A IA do RH não trava no modelo. Trava na organização.
Por que tanta empresa testa inteligência artificial e não sai do lugar? Levei essa pergunta para o DMT Inspira porque ela descreve o momento atual do RH melhor do que qualquer demonstração de agente funcionando. A tecnologia aparece pronta na tela, impressiona a diretoria, e seis meses depois o processo continua igual ao que era. O problema quase nunca está onde a empresa procura.
Em julho de 2025, o MIT Media Lab publicou um levantamento que virou manchete no mundo corporativo. O relatório, chamado “The GenAI Divide”, revisou mais de 300 iniciativas de IA divulgadas por empresas, entrevistas em 52 organizações e respostas de 153 líderes seniores, e chegou a um número que corre solto desde então: cerca de 95% dos projetos de IA generativa nas empresas não geraram retorno mensurável no resultado.
Esse número tem limitações de método e virou manchete fácil, então vale tratá-lo como sintoma, não como sentença. Mas o diagnóstico por trás dele coincide com o que vejo em campo, na integração de IA às redações da Globo e na pesquisa de doutorado em que investigo por que uma empresa emplaca a tecnologia e a outra não. O modelo quase nunca é o gargalo. O modelo funciona. O que não funciona é o entorno.
O modelo funciona. O que trava é o entorno
Vale olhar o que o estudo do MIT encontrou embaixo da manchete, porque ali está a parte útil. As ferramentas genéricas, do tipo que qualquer um abre no navegador, alcançam adoção alta e emperram no trabalho rotineiro. As ferramentas feitas sob medida para um processo da empresa quase não chegam à operação: de cada vinte que entram em piloto, mais ou menos uma vira sistema em produção. O relatório dá nome à distância entre a demonstração que encanta e o produto que sustenta. Chama de learning gap: a incapacidade de a ferramenta reter contexto, absorver correção e melhorar com o uso.
Na mesa do RH, isso significa o seguinte. A IA que a empresa comprou responde bem quando alguém pergunta. Ela trava quando precisa assumir um processo inteiro sozinha, com as regras, as exceções e o histórico daquela casa. E é exatamente isso que um agente de IA se propõe a fazer.
O relatório ainda registra um ponto que interessa a quem decide orçamento: as parcerias com quem já domina a aplicação tendem a chegar à operação com mais frequência do que os projetos construídos inteiramente dentro de casa. Para o RH, isso desloca a pergunta. Antes de escolher qual ferramenta comprar, vale saber se a empresa tem, por escrito, o processo que a ferramenta vai executar.
Em gestão de pessoas, esse entorno costuma travar em três lugares.
As três travas da IA em gestão de pessoas
1. O processo que nunca foi escrito
Um agente de IA executa uma sequência de decisões sozinho, do começo ao fim. Onde um chat responde ao que você pergunta, o agente conduz o caminho inteiro: recebe, avalia, decide, encaminha.
Para automatizar a triagem de currículos, então, alguém precisa dizer o que é um bom currículo naquela empresa, com critério explícito. O que pesa mais, tempo de casa ou trajetória variada? Uma formação específica elimina o candidato ou só o posiciona? Como tratar a lacuna de seis meses no histórico? Na maior parte das empresas, esse critério existe apenas na cabeça de quem faz a triagem há dez anos. Funciona porque essa pessoa aprendeu a julgar, e ninguém nunca precisou transformar o julgamento dela em regra.
A automação não falha por falta de tecnologia. Falha porque nunca houve processo estruturado para automatizar. A máquina só executa a decisão que a empresa já sabe tomar de forma consciente. Onde a decisão mora num lugar que ninguém escreveu, automatizar vem depois de alguém descobrir a regra.
2. A ausência de dono
Piloto de IA no RH costuma nascer sem meta declarada e sem responsável pelo resultado. A empresa liga a ferramenta para ver como é, e ninguém combinou, antes de ligar, quantas horas a semana precisa liberar ou quanto o tempo de resposta ao colaborador precisa cair.
