23% dos líderes britânicos blefam sobre IA — o treinamento ficou para trás

Em reportagem do IT Brief de 30 de setembro de 2026, uma pesquisa da Emergn mostrou que, entre 350 líderes seniores de organizações britânicas com pelo menos mil funcionários ouvidos pela Censuswide, 23% admitiram fingir entender mais de IA do que entendem, apenas 43% relataram treinamento substancial e contínuo nos 12 meses anteriores e 43% disseram valorizar habilidades em IA acima de qualificações formais. As respostas mostram uma cobrança por conhecimento que a formação relatada não acompanhou para todos; não estabelecem, porém, que a falta de treinamento causou o blefe.

Na reportagem publicada pelo ITPro em 6 de outubro, 38% dos entrevistados disseram temer prejuízo à carreira se não melhorassem muito suas habilidades em IA no ano seguinte; Alex Adamopoulos, CEO da Emergn, resumiu a dificuldade de admitir uma lacuna: “But pretending leaves you with the same unanswered question tomorrow.” O receio de parecer despreparado ajuda a entender a pressão sobre esses dirigentes, mas a pesquisa não demonstra por que cada um exagerou o próprio conhecimento.

A segurança ao falar pode esconder dúvidas na decisão

Os entrevistados já ocupavam cargos de liderança havia anos. A experiência, portanto, não elimina a insegurança diante de uma tecnologia que altera tarefas sob sua responsabilidade. Saber nomear ferramentas ou repetir promessas de produtividade é diferente de decidir onde usá-las, quais dados oferecer e que resultado seria bom o bastante para manter a aplicação.

Essa diferença importa para a equipe. Quando um dirigente aprova uma proposta sem explicitar o problema que ela resolve, outras pessoas precisam descobrir depois quais respostas revisar e quem responde por um erro. É um risco de decisão, não uma falha comprovada entre os participantes da pesquisa: os percentuais vêm de respostas declaradas, não de uma avaliação prática nem da observação dos projetos que eles aprovaram.

Também não há motivo para tratar uma dúvida como prova de incompetência. Uma pergunta específica sobre dados, qualidade ou responsabilidade revela mais sobre a capacidade de conduzir um projeto do que a familiaridade com termos técnicos. Se a organização só recompensa demonstrações de confiança, perde a oportunidade de descobrir em que ponto seus líderes precisam de apoio.

Treinar para o trabalho que o líder precisa orientar

O alcance limitado da formação relatada torna insuficiente presumir que o cargo, por si só, prepare alguém para supervisionar IA. Um curso de conceitos pode criar vocabulário comum, mas a decisão real exige conhecer a tarefa, as informações usadas, o custo de conferir as saídas e as consequências de um resultado incorreto. Esses elementos variam entre processos e precisam entrar na aprendizagem.

Em The Value Gap, estudo distinto da Emergn com 700 líderes dos Estados Unidos e do Reino Unido, a empresa descreve um investimento em ferramentas de IA que avança mais depressa que o investimento nas pessoas encarregadas de aplicá-las. O estudo trata de execução e investimento em transformação, não mede o blefe identificado no levantamento britânico. A distinção é útil: comprar acesso a uma ferramenta e desenvolver a capacidade de escolher, avaliar e interromper seu uso são decisões organizacionais diferentes.

Na capacitação ligada ao trabalho, o líder e a equipe podem examinar uma tarefa que já executam e explicitar o que mudaria com IA. Uma política de IA no trabalho pode registrar limites para dados e responsabilidades; o aprendizado aparece quando essas regras são aplicadas ao fluxo concreto. Isso permite localizar uma lacuna sem pedir a ninguém que se declare especialista ou impostor.

Cinco perguntas revelam a competência operacional

Um diagnóstico centrado em um caso de uso desloca a conversa do vocabulário para as escolhas que afetam a equipe. As perguntas abaixo são uma proposta editorial de avaliação e capacitação, não um instrumento empregado na pesquisa britânica. Uma resposta incompleta indica o conteúdo do exercício seguinte, em vez de servir para constranger quem responde.

• Qual tarefa justifica usar IA? A resposta precisa identificar o trabalho atual, o resultado esperado e a parte que permanecerá sob responsabilidade humana. Se a justificativa for apenas adotar a tecnologia, o exercício é comparar o processo existente com uma alternativa assistida antes de selecionar uma ferramenta.
• Onde a saída exige julgamento humano? O líder deve conseguir apontar situações em que uma resposta convincente pode estar errada ou ser inadequada. Se não reconhece esses limites, a capacitação pode partir de exemplos da própria atividade e pedir que a equipe aceite, corrija ou rejeite saídas, explicando os motivos.
• Que dados entram no processo? É preciso saber de onde vêm as informações, quem está autorizado a acessá-las e quais não devem ser inseridas na aplicação escolhida. Quando a resposta é vaga, o trabalho de formação começa pelo mapeamento de um fluxo real com as pessoas responsáveis pelo processo, pela privacidade e pela segurança.
• Como a qualidade será avaliada? Contar usos da ferramenta não mostra se a tarefa melhorou. Uma resposta operacional define o resultado a observar, a forma de conferir as saídas e o esforço aceitável de revisão. Na ausência desses critérios, uma amostra de trabalho permite praticar a comparação antes de ampliar a aplicação.
• Quem age quando algo falha? O dirigente deve distinguir quem identifica o problema, quem corrige o resultado e quem pode suspender o uso. Se tudo termina em “a equipe verifica”, um exercício com uma falha possível ajuda a definir responsabilidades e o caminho de escalonamento.

O que o resultado permite dizer fora do Reino Unido

A amostra reúne líderes seniores de grandes organizações britânicas. Ela não permite atribuir a mesma proporção de blefe a dirigentes brasileiros ou de outros mercados de língua portuguesa, nem concluir que alguém sem formação contínua necessariamente exagera o que sabe. Para uma organização que queira entender sua situação, as respostas mais úteis virão das decisões e tarefas que seus próprios líderes precisam conduzir.

Uma conversa sobre um caso concreto preserva a possibilidade de admitir incerteza e, ao mesmo tempo, exige clareza sobre limites e responsabilidades. Quando a dúvida aparece antes da aprovação de uma aplicação, a equipe pode resolvê-la com as pessoas certas; quando fica escondida atrás de uma afirmação confiante, a decisão avança sem que esse trabalho tenha sido feito.

Leia também:

• Política de IA no trabalho: o documento mínimo para proteger dados e decisões
• Barnsley paga para treinar trabalhadores em IA — sem cortar a renda
• IA faz 47% dos irlandeses repensarem a carreira — treinamento não acompanha