Adoção de IA: como testar o que ajuda as pessoas a trabalhar

Por Alexandre Caramaschi, Founder da Brasil GEO · Junho 2026

Revisado em 6 de outubro de 2026.

Adoção de IA precisa ser observada no trabalho: a pessoa consegue usar a ferramenta, conferir a saída e concluir uma tarefa útil? Disponibilizar acesso não responde a essas perguntas. Um teste pequeno deve combinar orientação, casos reais ou representativos, tempo de revisão e registro de erros. O resultado pode justificar continuar, ajustar o processo ou escolher outra solução.

Trate a dificuldade de uso como informação

Uma ferramenta pode não se encaixar na tarefa, gerar respostas difíceis de verificar ou exigir etapas extras. A equipe também pode precisar de tempo para aprender, fontes melhores ou apoio para decidir quando não usar IA. Essas causas pedem intervenções diferentes; baixa utilização não prova falta de vontade.

O estudo Generative AI at Work, de Brynjolfsson, Li e Raymond, examinou a introdução de assistência generativa em atendimento e encontrou efeitos diferentes conforme a experiência dos trabalhadores. Esse recorte não demonstra um ganho universal. Ele reforça a necessidade de observar quem usa, em qual tarefa e sob quais condições.

Em vez de procurar um percentual genérico de sucesso, formule uma hipótese local: “Com orientação e acesso ao manual atual, a equipe consegue preparar respostas corretas com menos tempo total”. A hipótese pode estar errada. O teste precisa permitir descobrir isso.

Defina a tarefa e o suporte antes do piloto

O AI RMF do NIST inclui responsabilidades e treinamento entre suas orientações de governança. O roteiro abaixo é uma proposta prática de piloto, não uma certificação ou lista obrigatória do NIST.

Um experimento de adoção que cabe na rotina

1. Descreva o processo atual. Observe tempo, dúvidas, erros e revisões em tarefas representativas. Essa referência evita comparar o piloto com uma lembrança imprecisa.
2. Escolha participantes e casos. Inclua experiências distintas quando fizer sentido. Documente a seleção e as limitações; não transforme o teste em ranking individual.
3. Ensine a tarefa completa. Demonstre entrada, consulta à fonte, conferência e encaminhamento de incertezas. Registre o tempo de orientação e permita uma prática acompanhada.
4. Compare casos equivalentes. Use complexidade e critérios semelhantes. Se a mesma pessoa repetir tarefas, considere efeito de aprendizado e ordem de execução na interpretação.
5. Registre a experiência. Anote tempo ativo, tempo de espera, ajuda solicitada, erros, correções e motivos de abandono. Ouça por que a ferramenta foi ou não útil.
6. Revise uma mudança por vez. Ajuste instrução, fonte, interface ou integração conforme o problema observado. Repita os casos afetados.
7. Faça uma decisão documentada. Compare com a referência e com os critérios definidos antes do teste. Declare para quais pessoas e tarefas a conclusão vale.

Campos para um registro simples:

caso;tipo_de_tarefa;orientacao_recebida;tempo_execucao;tempo_revisao;tempo_correcao;ajuda_necessaria;erro_critico;resultado_aceito;motivo_de_abandono

Exemplo hipotético: o rascunho não é a entrega

Uma equipe fictícia testa IA para responder dúvidas sobre um catálogo. Em um conjunto de casos comparáveis, o processo anterior exige noventa minutos de execução e revisão. Com IA, o rascunho leva trinta minutos, mas a revisão e a correção exigem setenta. O total é cem minutos, além da orientação inicial, registrada separadamente.

Esses números inventados mostram por que cronometrar apenas o rascunho pode enganar. A investigação seguinte procura quais campos geraram retrabalho. Se o problema for um catálogo desatualizado, o piloto testa a fonte corrigida; se persistir com fonte correta, investiga instrução e ferramenta. A conclusão não é atribuir a falha às pessoas.

Critério de aceite: a entrega atende às regras de qualidade, o esforço completo cabe no limite definido e a pessoa sabe reconhecer quando pedir ajuda. Um erro crítico impede a ampliação até ser tratado. Os limites concretos devem corresponder à tarefa; este artigo não estabelece um percentual universal de aprovação.

O que contar depois do treinamento

Separe acesso concedido, oportunidade real de uso, tentativa, conclusão e resultado aceito. Um login não demonstra entrega; uma pessoa sem tarefas elegíveis no período não é automaticamente uma usuária que abandonou a ferramenta. Registre a razão de cada interrupção antes de interpretar um indicador.

Também verifique se o benefício permanece quando o acompanhamento inicial diminui. Se o uso só funciona com ajuda permanente de um especialista, esse apoio faz parte do custo e da capacidade necessária. Tempo liberado, satisfação e efeito financeiro são resultados diferentes.

Use as boas práticas de avaliação para organizar casos e revisão. No portal de Alexandre Caramaschi, Prompt Engineering Avançado apoia a prática de instruções e contexto, e Gestão de Projetos GEO ajuda a definir entregas e responsabilidades em GEO (Generative Engine Optimization).

Perguntas frequentes