©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 desafio da IA não é artificial

A ferramenta importa. Mas raramente é ela que explica por que uma organização captura valor e outra permanece presa em pilotos para sempre.

Maximiliano Carlomagno

16 de julho de 2026 e atualizado em 15 de julho de 2026

10 min de leitura

A história da evolução humana está intrinsicamente ligada ao desenvolvimento e adoção de novas tecnologias. A discussão do nosso tempo é sobre o potencial, limites, externalidades e os desafios da adoção da inteligência artificial (IA) mas a relação homem-ferramenta não é nova.

Em 1959, os paleontólogos britânicos Mary e Louis Leakey escavavam em Olduvai Gorge, na Tanzânia, quando descobriram um crânio fóssil de hominídeo que revolucionaria o entendimento de nossas origens. Um ano depois, o filho Jonathan fez uma descoberta ainda mais significativa: fósseis que Leakey e seus colegas denominariam, em 1964, de Homo habilis — o Homem Habilidoso.

O nome não foi escolhido por acaso. O que diferenciava esses ancestrais não era força nem velocidade. Era o fato de que, pela primeira vez na história evolutiva, um hominídeo não estava apenas se adaptando ao ambiente. Estava modificando o ambiente para resolver seus problemas. Quebrando pedras e as usando como ferramentsas para cortar carne, quebrar ossos e obter alimentos antes inacessíveis.

Nessa descoberta existe algo ainda mais interessante do que a pedra em si. Os paleontólogos que estudaram o Homo habilis levantaram uma hipótese que redefiniu nossa compreensão da evolução. A ferramenta não foi apenas consequência da inteligência humana. Ela ajudou a criar inteligência humana. Os comportamentos geraram as ferramentas. As ferramentas induziram novos comportamentos. Os novos comportamentos geraram novas capacidades.

Esse ciclo tem se repetido por milhões de anos. Pedra. Fogo. Roda. Escrita. Imprensa. Eletricidade. Internet. E, agora, inteligência artificial. 

Essa jornada de milhões de anos nos traz insights sobre como ampliar a nossa capacidade de adotar e capturar valor de novas ferramentas.

Os limites das novas ferramentas

As grandes ondas tecnológicas da história humana foram recebidas com a mesma combinação de fascínio e resistência. Quando surgiu a máquina a vapor, houve medo. Quando surgiu a eletricidade, houve dúvida. Quando surgiu o microcomputador foi subestimado.N o início do ciclo de adoção de uma nova tecnologia, é difícil visualizar seu potencial real e ainda mais desafiador mudar os comportamentos necessários para capturá-lo.

Esse ciclo se repete com a inteligência artificial. A IA já está transformando a forma como trabalhamos. A questão é porque tantas organizações investem pesado e ainda colhem tão pouco. 

Uma pesquisa do BCG publicada em 2024, com mil CxOs em 59 países, revelou um dado que deveria causar desconforto em qualquer reunião de diretoria: 70% dos obstáculos à adoção de IA são de pessoas e processos. Apenas 10% são de algoritmos e tecnologia. E onde as empresas concentram esforço e orçamento? Nos 10%. Não é uma surpresa. Tecnologia é tangível, mensurável, tem fornecedor, contrato e data de entrega. Cultura organizacional, capacidade de aprender, aversão à mudança são variáveis que resistem a planilhas de ROI. Então as ignoramos e depois nos perguntamos por que o piloto não escala.

O McKinsey State of AI 2025, com quase dois mil respondentes em 105 países, documenta o fenômeno: 88% das empresas usam IA em ao menos uma função, mas apenas um terço escalou para toda a organização. Dois terços permanecem em modo piloto ou experimento. A tecnologia está disponível. O orçamento foi aprovado. Os pilotos foram conduzidos. E mesmo assim a captura de valor não acontece.

Os pesquisadores chamam isso de “purgatório dos pilotos”. Isso não é um problema de tecnologia. É um problema de capacidade organizacional de absorver o que a tecnologia oferece. O ponto positivo é que a ciência tem explicações precisas para isso.

Quatro lentes científicas para potencializar a adoção

Décadas de pesquisa em ciência comportamental e organizacional trazem insights úteis e acionáveis. Organizações que criam valor com IA são organizações que desenvolveram capacidade de absorver. Organizei quatro caminhos que integrados formam um framework para lidar com as barreiras mais frequentes em processos de transformação.

1. Começar o ciclo de adoção tecnológica pelos early adopters

A evolução da adoção tecnológica segue uma distribuição normal de públicos com diferentes perfis. Uma estratégia única de adoção para todos os colaboradores está errada por definição.

