Mais da metade dos gestores diz que a IA dificulta avaliar o trabalho da equipe

O gestor não sabe mais quem fez o trabalho: a pessoa ou a IA

Uma pesquisa da Nielsen encomendada pela empresa de gestão de trabalho Monday.com, divulgada em 21 de outubro de 2026 pelo TechCrunch, ouviu 1.700 diretores e gestores seniores em sete países. O resultado: mais da metade afirma que ficou mais difícil avaliar o trabalho da equipe depois que a inteligência artificial (IA, sistemas que geram texto, código ou análises a partir de comandos em linguagem natural) entrou na rotina.

O motivo é simples de entender. Boa parte do que chega à caixa de entrada do gestor hoje já vem pronta, revisada e com acabamento de IA. Fica difícil separar o que é mérito de quem fez o trabalho e o que é produto do software. Como consequência direta, quase metade dos gestores diz gastar mais tempo revisando e orientando a equipe do que gastava antes da IA entrar em cena.

Isso não é um detalhe operacional. Avaliação de desempenho alimenta promoção, remuneração variável, plano de sucessão e, em casos mais delicados, desligamento. Se o critério ficou embaçado, a empresa está tomando decisões de carreira e de custo com uma régua que ela mesma reconhece não saber mais ler direito.

O entusiasmo não caiu, mas o processo não acompanhou

A pesquisa não encontrou gestores arrependidos da IA. Pelo contrário: 94% dos entrevistados disseram estar animados para melhorar o trabalho com ela, e muitos se dizem confiantes sobre onde ela gera mais valor. Michal Miller Levi, à frente de pesquisa de mercado e insights de clientes na Monday.com, comparou esse entusiasmo ao início da internet comercial, nos anos 2000: as pessoas enxergam na IA um tipo parecido de "mágica".

O problema, segundo ela, não é a ferramenta. É o descompasso entre a velocidade da tecnologia e a velocidade da organização.

A IA funciona muito bem para eles individualmente, mas como gestores eles têm um papel diferente. Precisam conduzir a organização também. A dificuldade deles vem do fato de que a IA está avançando mais rápido do que os processos organizacionais.

AI works very well for [managers] individually, but they also have a different role as managers. They need to drive the organization as well … Their struggle is [due to] the fact that AI is just moving faster than the organizational processes.Michal Miller Levi, head de pesquisa de mercado e insights de clientes na Monday.com

Em outras palavras: a ferramenta chegou antes da política de uso, do critério de avaliação e do treinamento de quem vai aplicar os dois.

Os critérios de avaliação já mudaram, e a IA está decidindo junto

Setenta e oito por cento dos respondentes disseram ter alterado como avaliam a equipe depois de adotar IA. O peso passou a recair mais sobre:

• a qualidade do prompt (o comando que a pessoa escreve para a IA produzir algo)
• a capacidade de decidir o que delegar à IA e o que manter sob execução humana
• a disposição para experimentar novas formas de trabalhar com a ferramenta

O ponto mais sensível vem em seguida. Quarenta e seis por cento dos gestores já usam IA para embasar suas próprias decisões sobre a equipe, e 39% usam IA para redigir avaliações de desempenho. Ou seja: a mesma tecnologia que tornou o trabalho do funcionário difícil de avaliar também está sendo usada para escrever o veredito sobre esse trabalho.

Isso tem um risco concreto de viés. Modelos de linguagem são, no fundo, máquinas de previsão que tendem a repetir padrões presentes nos dados em que foram treinados. Um estudo do Luxembourg Institute of Socio-Economic Research publicado em 2026 encontrou que, "na ausência de padrões objetivos claros e quando os indivíduos são avaliados de forma independente", modelos de linguagem tendem a pontuar desempenho de forma parecida com humanos, o que inclui reproduzir os mesmos vieses. Outro artigo, de início de 2025, identificou que modelos de IA podem apresentar viés contra candidatos negros do sexo masculino, com variações significativas de direção e magnitude entre diferentes grupos sociais.

