A IA não corrige o lado para o qual você pende. Ela o amplifica.

Em 2025, um levantamento do MIT que circulou por praticamente toda mesa de diretoria trouxe um número desconfortável: cerca de 95% dos projetos de IA generativa nas empresas não geraram retorno financeiro mensurável (MIT · Project NANDA, The GenAI Divide: State of AI in Business, 2025). A leitura fácil — e, eu diria, errada — é “a IA não funciona”. A leitura útil é outra, e é mais incômoda: a maioria das empresas jogou IA por cima do que já fazia, sem mudar como explora, como decide e como previne. Elas aceleraram o processo antigo. E um processo que já não produzia diferencial, feito mais rápido, continua não produzindo diferencial — só que agora com uma fatura de IA no rodapé.

Passei os últimos anos pesquisando por que algumas organizações conseguem inovar e entregar ao mesmo tempo, e a maior parte não. Quando a IA generativa chegou, confesso que esperava que ela ajudasse os dois lados. Não é o que vejo. A IA é um amplificador: ela aumenta o sinal que você já emite. Se a sua organização vive de entregar, a IA vai fazer você entregar mais rápido; se ela vive de sonhar, vai dar a você mais planos. O que ela quase nunca faz sozinha é empurrar você para o lado que anda ficando de lado. Este artigo é sobre por que isso acontece — e sobre a única coisa que muda o destino do tempo que a IA libera.

Por que a IA amplifica em vez de corrigir?

A IA amplifica em vez de corrigir porque ela é, na essência, uma máquina de eficiência: pega uma tarefa que a sua equipe já executa e a faz mais rápido e mais barato. Eficiência é sempre sobre fazer melhor aquilo que já se faz — nunca sobre fazer aquilo que não se faz. Um amplificador não tem opinião sobre a música: ele recebe o sinal que entra e o devolve mais alto. Toque uma melodia limpa e sai uma melodia mais alta; deixe entrar ruído e sai ruído mais alto. A IA generativa é esse amplificador aplicado ao comportamento da organização — ela sobe o volume do padrão que você já roda, seja ele qual for.

É por isso que “usar IA” e “melhorar” não são a mesma coisa. No construto que sustenta a minha pesquisa — exploração e explotação, de James March (1991, Organization Science) — inovar (explorar, inventar o amanhã) e entregar (explotar, executar o hoje) são duas capacidades distintas. A IA acelera a que você já domina; ela não instala a que falta. Um balde d'água melhor faz você apagar o incêndio mais rápido, mas não instala o detector de fumaça — é a diferença entre uma equipe que vive apagando incêndio e uma que teve tempo de evitá-lo. São coisas de natureza diferente, e nenhuma quantidade da primeira se transforma na segunda.

Aqui está a tese que me interessa defender: o problema dos ~95% do MIT não é técnico, é direcional. As empresas apontaram uma ferramenta de aceleração para um processo que ninguém tinha decidido para onde deveria ir. Aceleraram o carro sem tocar no volante. E quando você acelera sem decidir a direção, não corrige a rota — você chega mais rápido exatamente onde já estava indo.

Para quem lidera, a pergunta prática muda de “como uso IA?” para “o que exatamente a IA vai acelerar aqui, e é para esse lado que eu quero ir?”. Se você não consegue responder isso antes de escalar, a IA responde por você — e a resposta dela é sempre acelerar o hábito.

Por que o tempo que a IA libera volta para o hábito, e não para o lado negligenciado?

O tempo que a IA libera volta para onde a organização já mandava o tempo porque a alocação de tempo não é uma decisão que alguém toma toda semana — é um hábito, um padrão embutido no contexto. Ninguém se senta na segunda-feira e escolhe conscientemente “vou dedicar 70% da minha semana a entregar e 10% a explorar”. Essas proporções já estão dadas pela rotina que existe, pelas reuniões que estão na agenda, pelas metas que são cobradas, pelo que é elogiado e pelo que passa despercebido. Quando a IA abre uma folga de algumas horas, essa folga não chega a nenhum comitê de decisão. Ela é reabsorvida, quase por gravidade, pelo padrão que já estava rodando.

