A inteligência artificial já participa do trabalho e do aprendizado das pessoas. O desafio é entender quando esse aprendizado também se transforma em capacidade da organização.
(Tempo estimado de leitura: 9 minutos)
A inteligência artificial já participa de atividades que vão muito além da produção de textos ou da busca por informações. Ela ajuda profissionais a analisar situações, testar hipóteses, comparar alternativas, organizar raciocínios, encontrar referências e construir soluções enquanto o trabalho acontece.
Nesse processo, algo menos visível também está ocorrendo: as pessoas estão aprendendo enquanto trabalham com a IA.
Não se trata de um fenômeno inteiramente novo. Muito antes da inteligência artificial generativa, parte importante do desenvolvimento profissional já acontecia no próprio exercício do trabalho — diante de um problema novo, na troca com colegas, pela experimentação, pela observação ou pela necessidade de encontrar uma solução.
A IA acrescenta, porém, uma nova dimensão a essa dinâmica. Um recurso capaz de interagir, responder, questionar, comparar, explicar e reformular está disponível justamente no momento em que surge uma necessidade.
Isso amplia possibilidades, mas também torna menos nítida a fronteira entre utilizar uma tecnologia para realizar o trabalho e desenvolver novas capacidades a partir dessa interação.
No Brasil, a pesquisa TIC Empresas 2025, do Cetic.br/NIC.br, mostrou que 17% das empresas já utilizavam inteligência artificial, ante 13% em 2024. Entre as grandes empresas, a proporção chegou a 50%. Nas indústrias extrativas e de transformação, a PINTEC Semestral do IBGE registrou avanço ainda mais intenso entre empresas com 100 ou mais pessoas ocupadas: o uso de IA passou de 16,9% em 2022 para 41,9% em 2024.
Usar IA e aprender com IA não são necessariamente a mesma coisa
Uma entrega produzida com apoio da inteligência artificial pode ser melhor, mais rápida ou mais completa sem que, necessariamente, a pessoa tenha desenvolvido uma nova capacidade.
Em determinadas situações, a IA executa parte do trabalho. Em outras, apoia sua execução. E há situações em que a interação se transforma em um processo de aprendizagem: a pessoa pergunta, testa, questiona uma resposta, procura outras fontes, compara caminhos, corrige seu entendimento e leva aquele repertório para situações posteriores.
A literatura recente ajuda a tornar essa diferença mais precisa. Andreas Rausch, em artigo publicado em 2025 na Frontiers in Organizational Psychology, chama atenção para um possível “AI ghost-learner effect”: situações em que a pessoa consegue executar uma tarefa com auxílio da IA sem desenvolver competência equivalente, especialmente quando delega o raciocínio e deixa de refletir sobre o processo.
Há, ao mesmo tempo, evidências de que a IA pode apoiar a aprendizagem. Em estudo publicado em 2025 no Quarterly Journal of Economics, Erik Brynjolfsson, Danielle Li e Lindsey Raymond analisaram a introdução de um assistente de IA entre 5.172 agentes de atendimento. A produtividade aumentou 15% em média, com ganhos maiores entre profissionais menos experientes e menos qualificados. Os autores também encontraram evidências de que a assistência de IA favoreceu a aprendizagem dos trabalhadores.
O Work Trend Index 2026, da Microsoft, identificou que 49% das interações analisadas com o Microsoft 365 Copilot estavam relacionadas a atividades cognitivas, como analisar informações, resolver problemas, avaliar alternativas e pensar criativamente. Na pesquisa realizada com 20 mil trabalhadores do conhecimento usuários de IA em dez mercados, incluindo o Brasil, 66% disseram que a IA lhes permitiu dedicar mais tempo a trabalhos de maior valor, enquanto 58% afirmaram estar produzindo trabalhos que não conseguiriam realizar um ano antes.
Esses números mostram ampliação de possibilidades. Mas não dizem, por si sós, quanto dessa ampliação representa aprendizagem que permanece com o profissional — e muito menos quanto dela se transforma em capacidade da organização.
Essa distinção importa.
A mesma tecnologia pode produzir experiências muito diferentes
Disponibilizar uma ferramenta de IA para uma equipe não significa necessariamente distribuir uma capacidade homogênea.
A forma como cada profissional interage com a tecnologia depende também do conhecimento que já possui, das perguntas que formula, de sua capacidade de avaliar respostas, do contexto em que trabalha e da maneira como utiliza a ferramenta.
A OCDE reforça esse ponto ao mostrar que a difusão da IA não elimina a importância das competências humanas. Em relatório publicado em 2026, a organização destaca, entre outros aspectos, a crescente importância da capacidade de usar, analisar e interpretar dados.
Pesquisas recentes sobre aprendizagem com IA generativa começam a identificar processos nos quais o conhecimento sobre o próprio trabalho e a capacidade de utilizar a IA evoluem conjuntamente, por meio de experimentação, comparação e calibração progressiva da confiança nas respostas.