Quando perguntada se usar IA para pesar decisões sobre pessoas poderia introduzir viés externo no processo, Levi respondeu que as empresas ainda não resolveram essa questão.

Supervisionar agentes virou um trabalho que ninguém colocou na descrição de cargo

A IA também está mudando a rotina de quem gerencia. Alguém precisa decidir quais tarefas entregar a agentes de IA (sistemas que executam ações sozinhos, não só respondem perguntas), checar o que eles produzem e intervir quando algo sai errado. O relatório chama isso de uma nova camada de "trabalho invisível": tempo e atenção que não aparecem em nenhum indicador formal de produtividade.

A pressão tende a crescer. Cinquenta e oito por cento dos gestores esperam supervisionar mais agentes de IA do que funcionários humanos dentro de um ano, e 46% temem perder o controle sobre as ações desses agentes. Trinta e cinco por cento relataram medo de serem responsabilizados por decisões tomadas pela IA, um receio que faz sentido quando o comportamento do modelo ainda é, em boa parte, imprevisível.

Segundo Levi, isso explica por que os gestores resistem à autonomia total dos agentes: eles querem que pessoas sejam consultadas antes de decisões críticas, não que a IA decida sozinha e avise depois.

A pilha de ferramentas que devia encolher, e cresceu

Havia uma expectativa de que a IA simplificaria a operação, consolidando sistemas. Aconteceu o oposto. Cinquenta e sete por cento dos gestores dizem que a organização hoje tem mais ferramentas em circulação do que antes, e 51% relatam que essas ferramentas ficaram mais interdependentes e aglomeradas desde a adoção de IA. Apenas 29% descrevem sua infraestrutura de IA como totalmente otimizada e centralizada.

Os gestores terminaram 2025 com a sensação de que iriam consolidar as ferramentas, de que reduziriam o número de softwares. Mas o que aconteceu foi que o número de ferramentas que eles usam aumentou. Mais de 50% dizem que estão usando mais ferramentas agora do que no ano passado, e isso não para.

Managers completed 2025 with the feeling that they will consolidate tools, actually, that they'll reduce the number of software. But what happened is that the number of tools that they're using increased. More than 50% are saying that they're using more tools now than they did last year, and it's not stopping.Michal Miller Levi, head de pesquisa de mercado e insights de clientes na Monday.com

Parte desse crescimento vem do chamado shadow AI, o uso de ferramentas de IA que o funcionário adota por conta própria, fora dos sistemas aprovados pela empresa. Quanto mais gente resolve sozinha qual IA usar, mais difícil fica para a área de TI e para o compliance saberem onde os dados da empresa estão passando.

O que isso exige de quem decide no Brasil

A pesquisa é global e não detalha resultados por país, então não dá para afirmar um número específico para empresas brasileiras. Mas o problema de fundo, que o critério de avaliação mudou mais rápido do que a governança, vale para qualquer organização que distribuiu acesso a IA para o time sem atualizar a política de desempenho junto.

Três pontos merecem atenção de quem decide por aqui:

1. Critério de avaliação por escrito. Se 78% dos gestores já mudaram informalmente o que valorizam (uso de IA, qualidade do prompt, critério de delegação), isso precisa virar política formal, não prática tácita que varia de gestor para gestor.
2. Avaliação assistida por IA e a LGPD. A Lei Geral de Proteção de Dados prevê, no artigo 20, o direito do titular de pedir revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais. Usar IA para redigir ou embasar avaliação de desempenho, como fazem 39% dos gestores na pesquisa, entra nessa zona e pede documentação de como a decisão final foi tomada e por quem.
3. Inventário de ferramentas. Com 57% das empresas reportando mais ferramentas em circulação, e sem shadow AI mapeado, a pergunta básica de segurança (onde estão os dados da empresa) fica sem resposta confiável até que exista uma lista central de IAs aprovadas.

Nenhum desses três pontos exige esperar a próxima geração de modelos. Exige que a política de uso de IA e o processo de avaliação de desempenho sejam tratados como parte do mesmo projeto, e não como duas iniciativas em áreas diferentes da empresa.

Fonte: TechCrunch AI