Sem esse combinado, não existe critério para dizer se aquilo deu certo. O agendamento de entrevistas ficou mais rápido? Mais rápido em relação a quê? O atendimento ao colaborador melhorou? Melhorou o suficiente para justificar o custo? Quando ninguém definiu o alvo antes do tiro, qualquer resultado vira interpretação, e interpretação não segura orçamento.
É por isso que o número do MIT tem tanto a ver com dono quanto com tecnologia. Projeto que não consegue provar que deu certo morre no primeiro corte de orçamento, mesmo quando funcionou, porque nunca teve como mostrar isso. O piloto sem dono não perde para a máquina do concorrente. Perde para a planilha do financeiro.
3. O piloto desenhado para impressionar
Demonstração funciona com trinta currículos e um caso limpo. Todo mundo já viu a cena: a tela roda, a triagem sai em segundos, a sala aplaude.
Operação real tem quatrocentos currículos, dado incompleto, um candidato que anexou o arquivo errado, uma vaga que mudou de escopo no meio do processo e um gestor pedindo exceção por telefone. Quem só testa no cenário bonito descobre tarde demais que não construiu nada operável, só um comercial.
O estudo do MIT diz isso com outras palavras quando aponta que a demonstração encanta e o produto decepciona. A diferença entre os dois está justamente na fricção que a demonstração evita e a operação não perdoa. Um piloto honesto começa pelo caso feio: os quatrocentos currículos, o dado sujo, a exceção. Se aguentar ali, aguenta em qualquer lugar.
Onde os agentes já entram no RH
Três processos aparecem primeiro quando o assunto é agente de IA em gestão de pessoas, e cada um esbarra numa das travas de antes. Vale olhar de perto, porque é aí que a conversa sai da promessa e vira operação.
Triagem de currículos
É o caso mais óbvio e o que mais expõe a primeira trava. O agente lê o currículo, compara com o critério e organiza a fila de candidatos. Ele faz isso bem quando o critério existe escrito. Onde a empresa nunca formalizou o que valoriza numa vaga, o agente vai automatizar o gosto de quem configurou o sistema, e ninguém vai saber explicar por que aquele candidato caiu. A triagem automatizada é tão boa quanto a régua que a empresa teve coragem de escrever.
Agendamento de entrevistas
É o processo de sequência mais previsível: cruzar agendas, propor horário, confirmar, remarcar quando cai. Aqui o agente ganha rápido, porque a decisão é quase toda regra. É também onde a segunda trava aparece disfarçada de vitória. A agenda ficou mais leve, e daí? Se ninguém combinou o que fazer com a hora que sobrou, ela some antes de virar entrevista mais bem preparada ou feedback mais cuidadoso.
Atendimento ao colaborador
Dúvida sobre férias, benefício, política interna, holerite. Um agente responde à maioria delas na hora, a qualquer hora, sem fila. E é onde a terceira trava cobra o preço. A demonstração usa as cinco perguntas mais comuns. A operação tem a pergunta torta, o caso individual, a exceção que a política não previu. O atendimento que só resolve o fácil empurra o difícil de volta para a mesa do RH, agora com o colaborador já irritado por ter falado antes com uma máquina.
O padrão se repete nos três. O agente entrega onde a empresa fez a lição de casa, e devolve o problema onde ela pulou a etapa.
Letramento em IA é consciência de raciocínio computacional
Há uma pressa em capacitar as equipes na ferramenta da vez. Faz sentido só na aparência. A ferramenta muda a cada seis meses, e o treinamento de hoje envelhece junto com a versão que ele ensinou.
O que sustenta o uso é outra coisa. É partir de um problema que a pessoa já tem na mão e mostrar, dentro daquele problema, o que a máquina passa a fazer e o que a pessoa continua tendo que fazer. Quando o profissional enxerga a fronteira entre as duas coisas, ele para de esperar mágica e começa a operar. Letramento em IA é isso: consciência de raciocínio computacional, a percepção de quais decisões cabem à máquina e quais permanecem humanas. Saber apertar os botões do produto é a parte que envelhece.