Everett Rogers mapeou em 1962 como inovações se difundem: 2,5% de inovadores, 13,5% de early adopters, 34% de maioria inicial, 34% de maioria tardia, 16% de retardatários. Geoffrey Moore identificou, em 1991, o fenômeno mais relevante para grandes empresas: o abismo que separa os early adopters da maioria pragmática. 

Inovadores precisam de autonomia e acesso. A maioria pragmática precisa de provas sociais e redução de risco. Céticos precisam de resultados, não de evangelismo. 

2. Mitigar os impactos da aversão a perda

O Microsoft Work Trend Index 2026, com 20 mil respondentes em 10 países, evidenciou o principal paradoxo: 65% dos profissionais temem ficar para trás se não usarem IA mas 45% preferem focar nos objetivos atuais a redesenhar fluxos de trabalho com IA. 

As pessoas querem mudar e resistem simultaneamente. Isso não é inconsistência. É biologia evolutiva. O mesmo cérebro que nosso ancestral de Olduvai usou para sobreviver na savana foi otimizado por milhões de anos para evitar perdas, não para abraçar transformação. 

Daniel Kahneman e Amos Tversky, vencedores do prêmio Nobel de economia, demonstraram que perdas pesam aproximadamente duas vezes mais que ganhos equivalentes na percepção humana.  Quando dizemos a um profissional experiente “use IA para ser mais produtivo”, o que ele frequentemente ouve é “o que você sabe pode não valer mais nada.”

A implicação para líderes é que comunicar benefícios não é suficiente. É preciso redesenhar a narrativa, da ameaça ao ganho concreto e usar instrumentos comportamentais para mover o sistema de crenças, não apenas o repertório de ferramentas. 

3. Criar confiança entre líderes e times

Nenhum colaborador adota de verdade aquilo em que não confia. E confiança em IA não é confiança na ferramenta, mas confiança na organização que a está implementando. 

Paul Zak demonstrou que organizações de alta confiança apresentam 50% mais produtividade, 76% mais engajamento e 74% menos estresse. Confiança, em sua pesquisa, não é um sentimento difuso — é um conjunto de comportamentos mensuráveis e gerenciáveis.

Líderes que modelam o uso publicamente, que compartilham vitórias e fracassos com transparência, que reconhecem quem experimenta mesmo quando erra, e que são honestos sobre os limites da tecnologia, constroem esse capital. 

Os que fazem o inverso colhem resistência silenciosa. Pesquisa recente mostra que apenas 36% dos profissionais se sentem bem treinados para usar IA no trabalho. Por outro lado, aqueles que receberam 5 horas de mentoria prática usam IA significativamente mais. 

4. Desenvolver a capacidade absortiva

A capacidade absortiva de uma organização é sua capacidade de  reconhecer o valor de novos conhecimentos externos, assimilá-los e aplicá-los comercialmente.

Em 1990, Wesley Cohen e Daniel Levinthal descobriram algo incrível. A capacidade absortiva de um indivíduo e uma organização é função direta do conhecimento prévio acumulado sobre o tema.

Em termos práticos, organizações com cultura de dados, experimentação contínua e aprendizado institucionalizado absorvem IA mais rapidamente. Organizações sem essa base desperdiçam investimentos em plataformas sofisticadas, porque não têm a estrutura cognitiva e processual para capturar valor. A esponja precisa estar úmida. Se está seca, não adianta derramar água. Investir em ferramentas sem investir na capacidade de aprender é colocar a ferramenta de Olduvai na mão de alguém que não sabe para que ela serve.

Antes de decidir qual nova plataforma adquirir ou qual próximo piloto lançar a empresa precisa definir qual a estratégia, como direcionar o ciclo de adoção, criar confiança e difundir o conhecimento necessário para habilitar a capacidade de absorção. 

Nosso ancestral de mais de dois milhões de anos não venceu por ser mais forte ou mais rápido. A ferramenta estava disponível para todos na savana. Hoje, as melhores ferramentas de IA do mundo estão disponíveis para qualquer empresa. O diferencial não é o acesso. É a capacidade de absorver. A ferramenta só se transforma em vantagem depois que o comportamento muda, depois que surge a prática de compartilhar a técnica, depois que o grupo aprende junto.

O framework apresentado é uma lente para desbloquear o processo de adoção de novas tecnologias. Segmentar públicos, reduzir perdas percebidas, construir capacidade absortiva e criar confiança são quatro alavancas que existiam antes da IA e continuarão existindo depois dela.