A inteligência artificial já consegue produzir relatórios, resumir documentos, organizar dados e formular recomendações em poucos segundos. Atividades que antes exigiam horas de trabalho tornaram-se rapidamente automatizáveis.
Diante dessa mudança, a pergunta central no ambiente corporativo também mudou.
Já não basta saber se um profissional consegue utilizar ferramentas de IA. É preciso descobrir se ele é capaz de produzir algo melhor do que a máquina entregaria sozinha.
Essa é a provocação do artigo “Research: Why Some Junior Employees Work Well with AI—and Others Don’t”, publicado pela Harvard Business Review em 23 de julho de 2026. O texto apresenta uma pesquisa conduzida pela KPMG em parceria com a Universidade do Texas em Austin.
O estudo acompanhou 523 profissionais da KPMG em início de carreira, todos com até 18 meses de experiência. Eles realizaram tarefas próximas às encontradas em projetos reais, envolvendo análise de documentos, julgamento profissional e elaboração de recomendações.
Primeiro, agentes de IA executaram as atividades sozinhos, estabelecendo uma linha de base. Depois, os profissionais fizeram o mesmo trabalho com o apoio da tecnologia.
Os resultados revelaram três perfis.
Os aprendizes de IA, 24,1% dos participantes, produziram abaixo da linha de base da máquina. Os delegadores, 25,8%, chegaram a resultados semelhantes aos da IA sozinha. Já os amplificadores, 50,1%, conseguiram superar o desempenho da tecnologia.
A descoberta mais importante, porém, não está apenas nos percentuais.
Pensamento crítico, conhecimento do negócio e familiaridade com IA, isoladamente, não foram suficientes para prever quem teria melhor desempenho. Pessoas com capacidades semelhantes, utilizando a mesma ferramenta, produziram resultados radicalmente diferentes.
O diferencial estava na maneira de trabalhar.
A IA não uniformizou o talento. Ela ampliou as diferenças na forma como cada pessoa utiliza aquilo que sabe.
Os aprendizes representam um paradoxo.
Eles possuíam conhecimento técnico, capacidade crítica e domínio da tecnologia. Em alguns desses aspectos, eram semelhantes aos profissionais de melhor desempenho. Ainda assim, não conseguiam transformar suas competências em resultados superiores.
Questionavam as respostas da IA, solicitavam novas versões e reorganizavam informações, mas suas intervenções raramente melhoravam a entrega. Muitas vezes, concentravam-se em aspectos secundários e perdiam de vista a decisão central.
Havia movimento, mas faltava direção.
Isso não significa que fossem profissionais incapazes. O estudo sugere que possuíam potencial, mas ainda não conseguiam converter o que sabiam em uma forma produtiva de colaboração com a IA.
É nesse ponto que proponho uma leitura pela Arquitetura Psicodinâmica das Organizações.
Chamo de Arquitetura Psicodinâmica das Organizações a estrutura invisível de forças inconscientes, simbólicas e afetivas que molda decisões, vínculos e fronteiras de poder dentro de uma empresa. Ela estabelece limites implícitos sobre o que pode ou não ser pensado, dito e feito. Não aparece no organograma formal, mas opera paralelamente a ele, muitas vezes sem ser nomeada.
Sob essa lente, o comportamento dos aprendizes permite levantar uma hipótese: sua dificuldade pode não estar apenas no uso da ferramenta, mas na ocupação do lugar de autoria.
Concluir uma análise significa assumir uma posição, colocar o próprio julgamento em risco e aceitar a possibilidade de errar.
Em culturas que punem falhas ou oferecem autonomia apenas no discurso, profissionais podem aprender a prolongar análises em vez de decidir. Multiplicam revisões e utilizam a IA para adiar a escolha.
Nesse caso, o problema não seria falta de inteligência, mas uma arquitetura emocional que transforma a decisão em ameaça.
Os delegadores apresentam um risco diferente e menos visível.
Eles forneciam os documentos, explicavam o resultado desejado e aceitavam a resposta da IA com pouca investigação. Como os sistemas atuais já produzem análises consistentes, esses profissionais pareciam produtivos.
