A IA generativa pode ajudar trabalhadores a executar tarefas desconhecidas com mais rapidez, mas não elimina a diferença de desempenho entre novatos e especialistas. Pesquisadores exploraram essa dinâmica ao realizar um experimento controlado de redação com funcionários de uma empresa fintech, dividindo os participantes em três grupos com base no nível de expertise relevante. Cada grupo concebeu e redigiu um artigo com e sem assistência de IA. O desempenho na fase de conceituação foi semelhante entre os grupos quando utilizaram IA, indicando que a tecnologia ajudou as pessoas a gerar ideias consistentes mesmo sem experiência profunda. Durante a fase de escrita, porém, surgiram diferenças. O grupo com expertise intermediária quase igualou os especialistas ao usar IA, mas o grupo com baixa expertise apresentou melhora mínima, sugerindo que ter experiência na tarefa era crucial para interpretar e refinar os resultados da IA. As conclusões indicam que a capacidade da IA generativa de qualificar trabalhadores depende da “distância de expertise” entre a pessoa e a tarefa. As organizações devem combinar ferramentas de IA com orientação estruturada, treinamento básico e fluxos de trabalho redesenhados, em vez de presumir que a tecnologia, sozinha, pode transformar novatos em especialistas.
Em áreas que vão da redação publicitária ao desenvolvimento de software, líderes apostam que a IA generativa pode ajudar funcionários a assumir responsabilidades mais avançadas. Pesquisas do professor do MIT David Autor e outros mostraram que a IA generativa reduz o tempo necessário para novatos adquirirem competência em novas tarefas. Ainda assim, há muito que não sabemos sobre o potencial da tecnologia para qualificar trabalhadores, incluindo uma questão-chave: ela pode ajudá-los a executar tarefas tão bem quanto especialistas?
Para tentar responder a isso, pesquisadores da Universidade Stanford e do Digital Data Design Institute da Harvard Business School realizaram um experimento controlado envolvendo 78 funcionários da IG Group, uma empresa fintech sediada no Reino Unido. Eles começaram dividindo os funcionários em três grupos: especialistas, externos adjacentes e externos distantes. Os especialistas eram redatores que elaboravam regularmente artigos para o site da IG. Os externos adjacentes eram especialistas em marketing do departamento de redação que não tinham experiência em escrever artigos, mas possuíam compreensão geral do trabalho dos redatores. Os externos distantes eram desenvolvedores e cientistas de dados sem qualquer formação em marketing ou redação. Cada grupo recebeu duas tarefas: conceber e escrever um artigo semelhante aos publicados no site da empresa. Os pesquisadores atribuíram aleatoriamente a alguns participantes o uso de IA generativa e a outros não. Executivos da IG então avaliaram os resultados de cada tarefa em uma escala de 1 (nota mais baixa) a 5 (nota mais alta).
Ao conceber um artigo sem ajuda da IA generativa, os redatores obtiveram a maior pontuação média (3,82), seguidos pelos especialistas em marketing (3,04) e pelos tecnólogos (3,02). Esses resultados revelaram uma diferença significativa de habilidades entre especialistas e os demais. Quando os participantes receberam assistência de IA generativa, porém, a diferença diminuiu: os conceitos desenvolvidos pelos redatores obtiveram média de 4,12, enquanto os desenvolvidos pelos especialistas em marketing e tecnologia alcançaram 4,18 e 4,05, respectivamente. Em outras palavras, profissionais de marketing usando IA superaram ligeiramente redatores usando IA — e todos os três grupos que utilizaram IA superaram os redatores que não a utilizaram.
No entanto, quando se tratou da redação dos artigos, os resultados foram diferentes. Sem IA generativa, os redatores tiveram o melhor desempenho entre todos os grupos. Mesmo com IA, os não especialistas não conseguiram produzir trabalho com a mesma qualidade dos especialistas. Os redatores, previsivelmente, tiveram o melhor desempenho entre os que usaram a tecnologia (3,96 em média). Os especialistas em marketing assistidos por IA vieram logo atrás (3,92). Já os especialistas em tecnologia assistidos por IA não tiveram o mesmo desempenho; na verdade, suas pontuações com e sem IA foram praticamente as mesmas (3,38 e 3,42, respectivamente).
