Dê o mesmo assistente de IA ao seu operador mais forte e ao mais fraco e você não obterá duas versões reduzidas do mesmo ganho. Obterá sinais opostos. Em um experimento de campo randomizado de cinco meses com 640 donos de pequenos negócios, os que já performavam bem e receberam um consultor de negócios baseado em GPT-4 viram receita e lucro subirem cerca de 15%, enquanto os donos já em dificuldade terminaram quase 10% abaixo do grupo de controle (MIT Sloan Management Review, 2026). Mesma ferramenta. Mesma janela de acesso. Mesmo volume de conselhos. A lacuna de desempenho da IA não se estreitou: alargou-se, e parte desse alargamento foi dano puro.
Esse resultado deveria mudar uma decisão de sequenciamento que quase todo Head of Operations está tomando agora: quem recebe o copiloto primeiro.
Por que a lacuna de desempenho da IA se alargou em vez de fechar
Nicholas Otis, Rowan Clarke, Solène Delecourt, David Holtz e Rembrand Koning randomizaram o acesso a um assistente GPT-4, orientado a agir como consultor de negócios, entre 640 empreendedores quenianos que tocavam lanchonetes, granjas de aves, cybershops e negócios semelhantes. A entrega foi deliberadamente sem atrito: um contato de WhatsApp, na plataforma que cerca de 90% dos quenianos já usam, acompanhado por cinco meses (Berkeley Haas, 2026). O estudo foi publicado como The Uneven Impact of Generative Artificial Intelligence on Entrepreneurial Performance (Management Science, 2026).
O desenho importa mais do que o cenário. O acesso foi randomizado, então a divergência não conta a história de quem se inscreveu. A ferramenta era idêntica nos dois braços. O volume de uso não explica a diferença. O que separou os dois grupos foi o que levaram ao assistente e o que fizeram com o que voltou.
Leia isso como uma condição operacional, não como uma curiosidade sobre Nairóbi. A variável testada — uma IA consultiva generalista ajuda alguém cujo julgamento já é frágil? — é exatamente a variável em jogo quando você entrega um copiloto ao quartil inferior de uma área de operações de 200 pessoas e chama isso de capacitação.
A evidência de que "a IA fecha a lacuna de competências" é real — e mais estreita do que se pensa
A história do nivelamento não é um mito. É um achado sobre uma classe específica de trabalho.
Brynjolfsson, Li e Raymond estudaram 5.179 agentes de suporte ao cliente durante o rollout escalonado de um assistente de IA generativa. A produtividade subiu 14% em média, com melhora de 34% entre agentes novatos e menos qualificados e efeito mínimo sobre os mais experientes (Quarterly Journal of Economics, 2025). O mecanismo: o modelo disseminava as práticas dos melhores agentes e fazia os novos descerem a curva de experiência mais depressa.
Olhe para o que essa tarefa realmente é. Escopo delimitado. Uma boa resposta que já existe em algum lugar da empresa. Retorno imediato do cliente. Qualidade verificada por supervisores em horas. Nessas condições, uma IA que codifica boas práticas tácitas comprime a distribuição — os mais fracos ganham mais porque a distância entre o comportamento deles e o padrão codificado é a maior.
Agora mude uma variável: remova a boa resposta conhecida. Faça ao modelo uma pergunta aberta sobre preços, contratações ou onde gastar os próximos mil reais. Não há alvo verificado para convergir, nenhum supervisor fechando o ciclo, nenhum sinal imediato de que o conselho estava errado. A compressão deixa de ser o padrão. A amplificação assume.
O resultado de nivelamento é uma propriedade das tarefas verificáveis, não da tecnologia.
O moderador é o julgamento, não o acesso nem a habilidade de prompt
Os autores do estudo queniano são explícitos sobre o mecanismo: o que determinou o sinal do efeito foi "se o empreendedor tinha o julgamento para distinguir um bom conselho de IA de um ruim". Os de desempenho mais fraco seguiram conselhos genéricos ou enganosos porque lhes faltava o filtro para rejeitá-los (MIT Sloan Management Review, 2026).
O detalhe comportamental por baixo é mais nítido. Os de alto desempenho levavam ao assistente problemas tratáveis — perguntas com estrutura, em que a saída do modelo podia ser confrontada com algo que já sabiam. Os donos em dificuldade levavam os problemas mais duros e ambíguos que tinham: um concorrente cortando preços, uma seca, falta de capital de giro. São perguntas que nem uma IA nem um consultor conseguem responder bem de fora do negócio (Berkeley Haas, 2026). O modelo respondia mesmo assim. Ele sempre responde. Conselho genérico — corte preços, gaste mais em anúncios — é fluente, plausível e destruidor de margem quando aplicado sem julgamento situacional.
Então a cadeia causal é: julgamento mais fraco → perguntas mais difíceis e vagas → respostas mais genéricas → taxa maior de implementação de conselhos ruins → dano mensurável.
Note o que não está nessa cadeia. Não é o acesso. Não é o volume de uso. Não é a habilidade em prompt engineering. A intervenção que a maioria dos programas de capacitação compra — mais licenças, mais treinamento de prompt — não atua em nenhum dos passos que produziram a perda.
