A Penalidade de Competência: Por Que Sua Equipe Esconde o Uso de IA no Trabalho

O "selo invisível" que a pesquisa está encontrando

Em 2025, quatro pesquisadores de marketing e negócios — de King's College London, Peking University, Hong Kong Polytechnic University e University of Hong Kong — publicaram na Harvard Business Review um experimento simples e revelador. Eles pediram a 1.026 engenheiros que avaliassem um trecho de código Python supostamente escrito por um colega. O código era idêntico em todas as versões. A única variável era a informação de que o autor havia, ou não, usado IA para escrevê-lo.

O resultado: quando os avaliadores acreditavam que o colega tinha usado IA, a nota de competência caía em média 9% — mesmo diante do trabalho exatamente igual. A penalidade era ainda maior para mulheres e para profissionais com mais de 40 anos. Os mesmos autores encontraram o efeito replicado em dados reais: em uma empresa que distribuiu um assistente de código com IA para 28.698 engenheiros, apenas 41% haviam sequer experimentado a ferramenta um ano depois. Entre as mulheres, a adoção foi de 31%; entre os profissionais acima de 40 anos, 39%.

O achado não é isolado. Um estudo da Duke University, com mais de 4.400 participantes e publicado na PNAS, mostrou o mesmo padrão em diversas profissões: quem usa IA é visto pelos colegas como mais preguiçoso, menos competente, menos independente e menos autoconfiante — mesmo quando o resultado do trabalho é idêntico ao de quem não usou. Pesquisas mais recentes, incluindo um estudo com médicos publicado por pesquisadores da Johns Hopkins, encontraram a mesma "penalidade de competência" também na medicina. E há uma camada adicional de desigualdade: reportagens sobre pesquisas de 2026 mostram que quando homens usam IA, tendem a ser vistos como pragmáticos; quando mulheres fazem o mesmo, tendem a ser vistas como menos capazes.

Por que isso trava exatamente o investimento que a empresa já fez

Esse é o paradoxo que deveria preocupar qualquer executivo que aprovou orçamento de IA neste ano: a empresa paga pela ferramenta, treina as equipes, mede adoção nos dashboards — e, ao mesmo tempo, cria um ambiente social onde usar essa ferramenta em p���blico tem custo reputacional. O resultado previsível é o uso oculto. Colaboradores continuam usando IA, porque ela funciona, mas param de declarar que usaram, param de compartilhar prompts que deram certo e param de pedir ajuda quando travam.

Isso tem três efeitos práticos e mensuráveis para a liderança:

• Os números de adoção reportados nos sistemas corporativos ficam artificialmente baixos, distorcendo qualquer decisão de investimento baseada neles.
• O aprendizado organizacional para — porque ninguém ensina publicamente o que descobriu sozinho, escondido.
• A avaliação de desempenho vira injusta na prática: quem usa IA com transparência é penalizado, e quem esconde é recompensado pela aparência de esforço manual, mesmo entregando o mesmo resultado.

Vale registrar que o tamanho do efeito varia por estudo, setor e forma como a pergunta foi feita aos avaliadores — números de 9% de queda em competência percebida n��o devem ser lidos como uma constante universal, mas como evidência consistente de que o viés existe e pesa mais sobre alguns grupos do que outros.

O que a liderança precisa mudar — na prática

Reverter esse ciclo não é uma questão de comunicação interna genérica ("usem mais IA!"). É uma questão de mudar os sinais sociais que a organização emite todos os dias. Quatro movimentos concretos ajudam:

• Liderança visível: executivos e gerentes seniores precisam mostrar, em reuniões e materiais internos, como eles próprios usam IA no dia a dia — inclusive os erros e as correções. Silêncio no topo é lido como desaprovação, mesmo quando a política oficial diz o contrário.
• Critérios de avaliação explícitos: se o desempenho é medido pelo resultado entregue, isso precisa estar escrito e comunicado — para que o uso de IA deixe de ser um risco reputacional individual e vire, de fato, um critério neutro ou positivo.
• Métricas de adoção que não punem quem declara uso: painéis de adoção só são confiáveis se a cultura não penalizar quem aparece neles. Isso vale tanto para o RH quanto para os gestores diretos, que são quem realmente define o clima de cada equipe.
• Atenção ao viés de gênero e idade: como os dados mostram penalidade desproporcional para mulheres e profissionais mais velhos, programas de capacitação em IA precisam monitorar ativamente se a adoção está de fato equilibrada — e não apenas concentrada em quem já corria menos risco de julgamento.

No fim, a barreira mais cara para o ROI de IA corporativa não costuma ser técnica. É a dist��ncia entre o que a empresa mede e o que a equipe realmente faz — quando fazer o trabalho de um jeito mais eficiente ainda parece, socialmente, um jeito mais fraco de trabalhar.