O muro da IA generativa
Por que a IA generativa elevou o desempenho em uma tarefa mais do que em outra — e ajudou tão pouco os especialistas em tecnologia na escrita?
Após entrevistas com os participantes, os pesquisadores concluíram que quanto mais distantes os trabalhadores estavam do conhecimento necessário para uma tarefa, menor a probabilidade de desempenharem tão bem quanto colegas com expertise relevante — mesmo com assistência de IA. Não especialistas tiveram melhor desempenho na conceituação porque ela exigia menos expertise do que a escrita; bastava compreender se um tema proposto era suficientemente bom. Escrever um artigo, porém, exigia saber transmitir a mensagem desejada com a linguagem adequada. Um participante ofereceu uma metáfora para ilustrar essa distinção: conceituar é como imaginar correr uma maratona, mas escrever é como realmente corrê-la, o que exige um nível completamente diferente de expertise.
E a expertise, constataram os pesquisadores, é o que permitiu aos humanos colaborar de forma mais eficaz com as ferramentas de IA. Os especialistas em marketing compreendiam a linguagem geral utilizada pelos redatores e possuíam conhecimento suficiente do domínio para refinar o conteúdo produzido pela IA generativa. Já os especialistas em tecnologia, cujo trabalho não tinha relação com redação, não conseguiram utilizar ou aprimorar eficazmente as sugestões da IA. Faltavam-lhes a intuição e o conhecimento necessários para tomar boas decisões sobre o que manter e o que descartar. Os pesquisadores denominaram esse fenômeno de “muro da IA”, o limite do quanto a IA generativa pode ajudar pessoas a executar tarefas fora de sua área de especialização.
Essa descoberta tem implicações para a forma como as organizações implementam ferramentas de IA generativa. Ela desafia a suposição de que a tecnologia pode nivelar hierarquias de habilidades e permitir o que acadêmicos chamam de “fluidez universal de tarefas”. Em vez disso, os pesquisadores sustentam que a eficácia da IA generativa depende da distância de expertise entre o usuário e o domínio da tarefa — e argumentam que o muro da IA é relevante além do contexto de redatores e especialistas em tecnologia.
Os pesquisadores recomendam duas boas práticas para combinar IA generativa com funcionários de diferentes níveis de expertise.
Não superestime as capacidades da IA generativa.
É essencial que os funcionários tenham uma compreensão geral e alguma experiência na área em que estão aplicando IA. Seu conhecimento deve ser suficientemente amplo para permitir avaliar e melhorar o trabalho gerado pela IA. Durante o estudo de redação, por exemplo, muitos tecnólogos simplesmente copiaram e colaram as sugestões da IA nos artigos, porque não possuíam o julgamento refinado necessário para ajustar e integrar a linguagem. “A IA não é uma solução mágica para tudo no trabalho se não for capaz de automatizar totalmente as tarefas”, afirma Luca Vendraminelli, pesquisador de pós-doutorado em Stanford que liderou o estudo. “Quando a IA não consegue fazer o trabalho sozinha e substitui especialistas, ela ajudará algumas pessoas a reduzir a distância entre elas e os especialistas, mas apenas em determinadas situações e quando as condições são adequadas. Não é uma solução universal.”
Reavalie como o trabalho é realizado.
Considere como sua organização precisa mudar quando os funcionários começam a utilizar IA generativa de forma eficaz. Para extrair o máximo valor, a empresa pode precisar alterar processos, abordagens de tomada de decisão e formas de colaboração entre equipes. Ferramentas de IA generativa podem até borrar os limites entre cargos em áreas relacionadas, como especialista em SEO e estrategista de conteúdo. Usá-las para transpor divisões maiores — como aquelas entre equipes de marketing, vendas e produto — é muito mais difícil, pois essas funções estão ligadas a diferentes expertises, orçamentos e estruturas de poder. Projetar funções mais amplas e flexíveis pode ajudar a superar esse desafio, mas essa mudança exige transformações estruturais e culturais.
