Pesquisa: A penalidade oculta do uso da IA no trabalho

O vice-presidente de engenharia de uma empresa líder em tecnologia observava as métricas trimestrais de adoção com crescente frustração. Doze meses após o lançamento de um assistente de codificação de IA de última geração — uma ferramenta que prometia aumentar significativamente a produtividade dos desenvolvedores —, apenas 41% dos engenheiros haviam experimentado o produto. Mais preocupante ainda: apenas 31% das engenheiras e 39% dos engenheiros com 40 anos ou mais estavam adotando a ferramenta. Essa constatação surgiu de nossa pesquisa com 28.698 engenheiros de software da empresa. A equipe de liderança ficou surpresa. Eles haviam investido muito dinheiro e esforço nisso. Investiram em ferramentas de ponta. Abordaram cuidadosamente as questões de acesso, infraestrutura e desenvolvimento de habilidades. Designaram uma equipe dedicada para a implantação e promoção. Estavam prontos para ver a produtividade disparar. A empresa não está sozinha — em toda a América corporativa, o padrão se repete. De acordo com uma pesquisa do Pew Research Center, dois anos após o lançamento do ChatGPT, apenas 16% dos trabalhadores americanos utilizam IA no trabalho — apesar de 91% terem permissão para isso. A explicação convencional aponta para lacunas de habilidades ou atrito no treinamento. Alguns funcionários podem não reconhecer onde a IA poderia ajudá-los ou não ter confiança em suas habilidades técnicas. De fato, profissionais de tecnologia da linha de frente, como engenheiros de software e cientistas de dados, são mais propensos a usar IA do que profissionais de outros setores. No entanto, mesmo entre esses primeiros usuários, o uso permanece surpreendentemente baixo e desigual. O que explica isso? A Penalidade da Competência Para entender o motivo, realizamos um experimento pré-registrado com 1.026 engenheiros da mesma empresa. O projeto era simples: os participantes avaliaram um trecho de código Python que teria sido escrito por outro engenheiro, com ou sem assistência de IA. O código em si era idêntico em todas as condições — apenas o método de criação descrito diferia. Os resultados foram impressionantes. Quando os revisores acreditavam que um engenheiro havia usado IA, eles classificavam a competência desse engenheiro em 9% menos, em média, apesar de revisarem um trabalho idêntico. Não se tratava da qualidade do código — as classificações do código em si permaneceram semelhantes, independentemente do uso de IA. A penalidade visava a capacidade percebida da pessoa que o escreveu. A penalidade por competência foi mais de duas vezes mais severa para as engenheiras, que enfrentaram uma redução de 13% em comparação com 6% para os engenheiros. Quando os avaliadores consideravam que uma mulher havia utilizado IA para escrever código, questionavam suas habilidades fundamentais muito mais do que quando avaliavam o mesmo código assistido por IA de um homem. O mais revelador foi quem impôs essas penalidades. Os engenheiros que não adotaram a IA foram os críticos mais severos. Os homens que não adotaram a IA foram particularmente severos ao avaliar as engenheiras que usaram IA, penalizando-as 26% mais severamente do que penalizaram os engenheiros pelo uso idêntico da IA. Pesquisas de acompanhamento com 919 engenheiros revelaram um quadro mais completo. Muitos engenheiros anteciparam ativamente essa penalidade de competência e evitaram estrategicamente o uso de IA para proteger sua reputação profissional. Aqueles que mais temiam penalidades de competência na indústria de tecnologia — desproporcionalmente mulheres e engenheiros mais velhos — foram precisamente aqueles que menos adotaram a IA. Os próprios grupos que poderiam se beneficiar mais com ferramentas que aumentam a produtividade sentiram que não podiam se dar ao luxo de usá-las. O custo da penalidade de competência Essas descobertas revelam um custo oculto na adoção da IA. O que parece ser uma simples relutância em usar novas ferramentas reflete, na verdade, uma autopreservação racional. O custo real vai muito além da perda de produtividade — embora as perdas de produtividade por si só também possam ser substanciais. Considere a empresa de tecnologia de nossa pesquisa. Ela investiu significativamente no desenvolvimento de seu assistente de codificação de IA e em sua implantação. Com apenas 41% de adoção — e taxas ainda mais baixas entre os principais grupos demográficos —, ela obteve menos da metade dos benefícios esperados. O resultado foi uma perda líquida de pelo menos 2,5% do lucro anual e potencialmente de até 14%, dependendo do método de cálculo (com base na perda do valor salarial em comparação com os ganhos de lucro projetados com a adoção). Para uma empresa dessa magnitude, mesmo a estimativa conservadora representa centenas de milhões em valor perdido. Outra consequência da penalidade de competência é o uso potencial de IA paralela. Quando os funcionários têm receio de utilizar ferramentas oficiais de IA, eles não necessariamente evitam a IA por