Letramento em IA é o novo Excel: o que mudar em vagas e competências

Letramento em IA é o novo Excel: o que mudar em vagas e competências

Aprofunde seus conhecimentos profissionais com nossos artigos ricos e gratuitos.

"A IA é o novo Excel", disse Juarez Borges Neto, Diretor de Planejamento de Franquias do Grupo Boticário, no palco do Cortex Summit 2026. A frase funciona como diagnóstico: o letramento em IA virou exigência transversal, como a planilha virou décadas atrás, e não cabe só na área de tecnologia.

O recorte aqui é o trabalho: o que muda na descrição de cargo, na matriz de competências e no critério de promoção da sua equipe. 

Você vai sair com três respostas: o que reescrever nos requisitos de vaga, como reconhecer que o letramento foi terceirizado para a TI e por que "quem é dono da IA na empresa" se resolve redistribuindo uma competência, não criando um cargo. 

Índice

O que é letramento em IA numa empresa, e por que não é pauta de TI?

Letramento em IA é a capacidade de entender como a IA processa dado, avaliar a confiabilidade da resposta e aplicá-la ao trabalho. Ela se distribui entre lideranças e times. A comparação com o Excel mostra o caminho: quando a planilha chegou às empresas, virou exigência de analista financeiro a gerente de operação, nunca exclusividade da TI.

O framework de Long e Magerko, apresentado na conferência CHI de 2020, organiza a competência em cinco temas: o que é IA, o que ela faz, como funciona, como deve ser usada e como as pessoas a percebem. São 17 competências, e várias delas pedem julgamento de negócio, não domínio de código.

Uma competência que atravessa decisões comerciais, financeiras e operacionais não cabe inteira numa área isolada. Centralizar na TI acelera a implantação técnica, mas cria gargalo de decisão. O time aprende a operar a ferramenta e nunca aprende a desconfiar de uma resposta errada, e é essa desconfiança treinada que separa quem usa IA bem de quem apenas usa.

IA sem dados é retrabalho: o letramento começa na qualidade do dado

Quando recebe dado incompleto, a IA não erra em silêncio. Ela preenche a lacuna com uma resposta plausível e inventada, e quem não tem letramento não distingue isso de uma resposta certa.

"IA sem dados é retrabalho. Se você não está dando o dado correto para ela, ela vai inventar o dado, ela vai delirar." A frase de Juarez Borges Neto descreve um mecanismo. Um modelo de linguagem completa a próxima palavra mais provável com base no contexto disponível, e, se esse contexto vem de uma base incompleta, a resposta continua tão fluente quanto uma resposta certa.

Por isso o framework de Long e Magerko inclui uma competência dedicada à interpretação crítica de dados. Questionar origem e viés é o filtro que falta quando a liderança delega o julgamento inteiro à área técnica.

O mercado mostra o tamanho do problema. Em 2024, o Gartner previu que ao menos 30% dos projetos de IA generativa seriam abandonados após a prova de conceito até o fim de 2025, por uma combinação de baixa qualidade de dados, controles de risco inadequados, custos crescentes e valor pouco claro.

Em 2025, o Gartner previu também que, até 2026, as organizações abandonariam 60% dos projetos de IA sem dado pronto para IA, e uma pesquisa da mesma empresa apontou que 63% das organizações não têm, ou não sabem se têm, as práticas certas de gestão de dados. São previsões, não medições, mas apontam o mesmo gargalo: o dado, não o modelo.

Existe uma crítica recorrente: letramento em IA viraria desculpa para transformar todo mundo em engenheiro de prompt. Ninguém precisa dominar sintaxe de prompt para decidir melhor. Precisa saber que há um dado por trás da resposta antes de confiar nela.

Por que o Grupo Boticário deixou de ter um diretor de IA?

Segundo Juarez Borges Neto, a companhia já teve um diretor de inteligência artificial e o cargo deixou de existir. O motivo: concentrar o tema numa diretoria mantém a IA como especialidade de uma pessoa, e não como capacidade de todos.

