Resultado ainda é percepção
Na pergunta sobre como a organização sabe se a IA gera resultado, três respostas estão no nível 1, “pela percepção de que ajuda”, e uma está no nível 0, “ainda não medimos”.
Diagnóstico de maturidade · leitura agregada
Uma leitura agregada das respostas coletadas durante o People AI Lab. Quatro respondentes e seis dimensões para entender o estágio atual sem transformar uma base pequena em benchmark de mercado.
Em 30 segundos
Três conclusões para quem quer entender o diagnóstico sem começar pelo instrumento.
13 perguntas centrais → 6 dimensões → escala de 0 a 5.
Em cada dimensão, vale a menor nota entre as perguntas que a compõem. A lógica é deliberadamente conservadora: o elo menos maduro tende a limitar a evolução do conjunto.
Com quatro respostas, esta página descreve padrões desta turma. Não estima mercado, percentil ou ranking setorial.
A conclusão central é simples: o uso de IA aparece antes de uma forma consistente de provar o resultado que ele gera.
Mapa das seis dimensões
Cada ponto representa uma resposta. A nota da dimensão é a menor nota entre as perguntas que a compõem, a mesma lógica usada nas leituras individuais.
A escala é uma síntese didática. O nível 0 não significa automaticamente “ruim”: dependendo da pergunta, pode indicar ausência, desconhecimento ou uma situação que ainda não se aplica.
Três das quatro leituras ficam em 0 ou 1. A discussão existe, mas ainda falta transformar intenção em prioridades explícitas e participação consistente do RH.
A amostra é polarizada: duas leituras estão em 0 e duas em 3. Onde houve capacitação e base comum, a maturidade sobe rápido; onde o conhecimento depende de poucas pessoas, ela cai.
É a única dimensão em que todas as leituras ficam acima de 0. A infraestrutura mínima existe, mas o grau de conexão entre ferramentas, sistemas e qualidade dos dados ainda varia bastante.
Só uma leitura chega a 3; as demais ficam em 0 ou 1. O uso de IA aparece mais em tarefas e automações isoladas do que em processos redesenhados de ponta a ponta.
As quatro leituras ficam entre 0 e 2 na nota da dimensão. Práticas de proteção aparecem, mas formalização, transparência e regras completas ainda são desiguais.
As quatro leituras ficam em 0 ou 1. É o padrão mais consistente da base: adoção e experimentação chegaram antes da mensuração de impacto.
Abra somente a dimensão que gerou dúvida. As descrições abaixo resumem a lógica do instrumento; nas leituras individuais, as alternativas literais continuam disponíveis pergunta a pergunta.
0 não significa automaticamente “ruim”: conforme a pergunta, pode indicar ausência, desconhecimento ou algo que ainda não se aplica.
Como o RH escolhe onde aplicar IA e como participa da agenda de IA da organização.
Se o time sabe usar IA de forma compartilhada e se a prática sobrevive às pessoas que mais dominam o tema.
Onde a IA vive na operação e quão confiáveis, organizados e governados estão os dados de pessoas.
Até que ponto a IA muda o desenho do trabalho e quanto dos fluxos consegue operar com regras claras.
Quais regras protegem dados de pessoas, decisões apoiadas por IA e transparência com colaboradores.
Como o RH demonstra que a IA gera resultado e o que acontece com o tempo, capacidade ou ganho liberado.
Sinais da base
Na pergunta sobre como a organização sabe se a IA gera resultado, três respostas estão no nível 1, “pela percepção de que ajuda”, e uma está no nível 0, “ainda não medimos”.
Duas pessoas dizem não conhecer uma agenda organizacional de IA, uma relata que a organização tem agenda mas o RH não participa e uma diz que o RH é consultado quando o tema toca pessoas.
Duas leituras chegam ao nível 3 na dimensão Capacidade do time. Nas outras duas, a pergunta sobre continuidade sem a pessoa que mais usa IA cai para o nível 0.
As quatro leituras ficam entre 1 e 3 em Tecnologia e dados, enquanto Valor comprovado permanece entre 0 e 1. Ter ferramenta ou dado não equivale, por si só, a provar impacto.
Condições de avanço
Além das treze perguntas centrais, o formulário investigou acesso, patrocínio, uso informal, integração e conhecimento sobre fornecedores. Os números abaixo são contagens desta turma, sem identificar qualquer respondente.
E também relatam que mais de 75% do time de RH tem acesso pago a alguma ferramenta de IA.
Em três respostas, usar IA sem aprovação formal acontece com frequência ou já aparece como parte natural do trabalho.
Nas demais respostas, o RH toca a agenda sem patrocínio formal ou declara não ter patrocinador.
Ninguém afirmou conhecer integralmente se o contrato permite usar dados da organização para treinar modelos.
Duas pessoas sabem a quem perguntar, mas ainda não perguntaram; uma não sabe a quem recorrer.
As duas relatam que funcionou; em uma delas, o resultado não se sustentou.
Ambição declarada
Cada respondente avaliou três áreas de RH. Isso gera doze pares “hoje” e “meta em 12 meses”. Na leitura pública, mostramos somente a distribuição dos níveis, sem revelar quais áreas pertencem a qual pessoa.
O arquivo de respostas registra as áreas efetivamente escolhidas, não necessariamente a lista completa oferecida no formulário. Por isso, mostramos aqui apenas o que apareceu na amostra.
Cada área tem apenas uma ou duas avaliações. Com uma base tão pequena, calcular “onde Recrutamento está” ou “onde T&D quer chegar” criaria uma precisão que os dados não sustentam. A leitura por área fica restrita ao contexto de escolha.
A tensão da turma está aqui: metade das áreas avaliadas ainda está no nível 0, mas três quartos das metas apontam para 4 ou 5. A diferença entre intenção e execução torna priorização, patrocínio e prova de valor especialmente importantes.
O que isso sugere para RH
A leitura desta turma aponta para um problema menos tecnológico do que gerencial: transformar experimentação em capacidade observável, protegida e repetível.
Antes de ampliar o uso, escolher um processo e registrar linha de base, resultado depois da IA e destino da capacidade liberada. Sem antes e depois, a percepção não se sustenta quando a prioridade muda.
Licença, treinamento ou ferramenta não bastam. Capacidade aparece quando conhecimento, dados, processo, regra e responsabilidade continuam funcionando sem depender de uma pessoa específica.
A distância entre o estágio atual e as metas é grande. Em vez de tentar mover todas as áreas ao mesmo tempo, priorizar poucos casos com valor mensurável, risco controlado e dono claro.
Metodologia
O instrumento organiza treze perguntas centrais em seis dimensões. Cada dimensão recebe a menor nota entre suas perguntas, porque o item mais fraco tende a limitar o avanço daquele tema. A escala vai de 0 a 5.
4 respondentes de 4 organizações, coletados durante o People AI Lab.
As respostas foram tratadas como diagnóstico exploratório da turma, sem inferência estatística.
A versão pública não identifica a posição de nenhuma organização ou pessoa.