completo. Em vez disso, alguns podem utilizar outras ferramentas de IA não autorizadas, mais do que seus empregadores poderiam prever. Essas atividades são difíceis, se não impossíveis, de rastrear e expõem a organização a muitos riscos, que vão desde a segurança dos dados até a conformidade. Elas podem prejudicar o uso responsável da IA por meio de práticas inconsistentes. A penalidade de competência também agrava as desigualdades existentes no local de trabalho. É razoável e talvez tentador supor que as ferramentas de IA devem nivelar o campo de atuação, aumentando as capacidades de todos. Nossos resultados sugerem que isso não é garantido e, na verdade, o oposto pode ser verdadeiro. Em nosso contexto, que é dominado por homens jovens, tornar a IA igualmente disponível aumentou o preconceito contra as engenheiras. Isso provavelmente ocorre por meio de um processo denominado ameaça à identidade social. Quando membros de grupos estereotipados — por exemplo, mulheres na área de tecnologia ou trabalhadores mais velhos em campos dominados por jovens — utilizam IA, isso reforça as dúvidas existentes sobre sua competência. A assistência da IA é enquadrada como uma “prova” de sua inadequação, em vez de evidência do uso estratégico da ferramenta. Qualquer setor predominado por um segmento sobre outro provavelmente testemunhará maiores penalidades de competência sobre os trabalhadores minoritários. A penalidade imposta aos usuários de IA também levanta questões delicadas sobre as políticas de divulgação no local de trabalho. Embora a transparência seja um componente essencial do uso responsável da IA, quando se trata da dinâmica interna do local de trabalho, ela pode causar mais danos do que benefícios. Nossas conclusões sugerem que exigir que os funcionários divulguem o uso da IA aos colegas pode criar riscos profissionais injustos. É fundamental encontrar o equilíbrio certo. Em ambientes onde é provável que haja penalidades por incompetência, pode ser mais responsável não exigir a divulgação. Quebrando a penalidade A empresa de tecnologia em nosso estudo já havia feito mais do que a maioria. Eles formaram equipes dedicadas à IA, criaram incentivos e ofereceram treinamento. No entanto, esses investimentos foram insuficientes porque não abordaram a ameaça subjacente à competência. Nossas descobertas sugerem a necessidade de uma abordagem mais refinada. 1. Mapeie os pontos críticos de penalização da sua organização. A penalidade de competência cria uma dinâmica preocupante. Aqueles que mais poderiam se beneficiar das ferramentas de aumento de produtividade são justamente aqueles que sentem que não podem arriscar usá-las. Em nossa pesquisa, as jovens mulheres na área de tecnologia têm mais a ganhar em termos de tempo produtivo, mas atualmente são as que menos adotam essas ferramentas. Abordar essa lacuna representa oportunidades alcançáveis para as organizações que buscam maximizar seus investimentos em IA. Para identificar equipes onde a penalidade por competência é mais elevada, procure por vulnerabilidades demográficas e desequilíbrios de poder. Equipes com poucas mulheres ou engenheiros maduros em cargos juniores, mas muitos revisores masculinos não adeptos em cargos seniores, criam condições perfeitas para penalidades por competência. Examine as métricas de tempo para promoção por dados demográficos e uso de IA para revelar se os efeitos da penalidade já estão impactando as carreiras e avalie a urgência do problema. Verifique se os grupos vulneráveis enfrentam políticas de divulgação obrigatórias ou voluntárias de IA e avalie o impacto da divulgação nos resultados de suas carreiras. 2. Converta os céticos influentes. Os que não adotam a tecnologia impõem as penalidades mais severas em termos de competência e, na maioria das organizações, ainda são a maioria. Em nosso estudo, os engenheiros que não adotaram a IA avaliaram os colegas que a utilizam de forma particularmente severa, com os homens que não adotaram a tecnologia penalizando as engenheiras de forma mais severa. Para quebrar esse ciclo, é necessária uma influência social estratégica. Quando os funcionários veem colegas respeitados usando IA com sucesso, sem consequências profissionais, o risco percebido diminui. A abordagem mais eficaz aproveita modelos visíveis que demonstram que o uso da IA e a excelência profissional podem coexistir. Os defensores mais influentes são aqueles que refletem os grupos demográficos que enfrentam as penalidades mais severas. Nossa pesquisa revelou que as mulheres em cargos seniores demonstram menos receio em relação à penalidade de competência do que suas colegas juniores. Quando essas líderes utilizam abertamente a IA, elas oferecem uma proteção crucial para colegas vulneráveis. Um estudo da BCG também ilustra essa dinâmica: quando mulheres em cargos de gerência sênior lideram seus colegas homens na adoção da IA, a diferença de adoção entre mulheres e homens juniores diminui significativamente. Exemplos individuais inspiram, mas programas estruturados criam impulso. Considere