Um novo dado do Google e Ipsos, divulgado em fevereiro de 2026, deveria estar na agenda de todo CEO e CHRO brasileiro: apenas 5% dos trabalhadores no mundo usam inteligência artificial de forma que transforma genuinamente como trabalham. O restante — 95% da força de trabalho global — usa IA de forma superficial, para buscas e resumos, ou simplesmente não usa. E os 5% que chegaram à verdadeira fluência em IA têm 4,5 vezes mais chance de reportar aumento salarial e quatro vezes mais chance de ser promovidos em função dessa habilidade.
Esses números revelam uma divisão que está se aprofundando em tempo real dentro das organizações — não entre empresas que adotaram IA e empresas que não adotaram, mas dentro das mesmas empresas, entre os profissionais que aprenderam a usar IA como alavanca de produtividade e criatividade, e os que ainda a tratam como ferramenta de pesquisa glorificada. A consequência para líderes de RH e CEOs é direta: a maior ameaça à competitividade da sua organização pode não estar fora dela. Pode estar no gap de fluência entre os 5% e os 95% que trabalham lado a lado.
O que separa o uso superficial da verdadeira fluência em IA
Fluência em IA não é saber usar o ChatGPT para escrever e-mails. É a capacidade de redesenhar fluxos de trabalho inteiros com IA no centro, de identificar quais tarefas do próprio trabalho podem ser delegadas a agentes, de construir prompts complexos e encadeados, de avaliar criticamente as saídas dos modelos e de iterar rapidamente com base nos resultados. É uma competência metacognitiva — exige entender o próprio trabalho profundamente o suficiente para saber onde a IA pode substituir, ampliar ou liberar capacidade humana.
Os dados da SHL, consultoria global de avaliação de talentos, mostram que apenas 30% dos trabalhadores apresentam prontidão plena para funções habilitadas por IA. Os outros 70% carecem de pelo menos uma competência essencial: pensamento crítico para avaliar saídas de modelos, capacidade de estruturar problemas complexos de forma que a IA possa processá-los, ou conforto com a iteração rápida que o trabalho com IA exige.
O paradoxo maior é este: 72% dos executivos C-level usam IA diariamente, enquanto apenas 18% dos colaboradores individuais o fazem. As pessoas que tomam decisões sobre como implementar IA nas organizações são as que mais a usam — e tendem a subestimar o gap de capacidade dos times que precisam executar essas iniciativas. Isso cria programas de transformação digital que chegam à base da organização sem a preparação necessária para sustentá-los.
O custo concreto do gap: US$ 5,5 trilhões em risco
A IDC, em relatório de 2026, estima que a lacuna global de habilidades em IA pode custar US$ 5,5 trilhões em perdas de desempenho de mercado ao longo dos próximos cinco anos. As vagas que exigem competências de IA cresceram 247% desde 2023, enquanto a oferta de profissionais com essas competências verificadas cresceu apenas 63% no mesmo período — uma proporção de quatro para um entre demanda e oferta.
Para as empresas brasileiras, o cenário é ainda mais agudo. O Brasil tem um gap estrutural em educação tecnológica que começa nas escolas e se propaga pelo ensino superior. Profissionais que hoje ocupam posições de alta responsabilidade em áreas como finanças, jurídico, marketing e operações foram formados num mundo pré-IA e, em muitos casos, não tiveram exposição sistemática às ferramentas que estão reformulando suas funções.
O resultado prático aparece nas pesquisas de mercado de trabalho: as postagens de vagas que exigem fluência em IA pagam, em média, 26% a mais do que posições equivalentes sem esse requisito. E a produtividade dos profissionais que atingem fluência real aumenta aproximadamente 26% dentro de semanas de adoção efetiva — não meses. O retorno sobre o investimento em capacitação de IA é um dos mais altos disponíveis no portfólio de desenvolvimento organizacional hoje.
Por que os programas de treinamento convencionais estão falhando
A resposta corporativa ao gap de fluência tem sido, em grande parte, a criação de treinamentos em IA — workshops de um dia, módulos de e-learning sobre prompting, pilotos com uma ferramenta específica. Esses programas geram conhecimento superficial, não fluência. A diferença é crítica: conhecimento superficial permite ao profissional usar a ferramenta que foi mostrada no treinamento, na forma exata como foi ensinada. Fluência permite ao profissional adaptar qualquer ferramenta a qualquer contexto, identificar novas aplicações e ensinar os colegas.
Fluência se constrói com prática intensa em contextos reais, não com cursos. Os programas de capacitação em IA que funcionam têm algumas características em comum: integram o aprendizado no fluxo de trabalho diário, definem casos de uso específicos para cada função, criam comunidades de prática onde os early adopters ensinam os colegas, e medem resultados de negócio — não horas de treinamento concluídas.
Empresas como a Klarna, o JPMorgan e a Unilever reportaram resultados expressivos com abordagens baseadas em aprendizado no trabalho: times inteiros redesenhando processos com IA em ciclos de quatro a seis semanas, com ganhos de produtividade mensuráveis antes do fim do trimestre. O modelo funciona porque trata IA como prática, não como teoria.
O que CHROs e CEOs precisam fazer antes do fim do ano
A divisão entre IA-fluentes e não-fluentes não vai se resolver sozinha — e tende a se aprofundar à medida que os modelos ficam mais capazes e as aplicações mais complexas. Para líderes que querem evitar que o gap interno vire uma vantagem competitiva para os concorrentes, há decisões concretas a tomar agora.
A primeira é mapear onde o gap está. Não em termos de “quantos colaboradores fizeram o treinamento de IA”, mas em termos de quais funções críticas para o negócio têm baixa adoção real de IA, quais tarefas de alto valor ainda são executadas manualmente porque ninguém no time sabe como automatizá-las, e quem são os 5% internos que já chegaram à fluência e poderiam funcionar como multiplicadores.
A segunda é mudar a métrica de sucesso dos programas de IA. Substituir “horas de treinamento” por “processos redesenhados”, “tarefas automatizadas” e “ganho de capacidade mensurado”. Isso exige que RH e liderança de negócio trabalhem juntos para definir o que fluência em IA significa para cada papel específico — não para “o colaborador genérico”.
A terceira é aceitar que a divisão tem implicações de remuneração e progressão que precisam ser endereçadas de forma transparente. Profissionais que investem em fluência em IA e entregam resultados superiores vão esperar — e merecer — reconhecimento proporcional. Organizações que não criam essa equação vão perder seus 5% para empresas que o fazem.
Publicado em 20 de março de 2026 · thinq.news