Isso significa que duas pessoas podem ter acesso à mesma tecnologia e construir relações muito diferentes com ela.
Uma pode utilizá-la predominantemente para executar uma tarefa. Outra pode transformá-la em um recurso para investigar um problema. Outra pode incorporar novos critérios e formas de raciocínio que continuará utilizando depois daquela interação.
Nesse contexto, talvez seja insuficiente perguntar apenas quem usa IA na organização.
Pode ser igualmente relevante compreender como as pessoas estão usando — e o que estão desenvolvendo a partir desse uso.
A organização pode receber o valor sem necessariamente incorporar o aprendizado
Há uma nuance importante nessa discussão.
Quando um profissional aprende algo durante o trabalho e utiliza esse aprendizado para produzir uma análise melhor, aperfeiçoar um processo ou tomar uma decisão mais consistente, a organização já recebe parte do valor produzido.
O conhecimento não ficou necessariamente “preso” naquela pessoa ou em uma conversa com a IA. Ele chegou à organização por meio da entrega.
Mas receber o benefício de um aprendizado e incorporar esse aprendizado à capacidade organizacional não são exatamente a mesma coisa.
Entre uma situação e outra, podem existir diferentes formas de apropriação. Um aprendizado pode influenciar uma entrega, passar a orientar outras pessoas, modificar uma prática ou permanecer disponível mesmo quando quem o desenvolveu já não está presente.
Onde, nesse percurso, termina o aprendizado individual e começa o aprendizado da organização não é uma fronteira simples de estabelecer.
Critérios desenvolvidos, referências encontradas, hipóteses descartadas, formas melhores de executar determinada atividade ou soluções descobertas durante o processo podem continuar dependendo exclusivamente de quem participou daquela experiência.
A IA está acrescentando uma nova camada a esse desafio: parte crescente do trabalho cognitivo acontece em interações individuais que a organização não necessariamente enxerga.
O processo de aprendizagem pode permanecer pouco visível, mesmo quando seus efeitos já aparecem no trabalho.
Um dado do Work Trend Index 2026 ajuda a dimensionar essa assimetria. Apenas 19% dos usuários de IA estavam no grupo denominado Frontier, no qual alta capacidade individual e alta prontidão organizacional apareciam combinadas, enquanto 31% estavam em situações de desalinhamento entre essas dimensões. Os dados são autorrelatados e não medem aprendizagem organizacional diretamente, mas evidenciam que capacidade individual e condições organizacionais não avançam necessariamente juntas.
O aprendizado que acontece sem ser planejado
Essa questão também convida a olhar para a maneira como as organizações compreendem o desenvolvimento profissional.
Cursos, treinamentos, programas de desenvolvimento e outras iniciativas estruturadas continuam desempenhando papéis importantes. Mas nunca foram as únicas formas pelas quais as pessoas aprendem.
A literatura denomina informal learning parte desse aprendizado que ocorre durante o próprio trabalho, frequentemente provocado pela necessidade de resolver problemas concretos.
Com a IA generativa, esse fenômeno começa a ganhar uma formulação mais específica. Em artigo publicado em 2026 na revista Knowledge and Process Management, Eduardo Carlos Dittmar e Martin Sposato propõem o conceito de shadow learning para descrever processos pelos quais trabalhadores desenvolvem capacidades e coproduzem conhecimento em interações informais com IA, fora dos sistemas formais de desenvolvimento. Como se trata de uma formulação acadêmica recente, o conceito ainda deve ser tratado como emergente.
Ele ajuda, porém, a nomear uma questão que as organizações já enfrentam: parte do aprendizado pode acontecer sem que a organização consiga enxergá-la ou transformá-la em capacidade coletiva.
A partir daí, surge uma questão relevante:
quanto do desenvolvimento das pessoas está acontecendo hoje fora dos mecanismos pelos quais as organizações tradicionalmente procuram enxergá-lo?
E quando a pessoa aprende, o que permanece para a organização?
Há 35 anos, a FNQ acompanha transformações nas formas de organizar o trabalho, desenvolver a gestão e construir capacidades nas organizações brasileiras.
Olhar para essa trajetória também permite perceber que novas tecnologias não necessariamente substituem questões anteriores da gestão. Muitas vezes, acrescentam novas dimensões a elas.
A inteligência artificial pode estar fazendo justamente isso com a relação entre aprendizagem individual e capacidade organizacional.
Foi a partir dessa inquietação que a FNQ perguntou recentemente à sua comunidade:
O que mais dificulta transformar o conhecimento das pessoas em conhecimento da organização?
Na enquete, 53% apontaram “não vira prática de gestão”. Outros 23% indicaram “aprendizado fica com a pessoa” e 23%, “falta de registro”.
