O que os dados dizem sobre o momento da IA e o que isso significa para nós: State of AI

Uma análise a partir de seis relatórios globais sobre o estado da inteligência artificial em 2025 e 2026

Nas últimas semanas, mergulhei em seis dos principais relatórios sobre o estado da IA publicados por institutos de pesquisa e consultorias globais. A leitura foi ao mesmo tempo estimulante e perturbadora — não porque os números são assustadores, mas porque revelam um padrão que conheço bem no trabalho com dados: a distância entre o que sabemos e o que fazemos.

Neste artigo, compartilho os principais achados e, mais importante, o que eles dizem sobre o papel humano nessa transformação.

1 O acesso cresceu. O uso, nem tanto.

O relatório da Deloitte AI Institute (State of AI in the Enterprise: The Untapped Edge, janeiro de 2026)¹, baseado em mais de 3.200 líderes de negócios em 24 países, traz um dado que me chamou bastante atenção: em apenas um ano, o acesso de trabalhadores a ferramentas de IA cresceu 50% — de menos de 40% para cerca de 60% da força de trabalho.

Parece uma conquista expressiva, mas o mesmo relatório revela que, entre os trabalhadores com acesso, menos de 60% realmente usam IA no seu fluxo de trabalho diário.

Acesso não é adoção. E adoção não é transformação.

Esse gap me lembra algo que percebo constantemente: disponibilizar uma ferramenta não resolve o problema cultural que existe antes dela. As pessoas precisam entender o porquê antes do como.

2 A maioria ainda está experimentando — e está tudo bem

A pesquisa da McKinsey & Company (The State of AI in 2025: Agents, Innovation, and Transformation, novembro de 2025)², conduzida com quase 2.000 participantes globais, mostra que 88% das organizações já utilizam IA em pelo menos uma função de negócio. Um crescimento notável em relação aos 78% de 2024 e 55% de 2023.

Mas atenção: quase dois terços ainda estão na fase de experimentação ou piloto. Apenas um terço iniciou a escala real.

O relatório da ICONIQ Capital (AI Builders Playbook, junho de 2025)³, focado em empresas construtoras de produtos de IA, reforça esse cenário: cerca de 80% das empresas nativas de IA já constroem agentic workflows, mas a maioria do mercado ainda está nos estágios iniciais.

Reconheço que ainda temos muito a aprender sobre o ritmo de adoção. E pode ser que a “fase de experimentação” não seja fraqueza — ela pode ser a cautela necessária para fazer direito.

3 Os agentes estão chegando mais rápido do que a governança

Um dos achados que mais me preocupou veio novamente do relatório da Deloitte: quase 74% das empresas planejam implantar agentic IA em dois anos. Agentes autônomos que executam tarefas, tomam decisões, coordenam outros sistemas.

O problema? Apenas 21% reportam ter um modelo maduro de governança para esses agentes.

Perceba que desta forma estamos construindo o carro enquanto a estrada ainda não existe.

A pesquisa da ICONIQ confirma que a maioria das empresas tem políticas de ética e governança de IA — mas muitas ainda dependem principalmente de revisão humana como mecanismo de controle. Human-in-the-loop como segurança. É um começo, mas não é suficiente para a velocidade em que os agentes estão sendo implantados.

É nossa responsabilidade garantir que a velocidade de adoção não atropele a capacidade de supervisão responsável.

4 O que os dados realmente mostram sobre produtividade e custo

O Stanford HAI (AI Index Report 2025)⁴, uma das publicações acadêmicas mais rigorosas do campo, traz um dado que equilibra o entusiasmo: o custo de inferência para um sistema equivalente ao GPT-3.5 caiu mais de 280 vezes entre novembro de 2022 e outubro de 2024. No hardware, os custos reduziram 30% ao ano enquanto a eficiência energética melhorou 40% no mesmo período.

Isso significa que a IA ficou dramaticamente mais acessível e barata. A barreira de entrada caiu. E com isso, o investimento privado em IA nos EUA chegou a US$ 109,1 bilhões em 2024 — 12 vezes o investimento chinês e 24 vezes o britânico.

