Terça-feira, um agente de IA passa a responder metade dos tickets de suporte de uma operação. Na sexta seguinte, o time de atendimento ainda copia a resposta pronta e reescreve do zero antes de mandar pro cliente. Ninguém desligou o agente. Ninguém proibiu usar. Só que ninguém explicou quando dava pra confiar na resposta e quando não dava, e o time fez o que sempre fez: conferiu tudo, do jeito manual, só que agora com uma aba a mais aberta.
Esse cenário não é exceção, é a média. O People Readiness Report 2026, da Kyndryl, ouviu 1.100 líderes de negócio e tecnologia em oito países e divulgou o resultado em julho de 2026: 64% das empresas brasileiras já colocaram IA no centro de algum processo, sendo 28% em parte da operação e 36% de forma ampla. O problema aparece na pergunta seguinte. Só 30% desses mesmos líderes dizem que o time está pronto para usar a tecnologia direito. No recorte global o padrão se repete: 57% das empresas rodam IA em processo central, e apenas 23% dos líderes classificam a força de trabalho como preparada.
O gargalo trocou de lugar. Até pouco tempo atrás o problema era técnico: modelo caro demais, resposta ruim, integração que não fechava. Hoje a ferramenta funciona bem o suficiente na maioria dos casos de uso simples, atendimento, extração de documento, primeira triagem de chamado. Quem trava é o time que recebeu acesso e nunca recebeu instrução sobre o que fazer com esse acesso.
O time não usa mal a IA porque resiste à mudança. Usa mal porque ninguém sentou com ele pra explicar as regras do jogo.
A fase que fica pra depois é a que decide se cola
A Overflow implementa IA em quatro fases: diagnóstico, piloto, produção e cultura. As três primeiras concentram quase toda a atenção do projeto, porque são as que aparecem em relatório de gerência: processo mapeado, piloto rodando, agente em produção com guardrail. A quarta fase, implementação IA-first, é a que decide se a operação continua IA-first depois que o fornecedor foi embora, e é justamente a que menos orçamento recebe.
Faz sentido, em parte. Treinar time não aparece em dashboard, não tem gráfico de adoção que suba bonito na primeira semana. Só que sem essa fase o dado da Kyndryl se repete internamente: a empresa lança o projeto, o time técnico celebra o deploy, e três meses depois ninguém no operacional consegue explicar em uma frase quando confiar no que o agente devolveu.
A diferença não está em fazer ou não fazer treinamento. Quase toda empresa faz alguma coisa chamada treinamento. A diferença está no que esse treinamento ensina.
| O que não funciona | O que funciona |
|---|---|
| Workshop de duas horas sobre IA generativa pra todo mundo | Roteiro por processo: quando confiar na saída, quando escalar pra humano |
| Manual em PDF que ninguém abre depois da primeira semana | Playbook vivo, revisado com os erros reais do primeiro mês em produção |
| Treinar a empresa inteira de uma vez, antes do piloto | Treinar quem vai decidir primeiro, o resto aprende usando |
O segundo item da tabela é o que mais gente pula. Um playbook escrito antes de o agente rodar em produção é hipótese. Só depois que o time bate de frente com o primeiro caso ambíguo, o cliente xingando, o documento com letra ilegível, a exceção que o processo desenhado não previu, é que dá pra escrever a regra que resolve de verdade. Documentar antes economiza tempo de reunião. Documentar depois economiza confiança do time.
O que perguntar antes de assumir que o time está pronto
A pergunta que a Kyndryl fez pros 1.100 líderes é simples de repetir internamente: alguém aqui está pronto pra usar isso direito? Vale fazer uma pergunta parecida, mas trocando pronto por algo que dá pra medir. Pega um processo que já roda com IA na sua operação e pergunta pra cinco pessoas do time: em que situação você não confiaria na resposta do agente sem checar? Se as cinco respostas forem parecidas, o time internalizou a regra. Se cada uma disser uma coisa diferente, ou se ninguém souber responder, o problema não é o modelo. É que a regra nunca foi escrita, ou foi escrita e nunca chegou em quem usa todo dia.
Essa pergunta custa uma tarde. O retrabalho de descobrir isso seis meses depois, quando o time voltou a fazer tudo manual por trás do agente sem avisar ninguém, custa o projeto inteiro.
Segunda de manhã
Escolhe um processo que já tem IA rodando na sua empresa, mesmo que informalmente. Pergunta pra três ou quatro pessoas que usam esse processo todo dia: em que situação vocês não confiariam na resposta pronta? Se a resposta vier rápida e parecida entre elas, segue o jogo. Se travar, para o que estiver fazendo e escreve essa regra essa semana, com quem realmente usa o processo, não só com quem projetou. É mais barato fazer isso agora do que descobrir em produção que o time nunca parou de trabalhar do jeito antigo por trás da ferramenta nova.
Fontes
- Kyndryl 2026 People Readiness Report (Kyndryl, 2026)
- Kyndryl Report: AI Adoption Accelerates as Workforce Readiness Becomes the ROI Difference Maker (PR Newswire, 2026)