O próprio comportamento das equipes já mostra o caminho. O levantamento do MIT registrou que a maioria dos profissionais usa IA por conta própria no trabalho, mesmo sem a empresa oferecer, enquanto uma fração menor das companhias mantém ferramenta corporativa. A vontade de usar existe e corre por fora. O que falta é a empresa transformar esse uso solto em critério, para que a pessoa saiba o que delegar à máquina sem terceirizar o próprio julgamento.
Tempo devolvido não vira estratégia sozinho
O discurso do setor promete tempo de volta para o RH. Menos triagem manual, menos agenda de entrevistas montada no braço, menos fila de dúvida de colaborador. Tudo isso é real e vale muito. E é aqui que mora o último alerta.
Tempo devolvido não vira estratégia sozinho. Se a hora liberada pela automação não for combinada e protegida antes, ela é reabsorvida por nova demanda na semana seguinte. A empresa terá trocado uma burocracia manual por uma burocracia automatizada, com a mesma agenda cheia e a mesma sensação de que o RH nunca alcança o trabalho que importa.
Automatizar a triagem, o agendamento e o atendimento tem um objetivo claro: liberar espaço para o RH desenvolver pessoas, apoiar lideranças e cuidar da cultura, o trabalho que nenhum agente assume. Só que esse espaço precisa ser decidido com a mesma seriedade com que se decide o piloto. Alguém tem que dizer, por escrito, para onde vai a hora que a máquina devolveu. Sem isso, a hora volta para a fila.
O que separa os projetos que funcionam
Junte as três travas e o retrato fica nítido. Os projetos que emperram têm em comum a pressa de mostrar a máquina rodando e a preguiça de fazer a lição de casa da organização: escrever o processo, nomear o dono, testar no caso feio, proteger o tempo liberado. Os que funcionam fazem o caminho inverso. Tratam a IA como consequência de uma decisão que a empresa já sabe tomar, com alguém responsável por provar o resultado.
A boa notícia para o RH é que quase tudo nessa lista está sob o controle da própria área. O modelo é problema de quem constrói o modelo. O entorno é problema de gestão. E gestão é o que o RH faz.
Perguntas frequentes
Agentes de IA vão substituir o RH?
O que os agentes assumem bem são as tarefas de sequência conhecida: triar currículo por critério definido, agendar entrevista, responder dúvida recorrente de colaborador. O que permanece humano é o julgamento sobre pessoas, o apoio à liderança e a construção de cultura. O RH que escreve seus processos ganha a máquina como executora e fica com o trabalho que exige presença.
Por que meu piloto de IA no RH não saiu do lugar?
Na maioria dos casos, por um dos três motivos: o processo que se quis automatizar nunca foi escrito com critério explícito, o piloto começou sem meta e sem responsável pelo resultado, ou foi testado num cenário limpo demais para provar qualquer coisa. Nenhum dos três é problema de tecnologia. Todos os três são problema de organização.
Por onde começar a usar IA no RH?
Por um problema real que a área já tem e mede, com uma meta declarada antes de ligar a ferramenta. Escolha um processo de decisão que você consiga escrever em regra, defina quanto tempo pretende liberar ou quanto o atendimento precisa melhorar, e teste no caso mais difícil, não no mais bonito. O resto é ajuste.
Sobre o autor
Ben-Hur Correia é executivo de estratégia da Globo, onde lidera a integração da inteligência artificial às redações e o treinamento de mais de mil jornalistas nas cinco regiões do país. Pesquisador do Coppead/UFRJ, investiga em sua tese de doutorado o que decide o sucesso da adoção de IA nas organizações, o tema deste post. É professor na PUC-Rio e na PUC-Minas, autor de Liderança Algorítmica e Meus Robôs, e assinou a curadoria de IA do Rio Innovation Week. Coca-Cola, Senac, Unimed e Bradesco estão entre as organizações que já o receberam. É palestrante agenciado pela DMT Palestras.
Leve Ben-Hur Correia para o seu evento e mostre ao seu time o que separa a IA que impressiona da IA que funciona.
