Episódio 1: O paradoxo da disponibilidade e a estrutura do C⁴

Fernanda Coelho

Boas vindas ao primeiro episódio da nossa série de oito partes sobre como a Inteligência Artificial se transforma em uma nova forma de trabalhar em empresas não tech. Os oito artigos foram construídos a partir de referências acadêmicas, pesquisas publicadas por McKinsey, Microsoft/LinkedIn e Fórum Econômico Mundial, e da prática de conduzir programas de letramento, projetos de IA e conversas com profissionais e lideranças de diferentes áreas.

Fernanda Coelho

Nos meus workshops sobre IA dentro de empresas, costumo começar sempre com uma pergunta simples para a plateia: quem aqui já utiliza alguma ferramenta de Inteligência Artificial no trabalho? A cena é quase sempre a mesma: quase todas as mãos se levantam imediatamente. Mas aí eu faço a segunda pergunta, aquela que muda o clima da sala: e o que realmente mudou na forma como vocês trabalham? Nesse momento, a resposta nunca vem com a mesma rapidez. Algumas pessoas contam que passaram a escrever e mails mais rapidamente, resumir documentos extensos, organizar ideias ou preparar apresentações com mais agilidade. É verdade que são ganhos reais, especialmente quando se repetem ao longo da rotina diária. Mas quando a conversa avança para o impacto real no negócio, a sala fica mais quieta. Poucos conseguem apontar processos que foram verdadeiramente transformados, decisões que passaram a ser tomadas de outra maneira ou indicadores operacionais que melhoraram por causa da Inteligência Artificial. Essa cena vem se repetindo há cerca de três anos. E ela revela um paradoxo fascinante, que os dados do mercado confirmam com uma clareza incômoda: todo mundo usa, mas quase ninguém transformou.

Fernanda Coelho

Para entender a dimensão desse cenário, vale olhar para a pesquisa global mais recente da McKinsey sobre o estado da IA, publicada no final de 2025 com quase dois mil respondentes em mais de cem países. Esse estudo mostra que oitenta e oito por cento das organizações já utilizam Inteligência Artificial em pelo menos uma função de negócio, um avanço expressivo frente aos setenta e oito por cento do ano anterior. A tecnologia definitivamente chegou e está disponível nas empresas. No entanto, na mesma pesquisa, apenas trinta e nove por cento dos respondentes atribuem à IA algum impacto no resultado financeiro da empresa. E, entre esses poucos, a maior parte declara um impacto inferior a cinco por cento. Além disso, dois terços das organizações ainda não começaram a escalar a IA para além de projetos piloto e experimentos isolados. Quando colocamos esses dois números lado a lado, temos uma constatação impressionante: quase todo mundo usa a tecnologia, mas apenas cerca de seis por cento das empresas conseguem demonstrar valor econômico relevante. Isso deixa muito claro uma coisa: o problema não é o acesso à tecnologia. O problema é a aplicação correta dessa tecnologia. O acesso cresceu exponencialmente, o uso começou em vários setores, mas os processos, as decisões e a forma tradicional de trabalhar permaneceram praticamente intactos.

Fernanda Coelho

Em muitas organizações, é muito comum acompanhar indicadores de vaidade (parece um termo ruim, mas é um termo comum). Vemos as empresas medindo o número de usuários ativos, a quantidade de licenças de software adquiridas, o volume total de interações nas ferramentas ou quantos agentes virtuais foram desenvolvidos. Esses dados mostram que a tecnologia começou a circular e que as pessoas estão experimentando. E esse é o primeiro movimento da adoção, que sem dúvida, tem o seu valor. MAS importante frizar que atividade não é transformação.

Fernanda Coelho

Uma organização pode registrar milhares de usuários ativos e continuar operando exatamente da mesma forma. Pode construir dezenas de agentes automatizados que impressionam em demonstrações internas, mas que nunca chegam a ser verdadeiramente incorporados à rotina diária. Os indicadores nos relatórios sobem, o gráfico da apresentação fica bonito, mas a pergunta lá do início continua sem resposta. O dado mais revelador da pesquisa da McKinsey não é sobre tecnologia em si, mas sobre desenho de trabalho. As organizações que capturam valor real com IA têm quase três vezes mais chance de terem redesenhado fundamentalmente seus fluxos de trabalho, estamos falando de PROCESSOS. Entre 31 variáveis testadas no estudo, o redesenho de processos aparece como um dos fatores de maior contribuição para o desempenho final. O diferencial não está em quanto se usa, mas sim em quanto se mudou. Em muitas empresas, esse uso começa de forma espontânea, antes mesmo de existir qualquer estratégia formal da diretoria. O relatório Work Trend Index da Microsoft e do LinkedIn mostrou que trinta e oito por cento de quem usa IA no trabalho leva suas próprias ferramentas pessoais para a empresa. É o fenômeno conhecido como Shadow AI, que levanta discussões importantes sobre segurança e governança, mas que aponta para algo mais profundo: o desejo das pessoas de mudar a sua forma de produzir, o desejo de potencializar suas entregas e otimizar o seu tempo.

