Ygo Leite
CPTO Viaflow
Certa vez perguntei em uma palestra para um público bem variado, com pessoas de tecnologia e negócios: quem aqui usa Inteligência Artificial no trabalho? Todas as mãos subiram. Depois perguntei: quem recebeu algum treinamento formal para isso? Nenhuma mão, em uma sala de vinte pessoas.
Esse dado me perseguiu por semanas. Não porque fosse surpreendente, qualquer C-level sabe que a realidade das suas equipes se parece com isso. Me perseguiu porque percebi que tínhamos criado, com exatidão cirúrgica, as condições para os dois comportamentos que mais aparecem hoje nas discussões sobre IA corporativa: o lazy prompting e o shadow AI. E que a responsabilidade por eles era nossa, não dos funcionários.
A narrativa dominante sobre esses comportamentos os trata como falhas de conduta individual. O colaborador que não se esforça para escrever um bom prompt. O analista que usa o ChatGPT com dados da empresa sem autorização. A leitura implícita é sempre a mesma: o problema é o funcionário. A solução, portanto, seria treinar melhor ou restringir mais.
Essa leitura está errada. E enquanto ela prevalecer, o problema vai crescer.
O que lazy prompting realmente revela?
Lazy prompting é o nome que se deu à prática de enviar comandos vagos para sistemas de IA (“escreve um texto sobre isso“, “me explica aqui“, “faz um resumo“) sem contexto, sem critério, sem direção. O resultado, como qualquer pessoa que já experimentou sabe, tende a ser genérico e pouco útil, ou seja, retrabalho garantido.
A interpretação mais comum é que o usuário foi preguiçoso ou descuidado. Mas há uma explicação mais simples e mais desconfortável: ele não sabe fazer diferente porque ninguém ensinou.
Escrever um bom prompt não é intuitivo. Exige entender como o modelo processa contexto, qual o nível de especificidade que produz respostas úteis, quando incluir exemplos, quando restringir o formato. Isso é uma habilidade porque aprende. Quando uma empresa entrega acesso a uma ferramenta sem criar nenhuma estrutura de aprendizado ao redor dela, está terceirizando para o funcionário a tarefa de descobrir sozinho como usá-la bem. A maioria das pessoas não faz isso com profundidade. Não porque sejam preguiçosas, mas porque fazem isso com praticamente toda ferramenta nova que chega no trabalho.
Há um paralelo interessante com a chegada das planilhas eletrônicas nos anos 80 e 90. Quando o Excel se tornou padrão corporativo, as empresas que investiram em capacitação colheram ganhos de produtividade reais. As que apenas instalaram o software nos computadores e esperaram que os funcionários “aprendessem usando” ficaram anos com equipes que usavam planilha como substituto de papel pautado. A tecnologia estava lá. O aproveitamento não.
Com a IA, estamos repetindo o mesmo erro em uma escala e velocidade muito maiores.
Shadow AI: a sombra que a empresa projetou
O Shadow AI é outro sintoma do mesmo diagnóstico, mas com um componente adicional de risco. O fenômeno descreve o uso de ferramentas de IA por funcionários sem aprovação ou conhecimento da área de TI ou gestão. Um colaborador que usa o Claude para resumir contratos de clientes. Uma analista que cola estratégias não publicadas no ChatGPT para gerar apresentações. Um desenvolvedor que usa um modelo externo para revisar código proprietário.
A preocupação legítima aqui é com segurança de dados e conformidade. Dado sensível em ferramenta sem contrato de processamento é uma violação de LGPD esperando para acontecer. Isso é real. Mas a pergunta que poucas empresas fazem é: por que o colaborador foi para fora?
Invariavelmente, a resposta tem a ver com uma combinação de dois fatores. O primeiro é que a empresa não ofereceu uma alternativa aprovada, ou ofereceu uma alternativa tão burocrática e limitada que na prática não resolve o problema do dia a dia. O segundo é que o colaborador quer ser produtivo, percebeu que a ferramenta resolve o problema dele, e foi buscar onde encontrou.
Shadow AI não é rebeldia. É adaptação. É o comportamento natural de pessoas competentes que querem fazer bem o seu trabalho quando a empresa não criou o caminho oficial para isso.
Um dado que circula há algum tempo entre equipes de segurança é revelador: em pesquisas com colaboradores que usam Shadow AI, a maioria não sabia que o uso era proibido ou problemático. Não era má-fé, mas ausência de orientação.