A decisão vai na direção oposta à de boa parte do mercado. O estudo de CEOs da IBM, feito com a Oxford Economics, mostra que 76% das organizações pesquisadas têm um Chief AI Officer em 2026, contra 26% em 2025.

Os números não provam que uma das apostas esteja errada. Um Chief AI Officer entrega governança rápida, com um nome e um ponto de decisão. O custo aparece depois: "ter" letramento vira função de uma pessoa e deixa de ser competência de quem decide no dia a dia. É o mesmo erro de terceirizar para a TI, só que no topo do organograma.

O próprio estudo indica que as duas lógicas convivem. Segundo o resumo da pesquisa, 85% dos CEOs dizem que todo líder funcional precisa virar especialista em tecnologia no seu domínio, e apenas 25% da força de trabalho usa IA regularmente. O cargo central existe, mas a competência ainda não chegou a quem decide.

Dimensão Diretoria de IA centralizada

Letramento distribuído 
Dono da competência Um executivo ou uma área dedicada Cada liderança, dentro da própria equipe
Velocidade de decisão no curto prazo Mais rápida, com um só ponto de aprovação Mais lenta de instalar, pois exige alinhar várias lideranças
Risco de gargalo Alto, porque tudo passa por uma pessoa ou comitê Baixo, porque a decisão acontece onde o trabalho acontece
O que exige da matriz de cargo Pouco, pois a competência fica concentrada no cargo do diretor Reescrita de descrição de vaga e critério de promoção em várias funções

 

Quais competências em IA toda liderança de negócio precisa ter?

Cinco perguntas sustentam o letramento de liderança:

  • o que é IA; 

  • o que ela faz; 

  • como funciona; 

  • como deve ser usada; 

  • e como as pessoas a percebem.

     

O framework de competências em IA da Unesco para professores, de 2024, organiza 15 competências em cinco dimensões e três níveis de progressão (acquire, deepen e create). Trocando a sala de aula pelo processo de negócio, a lógica serve ao corporativo: a competência sobe de nível conforme o caso de uso muda, sem "formatura" única. É mais realista do que um treinamento pontual de prompting.

A maior parte do conteúdo sobre o tema converge para três papéis. AI Leaders decidem onde e por que aplicar IA num processo. AI Builders constroem e ajustam modelos e agentes. AI Users operam a ferramenta no dia a dia. O vocabulário é útil como ponto de entrada, e é onde a maioria dos programas para.

O problema aparece quando o rótulo vira linha fixa de descrição de cargo. Um analista de dados é AI User quando roda um relatório e vira AI Leader na reunião seguinte, quando decide sozinho o critério de amostragem. O papel da pessoa muda no mesmo dia, então a competência do cargo não pode depender dele.

A saída é amarrar a exigência à decisão que o cargo toma. Uma matriz por decisão pergunta o que a pessoa entende e decide diante de uma resposta de IA, e o rótulo de mercado vira etiqueta de bastidor.

Falta o contra-argumento que a maioria dos programas evita: treinamento não é competência aplicada. O conceito de transferência de treinamento, de Baldwin e Ford (1988), descreve há décadas que o aprendido em sala raramente vira comportamento sem reforço do ambiente de trabalho. Por isso o próximo passo é formalizar, não só treinar.

Como reescrever requisitos de vaga e matriz de competências para exigir letramento em IA?

Descrição de cargo e matriz de competências precisam citar o letramento em IA como requisito explícito, e não como diferencial. O mercado já cobra isso. Nos EUA, segundo a Lightcast, 2,5% de todas as vagas citam habilidades de IA, alta de 55% em um ano, e a maior parte das vagas de IA fica fora das áreas de TI.

No Brasil, a adoção acompanha. Segundo o Cetic.br, 17% das empresas usaram IA em 2025, contra 13% em 2024, e entre as grandes a proporção chegou a 50%. Quanto mais rápido o uso avança, mais urgente fica formalizar o requisito na vaga.

Na prática, isso significa parar de tratar "conhece IA" como frase solta no fim da descrição e definir a proficiência pela decisão que o cargo já toma. A tabela mostra a diferença.

