A tese numa frase: a formação é a rubrica que ninguém mete no orçamento de IA, e é exatamente a que decide se a ferramenta que compraste é usada ou fica morta numa gaveta cara. Aprova-se a licença, celebra-se o lançamento, e seis meses depois ninguém a usa. Não é que a ferramenta fosse má nem que o modelo fosse burro: comprar a licença é metade do trabalho, e a outra metade —que a tua gente a use de verdade, no seu trabalho real— é a que se cortou primeiro porque não brilhava na demo.
A licença comprada não é a licença usada
Há dois números que se confundem de propósito porque um é cómodo e o outro não. O cómodo é quantas pessoas têm acesso à ferramenta: está na fatura, mostra-se no comité, dá a sensação de progresso. O incómodo é quantas pessoas a usam de verdade para fazer o seu trabalho. O projeto inteiro vive entre esses dois números, e estão quase sempre a anos-luz de distância. Pagar o acesso é fácil; obter uso é outra coisa, e é a que ninguém orçamenta.
Uma licença que ninguém usa não é uma poupança pendente: é uma despesa já feita que não rende nada. Cada mês entre «comprámo-la» e «usam-na» é dinheiro queimado e, pior, é a janela em que a equipa decide que «esta coisa da IA não era assim tanto» e volta ao método manual. Essa decisão, uma vez tomada, custa muito mais a reverter do que teria custado formar bem desde o primeiro dia.
O adoption gap: 85% podem usá-la, 25% usam-na
Isto não é uma intuição de consultor: é um padrão medido. Segundo um estudo da IBM de 2026 sobre dirigentes, 85% dos colaboradores têm acesso a ferramentas de IA, mas só 25% as usam de forma habitual. Esse fosso —o adoption gap— é onde se evapora o retorno prometido na proposta. Não se perde porque o modelo falha; perde-se porque a maioria das pessoas com acesso nunca o traz para o seu trabalho diário. A ferramenta está ligada, e sozinha.
E aqui está o dado que remata o quadro: no mesmo tipo de estudos, a maioria dos colaboradores diz que a formação que recebe não os ajuda a usar a IA no seu posto. Ou seja, não é que não haja formação —é que a que há não serve. Dá-se um curso genérico «isto é o ChatGPT e isto é um prompt», marca-se a caixa, e a pessoa volta à secretária sem a mínima ideia de como aplicar isso ao que faz todos os dias. O adoption gap não se fecha com um webinar; fecha-se com formação colada ao trabalho real.
Porque a formação genérica não mexe o ponteiro
O erro de base é tratar a formação em IA como um curso de produto e não como uma mudança na forma como o trabalho se faz. Um curso genérico explica a ferramenta; o que as pessoas precisam é de ver a sua própria tarefa feita com a ferramenta. São coisas diferentes, e confundi-las é o que enche as empresas de licenças mortas.
- Genérica em vez de por função. O comercial, o administrativo e o suporte não usam a IA para o mesmo. Um curso que serve para todos não serve verdadeiramente a nenhum. A formação que agarra parte da tarefa concreta de cada função, não da ferramenta.
- Teoria em vez do trabalho deles. Ensinar o que é um prompt não é ensinar a resolver o email que essa pessoa escreve vinte vezes por dia. Como desmontar a própria tarefa em instruções que uma IA segue de verdade é metade do trabalho, e desenvolvemo-lo em automatizar tarefas com ChatGPT.
- Um evento em vez de um hábito. Uma sessão de duas horas no dia do lançamento não cria um hábito. O uso instala-se com prática repetida, exemplos da própria equipa, e alguém que resolve dúvidas quando aparecem, não antes.
- Sem dono da adoção. Se a formação termina e ninguém mede quem usa o quê nem ajuda quem encrava, a ferramenta apaga-se sozinha. A adoção precisa de um responsável, como qualquer outro projeto que se queira que aconteça.
O que orçamentar quando orçamentas IA
Se a formação é a metade que decide o resultado, tem de estar no orçamento desde o início, não como um extra que se corta quando os números apertam. E não qualquer formação: a que fecha o adoption gap tem uma forma concreta.
- Orçamenta formação por função, não um curso único. Cada função precisa de ver a sua própria tarefa resolvida com a ferramenta, com os exemplos e os dados com que trabalha de verdade.
- Mede uso real por pessoa, não licenças ativas. O número que importa é quantas pessoas o usam cada semana no seu trabalho, e é esse número que te diz se a formação funcionou.
- Nomeia um dono da adoção. Alguém que resolva dúvidas, recolha os casos que funcionam e os distribua, e detete quem ficou para trás antes de desistir.
- Começa por uma tarefa real e visível, não por tudo de uma vez. Um caso que as pessoas veem funcionar —o email repetitivo, o relatório de sempre— convence mais do que qualquer discurso, e assenta a base de como usar a IA no dia a dia na empresa, algo que abordamos em usar o ChatGPT na empresa.
- Se o que montas é um agente com a tua informação, a formação inclui ensinar a equipa a supervisioná-lo e corrigi-lo, não só a usá-lo. Essa passagem é parte do trabalho, e desdobramo-la em treinar o agente com a tua própria informação.
A licença morta custa mais do que a que não compraste
A fatura de uma licença que ninguém usa é a parte barata do problema. O caro é o que não se vê: a equipa que decidiu que a IA «não era assim tanto» e que agora há que reconvencer, o projeto apresentado como fracasso no comité quando nunca chegou a ser usado, e mês após mês de custo de oportunidade de um trabalho ainda feito à mão ao lado de uma ferramenta ligada. Cortar a formação para poupar é a poupança mais cara que existe: poupas a rubrica pequena e pagas a grande.
A conclusão não é «formem mais», é «orçamentem a adoção como parte do projeto, não como um extra». A ferramenta é 50%; que seja usada é os outros 50%, e esses 50% compram-se com formação colada ao trabalho real e um dono que a sustente. Se queres que esse lado —a adoção de IA pela tua equipa, não só a sua compra— seja levado por alguém que o trata como o trabalho que é, a adoção de IA para equipas é exatamente isso: não te vendemos a licença, deixamos a equipa a usá-la.