Fernanda Coelho

Foi tentando entender o que acontece entre o momento em que uma tecnologia se torna disponível e o momento em que ela realmente modifica a maneira como uma organização opera que comecei a enxergar um padrão claro. Ao conduzir programas de letramento, acompanhar projetos e conversar com profissionais das mais diversas áreas, ficou evidente que a adoção de IA raramente acontece por uma grande ruptura do dia para a noite. Na verdade, ela avança por microevoluções na forma como as pessoas compreendem o próprio trabalho, identificam oportunidades, experimentam soluções, compartilham aprendizados e transformam essas práticas em soluções coletivas. A transformação estrutural não é o primeiro passo da jornada; ela é a consequência final. Para organizar esse padrão que venho observando na prática, criei uma lente conceitual chamada C quatro. É importante destacar que o C quatro não é uma nova metodologia rígida de transformação digital, mas sim uma forma de enxergar o avanço da maturidade em quatro camadas interligadas: Conhecimento, Consciência, Comportamento e Capacidade.

Fernanda Coelho

Ao longo dessa série nós vamos detalhar como essas quatro camadas funcionam na prática. Mas segue um breve spoiler para te deixar curioso!

Fernanda Coelho

A primeira camada é o CONHECIMENTO, que representa a porta de entrada. Ninguém utiliza bem uma tecnologia que não compreende. É a camada do letramento digital: saber o que a IA faz bem, onde ela falha, quais riscos devem ser considerados e, talvez o mais importante de tudo, saber quando ela não é a resposta adequada. A segunda camada é a CONSCIÊNCIA, que surge quando esse conhecimento começa a mudar a forma como as pessoas observam o próprio trabalho. A tecnologia deixa de ser apenas uma novidade curiosa e passa a provocar perguntas sobre processos, gargalos e oportunidades reais no dia a dia. A terceira camada é o COMPORTAMENTO, que aparece quando essa nova percepção consegue sobreviver à rotina corrida. É o momento em que as pessoas experimentam ativamente, incorporam a IA às suas tarefas diárias, compartilham aprendizados com os colegas e desenvolvem soluções que atendem não apenas a si mesmas, mas a equipes inteiras. Por fim, a quarta camada é a CAPACIDADE, que se consolida quando esses novos comportamentos encontram uma organização estruturalmente preparada para sustentar essas práticas. Aqui entram governança, arquitetura de dados, plataformas adequadas, competências técnicas e modelos de decisão que permitem que boas ideias deixem de ser iniciativas isoladas e se transformem em soluções seguras e escaláveis por toda a empresa.

Fernanda Coelho

Uma observação fundamental sobre o modelo C quatro é que essas camadas não funcionam como uma sequência rígida ou uma fila de espera. Áreas diferentes dentro da mesma empresa podem estar em momentos completamente distintos da jornada. Além disso, a capacidade organizacional precisa começar a ser construída desde o primeiro projeto, e não apenas depois que as outras três camadas estiverem prontas. Se atividade não é transformação, a pergunta seguinte se torna inevitável: afinal, o que devemos medir em cada camada? Para que a mudança seja real, precisamos mudar a forma como avaliamos o sucesso. Na camada de Conhecimento, em vez de medir apenas horas de treinamento concluídas, devemos começar a medir quem na equipe sabe exatamente quando não usar a IA. Na camada de Consciência, em vez de contar apenas o número de pessoas capacitadas, o foco deve ser nas oportunidades reais identificadas diretamente pelas áreas de negócio. Na camada de Comportamento, no lugar de monitorar apenas o volume de usuários ativos, devemos medir quais processos tiveram seu desenho efetivamente alterado. E na camada de Capacidade, em vez de comemorar a quantidade de agentes construídos, o indicador chave passa a ser quantas soluções desenvolvidas são reaproveitadas entre diferentes áreas da organização. Os indicadores tradicionais mostram apenas que a tecnologia está circulando, enquanto os novos indicadores provam que a forma de trabalhar realmente mudou. Vamos detalhar isso nos proximos dias.

Fernanda Coelho

A pergunta central que fica para todas as lideranças e profissionais não é se a sua empresa já utiliza Inteligência Artificial, nem quantas licenças foram contratadas ou quantos cursos foram finalizados. A pergunta fundamental é: como uma tecnologia disponível se transforma, de fato, em uma nova forma de trabalhar? Responder a isso exige começar pelas pessoas, acompanhar de perto a evolução dos comportamentos e compreender como a organização cria as condições necessárias para que todo esse aprendizado individual se transforme em capacidade permanente. Em vez de perguntar em reuniões de status o que a IA já fez pela empresa, convido você a refletir: em qual camada, e em quais áreas dessa jornada, nós estamos hoje? Esse foi o primeiro episódio da nossa série C quatro. No próximo episódio, vamos mergulhar fundo na primeira e mais subestimada dessas camadas: o Conhecimento. Muito obrigado pela companhia e até a amanha!!