Cargo Requisito do jeito antigo Requisito reescrito
Analista de dados "Conhecimento de ferramentas de IA" Avalia viés de amostragem num resultado gerado por IA antes de repassá-lo
Gerente comercial "Familiaridade com IA generativa" Sabe quando questionar uma recomendação de precificação gerada por IA antes de aprovar o desconto
Executivo "Visão estratégica sobre tecnologia" Sabe que pergunta fazer sobre a base de dados antes de aprovar orçamento para um novo caso de uso de IA

A diferença entre as colunas está no teste que cada uma permite. O requisito antigo não dá ao recrutador nada para perguntar na entrevista nem ao gestor nada para observar na entrega. O reescrito vira pergunta de seleção e critério de avaliação, porque descreve uma decisão que já acontece dentro da função.

Há um trade-off. Exigir competência demais afunila o recrutamento e descarta talento formável. Exigir de menos mantém o critério de cinco anos atrás. O equilíbrio é uma proficiência escalonada por papel, que também vale para o critério de promoção: se o uso crítico de IA não aparece na avaliação, a competência fica solta.

Data First antes de AI First: o critério que decide se a empresa está pronta

Antes de ampliar o uso de IA, a empresa precisa garantir que os dados que a alimentam são corretos, atualizados e acessíveis. Foi esse o princípio que Juarez Borges Neto resumiu como Data First antes de AI First: um novo caso de uso sobre base frágil não corrige a fragilidade, multiplica os efeitos dela.

O ciclo de abandono é previsível. A empresa aprova uma prova de conceito, o dado está incompleto, o resultado decepciona, a equipe perde a confiança e a próxima nasce sob o mesmo ceticismo. É o ciclo que as previsões do Gartner descrevem em escala de mercado.

O critério cabe em qualquer reunião de orçamento. A pergunta antes de aprovar um novo projeto de IA é se esse dado está pronto para alimentar essa decisão, e não qual ferramenta usar. Se a resposta é incerta, o projeto de dado vem antes. O mesmo vale para a execução de GTM: automatizar uma operação com dado ruim só acelera o desalinhamento.

Sinais de que o letramento em IA virou projeto de TI, e como corrigir a rota

Três sinais indicam que o letramento foi terceirizado para a TI: a adoção é cobrada só da área técnica, o treinamento para em ferramentas e prompting, e a liderança de negócio trata o tema como pauta alheia.

A cobrança de resultado recai só sobre a área técnica

Quando apenas o time de tecnologia responde por métricas de adoção, a empresa já decidiu que o assunto pertence a uma área. A correção troca a métrica de licença ativa pela métrica de decisão: cada liderança passa a responder por quantas decisões da própria equipe usaram julgamento crítico sobre uma resposta de IA.

O treinamento para em ferramenta e prompting

Um programa que ensina só prompting envelhece rápido, porque o prompting muda a cada versão de modelo e o julgamento sobre dado não muda. Segundo o Conference Board, 55% dos trabalhadores usam IA regularmente, mas só um terço participou de treinamento do empregador nos últimos seis meses, e esse treinamento costuma se concentrar em fundamentos como letramento básico e prompting.

A correção troca o curso de atalho de ferramenta por treino de julgamento sobre a origem do dado que alimenta a resposta.

A liderança de negócio trata IA como pauta de outra área

A TalentLMS ouviu 101 gestores de RH e 1.000 funcionários nos Estados Unidos: 83% dos gestores acreditam que a empresa apoia o aprendizado em IA, contra 64% dos funcionários. No Brasil, o FGV IBRE apurou que 76% das empresas usuárias de IA dizem ter programa de capacitação, mas 35,1% dos trabalhadores não souberam responder como a empresa se adapta, o que sinaliza falha de comunicação. Anunciar apoio não é o time sentir esse apoio.

A correção é a própria liderança de negócio assumir o tema na pauta e cobrar resultado da equipe, em vez de deixar o discurso com o RH.

Corrigir a rota não exclui a TI. Ela sustenta a infraestrutura de dado, e o negócio sustenta a competência de uso e o julgamento crítico. Centralizar na TI roda mais rápido no curto prazo, mas fica raso. Manter com o negócio demora mais para implantar e é o que se sustenta. Para ver como essa divisão aparece no desenho do time, vale ler sobre organizações agênticas.

