A gestão da mudança como alavanca fundamental dos impactos da IA

A Inteligência Artificial tornou-se um sinónimo de eficiência, automação e produtividade. Essa associação é verdadeira, mas incompleta. O maior impacto da IA não está apenas em fazer mais depressa aquilo que já fazíamos, mas sim em repensar o trabalho, redesenhar jornadas e elevar o papel do humano na criação de valor.

É por isso que a gestão da mudança não pode ser tratada como uma dimensão acessória dos programas de IA. É a alavanca que transforma potencial técnico em impacto real. Uma solução pode estar disponível, integrada e validada em piloto, no entanto, se não for absorvida pelas equipas, incorporada nos processos e “aprovada” pela cultura organizacional, o valor permanece apenas num contexto potencial e não é efetivamente capturado.

A IA, por si só, não transforma. Quem transforma são as pessoas, usando a IA para decidir melhor, servir melhor e trabalhar de forma mais consequente.

O valor de negócio potencial é materialmente relevante: a McKinsey estima que a IA generativa possa acrescentar entre 2,6 e 4,4 biliões de dólares por ano à economia global, com cerca de 75% desse valor concentrado em operações de Cliente, marketing e vendas, engenharia de software e I&D. Mas potencial não é o mesmo que impacto real. A BCG reportou que 74% das empresas ainda não demonstraram valor tangível com IA, enquanto a McKinsey, no State of AI 2025, identifica apenas cerca de 6% de AI high performers — empresas que atribuem pelo menos 5% do EBIT ao uso de IA e reportam valor significativo. O problema não está na incapacidade da IA para gerar valor, mas no facto de muitas organizações ainda não estarem preparadas para o capturar. E essa preparação é profundamente humana. A BCG refere também que os líderes na adoção de IA tiveram, nos últimos três anos, 1,5x mais crescimento de receita, 1,6x retorno acionista e 1,4x retorno sobre capital investido. Não como prova simples de causalidade, mas como sinal de maturidade competitiva: o diferencial não está apenas no modelo, no dado ou na plataforma. Está na capacidade de criar as fundações organizacionais que permitem transformar tecnologia em novos comportamentos, novas decisões, novos rituais de gestão e como corolário desta combinação, em valor.

Durante anos, a digitalização esteve associada a eliminar tarefas repetitivas e de baixo valor. A IA acelera essa trajetória, mas desloca-a para cima na escala de complexidade, isto é, já não automatiza apenas a tarefa administrativa, começando cada vez mais a entrar em contextos de análise, síntese, classificação, previsão e personalização. Esta tendência não implica necessariamente uma redução do papel humano, pode dizer-se que o eleva. A contribuição humana desloca-se para o julgamento, o desenvolvimento de relações, a criatividade, a empatia, a gestão de exceções e a responsabilidade pelas consequências.

Dois paradoxos ajudam a compreender esta mudança:

1. O primeiro é o paradoxo da abundância
   1. A IA torna abundantes coisas que antes eram escassas: análises, conteúdos, recomendações, simulações, resumos, segmentações e cenários. Quando tudo se torna mais fácil de produzir, a escassez muda de lugar. Deixa de estar apenas na produção e passa a estar na atenção, no critério, na confiança e na capacidade de escolha. Uma organização pode gerar dezenas de análises em minutos e, ainda assim, decidir pior se não souber separar sinal de ruído. É precisamente nesse contexto de abundância que o humano se torna diferenciador: na capacidade de exercer juízo crítico, estabelecer prioridades e dar sentido ao que a tecnologia torna disponível.
2. O segundo é o paradoxo de Jevons, aplicado à IA
   1. Quando uma tecnologia torna uma atividade mais eficiente, o seu uso pode aumentar em vez de diminuir. Se for mais fácil analisar, analisa-se mais. Se for mais rápido personalizar, o Cliente espera maior personalização. Se for mais simples produzir respostas, aumenta a expectativa de rapidez, contexto e consistência. A IA reduz o esforço unitário, mas pode aumentar a ambição, o volume e a exigência global do sistema. Tal como as máquinas a vapor aceleraram o consumo de carvão, também a IA pode intensificar o consumo de computação e energia, colocando sob escrutínio casos de uso cujo custo e complexidade ainda têm de ser comparados com o desempenho humano.

Num contact center, por exemplo, um assistente de IA pode resumir o histórico do Cliente, sugerir respostas e apoiar o agente em tempo real. Um estudo com mais de cinco mil agentes de serviço ao cliente mostrou ganhos médios de produtividade de 14%, chegando a 34% entre trabalhadores menos experientes (estudo NBER). Mas o valor não está apenas no tempo poupado, por atividade.

Está na capacidade de usar esse tempo para resolver melhor, humanizar momentos sensíveis, reduzir escalamentos e aumentar confiança. Continuando no contexto do contact center, as organizações que procuram apenas diminuir volumes ou tempos médio de atividades por recurso a tecnologia, dificilmente provocarão uma reação de lealdade/ permanência por parte dos seus Clientes. A IA melhora a cadência, no entanto, é o humano quem continua a definir e a ter um impacto transcendental na experiência proporcionada, assim como na satisfação que tem a capacidade de gerar.

O mesmo acontece em operações. Uma solução pode antecipar falhas, identificar anomalias ou priorizar intervenções num determinado fluxo operacional, mas o impacto nasce quando a equipa interpreta o alerta, gere os trade-offs da resolução, comunica com o Cliente, aprende com o padrão detetado e redesenha o processo. Nas áreas comerciais, a IA pode sugerir oportunidades de cross-selling ou sinais de churn, mas a venda continua a depender do momento certo, da leitura do contexto e da qualidade da relação que se estabelece com o Cliente.

Por isso, uma transformação potenciada por IA não deve ser desenhada como um projeto de transformação estritamente tecnológico. A pergunta central não é apenas que ferramenta vamos implementar, mas que decisões queremos melhorar, que jornadas queremos redesenhar, que capacidades humanas queremos libertar e que comportamentos temos de alterar para que a solução seja realmente absorvida.

Gerir a mudança implica criar um entendimento sobre o propósito que se pretende atingir, ajustar processos, rever métricas, preparar lideranças, desenvolver competências e criar mecanismos de feedback. Implica também tratar a confiança como um ativo crítico: as pessoas precisam de saber o que a IA faz, o que não faz, quando devem segui-la, quando devem questioná-la e quem é responsável pela decisão final. Vencerão as organizações que perceberem que o futuro do trabalho não é escolher entre IA e humano. É construir um novo equilíbrio entre ambos: a IA amplia capacidade, mas é o humano quem dá a intenção, contexto e a responsabilidade. A vantagem competitiva não estará em automatizar mais depressa, mas em libertar mais humanidade para aquilo que realmente provoca a diferença no Cliente e no negócio. Porque se a IA aumenta o campo do que é possível, são as pessoas que transformam o que é possível em consequência efetiva!

Fontes de enquadramento: McKinsey, The economic potential of generative AI, 2023; McKinsey, The State of AI: Global Survey 2025; BCG, AI Adoption in 2024: 74% of Companies Struggle to Achieve and Scale Value; National Bureau of Economic Research (NBER), Generative AI at Work, 2023.