©2026 MIT Sloan Management Review Brasil. Todos os direitos reservados. A reprodução, total ou parcial, é proibida sem a autorização prévia e expressa do CNEX.

O paradoxo do monitoramento: mais dados e novas tecnologias, mas a antiga ilusão de medir para punir

Ulysses Espuny e Diego Albino Figueiredo

18 de setembro de 2026

14 min de leitura

A cada ciclo tecnológico, o monitoramento do trabalho renasce sob um novo pretexto. Nos anos 1990, era o controle de ponto eletrônico; nos 2000, o rastreamento de e-mails; na pandemia, as ferramentas de “produtividade remota” que contavam cliques e capturavam telas. A Gartner registrou que a adoção dessas ferramentas por grandes empregadores dobrou com o trabalho remoto em massa, de cerca de 30% para 60%, com projeção de 70% nos anos seguintes.

Agora, com a inteligência artificial agêntica assumindo tarefas de ponta a ponta, a promessa mudou de escala. Não se trata mais de saber se alguém está na frente do computador, mas de usar modelos autônomos para interpretar padrões de trabalho em tempo real e prescrever ações gerenciais. O risco é repetir, com tecnologia muito melhor, o mesmo erro que fez as ondas anteriores fracassarem.

O erro tem nome. A Microsoft chamou de “paranoia de produtividade” o fenômeno documentado no início do trabalho híbrido: 87% dos profissionais se declaravam produtivos, enquanto 85% dos líderes diziam que o modelo híbrido havia tornado difícil confiar nisso. A pesquisa Work in America, da American Psychological Association, dimensionou o custo humano dessa desconfiança: 56% dos trabalhadores monitorados relatam tensão ou estresse no dia a dia, contra 40% dos não monitorados. A resposta instintiva das lideranças foi medir mais. Sem mudar o que se faz com a medição, o resultado foi o oposto: proliferaram simuladores de atividade e táticas de defesa algorítmica. O dado ficou abundante e, ao mesmo tempo, pouco confiável.

Quando a métrica destrói o que mede

Há duas explicações clássicas, e ambas continuam operando.

A primeira é a lei de Goodhart: quando uma medida vira meta, deixa de ser uma boa medida. Se tempo de tela é o que conta, as pessoas otimizam tempo de tela, não a entrega de valor. Se volume de chamados resolvidos é o que conta, os incidentes de alta complexidade são empurrados para outras filas. O comportamento se adapta à métrica antes que ela descreva o trabalho.

A segunda vem dos estudos de Hawthorne, nos anos 1920: pessoas observadas mudam a forma de trabalhar pelo simples fato de se saberem observadas. O monitoramento não é uma câmera neutra apontada para a operação. Ele é um componente ativo da operação, e a altera.

Em 2022, Chase Thiel e colegas mostraram na Harvard Business Review que funcionários monitorados ficavam mais propensos a quebrar regras porque a vigilância reduzia o senso de responsabilidade pela própria conduta. A meta-análise de Ravid e colegas na Personnel Psychology, reunindo décadas de estudos sobre monitoramento eletrônico, não encontrou ganho consistente de desempenho, mas encontrou aumento consistente de estresse. Em 2024, pesquisadoras da Cornell publicaram no grupo Nature o achado mais relevante para a era atual: pessoas sob vigilância algorítmica percebem menos autonomia, desempenham pior e resistem mais do que as monitoradas por humanos, exceto quando o monitoramento é enquadrado como desenvolvimento e o trabalhador pode acrescentar contexto ao que foi capturado. Essas exceções não são detalhe. São especificações de desenho. É nelas que está a saída.

A conclusão que muitos executivos tiram é que não dá para medir trabalho de conhecimento. Isso não está correto. O que não funciona é medir para punir. A distinção parece semântica, mas separa projetos de inteligência operacional dos que geram passivo trabalhista e cultura de medo. Vigilância é o dado descendo sobre o indivíduo; gestão é o dado subindo para retroalimentar o processo.

Antes de monitorar o trabalhador, monitore o sistema

Diante de um sinal de baixa produtividade, gestores frequentemente investigam o comportamento individual antes de verificar se processos, ferramentas e decisões gerenciais oferecem condições adequadas para o trabalho. O dado, que deveria abrir uma investigação, passa a encerrá-la. Contra esse atalho, um princípio simples: antes de monitorar o trabalhador, monitore o sistema. Os casos a seguir vêm de implementações de telemetria de que participamos, entre 2024 e 2026, em empresas brasileiras de vários portes e setores.