A amostra é pequena e não pretende representar o universo das organizações. Mas as respostas ajudam a colocar uma distinção em debate: talvez a questão não termine quando um conhecimento é registrado ou compartilhado. Há ainda uma passagem entre conhecer algo e incorporá-lo à forma como a organização trabalha.
Os comentários recebidos ampliaram essa reflexão: ampliar o acesso à informação não garante aprendizagem organizacional, enquanto informações relevantes que permanecem em conversas, na memória ou com quem acompanhou determinado acontecimento podem deixar de estar disponíveis para outras pessoas se não houver algum mecanismo de preservação.
Essa passagem entre experiência individual e capacidade organizacional pode assumir formas concretas: critérios incorporados a processos de decisão, padrões de qualidade compartilhados, aprendizados registrados em bases acessíveis, mudanças de procedimento, práticas replicáveis ou novos mecanismos de orientação. O desafio gerencial não é capturar tudo o que acontece em cada interação com IA, mas identificar aquilo que gera valor recorrente e merece deixar de depender exclusivamente da memória ou da iniciativa de uma pessoa.
Nem tudo precisa virar conhecimento organizacional
Talvez aqui esteja um cuidado fundamental.
Não faria sentido imaginar que toda conversa com uma IA, toda descoberta individual ou todo aprendizado cotidiano precise ser registrado, compartilhado ou convertido em procedimento.
Organizações não precisam transformar cada interação em um ativo de conhecimento.
A questão parece ser outra: o que foi aprendido que não deveria precisar ser aprendido novamente do zero?
Pode ser um critério importante para uma decisão. Uma maneira melhor de realizar determinada atividade. Um erro que não deveria se repetir. Uma solução que outras pessoas poderiam aproveitar. Um conhecimento crítico que não deveria desaparecer com uma mudança na equipe.
Identificar o que merece transcender a experiência individual provavelmente continuará dependendo de julgamento. E nem sempre será possível estabelecer com precisão quanto de um aprendizado permaneceu com uma pessoa, influenciou outras ou passou a fazer parte das práticas da organização.
A própria IA, por sua vez, pode participar dos dois lados dessa equação. Pode tornar parte do aprendizado mais individual e menos visível, mas também pode ajudar a organizar, recuperar, conectar e disseminar conhecimentos que antes eram difíceis de tornar acessíveis.
Por isso, talvez a discussão mais relevante não seja se a IA fará as organizações aprenderem mais ou menos.
É perceber que a relação entre aprendizagem individual e capacidade organizacional pode estar mudando.
Para a gestão, isso sugere uma mudança de foco: além de medir adoção, frequência de uso ou produtividade gerada pela IA, pode ser necessário observar também como os aprendizados produzidos nessas interações se tornam — ou deixam de se tornar — práticas, critérios e capacidades compartilhadas.
O que as pessoas estão aprendendo enquanto trabalham com IA — inclusive quando esse aprendizado não foi planejado pela organização?
E quais desses aprendizados são relevantes o suficiente para não dependerem apenas de quem os desenvolveu?
À medida que a inteligência artificial passa a participar não apenas da execução do trabalho, mas também da forma como problemas são investigados e soluções são construídas, talvez uma nova questão esteja se colocando para as organizações: não apenas o que as pessoas conseguem fazer com IA, mas o que pessoas e organizações estão aprendendo nesse processo — e o que acontece com esse aprendizado depois.
Referências
- CETIC.BR | NIC.BR. Pesquisa sobre o uso das tecnologias de informação e comunicação nas empresas brasileiras: TIC Empresas 2025. São Paulo: NIC.br, 2026.
- IBGE — Instituto Brasileiro de Geografia e Estatística. Pesquisa de Inovação Semestral: indicadores básicos 2024. Rio de Janeiro: IBGE, 2026.
- RAUSCH, Andreas. Artificial intelligence for informal workplace learning: a problem-solving perspective. Frontiers in Organizational Psychology, v. 3, 2025, art. 1555429. DOI: 10.3389/forgp.2025.1555429.
- BRYNJOLFSSON, Erik; LI, Danielle; RAYMOND, Lindsey R. Generative AI at Work. The Quarterly Journal of Economics, v. 140, n. 2, p. 889–942, 2025. DOI: 10.1093/qje/qjae044.
- MICROSOFT. 2026 Work Trend Index Annual Report: Agents, human agency, and the opportunity for every organization. 2026.
- OECD. AI and skills: What we know so far. Paris: OECD Publishing, 2026. DOI: 10.1787/f843b352-en.
- DITTMAR, Eduardo Carlos; SPOSATO, Martin. Shadow Learning and Knowledge Redistribution: How Workers Appropriate Generative AI Outside Formal Organisational Systems. Knowledge and Process Management, 2026. DOI: 10.1002/kpm.70145.