É a mesma forma do achado de Dell'Acqua e colegas com 758 consultores da BCG: em 18 tarefas dentro da fronteira de capacidade da IA, os consultores que a usaram completaram 12,2% mais tarefas, 25,1% mais rápido e com qualidade significativamente superior; em uma tarefa gerencial complexa deliberadamente colocada fora dessa fronteira, os consultores assistidos por IA tiveram 19% menos probabilidade de chegar à solução correta do que os que trabalharam sem IA (Harvard Business School, 2023). Dois estudos, populações diferentes, mesma estrutura: o dano aparece quando uma saída confiante encontra um usuário que não consegue avaliá-la.
Por que o instinto de remediação está invertido
Eis a decisão que isso reformula.
O movimento intuitivo — o que aparece na maioria dos planos de capacitação — é dar as ferramentas de IA primeiro a quem está em dificuldade. Parece justo, parece eficiente e toma emprestada credibilidade do resultado dos call centers. Levante o fundo, feche a lacuna, embolse a média.
Em trabalho consultivo aberto, esse sequenciamento está invertido. Você está entregando um motor de conselhos não filtrados exatamente à população menos equipada para filtrá-los, e a evidência de campo diz que o valor esperado é negativo, não apenas pequeno.
O custo cai duas vezes. Primeiro no dano direto: decisões piores do que teriam sido sem assistência. Segundo na atribuição. Quando o piloto entrega um agregado plano ou negativo, a conclusão tirada costuma ser "a ferramenta não funciona aqui", e o programa morre. A ferramenta funcionou bem para a coorte capaz de usá-la. O que falhou foi o desenho do rollout, e ninguém mediu no nível que teria mostrado isso.
Médias escondem inversões de sinal. Se o seu piloto reporta um único número agregado, ele não pode dizer se você ajudou alguém.
O que mudar no seu rollout neste trimestre
Restrinja o uso consultivo aberto a julgamento de domínio comprovado
Uso consultivo aberto — perguntas de estratégia, decisões de preço, priorização, tudo em que a resposta do modelo não pode ser confrontada com um alvo conhecido — deve ser restrito a quem já tem o julgamento de domínio para rejeitar uma resposta ruim. É um portão de capacidade, não de senioridade: o funcionário de dez anos que nunca respondeu por um P&L não passa automaticamente; a analista de dois anos que vem acertando as previsões, passa.
Dê ao quartil em dificuldade trabalho estreito e verificável atrás de um portão de revisão
As mesmas pessoas prejudicadas pelo uso consultivo aberto são as que mais ganham com tarefas delimitadas de saídas checáveis — as condições que produziram os +34% dos novatos no estudo de suporte. Redação sobre modelo, resumo de documento conhecido, classificação de primeiro nível, extração estruturada de dados. Acrescente um portão de revisão humana com autoridade para rejeitar, não apenas para chancelar. Essa é a configuração em que a IA de fato nivela.
Meça o efeito por quartil de desempenho, não em agregado
Instrumente o piloto para que a métrica de resultado seja separada por quartil de desempenho prévio antes do rollout começar. Se você olhar apenas a média agregada, um +15% no quartil alto e um −10% no baixo se anulam num número próximo o bastante de zero para você concluir que nada aconteceu — e terá pago o dano sem vê-lo.
Mude o que você treina
Treinamento de prompt ensina as pessoas a obter saídas mais fluentes. Não ensina a rejeitar saídas fluentes que estão erradas. O que a evidência pede é treinamento de avaliação: como é uma boa resposta neste domínio, quais são os modos de falha conhecidos do modelo e — o mais útil e o menos ensinado — quais perguntas levar ao modelo e quais levar a uma pessoa.
A objeção que merece ser levada a sério
A objeção honesta: microempreendedores quenianos não são equipe de operações de média empresa, e um bot de conselhos no WhatsApp não é um deployment corporativo com recuperação sobre os seus próprios documentos, fluxos definidos e trilhas de auditoria. Ambas as coisas são verdade. O tamanho do efeito não se transfere.
Mas o mecanismo não depende do cenário. Depende da interação entre perguntas abertas, saída confiante e um avaliador que não consegue verificar. Todo deployment corporativo que coloca um assistente generalista diante de um funcionário e o convida a perguntar qualquer coisa reproduz essas três condições. Ancorar o modelo nos seus dados estreita a superfície de erro; não a fecha, e faz as respostas erradas soarem institucionalmente mais autorizadas quando chegam.
A posição defensável não é "isso vai acontecer conosco na mesma magnitude". É "não medimos se está acontecendo de todo" — o que, para a maioria dos pilotos de média empresa que reportam um único número agregado de produtividade, é simplesmente exato.
A decisão na sua mesa
A lacuna de desempenho da IA não é um problema de equidade a resolver depois. É um parâmetro de projeto que você está definindo agora, por padrão, toda vez que decide quem recebe o próximo acesso.
Antes que saia a sua próxima leva de licenças, divida o deployment: uso consultivo aberto para quem já teria o seu julgamento confiado numa sala sem a ferramenta, tarefas estreitas e verificáveis atrás de um portão de revisão para todos os outros — e uma métrica só, reportada por quartil de desempenho, para descobrir sobre qual metade você estava certo.
