Uma pesquisa Nielsen encomendada pela monday.com e realizada com 1.700 diretores e gerentes sênior em sete países revela um paradoxo: embora empresas adotem ferramentas de inteligência artificial para aumentar produtividade dos colaboradores, os gestores enfrentam crescentes desafios para supervisionar e avaliar o trabalho realizado.
O principal obstáculo identificado é a dificuldade em determinar quanto do output entregue pelos funcionários provém realmente deles e quanto vem da IA. Mais de 50% dos gerentes dizem ser mais difícil avaliar o trabalho dos colaboradores após a adoção de IA, uma vez que o resultado chega polido na caixa de entrada dos gestores. Consequentemente, quase metade dos gerentes relata gastar mais tempo revisando e orientando o output das equipes do que costumavam fazer.
Paradoxalmente, 94% dos gestores pesquisados afirmam estar entusiasmados em melhorar o trabalho usando IA e confiantes sobre onde aplicá-la para obter maior valor. Michal Miller Levi, chefe de pesquisa de mercado e insights de clientes na monday.com, comparou esse entusiasmo aos primeiros dias da internet nos anos 2000, apontando uma semelhança no tipo de dinamismo percebido em relação à IA. Contudo, Levi identifica o cerne do problema: a IA evolui mais rápido que os processos organizacionais conseguem se adaptar.
Os gestores estão reformulando critérios de avaliação de desempenho. Setenta e oito por cento dos respondentes modificaram como avaliam funcionários após adotar IA, conferindo maior peso à capacidade de criar prompts eficientes, decidir quais tarefas delegar para IA e experimentar novas formas de trabalho. Essa mudança de perspectiva reflete a necessidade de reconhecer competências emergentes em um ambiente transformado pela tecnologia.
Um problema adicional emerge quando os próprios gestores utilizam IA para informar suas decisões. Quarenta e seis por cento dos gestores usam IA para auxiliar na tomada de decisão, e 39% usam IA para redigir avaliações de desempenho. Essa prática corre o risco de amplificar vieses já existentes nos processos de avaliação. Pesquisa do Luxembourg Institute of Socio-Economic Research mostrou que modelos de linguagem, por serem máquinas preditivas em essência, tendem a reproduzir padrões humanos encontrados nos dados de treinamento. Um estudo de início de 2025 identificou que modelos de IA podem demonstrar viés contra candidatos negros e apresentam vieses significativos variados entre diferentes grupos sociais.
Quando questionada sobre se usar IA para avaliar desempenho poderia introduzir viés externo, Levi reconheceu que as empresas ainda não encontraram soluções para essas questões.
A adoção de IA também impõe uma nova camada de trabalho invisível aos gestores. Alguém precisa decidir quais tarefas entregar aos agentes de IA, verificar o que produzem e intervir quando algo dá errado. Essa supervisão contínua representa uma demanda significativa de tempo e atenção.
O cenário de infraestrutura tecnológica se torna mais complexo. Cinquenta e sete por cento dos gerentes informam que suas organizações agora têm mais ferramentas em circulação que antes, e 51% disseram que as ferramentas ficaram mais interdependentes e agrupadas desde a adoção de IA. Apenas 29% descrevem sua infraestrutura de IA como totalmente otimizada e centralizada. As empresas esperavam que a IA reduzisse o stack de software, mas enfrentam o oposto: aumento no número de aplicativos, integrações e uso de IA em sombra, quando funcionários adotam ferramentas fora dos sistemas aprovados oficialmente.