Os dois fenômenos têm a mesma raiz
Lazy prompting e Shadow AI parecem problemas diferentes. Um é sobre qualidade do uso; o outro, sobre compliance. Mas ambos emergem do mesmo ponto cego organizacional: a crença de que adotar IA é principalmente um problema de acesso.
Compra-se a ferramenta. Libera-se o acesso. Anuncia-se em all-hands que “a empresa está investindo em IA”. E então se espera que alguma coisa aconteça. O resultado, invariavelmente, é uma mistura de subutilização, uso ingênuo e experimentação não gerenciada.
Há uma diferença que as empresas insistem em ignorar: trocar uma ferramenta é fácil. Mudar como as pessoas trabalham exige intenção, tempo e estrutura. A maioria das empresas fez a primeira parte e chamou de transformação digital. Agora está fazendo a primeira parte de novo e chamando de transformação por IA.
A questão não é só técnica. É cultural. Quando uma organização não cria espaço explícito para aprender a usar IA com permissão para errar, com exemplos do que bom parece e com pessoas que sabem mais disponíveis para ajudar, ela está dizendo implicitamente: descubra sozinho. E quando as pessoas descobrem sozinhas, descobrem de formas que a empresa não controlou e, frequentemente, não gostaria.
O que cabe ao líder fazer
A tentação de responder ao Shadow AI com restrição é compreensível, mas contraproducente. Bloquear o acesso a ferramentas externas não elimina a demanda; ela empurra o uso para métodos ainda menos visíveis. O colaborador que usava o ChatGPT no computador do trabalho vai usar no celular pessoal, fora da rede corporativa, com menos rastreabilidade ainda.
A resposta funcional tem três partes que precisam acontecer juntas, não em sequência.
A primeira é criar uma rota oficial que seja genuinamente boa. Não uma ferramenta corporativa aprovada que ninguém usa porque é inferior ao que está disponível gratuitamente. Uma solução que resolva os casos de uso reais das equipes com as salvaguardas necessárias de segurança e dados. Isso pode significar contratos corporativos com os principais provedores, implementações on-premise, ou camadas de controle sobre APIs existentes. O ponto é que a alternativa oficial precisa competir em qualidade com a alternativa não oficial.
A segunda parte é educação estruturada, não pontual. Não um webinar de 45 minutos chamado “IA para todos” que ninguém assiste depois do almoço. Um programa contínuo, integrado ao fluxo de trabalho, que trate prompting como uma habilidade profissional, porque é. Que dê às equipes modelos do que bom parece no contexto específico do que elas fazem. Que crie comunidades internas onde as descobertas circulem.
A terceira parte é a mais difícil: admitir que a lentidão na adoção não foi neutra. Cada mês que uma empresa passa sem uma estratégia real de capacitação em IA é um mês em que seus funcionários estão ou ficando para trás na curva de habilidades, ou desenvolvendo hábitos de uso que a empresa não escolheu. Não há posição de espera. A omissão também é uma escolha, e ela tem consequências.
O que realmente está em jogo
Há uma maneira de enquadrar tudo isso que vai muito além do risco de compliance ou da ineficiência do retrabalho. É sobre onde as empresas vão estar daqui a dois anos em relação às que fizeram isso direito.
A vantagem competitiva da IA, no médio prazo, não vai estar no acesso aos modelos, esses serão comodities. Vai estar na capacidade organizacional de usá-los bem. E capacidade organizacional se constrói devagar, com investimento deliberado, e se perde rapidamente quando se ignora por tempo suficiente.
Lazy prompting é o sinal de que a empresa ainda não construiu essa capacidade. Shadow AI é o sinal de que a demanda existe, mas o caminho oficial não. Juntos, eles dizem algo simples: as pessoas querem usar IA para trabalhar melhor. A empresa ainda não decidiu o que fazer com isso.
Quando eu olho para as equipes que mais avançaram com IA, em produtividade, em qualidade de output e em velocidade de aprendizado, o que elas têm em comum não é o modelo mais caro ou a plataforma mais sofisticada. É liderança que entendeu que adoção real exige educação real, e que tratar isso como linha de item no orçamento de T&D é diferente de tratá-lo como prioridade estratégica.
O problema não é o funcionário que prompta mal. Nunca foi. É a empresa que achou que adotar IA era mais fácil do que é, e que ainda vai descobrir o custo dessa suposição.
