Dois textos publicados na mesma semana descrevem o mesmo fenômeno com lentes opostas. A Exame, citando a McKinsey, afirma que 56% das horas de trabalho no Brasil têm potencial técnico de automação. A TI Inside, citando a Korn Ferry, descreve comitês de remuneração pagando prêmios salariais de 10% a 15% acima de cargos equivalentes para quem sabe usar bem essas mesmas ferramentas. Lidos separadamente, os dois soam coerentes. Lidos juntos, expõem uma inconsistência estrutural que a imprensa de tecnologia sistematicamente evita nomear: o mercado está precificando exatamente a competência que o próprio mercado diz que vai deixar de precisar. TI INSIDE


O primeiro problema: "potencial técnico" não é modelo de governança

O estudo da McKinsey é honesto ao afirmar que 56% é o que a tecnologia consegue fazer, não o que será feito — isso não significa que 56% dos empregos vão desaparecer, e a adoção depende de custo, infraestrutura, legislação e qualificação. Até aqui, correto. O problema é o que a matéria faz com esse dado depois: transforma uma métrica de capacidade técnica em uma métrica de urgência individual, recomendando que o profissional "mapeie tarefas repetitivas" e "acompanhe como as vagas estão mudando". É o clássico deslocamento de responsabilidade sistêmica para responsabilidade individual — um movimento retórico, não analítico.

Como alguém que constrói arquiteturas de governança para viver, posso dizer o que falta nessa conta: 56% de potencial técnico sem modelo de governança de adoção é só um número assustador em uma manchete. Automação real não acontece porque a tecnologia existe — acontece quando existe processo, responsabilização e rastreabilidade orquestrando essa tecnologia dentro da operação. O artigo trata a IA como uma força da natureza que "vai automatizar" tarefas, quando na prática ela só automatiza o que uma estrutura de governança decide, testa, audita e sustenta. Sem isso, o número de 56% é ficção estatística projetada sobre uma realidade organizacional que, no Brasil, ainda opera majoritariamente no improviso.

O segundo problema: remunerar "fluência em IA" sem definir o que isso significa

O texto da TI Inside é ainda mais frágil, porque descreve comitês de remuneração pagando prêmios por uma competência que ninguém consegue definir com precisão. A fonte central, da Korn Ferry, até tenta corrigir o rumo ao afirmar que se deve precificar a capacidade, não a ferramenta — mas o próprio artigo nunca esclarece como medir "capacidade" de forma auditável. Isso é o equivalente corporativo de pagar bônus por "ter bom senso": soa bem em reunião de diretoria, mas não sobrevive a uma auditoria de RH.

Essa é a lacuna que separa retórica de mercado de inteligência comportamental de verdade: sem instrumentos que capturem como o profissional interage com a IA — os padrões de delegação, verificação, correção de erro e julgamento crítico — o "prêmio de fluência em IA" vira proxy de autopromoção. Empresas estão, na prática, remunerando quem melhor performa domínio de IA em entrevista, não quem de fato reduz retrabalho, melhora decisão e sustenta qualidade com a ferramenta no dia a dia. É precificação por narrativa, não por telemetria comportamental.

O ponto cego que une os dois textos

Nenhum dos dois artigos menciona o elemento que deveria estar no centro de ambos: rastreabilidade da decisão humana quando ela está entrelaçada com IA. A McKinsey mede horas automatizáveis; a Korn Ferry mede prêmio salarial por fluência. Nenhuma das duas métricas responde à pergunta que realmente importa para uma empresa brasileira em 2026: quando a IA erra e ninguém percebe, quem foi responsável — o sistema, o profissional que validou, ou o comitê que definiu o processo?

Essa ausência não é acidente editorial, é sintoma. O discurso dominante sobre IA no trabalho oscila entre pânico existencial (56% das horas ameaçadas) e otimismo mercadológico (pague mais para quem sabe usar), mas evita sistematicamente o meio-termo desconfortável: governar o uso da IA exige estrutura, não só velocidade de adoção nem só remuneração competitiva. Uma organização pode ter 100% de adoção de ferramentas de IA e zero maturidade em auditar as decisões tomadas com elas. Os dois artigos, juntos, descrevem exatamente esse cenário sem perceber.

O que os números realmente indicam, na prática

Cruzando os dois estudos, a leitura mais honesta não é "a IA vai automatizar seu trabalho, então aprenda a usar" nem "quem sabe usar IA ganha mais". É esta: o valor não está em usar IA, está em governar o uso da IA de forma auditável. As empresas que hoje pagam prêmio salarial por "fluência" estão, sem saber, comprando um proxy imperfeito para algo que ainda não sabem medir — e o dado de que 64% das organizações admitem não saber quanto pagar de bônus por domínio de IA confirma exatamente isso. TI INSIDE


O verdadeiro risco para 2027 não é o trabalhador que não aprendeu a usar IA. É a empresa que adotou IA em escala sem nenhum modelo de governança comportamental por trás — sem rastrear decisões, sem auditar qualidade, sem responsabilizar processos. Essa empresa vai automatizar as horas certas, pagar os prêmios certos, e ainda assim explodir em risco operacional e reputacional na primeira falha não detectada. O número que falta nesses dois estudos não é 56% nem 15% — é a ausência total de uma métrica de maturidade de governança que anteceda os dois.