Medir a Adoção de IA Sem Virar Vigilância: o Que a Liderança Pode (e Não Deve) Acompanhar nas Equipes

Depois de investir em licenças, treinamento e ferramentas, a pergunta da diretoria é inevitável: "Estão usando?". A resposta mais tentadora está a um clique de distância: o painel de uso, com quem acessou, quantas vezes e quantos comandos enviou. O problema é que, em muitas empresas, esse painel resolve a dúvida do executivo e cria outra, maior: as pessoas passam a usar a IA para aparecer no painel, ou deixam de usá-la quando sentem que estão sendo observadas.

O paradoxo da métrica que assusta

A pesquisa AI@Work da Workday, realizada em agosto de 2026, mostra o tamanho do ponto cego. Cerca de metade dos entrevistados disse ter escondido o uso de IA no trabalho ao menos uma vez no último mês, e o índice é maior entre gestores e lideranças do que entre quem executa as tarefas. Só 42% confiam que a empresa usa a IA de forma a beneficiar também os funcionários, e 37% afirmam que o gestor não conversou com eles, nos últimos três meses, sobre como a IA muda o seu papel.

Nesse ambiente, medir uso individual tende a distorcer o que se quer enxergar. Quem teme que o número seja lido como sinal de que o seu trabalho "é automatizável" usa menos ou usa fora do radar, como em contas pessoais. Quem teme ser cobrado por volume faz perguntas vazias só para encher a estatística. A empresa acaba com um painel bonito e uma visão pior da realidade do que tinha antes.

O que medir: do indivíduo para o fluxo de trabalho

A saída não é abandonar a medição, e sim mudar a unidade de análise. Em vez de perguntar "quanto cada pessoa usa", pergunte "o que mudou no processo". Indicadores agregados por equipe ou por fluxo de trabalho respondem às perguntas que importam para a estratégia, sem expor ninguém: tempo de ciclo de uma tarefa antes e depois da IA, taxa de retrabalho sobre entregas assistidas por IA, proporção de processos com um uso de IA definido e documentado, e satisfação da equipe com as ferramentas.

Um bom critério prático é a regra do tamanho mínimo: dados de uso só aparecem para a liderança quando agregam um número de pessoas suficiente para que ninguém seja identificável, por exemplo grupos de oito ou mais. Abaixo disso, o dado fica com a própria equipe, que usa a informação para se autoavaliar e pedir ajuda.

Como fazer a métrica ensinar, e não punir

Três acordos simples separam a telemetria que constrói confiança da que a destrói. O primeiro é declarar, antes de coletar, para que o dado serve e para que não serve. Uma frase como "esses números não entram em avaliação de desempenho individual" precisa estar por escrito, com o aval do RH e do jurídico, e atenta à LGPD quanto à finalidade e à minimização dos dados coletados. O segundo é fechar o ciclo: se a equipe vê o dado, deve receber algo em troca, como treinamento direcionado onde o uso é baixo ou a remoção de uma barreira, como um acesso lento ou uma ferramenta não aprovada. O terceiro é dar espaço à história por trás do número: quando a adoção está baixa, a causa mais comum não é resistência, e sim falta de caso de uso claro, medo de errar ou política de dados ambígua.

Um passo concreto para as próximas duas semanas: escolha um fluxo de trabalho relevante, defina dois indicadores de processo, como tempo de ciclo e retrabalho, e combine com a equipe como eles serão lidos e por quem. Depois, pergunte aos próprios times o que a empresa deveria medir para entender se a IA está ajudando. As respostas costumam ser melhores do que o painel padrão da ferramenta.

No fim, a pergunta "estão usando?" é menos importante do que "estão contando como usam?". Uma empresa em que as pessoas mostram abertamente o que funciona aprende mais rápido do que uma que mede cada clique. E essa transparência só existe quando medir não é sinônimo de vigiar.