o desafio“30 Dias de GPT” lançado por Hilary Gridley, chefe de produto da Whoop. O programa progrediu de tarefas simples, como agendas de reuniões, para fluxos de trabalho complexos com GPTs personalizados. Demonstrações diárias e comemorações públicas das vitórias criaram segurança psicológica; os membros da equipe viram colegas de todos os níveis de habilidade obtendo sucesso com a IA. Quando os céticos observam colegas que respeitam — não apenas líderes seniores — usando a IA com sucesso em trabalhos reais, sua resistência enfraquece. O Makeathon anual do Pinterest demonstra como ampliar essa abordagem em toda a organização. O hackathon em toda a empresa foi aberto a todos os funcionários, técnicos ou não. As equipes apresentaram ideias baseadas em IA, criaram protótipos e exibiram projetos. Os líderes internos atuaram como “hack doctors” e líderes de equipe, emprestando sua credibilidade à experimentação com IA. Os resultados falam por si: 96% dos participantes relataram uso contínuo de IA mensalmente e 78% dos engenheiros creditaram à IA a economia de tempo. 3. Redesenhe as avaliações para remover o sinal Quando os engenheiros precisam rotular seu código como “assistido por IA”, eles se tornam vulneráveis a avaliações tendenciosas. A menos que a cultura organizacional mude, essa rotulagem carrega preconceitos. A solução é simples: interrompa a sinalização do uso de IA nas avaliações de desempenho até que sua cultura esteja preparada. Nosso experimento não mostrou diferença de qualidade no trabalho assistido por IA, apesar da penalidade de competência. Essa desconexão revela o caminho a seguir: mudar da avaliação de como o trabalho é feito para o que é realizado. Substitua as avaliações subjetivas de competência por métricas objetivas, como tempo de ciclo, precisão e taxas de defeitos. As organizações devem eliminar gradualmente as etiquetas públicas “AI utilizada” assim que os registros de conformidade existirem, mantendo-as apenas para auditorias internas. Revisões cegas que ocultam informações pessoais podem ajudar a reduzir o preconceito contra minorias que já são alvo de escrutínio. Quando os avaliadores não podem ver quem escreveu o código ou se a IA esteve envolvida, é provável que julguem exclusivamente com base no mérito. Algumas empresas líderes estão indo além da neutralidade — elas estão recompensando ativamente o uso da IA para transformar a penalidade de competência em bônus de competência. Julia Liuson, presidente da divisão de ferramentas de desenvolvimento da Microsoft, recentemente instruiu os gerentes a incluírem o uso da IA como “parte de suas reflexões holísticas sobre o desempenho e o impacto de um indivíduo”, com algumas equipes considerando métricas formais de IA para as avaliações do próximo ano. O CEO da Shopify, Tobias Lütke, tornou o “uso reflexivo da IA” uma expectativa básica, anunciando planos para adicionar perguntas sobre o uso da IA às avaliações de desempenho e às avaliações por pares. Ele enquadra a proficiência em IA como uma “habilidade não óbvia” que requer feedback e desenvolvimento, posicionando aqueles que a dominam como mais valiosos do que aqueles que não a dominam. O caminho a seguir A penalidade por incompetência aponta para um desalinhamento fundamental na forma como as organizações abordam a adoção da IA. Embora as empresas se concentrem no acesso, treinamento e infraestrutura técnica, elas negligenciam a dinâmica social que determina se os funcionários realmente utilizam essas ferramentas. Essa percepção esclarece vários padrões intrigantes que afetam as transformações da IA. Por que os funcionários utilizam secretamente o ChatGPT enquanto ignoram as ferramentas aprovadas? Por que os grupos que poderiam se beneficiar mais com o aumento da IA adotam as taxas mais baixas? Por que as empresas observam um retorno sobre o investimento limitado, apesar dos investimentos massivos em IA? A penalidade é mais severa onde a competência já é questionada. Nossa pesquisa mostra que as mulheres que utilizam IA enfrentam quase o dobro do dano à reputação em comparação aos homens. Trabalhadores mais velhos em áreas dominadas por jovens enfrentam preconceitos semelhantes. A ironia é que aqueles que mais precisam do poder equalizador da IA são os que menos podem se dar ao luxo de utilizá-la. No entanto, a penalidade não é inevitável. As organizações podem eliminá-la por meio de três intervenções específicas: mapear onde as penalidades se concentram, mobilizar líderes respeitados como defensores visíveis da IA e redesenhar as avaliações para recompensar os resultados em vez dos métodos. Em suma, as organizações que lideram a transformação da IA não terão necessariamente as melhores ferramentas ou os maiores orçamentos. Serão aquelas que criarem ambientes onde todos os funcionários possam usar a IA com segurança. Até lá, as empresas não estão apenas desperdiçando licenças, mas, mais importante, desperdiçando o potencial humano disponível.

Pesquisa: A penalidade oculta do uso da IA no trabalho

Resumo.

Partner Center