Quem Entregou? Avaliação de Desempenho na Era da IA

Durante décadas, a avaliação de desempenho partiu de uma premissa implícita: o que uma pessoa entrega é um bom retrato do esforço, da competência e do julgamento dela. A IA generativa quebrou essa premissa. Hoje, um analista júnior produz em minutos um relatório com a aparência de trabalho sênior, e um gestor tem dificuldade de saber o que ali é análise, o que é texto gerado e o que foi apenas aceito sem revisão.

O resultado, em muitas empresas, é um mal-estar silencioso. Quem usa IA com critério teme ser visto como alguém que "não fez o trabalho". Quem usa sem critério é premiado pela velocidade. E o gestor, sem instrumentos novos, continua medindo o que ficou fácil de produzir: volume.

O que deixou de ser um bom sinal

Três indicadores tradicionais perderam poder de informação quando a IA entrou no fluxo de trabalho:

• Volume de entregas: produzir mais documentos, apresentações ou análises ficou barato. Quantidade deixou de distinguir quem contribui de quem apenas encaminha saídas do modelo.
• Polimento da forma: texto fluente e bem estruturado já não indica domínio do assunto. A forma ficou uniformemente boa, o que torna a substância mais difícil de enxergar.
• Velocidade isolada: entregar rápido é positivo, mas só se a entrega resiste à verificação. Velocidade sem checagem transfere o custo do erro para quem recebe.

Punir o uso de IA seria o caminho errado: empurra a prática para a clandestinidade e piora a qualidade das entregas, porque ninguém discute abertamente como o resultado foi obtido. O caminho é deslocar o foco do produto para a contribuição humana por trás dele.

Quatro dimensões para avaliar quando a IA faz o rascunho

Enquadramento. Quem definiu o problema certo, o contexto, as restrições e o critério de sucesso? Um bom prompt é o sintoma visível de um bom enquadramento, e é aí que a experiência de negócio faz diferença. Pergunte: o que a pessoa pediu à IA, e por quê?

Julgamento. O que a pessoa aceitou, corrigiu ou descartou da saída do modelo? Mostrar um exemplo de erro identificado, um dado checado na fonte ou uma recomendação ajustada ao contexto do cliente é uma evidência muito mais forte de competência do que o documento final.

Responsabilidade. Quem responde pelo resultado? A regra precisa ser explícita: usar IA não transfere a autoria. Quem assina a entrega responde por ela, inclusive pelos erros que o modelo introduziu e que passaram sem revisão.

Aprendizado compartilhado. A pessoa documenta o que funcionou, melhora os fluxos da equipe e ajuda colegas a usar melhor as ferramentas? Em um ambiente em que a tecnologia muda a cada trimestre, esse é o comportamento que multiplica a capacidade da organização.

Como começar na prática

Não é preciso reformular todo o ciclo de avaliação de uma vez. Três movimentos já mudam a conversa dentro de um trimestre:

• Declarar o uso de IA como norma, não como confissão. Se a equipe precisa esconder as ferramentas, o gestor perde a visibilidade necessária para avaliar com justiça.
• Pedir o "como" junto com o "o quê". Nas revisões de entrega, inclua duas perguntas: o que você pediu à IA e o que você mudou no que ela devolveu.
• Treinar os gestores primeiro. Avaliar contribuição humana em trabalho assistido por IA é uma competência nova. Líderes que não usam as ferramentas dificilmente conseguem distinguir julgamento de aceitação passiva.

Na metodologia de roadmap de IA que orienta o trabalho da movimento.ai, a capacidade das pessoas é tão determinante quanto a tecnologia. Sistemas de avaliação e reconhecimento são parte dessa capacidade: eles definem, na prática, que comportamento a organização recompensa. Se o que se premia é volume, a empresa terá volume. Se o que se premia é julgamento e responsabilidade, ela terá IA trabalhando a favor das pessoas, e não no lugar do pensamento delas.

A pergunta para a próxima rodada de avaliações é simples e vale ser feita em voz alta: o que, exatamente, estamos recompensando?