Em diagnósticos e na pesquisa aplicada que conduzo — 124 pessoas em 95 empresas brasileiras, 75 delas em cadeira de direção (coleta dez/2023–mai/2026) — o padrão se repete com uma regularidade quase constrangedora: o dia a dia sempre ganha. A não ser que alguém esteja medindo. A folga de tempo é uma das coisas mais silenciosas que existem numa organização, porque ela não aparece em relatório nenhum; e o que não é medido não é decidido — é apenas absorvido pelo default.

Vale reconhecer o outro lado, para ser justa: existe uma leitura otimista de que “as pessoas vão usar o tempo livre para pensar”. Eu queria que fosse verdade. Só que pensar estrategicamente é desconfortável e não tem prazo, enquanto responder e-mail e fechar a entrega da semana é confortável e tem prazo. Entre o confortável com prazo e o desconfortável sem prazo, o contexto escolhe o primeiro toda vez — não por preguiça das pessoas, mas por design do ambiente. O hábito é o caminho de menor resistência, e a IA não muda o relevo do terreno; ela apenas faz a água descer mais rápido pelos sulcos que já existiam.

O passo de segunda-feira aqui é quase banal de tão concreto: torne a folga visível. Quando a IA assume uma tarefa, diga em voz alta “isto liberou cerca de X horas por semana desta equipe” e trate essas horas como um orçamento a ser alocado, não como um alívio a ser dissolvido. O que não recebe nome volta para o hábito.

Como a IA deixa o Executor mais Executor e o Inovador mais Inovador?

A IA deixa o Executor mais Executor e o Inovador mais Inovador porque amplifica a dimensão em que cada um já era forte, sem tocar naquela que faltava. No modelo de quatro perfis que uso na KT Lab, inovar e entregar não são as duas pontas de uma mesma régua — são duas dimensões independentes, e é por isso que “equilíbrio” é a palavra errada para descrever a coisa. O Executor entrega muito e inova pouco; o Inovador inova muito e entrega pouco. “Pender para um lado” é ser alto numa dimensão e baixo na outra — não é estar no meio de uma balança que, se pende para cá, esvazia para lá.

Dê a mesma dose de IA aos dois e observe o que acontece. O Executor, que já é o mais confiável dos perfis, usa a IA para entregar ainda mais rápido: a eficiência sobe, e a inovação continua exatamente onde estava. Ele afunda mais fundo na armadilha do sucesso (Levinthal & March, 1993) — fica tão bom no que já faz que explorar passa a parecer um luxo cada vez mais dispensável. O Inovador faz o movimento espelhado: usa a IA para gerar mais teses, mais protótipos, mais apresentações, e o cemitério de pilotos, aquele que nunca chega a virar entrega, cresce mais rápido do que antes.

Repare no que aconteceu. A mesma ferramenta, dois sintomas opostos, um único mecanismo por baixo. Nos dois casos, a IA moveu a pessoa ao longo do eixo em que ela já era forte — e a distância até o Ambidestro, o perfil que sustenta inovar e entregar ao mesmo tempo, aumentou. A IA não corrige o lado para o qual você pende. Ela o amplifica. É contraintuitivo porque imaginamos que “mais capacidade” aproxima do equilíbrio; na prática, capacidade mal direcionada aprofunda o desequilíbrio que já estava lá.

Para o RH e para o C-level, isso tem uma consequência direta de avaliação: parar de perguntar “quanto a equipe usa IA?” e começar a perguntar “em qual dimensão a IA está sendo usada?”. Duas equipes com a mesma adoção de IA podem estar indo para lados opostos do quadrante. A métrica de adoção esconde a direção — e a direção é a única coisa que importa aqui.

O que fazer para o tempo da IA virar decisão, e não hábito?

Para o tempo que a IA libera virar decisão, e não hábito, você precisa fazer três coisas que o default nunca faz sozinho: tornar a folga visível, reservá-la antes que ela seja reabsorvida e medir se ela foi de fato para onde você decidiu. Decisão é o oposto de gravidade — ela exige que alguém, de propósito, empurre o tempo para cima, contra o declive do hábito.

Na prática, isso se parece muito com um orçamento. Se a IA liberou o equivalente a um dia por semana de uma equipe, uma organização que pende para o Executor decide reservar parte desse dia — não o dia inteiro, uma fatia protegida — para o lado fraco: experimentos estruturados, aprendizado, o começo do próximo ciclo, aquilo que não tem prazo mas constrói o amanhã. Uma organização que pende para o Inovador faz o inverso: usa a folga para fechar, terminar e colocar no mundo o que já foi sonhado demais e entregue de menos. Nos dois casos, a folga é dirigida ao lado que a IA, sozinha, jamais alimentaria.