Em uma dessas operações, um gestor descreveu uma profissional como pouco produtiva e excessivamente crítica ao equipamento. A telemetria mostrou média de 80 picos diários de consumo de memória, compatível com a dificuldade que ela relatava para gerar relatórios. O monitoramento não confirmou a suspeita sobre a pessoa. Tornou visível uma restrição de infraestrutura que a interpretação gerencial havia transformado em problema de atitude.

Em outra organização, a análise não revelou baixa dedicação, mas desperdício financeiro. A empresa mantinha licenças caras de ferramentas como Adobe e Figma, mas apenas 44% haviam registrado ao menos um acesso nos 30 dias anteriores. Isso não autoriza cancelamento automático: há usos sazonais, especializados ou contingenciais. Cria, porém, base objetiva para rever quantidades, planos, distribuição entre equipes e alternativas de menor custo total. Monitorar, ali, não era controlar pessoas. Era proteger capital.

Uma terceira organização resistia ao trabalho híbrido. Ao comparar os mesmos profissionais em dias presenciais e remotos, eles permaneciam mais tempo em aplicações classificadas como produtivas quando trabalhavam a distância. O resultado não prova que produziam mais, mas foi suficiente para questionar a crença de que distância física significava menor dedicação e deslocar a conversa para qualidade, prazo e entregas.

Essas observações são iniciais e não permitem generalização. Seu valor está em mostrar que a mesma infraestrutura de dados sustenta perguntas gerenciais radicalmente diferentes. Nos três casos, a descoberta principal não foi quem responsabilizar, e sim o que a organização ainda não enxergava sobre si mesma: uma restrição operacional, um gasto subutilizado e uma premissa não testada.

A diferença entre vigilância e inteligência operacional não está só nos dados coletados. Está na arquitetura decisória em torno deles. Dados de atividade são sinais, não vereditos. Antes de atribuir o resultado a uma pessoa, a liderança precisa examinar infraestrutura, demanda, processos, distribuição de trabalho, dependências e qualidade da gestão. Em seguida, cruzar esses sinais com entregas, qualidade, prazos e impacto. Somente então, e com o contexto adequado, a análise individual pode produzir uma conclusão responsável.

Essa mudança exige simetria. Se a empresa observa como o profissional trabalha, ele deve saber quais dados são coletados, como são classificados e o que sugerem sobre seus padrões. Acesso ao histórico e aos critérios transforma o monitoramento em instrumento de autogerenciamento e permite acrescentar o que a telemetria não captura. No Brasil, esse desenho não é só boa gestão: é alinhamento com a LGPD. Dado de atividade é dado pessoal. Exige finalidade explícita, necessidade, transparência e uso compatível com o que foi informado ao trabalhador. Quando a mesma telemetria passa a servir para punir, rankear pessoas ou inferir conduta sem contraditório, o risco deixa de ser só cultural. Pode reclassificar o teletrabalho como jornada controlada e abrir passivo onde se buscava “visibilidade”.

O monitoramento amadurece quando deixa de saltar da observação para o julgamento e passa a operar em ciclo: medir, diagnosticar, contextualizar, intervir e reavaliar. A finalidade não é maximizar sinais visíveis de atividade. É reduzir restrições, desperdícios e decisões baseadas em suposição.

Antes de contratar a próxima ferramenta

Cinco perguntas, antes de contratar ou renovar qualquer ferramenta de monitoramento:

1. Qual decisão este dado vai fundamentar, e qual decisão ele não poderá fundamentar?
2. Já validamos infraestrutura, demanda, processo e qualidade da gestão, ou estamos indo direto à pessoa?
3. O colaborador sabe que está sendo monitorado e exatamente o que está sendo coletado, como exige a transparência da LGPD, e pode acrescentar contexto antes da decisão?
4. Estamos medindo entrega, prazo e impacto, ou apenas presença digital?
5. No caso da IA, sabemos quais soluções rodam na empresa e qual o uso efetivo de cada uma, ou temos apenas uma resposta binária de sim ou não?

Três usos do dado que esta proposta recusa: ranking individual de “tempo produtivo”; meta de tela, clique ou digitação; punição automática a partir de um sinal sem diagnóstico do sistema e sem direito a contexto.

O novo objeto de medição: a própria IA

Se a primeira metade do texto se apoia em meio século de evidência, esta se apoia em dois anos. Justamente por isso, medir não pode esperar. Enquanto o debate permanece na jornada humana, formou-se um ponto cego maior: as empresas perderam visibilidade do que a própria tecnologia faz dentro delas.

