Observo com preocupação que existe uma expectativa e bastante disseminada, de que basta “dar IA para todo mundo” que a produtividade explode. Mas, na prática, não é isso que está acontecendo.

Sim, existem casos reais de ganhos impressionantes. Alguns desenvolvedores, designers e perfis mais técnicos conseguem extrair muito valor e, em certos cenários, chegam perto de um ganho de 10x. Isso não é mito. Mas também não é a regra.

O que estamos vendo, quando olhamos o conjunto, é algo bem diferente. Vemos adoção superficial, uso inadequado e, muitas vezes, frustração. A maior parte das pessoas não sabe como integrar essas ferramentas ao seu trabalho de forma efetiva. E isso não é uma falha individual, mas um padrão histórico. Toda nova tecnologia segue esse ciclo. Web, mobile, cloud… nenhuma foi adotada de forma correta e massiva da noite para o dia.

A diferença agora é a expectativa.

Existe uma suposição implícita de que a IA vai gerar ganhos exponenciais rapidamente, como se bastasse disponibilizar a ferramenta para que o resultado apareça automaticamente. Mas produtividade não vem da ferramenta. Vem da forma como ela é usada. E esse “uso” está longe de ser trivial.

Primeiro, exige contexto. A IA responde bem quando o problema está claro, quando os dados são consistentes e quando o usuário sabe o que está pedindo. Sem isso, ela amplifica ambiguidade em vez de resolver.

Segundo, exige treinamento. Não apenas técnico, mas cognitivo. Saber fazer boas perguntas, interpretar respostas, identificar erros plausíveis e ajustar o uso ao longo do tempo. Isso não é intuitivo para a maioria das pessoas.

Terceiro, exige mudança de processo. Inserir IA em um fluxo de trabalho antigo, sem redesenhar etapas, responsabilidades e validações, tende a gerar mais fricção do que ganho. A ferramenta acelera partes isoladas, mas pode quebrar o fluxo como um todo.

E, principalmente, exige julgamento.

Saber quando confiar, quando revisar, quando ignorar. Saber diferenciar uma resposta plausível de uma resposta correta. Saber quando a IA está ajudando, e quando está apenas produzindo volume.

Sem isso, o ganho vira ilusão de produtividade. Comprar licenças não é o mesmo que transformar o trabalho.

Na ausência desses elementos, o que surge são usos rasos, experimentação desordenada e até desperdício. Muito esforço sendo colocado em aplicações que não geram valor real ou que até geram custo adicional.

Enquanto isso, os poucos casos de sucesso acabam sendo usados como evidência de um fenômeno generalizado que, na prática, ainda não existe.

E é aí que entra um risco maior. Quando investimentos são feitos assumindo que toda a base de usuários terá ganhos massivos em pouco tempo, cria-se uma distorção entre expectativa e realidade. E essa diferença, mais cedo ou mais tarde, cobra seu preço. Não porque a tecnologia não funcione. Mas porque a adoção real é muito mais lenta, desigual e complexa do que o discurso sugere.

O questionamento não é a existência de ganhos de 10x. É assumir que eles são a média, quando, na verdade, ainda são exceção.