O medo que poucos programas endereçam

O Pew Research Center encontrou que 52% dos trabalhadores americanos se preocupam com o uso futuro de IA no trabalho. Empurrar letramento sem tratar essa insegurança tende a gerar resistência.

O uso não autorizado mostra o outro lado. A UpGuard apurou que 68% dos líderes de segurança admitem usar IA não autorizada no dia a dia e que 8 em cada 10 funcionários fazem o mesmo. O relatório associa ainda mais conhecimento dos riscos a mais uso de ferramentas não aprovadas. Treinar todo mundo mede pouco: a métrica que interessa é se o treinamento mudou o critério de decisão de alguém, e não quantas horas consumiu.

Perguntas frequentes sobre letramento em IA

Qual a diferença entre letramento e alfabetização em IA?

Alfabetização é entender o que a IA é, no nível de conceito básico. Letramento é a capacidade de aplicar esse entendimento em decisões e trabalho real, questionando dado e resultado antes de agir, a progressão que Long & Magerko descrevem como caminho, não degrau único.

Letramento em IA é o mesmo que saber usar ChatGPT?

Não. Operar uma ferramenta é a camada mais rasa da competência. Letramento inclui avaliar a confiabilidade da resposta e reconhecer quando o dado que a alimentou estava incompleto.

Toda empresa precisa de um diretor de inteligência artificial?

Não necessariamente. O Grupo Boticário extinguiu a própria diretoria de IA porque concentrar o tema num cargo mantém a competência como especialidade de uma pessoa, não como capacidade que atravessa a operação. Um Chief AI Officer acelera a decisão de curto prazo, mas quando o cargo sai da empresa, a competência sai junto se nunca foi distribuída às lideranças de negócio.

Letramento em IA deve ficar com RH, com TI ou com a liderança de negócio?

Com nenhum dos três sozinho. TI sustenta a infraestrutura de dado, RH estrutura o programa de capacitação, mas o julgamento sobre quando confiar numa resposta de IA pertence a quem toma a decisão de negócio no dia a dia. Tratar o tema como propriedade exclusiva de uma área repete o erro de terceirizar letramento para TI, só que trocando o nome do departamento.

Letramento em IA é exigido por lei?

No Brasil, ainda não há exigência legal específica. Na União Europeia, o AI Act, Artigo 4, em vigor desde fevereiro de 2025, já obriga provedores e implementadores a desenvolver medidas de letramento proporcionais ao risco.

IA vai substituir minha função se eu não tiver letramento em IA?

O dado disponível liga letramento a produtividade e ganho salarial individual, não a substituição direta. Um estudo do Federal Reserve Bank de Nova York encontrou que 66% de quem tem acesso e treinamento relata ganho de produtividade, com prêmio salarial de 24,2% entre treinados contra 11,4% entre não treinados para abrir mão do acesso.

Como avaliar letramento em IA de um candidato numa entrevista?

A mesma lógica da matriz de competências vale para a entrevista: pergunte como o candidato verifica a origem e a qualidade do dado antes de confiar na resposta de uma IA. Com o mercado de vagas de IA crescendo 34% mais rápido que o restante, essa pergunta virou filtro básico de contratação.

Conclusão

O letramento em IA só vira capacidade organizacional quando sai do discurso de cultura e entra nos instrumentos de gestão de pessoas: descrição de cargo, matriz de competências e critério de promoção. O Grupo Boticário deixou de ter um diretor de IA por apostar nisso, enquanto boa parte do mercado caminha para criar mais Chief AI Officers.

Sua empresa já decidiu quem é dono da competência de IA, ou ainda trata o tema como projeto de TI? A Cortex existe desde 2003 e é nativa em IA. Aplicamos a Inteligência Aumentada, que soma inteligência artificial e inteligência humana com a decisão final nas mãos de uma pessoa, na nossa abordagem de GTM Intelligence. Fale com um especialista Cortex e entenda como essa lógica se aplica ao seu negócio.