O uso de inteligência artificial dentro das empresas nem sempre avança na mesma velocidade em que as ferramentas são disponibilizadas. Uma pesquisa do MIT Sloan School of Management indica que a diferença entre um experimento abandonado e uma solução incorporada à rotina está menos na tecnologia em si e mais na estrutura oferecida aos funcionários responsáveis por testar, revisar e adaptar os sistemas.
Divulgado em 9 de setembro de 2026, o estudo acompanhou durante dois anos duas organizações: um centro médico acadêmico e um escritório de advocacia. As instituições partiram de condições semelhantes, com ambientes seguros para experimentação, treinamentos e incentivo à criação de aplicações internas de IA. Os resultados, porém, seguiram caminhos bastante diferentes.
No centro médico, 141 soluções de inteligência artificial já estavam em uso em toda a organização. No escritório de advocacia, apenas três aplicações chegaram a esse estágio. A comparação sugere que oferecer acesso às ferramentas e promover capacitações iniciais não é suficiente para garantir que os testes se transformem em inovação com inteligência artificial aplicada aos negócios.
O trabalho invisível por trás da adoção de IA
Segundo a divulgação do MIT Sloan School of Management, os funcionários envolvidos nesses projetos realizam uma espécie de trabalho experimental que frequentemente não aparece nos planos formais das empresas. A atividade inclui identificar os limites dos modelos, corrigir respostas, estabelecer critérios de qualidade e compartilhar aprendizados com outras áreas.
Esse processo também exige atualizar as soluções à medida que os sistemas de IA mudam e encontrar maneiras de conectá-las aos fluxos de trabalho existentes. Na prática, a adoção não termina quando uma ferramenta é liberada para uso. Ela depende de avaliações sucessivas, ajustes e decisões sobre como a tecnologia pode apoiar tarefas específicas sem comprometer os padrões da organização.
O estudo aponta que esse esforço pode perder força quando é tratado como uma responsabilidade adicional. Profissionais que já têm outras atribuições passam a experimentar a IA sem tempo reservado, reconhecimento ou apoio técnico suficiente. Em uma das organizações analisadas, mais de 80% dos especialistas envolvidos se afastaram gradualmente do processo de inovação.
Por que os projetos avançam de forma desigual
O abandono, de acordo com a pesquisa, não precisa ocorrer por uma rejeição explícita à inteligência artificial. Em muitos casos, a participação diminui aos poucos, quando os funcionários percebem que o trabalho de testar e aperfeiçoar as ferramentas não está integrado às suas responsabilidades profissionais.
Essa dinâmica ajuda a explicar por que empresas com condições iniciais parecidas podem obter resultados tão diferentes. Uma organização pode criar um ambiente para experimentos, mas não estabelecer mecanismos para documentar descobertas, comparar resultados e levar as aplicações bem-sucedidas a outros departamentos. Sem essa conexão, iniciativas promissoras permanecem restritas a pequenos grupos.
O levantamento também reforça que a qualidade técnica de um sistema não resolve sozinha os desafios de implementação. Modelos de IA precisam ser avaliados dentro de contextos reais, nos quais há regras, conhecimentos específicos e diferentes formas de executar uma mesma atividade. É nesse contato com o trabalho cotidiano que surgem as adaptações necessárias para transformar um teste em uma solução utilizável.
O que as empresas podem estruturar
Entre as práticas associadas ao melhor desempenho estavam workshops realizados de forma contínua, documentação dos experimentos e presença de especialistas técnicos para apoiar as equipes. A pesquisa também destaca a importância de critérios compartilhados para avaliar resultados e de suporte para integrar as ferramentas aos sistemas já utilizados pelas organizações.
Outro ponto é incluir a experimentação com IA nas responsabilidades e avaliações profissionais. A medida sinaliza que aprender a trabalhar com novos sistemas não deve depender apenas da disposição individual de alguns funcionários. Quando a empresa reconhece esse esforço, aumenta a possibilidade de que o conhecimento acumulado seja preservado e distribuído.
As conclusões estão alinhadas ao debate sobre o impacto da inteligência artificial no trabalho. A adoção da tecnologia envolve reorganizar tempo, tarefas, incentivos e responsabilidades, e não apenas escolher um modelo ou disponibilizar uma plataforma. O resultado depende da capacidade de criar condições para que as equipes aprendam continuamente e participem da evolução das soluções.
O working paper citado pelo MIT Sloan está disponível no SSRN. A pesquisa oferece, assim, uma referência para gestores que buscam avaliar projetos de IA não apenas pelo número de testes realizados, mas pela capacidade de transformar experimentos em aplicações incorporadas à organização.