A entrega final podia ser adequada. Mas quase não havia contribuição humana além da solicitação inicial.
Quando uma empresa avalia apenas o produto final, corre o risco de confundir dependência tecnológica com competência profissional.
Um relatório bem escrito não comprova a qualidade do julgamento de quem o apresentou. Uma recomendação convincente pode esconder informações incompletas, premissas frágeis ou conclusões equivocadas.
A IA pode produzir uma boa resposta. Mas alguém precisa decidir se ela merece orientar uma escolha real.
Pela lente psicodinâmica, a delegação excessiva pode funcionar como deslocamento da responsabilidade. O profissional transfere à máquina não apenas a execução, mas também o desconforto de pensar, escolher e correr o risco de errar.
A IA torna-se um escudo.
No plano coletivo, isso pode criar um pacto silencioso: ninguém questiona profundamente, todos aceitam os resultados e a responsabilidade se dilui entre pessoas, processos e algoritmos.
A máquina passa a ocupar uma posição de autoridade que ninguém formalmente lhe concedeu, mas que todos começam a obedecer.
Os amplificadores trabalhavam de outra maneira.
Eles definiam o problema, ofereciam contexto, estabeleciam critérios e direcionavam a IA para análises relevantes. Questionavam pressupostos, buscavam evidências ausentes, pediam explicações alternativas e refinavam os resultados.
Em vez de tratar a IA como uma máquina de respostas, utilizavam-na como parceira de pensamento.
Seu diferencial não estava apenas no conhecimento, mas na capacidade de integrar repertório, julgamento e tecnologia durante todo o processo.
Na dimensão racional, estruturavam melhor o desafio. Na emocional, toleravam a incerteza e a revisão das próprias hipóteses. Na simbólica, preservavam a autoridade decisória.
Não entregavam à máquina a autoria do trabalho.
Essa é uma competência central da nova era: não apenas usar a IA, mas orquestrá-la.
Orquestrar significa definir a direção, perceber dissonâncias, corrigir desvios e manter responsabilidade pelo resultado.
O estudo não foi desenhado para comparar culturas organizacionais. Portanto, não permite afirmar que determinados ambientes produzam automaticamente aprendizes, delegadores ou amplificadores.
Mas seus resultados levantam uma pergunta importante: que tipo de cultura favorece cada comportamento?
Ambientes marcados por medo e aversão ao erro podem incentivar profissionais a buscar na tecnologia uma proteção contra a responsabilidade.
Organizações sem critérios claros e autonomia real podem produzir pessoas que se movimentam muito, mas evitam decidir.
Já culturas baseadas em confiança, pensamento crítico e corresponsabilidade têm mais condições de formar amplificadores.
Por isso, não basta distribuir licenças, ensinar comandos ou medir quantas pessoas utilizam IA. É necessário redesenhar o trabalho.
Os profissionais precisam explicar por que aceitaram, modificaram ou rejeitaram uma recomendação. Devem tornar visíveis os critérios utilizados, as alternativas consideradas e os riscos percebidos.
Avaliar apenas a entrega final já não basta.
É preciso avaliar o processo de pensamento.
Em breve, produzir uma análise consistente ou uma apresentação organizada será apenas o ponto de partida.
Por isso, a pergunta para CEOs e gestores não deveria ser apenas:
“Quantas pessoas da empresa utilizam inteligência artificial?”
A pergunta decisiva é:
“Quantas conseguem produzir algo melhor do que a IA produziria sozinha?”
E há uma questão ainda mais profunda:
“Que arquitetura emocional e simbólica estamos construindo ao redor da IA?”
Estamos formando pessoas capazes de pensar ou profissionais treinados para reproduzir respostas?
A IA não eliminará a necessidade de talento. Tornará apenas mais difícil esconder sua ausência.
A máquina pode elevar o ponto de partida. Mas a direção continuará dependendo do rigor intelectual, do julgamento e da coragem de quem assume a responsabilidade pela decisão.
Leia outras colunas de Joaquim Santini.
Siga o Times Brasil - Licenciado Exclusivo CNBC no
Claude Opus 5, novo modelo de IA da Anthropic, rivaliza com o Fable 5 e é mais barato 
