Toda geração de líderes recebe uma nova ferramenta de controle e comete o mesmo erro com ela. Nos anos 1990 foi o ponto eletrônico. Nos 2000, o rastreamento de e-mails. Na pandemia, softwares que contavam cliques e capturavam telas. Segundo o MIT Sloan Review Brasil, a adoção dessas ferramentas por grandes empregadores dobrou durante o trabalho remoto em massa, de cerca de 30% para 60%, com projeção de 70% nos anos seguintes, segundo dados da Gartner citados na reportagem.
Agora a promessa é maior. Agentes de IA leem padrões de trabalho em tempo real, identificam desvios e prescrevem ações gerenciais antes que o gestor perceba o problema. A tecnologia evoluiu. O raciocínio por trás dela, não.
O custo real desse raciocínio não aparece no dashboard de produtividade. Aparece na rotatividade, no clima e na qualidade das decisões que ninguém mais questiona porque aprendeu que questionar gera registro.
O dado que mente quando vira ameaça
A pesquisa Work in America, da American Psychological Association, citada pelo MIT Sloan Review Brasil, encontrou que 56% dos trabalhadores monitorados relatam tensão ou estresse no dia a dia, contra 40% dos não monitorados. A resposta instintiva das lideranças foi medir mais. O resultado foi o oposto do esperado: proliferaram simuladores de atividade e táticas de defesa algorítmica. O dado ficou abundante e, ao mesmo tempo, pouco confiável.
Dois mecanismos clássicos explicam por quê.
O primeiro é a lei de Goodhart: quando uma medida vira meta, deixa de ser uma boa medida. Se tempo de tela é o que conta, as pessoas otimizam tempo de tela, não entrega de valor. Se volume de chamados resolvidos é o que conta, os incidentes de alta complexidade são empurrados para outras filas.
O segundo vem dos estudos de Hawthorne, nos anos 1920. Pessoas observadas mudam a forma de trabalhar pelo simples fato de se saberem observadas. O monitoramento não é uma câmera neutra apontada para a operação. Ele é um componente ativo da operação, e a altera.
Em 2024, pesquisadoras da Cornell publicaram no grupo Nature um achado direto para a era atual: pessoas sob vigilância algorítmica percebem menos autonomia, desempenham pior e resistem mais do que as monitoradas por humanos. A exceção ocorre quando o monitoramento é enquadrado como desenvolvimento e o trabalhador pode acrescentar contexto ao que foi capturado. Essa exceção não é detalhe. É especificação de desenho.
Antes de monitorar o trabalhador, monitore o sistema
O MIT Sloan Review Brasil descreve casos de implementação de telemetria em empresas brasileiras entre 2024 e 2026. Em um deles, um gestor descrevia uma profissional como pouco produtiva e excessivamente crítica ao equipamento. A telemetria mostrou média de 80 picos diários de consumo de memória, compatível com a dificuldade que ela relatava para gerar relatórios. O monitoramento não confirmou a suspeita sobre a pessoa. Tornou visível uma restrição de infraestrutura que a interpretação gerencial havia transformado em problema de atitude.
Em outro caso, a análise revelou que apenas 44% dos usuários de ferramentas caras como Adobe e Figma haviam registrado ao menos um acesso nos 30 dias anteriores. O dado criou base objetiva para rever licenças e distribuição, não para punir ninguém.
Esses casos mostram algo que muitos gestores evitam admitir: o dado de atividade frequentemente diz mais sobre o sistema do que sobre a pessoa. Diante de um sinal de baixa produtividade, a tendência é investigar o comportamento individual antes de verificar se processos, ferramentas e decisões gerenciais oferecem condições adequadas para o trabalho. O dado, que deveria abrir uma investigação, passa a encerrá-la.
Vigilância é o dado descendo sobre o indivíduo. Gestão é o dado subindo para retroalimentar o processo.
A IA amplifica o erro, não o corrige
A inteligência artificial agêntica muda a escala do problema, não a natureza dele. Um agente que lê padrões de trabalho em tempo real e prescreve ações gerenciais é, na prática, taylorismo com poder computacional. Se o critério de liderança por trás dele for "medir para punir", a IA vai punir com mais velocidade, mais volume e menos margem de contestação.
O MIT Sloan Review Brasil cita um estudo global da Universidade de Melbourne com a KPMG, com 48 mil pessoas em 47 países, que encontrou 57% dos funcionários admitindo esconder o uso de IA no trabalho. Parcela semelhante apresenta conteúdo gerado como próprio. Quando o ambiente é de vigilância sem confiança, as pessoas não param de usar a tecnologia. Aprendem a escondê-la.
O problema não é a ferramenta. É a arquitetura decisória em torno dela. Dados de atividade são sinais, não vereditos. A IA pode identificar padrões que o gestor não veria sozinho, mas o julgamento sobre o que fazer com esses padrões precisa permanecer humano, contextualizado e transparente.
O que a LGPD já exige e muitas empresas ignoram
No Brasil, esse desenho não é só boa gestão. É obrigação legal. Dado de atividade é dado pessoal. A LGPD exige finalidade explícita, necessidade, transparência e uso compatível com o que foi informado ao trabalhador.
Quando a mesma telemetria passa a servir para punir, rankear pessoas ou inferir conduta sem contraditório, o risco deixa de ser só cultural. Pode reclassificar o teletrabalho como jornada controlada e abrir passivo trabalhista onde a empresa buscava visibilidade operacional.
Simetria é o princípio prático: se a empresa observa como o profissional trabalha, ele deve saber quais dados são coletados, como são classificados e o que sugerem sobre seus padrões. Acesso ao histórico e aos critérios transforma o monitoramento em instrumento de autogerenciamento.
Cinco perguntas antes de contratar a próxima ferramenta
O MIT Sloan Review Brasil propõe um checklist direto. Adaptamos para o contexto brasileiro:
- Qual decisão este dado vai fundamentar, e qual decisão ele não poderá fundamentar?
- Já validamos infraestrutura, demanda, processo e qualidade da gestão, ou estamos indo direto à pessoa?
- O colaborador sabe que está sendo monitorado e o que está sendo coletado, como exige a LGPD, e pode acrescentar contexto antes da decisão?
- Estamos medindo entrega, prazo e impacto, ou apenas presença digital?
- Sabemos quais ferramentas de IA rodam na empresa e qual o uso efetivo de cada uma?
Três usos que qualquer política séria de monitoramento deve recusar: ranking individual de "tempo produtivo", meta de tela ou clique, e punição automática a partir de um sinal sem diagnóstico do sistema e sem direito a contexto.
O critério humano não é opcional
A conclusão prática para qualquer empresa brasileira que está avaliando ou já usa ferramentas de monitoramento algorítmico é simples: a tecnologia não substitui o critério de liderança. Ela o amplifica. Se o critério for ruim, a escala do dano aumenta na mesma proporção que a escala da ferramenta.
Medir trabalho de conhecimento é possível e necessário. O que não funciona é medir para punir. Empresas que não fizerem essa distinção antes de implementar agentes de IA vão colher o que o taylorismo sempre produziu: métricas que sobem, confiança que desce e talentos que saem pela porta sem avisar por quê.
Fonte: MIT Sloan Review Brasil