IA cobra julgamento humano — mas só 29% dos funcionários o priorizam

Em 21 de setembro de 2026, a IBM divulgou um estudo global com 1.500 dirigentes de RH e 8.800 funcionários: segundo a cobertura da YourStory, 71% dos dirigentes consideram essencial supervisionar, validar e substituir respostas da IA, enquanto só 29% dos funcionários classificam o julgamento como importante. A comparação expõe uma diferença de prioridades declaradas, não uma medição da capacidade real dos participantes de detectar erros.

O resultado dá uma resposta direta à questão do pensamento crítico no trabalho: quando a IA propõe uma resposta, alguém precisa formular a pergunta certa, avaliar as informações usadas e decidir se a resposta pode ser aceita, corrigida ou interrompida. Para que isso aconteça, o profissional precisa de critérios e autoridade para contestar a saída; o gestor precisa definir quem revisa cada tipo de decisão e quem responde quando a revisão falha.

Os percentuais medem perguntas diferentes

A diferença destacada na divulgação exige cuidado. No relatório integral da IBM, 71% dos dirigentes priorizam a capacidade específica de supervisionar, validar ou substituir saídas da IA, contra 38% dos funcionários para essa capacidade; pensamento crítico e formulação de problemas aparecem entre as prioridades de 57% dos dirigentes e 49% dos funcionários. Já a porcentagem menor de funcionários citada na divulgação se refere ao julgamento como competência importante. Tratar essas respostas como se viessem da mesma pergunta criaria uma distância aparentemente precisa, mas enganosa.

Os dirigentes e os funcionários responderam a pesquisas distintas sobre suas prioridades e experiências. Uma pessoa pode reconhecer a importância do pensamento crítico e, ainda assim, não saber que evidência consultar para conferir uma resposta fora de sua especialidade. Da mesma forma, um gestor pode valorizar a supervisão sem reservar tempo para ela no fluxo de trabalho. Os dados revelam expectativas diferentes; não mostram quantas decisões foram revistas corretamente.

Por que o julgamento passou a fazer parte da operação

Uma saída da IA só ganha efeito quando entra em uma tarefa ou decisão. Nesse ponto, julgar significa identificar informações ausentes, distinguir fatos de suposições e perceber quando um erro pode atingir outra pessoa ou ser difícil de corrigir. Se a questão exigir conhecimento que o usuário da ferramenta não possui, a atitude adequada pode ser encaminhá-la a um especialista, em vez de aprová-la por parecer convincente.

Essa capacidade depende também do desenho do trabalho. O profissional precisa saber quais resultados pode usar por conta própria, quais exigem confirmação independente e em quais situações pode suspender o encaminhamento. O gestor precisa indicar um responsável pela decisão final e criar um caminho para exceções. Sem essas definições, a cobrança por “bom senso” deixa a revisão a cargo de quem talvez não tenha tempo, informação ou poder para fazê-la.

Uma matriz para aceitar, verificar, escalar ou interromper

O estudo não estabelece um protocolo para todas as organizações. A matriz a seguir é uma proposta editorial para traduzir a supervisão humana em decisões observáveis. Ela combina três perguntas: qual seria o impacto do erro, quão fácil seria percebê-lo e se o resultado poderia ser revertido.

• Aceitar: quando a saída segue critérios já definidos, tem baixo impacto e pode ser corrigida com facilidade. O profissional confere se ela corresponde à tarefa antes de usá-la; o gestor define previamente quais tarefas cabem nessa faixa. Aceitar não significa transferir à ferramenta a responsabilidade pelo uso da resposta.
• Verificar: quando fatos, cálculos ou conclusões da IA servirão de base para outra decisão. O profissional consulta uma referência independente e registra divergências relevantes. Se a verificação exigir acesso a dados ou fontes que ele não possui, o gestor deve providenciar esse acesso ou encaminhar a tarefa.
• Escalar: quando faltam dados, há interpretações conflitantes ou a resposta ultrapassa a competência de quem a recebeu. Um especialista resolve a dúvida técnica; o responsável pelo processo decide se o resultado pode seguir adiante. A atribuição de cada papel precisa estar clara antes que a exceção apareça.
• Interromper: quando o possível efeito é grave ou difícil de desfazer e ainda há uma dúvida relevante. O profissional suspende a ação e informa o responsável designado. A retomada depende de uma decisão humana autorizada, com registro do motivo da liberação ou da correção.

Essa divisão permite distinguir um erro na execução de uma falha no próprio processo. Se ninguém recebeu autoridade para contestar uma resposta, a responsabilidade por esse limite não pode ser resolvida apenas cobrando mais atenção do usuário. Em contrapartida, quando critérios, fontes e responsáveis estão definidos, é possível apurar se uma conferência prevista foi feita e em que etapa a decisão seguiu apesar de um alerta.

A revisão acrescenta trabalho e precisa de responsável

A análise da HR Dive destaca que 80% dos dirigentes de RH ouvidos acreditam que a adoção de IA cria trabalho pouco visível, como validar recomendações e corrigir erros; também relata que 62% dos dirigentes em organizações que incorporam o julgamento ao trabalho percebem aumento da confiança dos funcionários nas decisões apoiadas por IA, enquanto 57% daqueles em organizações que não o incorporam percebem queda. São percepções dos dirigentes sobre contextos diferentes, não uma prova de que um procedimento específico produziu esses resultados.

Revisar consome tempo mesmo quando a resposta inicial parece pronta. Conferir uma fonte, reconstruir um cálculo ou pedir avaliação especializada são partes da tarefa, não interrupções externas a ela. Se as metas considerarem apenas a velocidade da primeira resposta, o incentivo pode ser aprovar saídas sem a conferência necessária. Por isso, a responsabilidade do gestor inclui dimensionar o trabalho de revisão e decidir quem pode autorizar uma exceção.

O que o estudo ainda não resolve

As amostras são globais e reúnem respostas declaradas de grupos diferentes. Elas não descrevem isoladamente os trabalhadores do Brasil nem demonstram que o uso de IA causou uma perda mensurável de pensamento crítico. Também não permitem concluir que a matriz proposta reduziria erros em qualquer empresa: isso dependeria das tarefas, dos riscos e da forma como as decisões fossem acompanhadas.

O quadro confirmado é uma diferença entre a supervisão que os dirigentes valorizam e a prioridade que os funcionários atribuem ao julgamento. O passo ainda sem resposta nos dados é observar como as organizações distribuem tempo, autoridade e responsabilidade quando uma saída da IA é contestada — e se essa distribuição melhora a qualidade das decisões.

Leia também:

• Agente de IA no RH não deve demitir sozinho: desenhe o limite humano
• O funcionário acelera, a empresa não: IA trava nos 37% de impacto no lucro
• Na OpenAI, agentes trabalham 3,1 dias por dia humano — com correções