ela.
Pense num consultório médico onde o profissional usa o sistema de prontuário eletrônico todo dia, mas nunca leu o manual e não sabe que a ferramenta cruza automaticamente medicamentos conflitantes. Ele usa. A ferramenta está ali. Só que a parte que evitaria um erro grave fica desativada por desconhecimento.
O problema não é a ferramenta. É o que fica apagado quando você não sabe que existe.
No caso da inteligência artificial no trabalho, o que fica apagado com mais frequência é a capacidade de questionar o que ela entrega. Um estudo da Microsoft com 319 profissionais em mais de 900 situações reais de uso encontrou uma correlação clara: quanto mais a pessoa confia na ferramenta de inteligência artificial, menos ela aciona o próprio pensamento crítico para conferir o resultado. O movimento natural é o oposto do que seria útil — quanto mais a máquina parece competente, mais a gente relaxa a guarda.
Isso não é fraqueza de caráter. É o funcionamento normal da mente humana diante de qualquer automação: quanto mais a saída parece razoável, menos energia você gasta verificando. O problema é que "parece razoável" e "está correto" não são a mesma coisa — e inteligência artificial erra com uma confiança que impressiona.
O que "usar todo dia" esconde
Vinte e seis por cento dos profissionais brasileiros usam inteligência artificial generativa todos os dias — quase o dobro da média mundial de 14%, segundo a PwC. Esse número aparece em manchete como sinal de maturidade digital.
O que ele não diz: a que tipo de uso esse "todo dia" corresponde.
Existe uma diferença fundamental entre usar inteligência artificial para produzir mais coisas e usá-la para decidir melhor. A primeira categoria é o uso que virou rotina: pedir um texto, resumir um documento, gerar uma legenda. Rápido, visível, fácil de contar para alguém. O resultado sai na hora e parece produtivo.
A segunda categoria exige um passo a mais. Antes de pedir, você entrega à ferramenta o contexto do problema — seus números, sua restrição de hoje, o que você já tentou, o que não pode mudar. Depois você questiona a resposta. Você pede que ela aponte o que está errado no seu raciocínio, não só que confirme o que você já pensa. Esse uso demora mais para aprender, produz resultados menos fotogênicos, e é muito mais difícil de medir. Também é o que move um ponteiro real.
Quando "usar todo dia" significa só o primeiro tipo, o número de adoção não conta o que parece contar. Conta quantas pessoas têm o hábito — não quantas estão tomando decisões melhores por causa dele.
A complacência que o número esconde
Há uma analogia que William Ribeiro usou recentemente e que é precisa: o brasileiro está dirigindo um carro cheio de sensores sem ter lido o manual — e sem saber que não leu.
A parte mais difícil dessa imagem não é a ignorância inicial. É o conforto que a automação cria. O carro freia sozinho antes do obstáculo e você aprende, sem perceber, a frear menos. O resultado imediato é positivo — menos esforço, menos acidente. O resultado ao longo do tempo é que você chega a uma situação onde o sensor falha e o reflexo que deveria estar ali não está mais.
Com inteligência artificial, o mecanismo é o mesmo. A ferramenta entrega uma análise plausível do mercado, você aceita, e o músculo de checar fontes vai atrofiando. Ela sugere uma decisão de precificação que parece razoável, você implementa sem contestar, e gradualmente a habilidade de montar esse raciocínio sozinho perde exercício.
Isso não é alarmismo. É uma mecânica documentada. O estudo da Microsoft que mencionei antes é específico sobre isso: a redução no esforço cognitivo é maior justamente nas tarefas de rotina, sob pressão de tempo — que são, não por coincidência, as tarefas onde a maioria das decisões reais de negócio acontece.
O atrito que a ferramenta remove pode ser exatamente o atrito que estava te protegendo de errar.
O que fazer com esse diagnóstico na prática
O problema não é usar inteligência artificial. É usá-la no piloto automático, sem método, e chamar isso de produtividade.
A distinção que resolve isso é simples de enunciar e trabalhosa de aplicar: separe os usos em que a ferramenta produz para você dos usos em que ela raciocina com você. O primeiro tipo tem valor. Economiza tempo real. O segundo é o que muda a qualidade das decisões.
Na prática, isso muda o tipo de pedido que você faz. Em vez de "escreve um e-mail para meu cliente", você experimenta: "aqui está o histórico da relação com esse cliente, o problema atual e o que eu quero resolver — aponta os riscos do que estou prestes a dizer e sugira como eu poderia abordar diferente". A ferramenta continua sendo rápida. O que muda é que ela está trabalhando sobre um problema real seu, não sobre uma instrução genérica.
O sinal de que a distinção está funcionando é objetivo: depois do uso, você consegue dizer o que mudou na sua decisão — não só o que ficou pronto mais rápido. Se você usou a ferramenta por uma hora e o único resultado é uma lista de e-mails escritos, você teve produção. Se você saiu com uma análise que te fez revisar uma aposta que estava prestes a fazer, você teve decisão. A régua é essa.
O Brasil vai continuar liderando em adoção. Isso não vai mudar nem deveria mudar — familiaridade com a ferramenta é um pré-requisito, não o problema. O que vale a pena construir agora, enquanto a maioria ainda está na fase do uso automático, é o critério. Saber quando conferir, quando pressionar, quando o que veio da máquina precisa de mais uma volta antes de virar ação. Esse critério não é técnico. É o mesmo que qualquer gestor sério aplica a qualquer dado que chega na mesa.
A ferramenta ficou boa. O que ainda não acompanhou foi o método de uso. Esse é o intervalo real entre os dois números — e é onde está o trabalho.