Não vou fingir que isso é fácil, porque não é. Reservar tempo para o lado fraco significa, no curto prazo, entregar um pouco menos do que você poderia — e essa conta aparece antes de o benefício aparecer. É por isso que, sem medição, a decisão não sobrevive à primeira semana difícil: a folga volta a ser “só mais um pouco de entrega” e ninguém percebe o desvio. O que se torna raro, e portanto valioso, não é a capacidade de executar, porque a IA tornou isso abundante; é a decisão deliberada de reservar parte dessa abundância para construir o outro lado. Essa decisão continua sendo humana.

O passo acionável para o dono de PME, que costuma acumular todos os papéis de uma vez: escolha uma tarefa que a IA hoje acelera e pré-comprometa, por escrito, o destino do tempo que ela libera antes de a semana começar. “As duas horas que a IA me poupa na proposta comercial vão para conversar com um cliente que ainda não existe.” Escrito, com dia e hora, isso vira decisão. Só na cabeça, vira hábito — e o hábito você já sabe para onde vai.

Como aplicar isso na prática: por que medir vem antes de escalar a IA?

Medir para que lado você pende vem antes de escalar a IA porque você não tem como dirigir o tempo liberado para o lado fraco se não sabe qual é o lado fraco. Escalar IA sem essa medida é despejar acelerante sobre um desequilíbrio que você não enxerga — e o resultado é o retrato dos ~95% do MIT: muita atividade, pouca transformação. A ordem importa, e ela não é negociável: a capacidade vem antes da ferramenta.

A razão é simples, e a maioria pula. Uma organização que só entrega e outra que só sonha podem comprar exatamente a mesma licença de IA e sair correndo em direções opostas — uma para mais entrega, a outra para mais planos — e as duas vão jurar que estão “inovando com IA”. Sem uma medida de perfil, cada uma apenas confirma o próprio viés. A medida é o que transforma uma intuição confortável (“acho que estamos equilibrados”) num retrato que às vezes desconforta (“entregamos muito bem e não exploramos quase nada”).

É exatamente para isso que existe o diagnóstico de perfil na KT Lab: medir, nos três níveis — pessoa, equipe e organização —, para que lado você pende antes de pisar no acelerador. Nenhum perfil é um destino; todos são um endereço, e endereço se muda. Mas você não muda de endereço sem saber onde está. A IA torna a partida mais rápida; ela não diz para onde ir, e essa parte continua sendo sua.

Traduzindo para a segunda-feira de cada público: o líder de equipe mede o próprio time, porque o perfil da equipe não é a média das pessoas e é ali que a estratégia vira, ou não vira, agenda; o RH mede antes de comprar a próxima licença corporativa, para não escalar o desequilíbrio para a empresa inteira; o C-level e o dono de negócio decidem, com a medida na mão, qual fatia do dividendo de tempo da IA será protegida para o lado fraco. Só então a ferramenta entra — e aí, sim, ela amplifica aquilo que você decidiu, não aquilo que você herdou.

Perguntas frequentes

Por onde começar

Se há uma coisa para levar deste texto, é a ordem: meça para que lado você pende antes de escalar a IA, porque a ferramenta vai amplificar exatamente o que encontrar. O ponto de partida é o diagnóstico de perfil da KT Lab, que mostra, nos níveis pessoa, equipe e organização, em qual dos quatro perfis você está hoje e qual dimensão anda sendo negligenciada. É essa medida que decide se o tempo que a IA libera vai financiar o lado fraco ou apenas engordar o forte.

A partir do que o diagnóstico revela, o programa de desenvolvimento trabalha o lado que ficou para trás, no ritmo de medir, desenvolver e medir de novo; e a comunidade sustenta esse desenvolvimento de forma contínua para quem quer seguir no próprio ritmo. Quando a decisão de direção já existe, aí faz sentido acelerar: a KT Lab também apoia a implementação e a capacitação em IA dos times, sempre nessa ordem, porque a capacidade vem antes da ferramenta.

Nenhum desses perfis é um destino. Todos são um endereço — e endereço se muda. A IA deixou a viagem mais rápida. Para onde ela vai, ainda é você quem decide.