O aumento do uso da inteligência artificial generativa dentro das empresas não parece levar automaticamente ao aumento da produtividade. Segundo dados apresentados pela Fundação Persol de Pesquisas Abrangentes, a proporção de funcionários japoneses em tempo integral que usam inteligência artificial em seu trabalho aumentou de 41,9% em 2025 para 54,3% em 2026, mas essa disseminação não significa necessariamente uma redução das horas extras ou uma melhoria nos resultados das organizações.
Em entrevista à ITmedia, Yuji Kobayashi, pesquisador principal da Fundação Persol de Pesquisas Abrangentes, afirmou que produzir valor usando inteligência artificial às vezes exige afastar-se dela. A ideia não significa rejeitar as ferramentas, mas preservar as fontes de capacidades que os modelos não produzem sozinhos: o contato com a realidade, o julgamento das prioridades, a construção de significado e o aprendizado com pessoas e ambientes reais.
Um tempo mais rápido nem sempre resolve o gargalo
Kobayashi organiza os problemas do uso institucional da inteligência artificial em três eixos. O primeiro é o «problema de economizar tempo na direção errada»: tarefas como reunir informações, trocar mensagens de e-mail ou preparar uma apresentação podem ficar mais rápidas, enquanto o gargalo permanece em outro lugar. Ele dá o exemplo das vendas: a inteligência artificial pode acelerar a preparação da proposta, mas identificar o cliente, entender suas necessidades ou fechar o negócio pode ter um impacto maior no resultado final.
O segundo eixo é o «problema do desaparecimento do espaço disponível». O estudo indica que 60% do tempo economizado graças à inteligência artificial foi reinvestido no trabalho, e que mais de 70% desse tempo foi destinado às atividades diárias. Além disso, os funcionários que mais usam a ferramenta podem assumir encargos adicionais, como o treinamento interno relacionado a ela, em vez de converter o tempo liberado em aprendizado ou inovação.
O terceiro eixo é o «problema do desaparecimento da diferenciação». Quando escrever candidaturas a vagas ou preparar materiais de marketing se torna acessível a todos por meio de ferramentas semelhantes, diminui a vantagem que a habilidade de escrever, por si só, oferecia. Kobayashi considera que aquilo que a empresa consegue fazer com inteligência artificial também pode ser feito pelos concorrentes e pelos clientes, o que torna a aceleração das tarefas, sozinha, menos capaz de produzir uma vantagem que possa ser precificada.
A habilidade decisiva é administrar o ciclo completo
Segundo os resultados da pesquisa da Fundação Persol, os profissionais de alto desempenho em um ambiente que utiliza inteligência artificial diferem dos profissionais de alto desempenho em um ambiente que não a utiliza. No caso tradicional, o desempenho esteve relacionado à compreensão da função, à rapidez de ação e à gestão dos relacionamentos com outras pessoas. Já em um ambiente de inteligência artificial, destacaram-se as pessoas capazes de transformar o trabalho com a ferramenta em um ciclo recorrente de coleta de informações, decisão, execução, revisão e aprendizado.
Esse ciclo é composto por cinco habilidades: «coleta» e «decisão» nas etapas superiores, seguidas de «verificação», «desconstrução» e «armazenamento» nas etapas posteriores. O percurso começa com a coleta de dados, incluindo informações primárias do mundo real às quais a inteligência artificial tem dificuldade de acesso. Em seguida, o usuário define as prioridades e o que deve ser delegado à ferramenta, depois revisa os resultados com outras pessoas, ajusta-os ou desconstrói as premissas inadequadas e, por fim, compartilha a experiência dentro da organização para que ela se transforme em conhecimento coletivo.
A importância dessas etapas está no fato de que o risco prático nem sempre é uma «alucinação» cujo erro possa ser facilmente detectado. O maior risco, segundo Kobayashi, é produzir uma resposta que pareça correta e razoável de modo geral, mas que não seja adequada para este cliente, este momento ou este contexto. Por isso, o valor do usuário não está em aceitar o resultado, mas em transformar uma «resposta geral» em uma resposta adequada à situação.
Pensamento múltiplo e curiosidade fora da tela
O estudo também identificou duas características intelectuais entre os profissionais de alto desempenho: o «pensamento tridimensional», que significa elevar o nível de abstração, conectar o tema a partir de vários ângulos e enxergar o quadro geral, e o «espírito animal», expressão usada pelo economista John Maynard Keynes para descrever as motivações humanas irracionais na atividade econômica. Kobayashi usa o termo aqui para se referir à curiosidade e à disposição para experimentar aquilo que parece interessante.
O pensamento múltiplo ajuda a organizar o fluxo de propostas produzidas pelos modelos, enquanto a curiosidade leva a pessoa a experimentar novos usos em vez de se limitar às tarefas habituais. No entanto, o estudo, conforme apresentado pela fonte, não constatou que o «espírito animal» cresça automaticamente com o prolongamento do período de uso da inteligência artificial. Kobayashi aponta, ao contrário, a possibilidade do surgimento de uma «perda de habilidades», em que a dependência da ferramenta leva à deterioração de algumas capacidades do usuário.
O que muda na prática?
A principal conclusão editorial é que medir o sucesso da inteligência artificial pelo número de funcionários que a utilizam ou pela quantidade de minutos que ela economiza pode ser insuficiente. A pergunta mais útil é: o tempo e o esforço foram transferidos para um ponto que realmente afeta a receita, a qualidade da decisão ou a solução do problema do cliente? Os programas de treinamento também não deveriam se limitar à redação de prompts, mas incluir a coleta de evidências, a definição de prioridades, a verificação coletiva e a documentação do conhecimento.
Kobayashi sugere que desenvolver o pensamento e a curiosidade exige atividades fora da ferramenta, como interagir com pessoas e ambientes diferentes, envolver-se em trabalhos paralelos ou atividades sem fins lucrativos e voluntárias, aprofundar-se em um único tema e ler. Essa não é uma receita comprovada para todas as organizações, mas reflete os limites daquilo que o uso contínuo da ferramenta, por si só, pode oferecer. O estudo baseou-se em uma pesquisa preliminar com 20 mil funcionários e, depois, em um estudo principal com 3 mil funcionários em tempo integral. O estudo de acompanhamento ocorreu entre 22 de abril e 7 de maio de 2026, enquanto o novo estudo foi realizado entre 23 de abril e 7 de maio de 2026, com o acompanhamento de participantes do estudo de outubro de 2025 e de novos participantes.