Algorithmic isomorphism and the barrier cascade: Evaluating human and organizational obstacles to artificial- intelligence adoption in workforce systems

No ambiente de trabalho moderno, a chegada da inteligência artificial é frequentemente tratada como uma simples atualização, como trocar um computador antigo por um mais rápido. No entanto, para muitas organizações, essa transição parece menos uma atualização suave e mais um tropeço. O problema central não é que a tecnologia falhe em funcionar, mas sim que os sistemas humanos e organizacionais ao seu redor não sabem como utilizá-la. Essa tensão situa-se na interseção entre a ciência da gestão e a psicologia, campos que estudam como as pessoas trabalham juntas e como os líderes as guiam. Quando uma empresa tenta adotar novas ferramentas de IA, ela enfrenta uma teia complexa de obstáculos: os funcionários podem sentir estresse ou desconfiança em relação aos novos sistemas, os gestores podem carecer de habilidades para interpretar os dados e a cultura da empresa pode resistir à mudança. Durante anos, pesquisadores listaram esses problemas um a um, tratando-os como questões separadas a serem resolvidas individualmente. Mas um novo estudo sugere que esses obstáculos não são isolados; eles estão profundamente conectados, formando uma reação em cadeia onde alguns problemas na verdade causam os outros.

Uma equipe de pesquisadores da Universidade Medipol de Istambul propôs-se a mapear essa arquitetura oculta. Eles começaram analisando os últimos vinte e cinco anos de pesquisa de acesso aberto sobre como as organizações adotam ferramentas digitais e de inteligência artificial. Eles reuniram 336 artigos científicos publicados entre 2000 e 2025, um período que viu a maturidade da internet, a ascensão do big data e a recente explosão da IA generativa. Ao analisar as palavras-chave e os temas desses artigos, identificaram cinco barreiras crônicas que persistiram através de todas essas eras tecnológicas. Essas barreiras são: um descompasso entre a tecnologia e o talento disponível para utilizá-la; uma inércia estrutural e cultural que mantém as organizações presas a métodos antigos; uma resistência psicológica e ética dos funcionários; uma deficiência na tomada de decisão analítica; e uma lacuna na liderança estratégica e na visão.

Em vez de tratar essas cinco barreiras como uma lista plana de reclamações não relacionadas, os pesquisadores queriam entender como elas influenciam umas às outras. Para isso, montaram um painel de cinco especialistas, cada um com doutorado e pelo menos quinze anos de experiência em áreas que variam desde a engenharia de computação até a gestão de saúde e economia. Esses especialistas foram solicitados a julgar o quanto cada barreira influencia as demais. Por exemplo, consideraram se a falta de visão de liderança causa um descompasso de habilidades, ou se o estresse dos funcionários causa uma falta de ferramentas analíticas. Utilizando um método projetado para transformar esses julgamentos de especialistas em um mapa claro de causa e efeito, a equipe calculou quais barreiras eram os motores e quais eram os resultados.

As descobertas revelaram uma hierarquia distinta, ou uma cascata, de problemas. No topo desta cadeia está a lacuna de liderança e visão. Os especialistas julgaram esta como o motor primário, a causa raiz que coloca todo o sistema em movimento. Quando os líderes falham em fornecer uma visão clara ou a direção estratégica necessária, eles inadvertidamente autorizam uma forma de adoção que parece boa no papel, mas carece de substância. O segundo grande motor é a inércia estrutural e cultural. Esta é a resistência construída nos hábitos existentes e nas estruturas físicas da organização, que sustenta o descompasso entre o que a empresa diz estar fazendo e o que ela é realmente capaz de fazer.

As outras três barreiras foram identificadas como as consequências, ou os sintomas, dessas duas causas raízes. O descompasso entre tecnologia e talento, a falta de tomada de decisão analítica e o estresse psicológico ou a desconfiança ética sentidos pelos funcionários não são problemas independentes. Em vez disso, são os resultados previsíveis de um sistema onde a liderança falhou em guiar a transformação e onde a estrutura da organização não se adaptou. O estudo descobriu que as barreiras psicológicas e éticas, como o medo ou a desconfiança dos funcionários em relação à gestão algorítmica, são os sintomas mais graves, situando-se no final da cadeia. O descompasso entre tecnologia e talento situa-se mais próximo do meio, atuando como um ponto de transição entre as causas e os efeitos.

Esta descoberta desafia a forma comum como as organizações tentam corrigir a adoção de IA. Tipicamente, quando uma empresa percebe funcionários resistindo a novas ferramentas ou lutando com dados, ela responde oferecendo mais treinamento, comprando softwares melhores ou tentando reduzir o estresse. Os pesquisadores argumentam que esses esforços são frequentemente desperdiçados porque tratam os sintomas em vez da doença. Se a visão de liderança está ausente e a estrutura organizacional é rígida, corrigir as habilidades ou as ferramentas proporcionará apenas uma melhoria temporária. As causas subjacentes acabarão por gerar novamente os mesmos problemas. O estudo sugere que o caminho mais eficaz é abordar primeiro as camadas generativas e estruturais: os líderes devem definir uma visão clara e a organização deve romper sua inércia para apoiar essa visão. Somente então os problemas subsequentes de lacunas de competências, falhas analíticas e resistência dos funcionários começarão a se resolver.

Os pesquisadores também exploraram um fenômeno que chamam de "isomorfismo algorítmico". Isso descreve uma situação em que as organizações sentem uma pressão intensa para parecer que estão utilizando inteligência artificial, não porque a tenham dominado, mas porque é o padrão esperado. Como as ferramentas de IA são fáceis de sinalizar — através de dashboards, selos ou contagens de licenças — mas a capacidade real de utilizá-las é difícil de verificar, as empresas podem facilmente criar um abismo entre sua imagem pública e sua capacidade real. Isso permite que sustentem um estado de "adoção sem capacidade", onde parecem estar se transformando enquanto sua força de trabalho permanece despreparada. O estudo sugere que este abismo é mais amplo e persistente na era da IA do que com tendências de gestão anteriores, porque os sinais são mais baratos de falsificar e as habilidades reais são mais difíceis de auditar.

Em última análise, o trabalho oferece um roteiro sóbrio, porém claro, para o futuro do trabalho. Ele indica que as barreiras mais barulhentas e visíveis, como o estresse dos funcionários ou a falta de habilidades em dados, são na verdade os lugares menos eficientes para focar esforços de intervenção. A verdadeira alavancagem reside "rio acima", com as pessoas no comando e as estruturas que elas mantêm. Ao mudar o foco de corrigir os sintomas para transformar a liderança e a cultura organizacional, as empresas podem passar de um estado passivo de consumo de tecnologia para um estado ativo de engenharia de seu talento. Esta abordagem não promete uma solução mágica, mas oferece uma maneira de entender por que tantas transformações falham e como construir um sistema onde a tecnologia e as pessoas possam verdadeiramente trabalhar juntas.