O Work Trend Index da Microsoft e do LinkedIn, com 31 mil profissionais em 31 países, encontrou 78% dos usuários de IA levando as próprias ferramentas para o trabalho. O estudo global da Universidade de Melbourne com a KPMG, com 48 mil pessoas em 47 países, mostrou o avesso dessa adoção: 57% dos funcionários admitem esconder o uso de IA no trabalho; parcela semelhante apresenta conteúdo gerado como próprio; e 44% reconhecem tê-la empregado em desacordo com as políticas da empresa. No Cost of a Data Breach de 2025, do Ponemon Institute para a IBM, uma em cada cinco organizações violadas atribuiu o incidente à shadow AI, com US$ 670 mil adicionais ao custo médio; na edição seguinte, a participação da shadow AI nos incidentes mais que dobrou. Não por falta de aviso: 63% das organizações violadas admitiam não ter política de governança de IA.

O segundo capítulo é qualitativamente diferente. Profissionais de negócio passam a configurar agentes para executar integrações, aprovações e processos inteiros, à margem da governança de TI. A Gartner projeta que 40% das aplicações corporativas terão agentes embarcados até o fim de 2026, contra menos de 5% um ano antes, e estima que, até 2028, um quarto das violações de segurança corporativa será rastreado ao abuso de agentes, por atores externos e internos. Um assistente sem governança expõe o que alguém colou nele. Um agente sem governança age, e continua agindo depois que seu criador mudou de área ou deixou a empresa.

Na mesma série de implementações, um time jurídico montou agentes não homologados para cruzar cláusulas de contratos. O reflexo imediato foi tratar o episódio como desvio individual. A leitura útil era outra. Os agentes existiam porque o processo oficial era lento, a base de contratos era difícil de consultar e nenhuma ferramenta aprovada tinha o mesmo alcance. Medir para advertir teria empurrado o uso para contas pessoais. Medir para governar levou a três movimentos: revisar a arquitetura de acesso aos contratos, priorizar uma solução homologada e definir quem responde quando um agente age sozinho. A descoberta não foi “quem descumpriu a política”. Foi a restrição de processo que a política não enxergava.

Isso obriga a telemetria a evoluir de disciplina de monitoramento para disciplina de governança e investimento. O Center for Information Systems Research do MIT foi direto: restringir o acesso não faz o uso parar; apenas o transfere para dispositivos pessoais, contas não sancionadas e ferramentas ocultas. Os que já escondem o uso demonstram isso na prática. Medir a adoção para punir empurra o comportamento de volta para a sombra: o risco que se queria mitigar. Medir para melhorar metas e processos, com procedência e simetria, é o que permite governar a transformação.

Toda arquitetura de medição carrega uma teoria, explícita ou não, sobre o que significa produzir. Quando essa teoria confunde presença com contribuição, atividade com entrega ou conformidade com desempenho, a sofisticação tecnológica apenas torna o erro mais preciso e escalável. Desenhada para produzir aprendizagem, a mesma medição revela restrições, desperdícios, riscos e padrões que merecem ser replicados.

Essa escolha acontece antes da ferramenta. É ela que as cinco perguntas acima antecipam. Sem essa arquitetura, a promessa de inteligência é capturada pela conveniência do controle; com ela, o monitoramento deixa de ser atalho para o julgamento e vira infraestrutura de melhoria contínua para pessoas, processos e tecnologia.

Sofisticamos a capacidade de observar o trabalho sem sofisticar, na mesma medida, a lógica gerencial sobre os dados. O próximo salto talvez não dependa de capturar mais sinais, e sim de formular perguntas melhores sobre eles. A promessa não deveria ser tornar cada profissional permanentemente visível. Deveria ser permitir que a empresa enxergue suas restrições, seus desperdícios e suas crenças. No fim, a questão não é quanto do trabalho uma organização consegue tornar visível, e sim o que ela escolhe fazer com aquilo que passou a enxergar.

Sobre os autores

Ulysses Espuny é superintendente geral de TI do Banco Safra, membro do Strategic Advisory Board do HDI e professor em programas de pós-graduação. Mestre em Administração com ênfase em TI pela FGV EAESP e autor do livro “IA para Centros de Serviço”, pesquisa a adoção de IA e o uso de agentes autônomos na gestão e governança de TI.

Diego Albino Figueiredo é diretor executivo de Digital, Marketing e Tecnologia do Grupo La Moda e mestre em Administração com ênfase em TI pela FGV EAESP. Pesquisa alfabetização em inteligência artificial, adoção de IA generativa, transformação digital e futuro do trabalho.