A maioria (79%) das organizações já adotou IA Generativa (GenAI), mas apenas 39% atribuem à IA algum impacto no EBIT, e pouco mais de um terço afirmam ter escalado a tecnologia além de projetos-piloto. O McKinsey Global Institute estima que agentes de IA e robôs poderiam liberar US$ 2,9 trilhões em valor econômico anual somente nos Estados Unidos até 2030, mas esse potencial só vai se realizar se as pessoas conseguirem acompanhar o ritmo com que a IA avança. Em outras palavras, as organizações já investiram bilhões em IA e muito pouco em comparação com quem tem que agir ou tomar decisões a partir dessa tecnologia. Para a McKinsey, o fator limitante do ROI está justamente na capacidade cognitiva humana (ou na falta dela) dentro da companhia.
Considerando que a supervisão intensiva de ferramentas de IA foi associada a um quadro de fadiga cognitiva (“brain fry”) que torna o processo de decisão mais lento, e que um paper do MIT Media Lab (ainda não revisado) sugere que usuários intensos de IA apresentaram menor conectividade neural e pior retenção de memória quando a ferramenta é removida, estamos diante de um dilema. O avanço alcançado com a GenAI corre o risco de bater no muro se as organizações não construírem um “capital cerebral” interno, colocando o ser humano no volante e a IA a serviço dele.
A próxima fronteira da agenda de IAse concentra em solucionar a equação da capacidade humana. O McKinsey Health Institute (MHI) denomina isso de “capital cerebral”: a ideia de que a saúde e as habilidades cerebrais devem ser tratadas como um ativo estratégico. Em colaboração com o Fórum Econômico Mundial (WEF) criou-se um conjunto de ações para construir o “capital cerebral” dentro das empresas: proteger a saúde cerebral, fomentar habilidades cerebrais, estudar e mensurar o capital cerebral, investir em soluções e mobilizar um movimento global coordenado.
A partir desse diagnóstico, a McKinsey propõe cinco princípios operacionais para construir “capital cerebral” nas organizações, acompanhando a reestruturação das empresas com a integração da IA no trabalho. . A ideia central é colocar os seres humanos no comando e a IA integrada ao fluxo de trabalho e não o contrário. Esses princípios são relevantes tanto para o design técnico (como concebemos programas e sistemas de IA) quanto para o design comportamental (como lideramos e colaboramos), e ressaltam a importância de repensar a execução do trabalho, em vez de simplesmente sobrepor a IA aos processos existentes.
Veja a seguir os cinco princípios:
1. Calibrar a carga cognitiva. Trata-se de dimensionar o que se pede ao cérebro. A McKinsey estima que a tecnologia atual poderia automatizar cerca de 57% do total de horas trabalhadas nos EUA. Isso não reduz necessariamente o esforço mental: pode apenas concentrá-lo. A solução é a “arquitetura de carga”: intercalar tarefas intensas com leves, e usar o tempo liberado pela IA para a rotação de talentos e novas habilidades, não apenas para exigir mais.
2. Proteger a capacidade cognitiva. Se o primeiro princípio trata da demanda, este trata da oferta: quanto o cérebro tem para dar. A capacidade cognitiva se esgota com esforço sustentado e se recupera com sono, movimento e desconexão psicológica. Programas de capacitação em IA, por mais bem-intencionados, fracassam se não vierem acompanhados de tempo de recuperação. Líderes antenados “subtraem antes de adicionar”: eliminam processos legados, cancelam reuniões de baixo valor e constroem recuperação no ritmo operacional.
3. Viabilizar o foco. O trabalho atual é marcado por troca constante de contexto: em média, as pessoas passam apenas 47 segundos em uma tela antes de mudar de foco. Recuperar a concentração plena após uma interrupção pode levar 23 minutos ou mais. A IA é rápida, mas aproveitar seu potencial exige tempo humano ininterrupto para avaliar o que ela produz. Práticas como notificações em lote, uma única pessoa realizando a triagem dos resultados da IA (em vez de todos checando tudo) e “listas do que parar de fazer” ajudam a redesenhar a “arquitetura da atenção”.
4. Construir habilidades cerebrais adaptativas. A IA amplia o que as pessoas já sabem, mas não substitui julgamento, reconhecimento de padrões e conhecimento tácito, que só se desenvolvem com prática real. Analistas juniores que levavam horas montando planilhas e slides hoje produzem o mesmo em minutos, mas isso não os ensina a lidar com um cliente exigente ou se manterem firmes em uma negociação. Por isso, a McKinsey recomenda investir ativamente em habilidades que a IA não substitui: pensamento crítico, regulação emocional, agilidade de aprendizagem, gestão de estresse e colaboração, inclusive criando espaços para brainstorming sem qualquer apoio de IA, já que “pensar sem IA” melhora o “pensar com IA”.
5. Incentivar ambientes “cérebro-positivos”. A adoção de IA é também uma questão cultural, não só técnica. A forma como um líder apresenta uma iniciativa de IA, como ameaça incerta ou como parceiro de raciocínio de alto nível, molda a segurança psicológica da equipe e, consequentemente, o resultado do projeto. Espaço físico, cultura e acesso a recursos de saúde cerebral determinam se o trabalho com IA fortalece ou esvazia as pessoas.
No fundo, é uma questão de calibrar a carga, proteger a capacidade, viabilizar o foco, construir habilidades e desenhar o ambiente. Sem isso, as orgaizações correm o risco de “automatizar o caminho até a exaustão”.
O artigo conclui que organizações que tratam seus times como atletas de elite — investindo em recuperação, flexibilidade e desenvolvimento de habilidades, e não apenas em intensidade — superam as que simplesmente “empurram mais forte”. A recomendação final resume os cinco princípios em uma frase: calibrar a carga, proteger a capacidade, viabilizar o foco, construir habilidades, desenhar o ambiente. Sem isso, o risco é claro: “automatizar o caminho até a exaustão”.