Mas o mesmo relatório é honesto: raciocínio complexo ainda é um desafio. Os modelos falham em tarefas de lógica que têm soluções provadamente corretas. Isso importa. Por trás de cada métrica de produtividade há decisões que afetam pessoas reais — e confiar cegamente em sistemas que ainda cometem erros lógicos é um risco que precisamos nomear.

5 O design do trabalho ficou para trás

Talvez o dado mais revelador de todos venha do relatório da Deloitte: 84% das empresas ainda não redesenharam cargos ou a natureza do trabalho em função das capacidades da IA. As habilidades insuficientes dos trabalhadores são vistas como a maior barreira — mas menos da metade das empresas está fazendo ajustes significativos em suas estratégias de talentos.

A McKinsey reforça: metade dos “high performers” de IA pretende usar a tecnologia para transformar seus negócios, e a maioria está redesenhando workflows. Mas são a minoria. E a pesquisa da OpenRouter e a16z (State of AI: An Empirical 100 Trillion Token Study, dezembro de 2025)⁵ mostra que os usos que realmente dominam as interações com LLMs no mundo real são muito mais variados do que se imagina — programação e roleplay criativo lideram, não os casos de uso corporativo que aparecem nos planos estratégicos.

A pergunta que faço — e que gostaria de ouvir outras perspectivas sobre — é: o que nos impede de redesenhar o trabalho? É medo? É falta de clareza sobre o que vem depois? Ou é que ainda não temos frameworks suficientemente humanos para guiar essa transição?

6 Confiança: o ativo que ainda precisa ser construído

O AI Index de Stanford traz um dado que raramente aparece nas manchetes: menos pessoas acreditam que empresas de IA vão proteger seus dados do que acreditavam antes. Preocupações com viés e equidade persistem. Incidentes relacionados a IA estão crescendo rapidamente — e avaliações padronizadas de segurança ainda são raras entre os principais desenvolvedores.

Ao mesmo tempo, o otimismo global está crescendo — especialmente em países como China (83%) e Indonésia (80%). Nos EUA e no Canadá, a confiança ainda está abaixo de 40%.

O estudo empírico da OpenRouter e a16z identificou um fenômeno revelador: usuários que encontram um bom “encaixe” com um modelo logo no início tendem a permanecer engajados muito mais tempo do que usuários tardios — o que chamaram de efeito “Glass Slipper”. Confiança construída cedo dura mais.

Isso diz que o trabalho de construir confiança precisa ser feito agora, não depois. E confiança se constrói com transparência, consistência e, fundamentalmente, com consequências reais para quem erra. O relatório do Air Street Capital (State of AI Report 2025)⁶ aponta que a lacuna entre reconhecer riscos de IA responsável e agir sobre eles persiste nas empresas — mesmo quando governos ao redor do mundo intensificam a regulação.

7 O que isso significa na prática

Na minha experiência trabalhando com dados e produtos, aprendi que transformações tecnológicas raramente falham por falta de tecnologia, pois há diferentes sabores no mercado para serem experimentados, o que é bastante bom. Elas falham quando as pessoas não entendem o que está em jogo, quando a governança não acompanha a velocidade, e quando o redesenho do trabalho é tratado como detalhe de implementação em vez de decisão estratégica central.

Os relatórios que analisei convergem em um ponto: estamos no meio de uma transição, não no fim. A maioria das organizações está entre o piloto e a escala. Os agentes autônomos estão chegando. O custo da IA vai continuar caindo, e possivelmente se torne commodity. A fronteira entre modelos vai continuar se comprimindo — o diferencial de desempenho entre o 1º e o 10º modelo rankeado globalmente caiu de 11,9% para 5,4% em apenas um ano.

O que vai diferenciar quem lidera essa transição com integridade é exatamente o que a tecnologia não resolve sozinha: clareza de propósito, governança séria, e o cuidado genuíno com as pessoas cujo trabalho — e cujas vidas — estão sendo redesenhados.

Como vocês têm abordado esse tema nas suas organizações? Que desafios vocês enfrentam nessa área?

8 Referências