Ao integrar IA generativa aos fluxos de trabalho, considere o contexto humano: quem a utiliza? O que essas pessoas sabem? Quão bem interpretam e refinam os resultados da IA? “A IA só pode levar as pessoas até certo ponto”, diz Vendraminelli. “A expertise é insubstituível. Nenhuma tecnologia pode substituí-la.”
Entrevista:
“A IA generativa encurta a jornada até a expertise”
Olga Pirog é ex-chefe global de transformação de dados e IA da IG Group, a empresa onde o estudo de redação foi realizado. Ela passou duas décadas utilizando dados, analytics e IA para melhorar o desempenho comercial. Pirog conversou com a HBR sobre como sua equipe utilizou IA generativa e se ela ajudou a reduzir a distância entre especialistas e iniciantes. A seguir, trechos editados da conversa.
Como a IA generativa ajudou os profissionais de marketing a escrever artigos quase tão bem quanto os redatores?
Ela lhes deu habilidades práticas que lhes faltavam. Os profissionais de marketing possuíam o conhecimento fundamental porque sabiam como era um bom conteúdo, mas não tinham experiência em escrevê-lo. A IA generativa atuou como uma ponte, permitindo que executassem o trabalho no mesmo nível dos nossos especialistas. Ela democratizou o ofício da escrita para aqueles que já compreendiam o conceito de marketing.
Qual foi a principal lição que você tirou do experimento?
A IA generativa encurta a jornada até a expertise — mas ainda não pode substituir a experiência do mundo real. O sistema de IA produziu primeiros rascunhos consistentes, o que após o estudo permitiu que os redatores especialistas refinassem os artigos, ajustassem o tom e garantissem que os elementos de SEO estivessem corretos antes da publicação.
Você acredita que a IA generativa poderia eventualmente transformar os profissionais de marketing, ou mesmo os tecnólogos, em redatores especialistas?
Depende do ponto de partida. Observamos uma divergência: para funções adjacentes como marketing, a lacuna praticamente desapareceu — eles igualaram os especialistas. Mas para funções distantes, como nossos tecnólogos, a lacuna permaneceu ampla. Como lhes faltava o contexto fundamental do marketing, não conseguiam avaliar adequadamente o resultado da IA. Isso sugere que a IA acelera a expertise, mas apenas se você já estiver nas proximidades desse domínio.
Considerando o quanto a IA ajudou os especialistas, as empresas deveriam contratar menos iniciantes?
Esse é o perigo — muitas organizações estão reduzindo a contratação de juniores, mas se contratarmos apenas especialistas para editar o trabalho da IA, destruiremos o pipeline de formação de futuros especialistas. Não é possível desenvolver senso crítico ou julgamento sem executar o trabalho. Minha preocupação é que, ao otimizar a eficiência hoje, as empresas estejam corroendo o campo de treinamento do amanhã.
Como a IA generativa mudou sua abordagem de treinamento?
Minha visão sobre como o aprendizado prático deve funcionar mudou. Eu costumava pensar que a única forma de aprender era por meio da execução tática, produzindo centenas de rascunhos para criar memória muscular. Mas vimos que, para pessoas com o contexto adequado, a IA cuida dessa execução. O verdadeiro gargalo surge quando falta conhecimento fundamental e não se consegue julgar se a IA está certa ou errada. O modelo de treinamento deve migrar para ensinar o que torna a escrita boa, em vez de ensinar iniciantes apenas como escrever.
Fonte:
Uma versão deste artigo foi publicada na edição de março-abril de 2026 do periódico Harvard Business Review.
Traduzido pelo ChatGPT 5.