Brasil lidera adoção de IA entre profissionais, mas falta quem a coloca em produção

Três números, uma mesma lacuna

Entre 6 e 7 de outubro, três levantamentos caíram na imprensa quase ao mesmo tempo e, juntos, formam um retrato nítido: o Brasil não está atrás na corrida de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → no trabalho, está na frente.

A Luria registrou crescimento de 183% na base de pessoas usando sua plataforma de IA entre janeiro e agosto de 2026, ante o mesmo período de 2025, com volume de consultas subindo 240%. O Work Trend Index 2026, da Microsoft, colocou 27% dos usuários brasileiros de IA na categoria de "profissionais de fronteira", ante média de 16% nos dez países pesquisados, incluindo Estados Unidos, Japão e Índia. A Fundação Getúlio Vargas, em estudo com 3 mil empresas citado pelo Jornal Nacional, mediu salto de 28,7% para 45% na proporção de companhias brasileiras usando IA entre 2025 e 2026.

Em resumo: o Brasil não tem problema de apetite por IA. Tem, segundo os mesmos três estudos, um problema de capacidade de sustentar esse apetite com engenharia.

O que os estudos chamam de obstáculo

O estudo da FGV, apresentado por Rodolpho Tobler, economista da FGV Ibre, pergunta diretamente às empresas se elas enfrentam algum obstáculo na implementação de IA. Metade respondeu que não enfrenta nenhum, resultado melhor que em 2025. Mas, de cada 100 empresas pesquisadas, 25 apontaram falta de profissional qualificado como o entrave.

A Microsoft chega a um número que ajuda a explicar essa lacuna: fatores organizacionais, como cultura, apoio de gestores e política interna, respondem por 67% da influência sobre o impacto percebido da IA, contra 32% atribuídos a comportamento individual. Na prática, isso quer dizer que mesmo onde o profissional já sabe operar ferramentas avançadas, a empresa muitas vezes não tem processo, dado ou sistema pronto para absorver esse uso.

O próprio Work Trend Index quantifica o tamanho do gargalo: apenas 19% dos usuários globais estão na "fronteira real", em que capacidade individual e preparo organizacional avançam juntos. Outros 10% têm conhecimento elevado, mas esbarram em empresas despreparadas.

Fronteira não é prompt, é engenharia

A definição de "profissional de fronteira" da Microsoft merece atenção de quem programa, porque ela não descreve quem manda bem o chatbot. Entram nessa categoria quem usa agentes de IA em tarefas de várias etapas, redesenha processos em torno da tecnologia e cria fluxos de uso repetíveis por outras pessoas do time.

Isso é, por definição, trabalho de engenharia: orquestrar chamadas encadeadas, versionar prompts e configurações de agente, decidir onde entra revisão humana, medir custo de token por tarefa e construir observabilidade↳Observabilidade11 conteúdosObservabilidade para APIs: os desafios e benefícios dessa abordagemDev (Back & Front) · jan 2025Falhas em Observabilidade afetam os Apps e a Segurança das OrganizaçõesDev (Back & Front) · nov 2023ADK Java 1.0: O Google quer que você pare de gambiarra Python no seu backendMarketing Tech · abr 2026Ver tudo em DevSecOps → para saber quando o agente erra. Entre os usuários do Microsoft 365 Copilot analisados no estudo, 49% das interações já envolvem atividade cognitiva, análise de informação, solução de problema, avaliação de alternativa, não automação repetitiva. Esse tipo de uso quebra sem infraestrutura por trás.

Aqui mora a diferença entre o número bonito de adoção e a adoção que sustenta produção. A McKinsey, em dado citado pela própria Luria em seu levantamento, mostra que quase nove em cada dez organizações no mundo afirmam usar IA em alguma função, mas só 44% conseguiram escalar para toda a empresa, e apenas 6% chegam a alto desempenho. No Brasil, a Deloitte apontou que 23% das empresas conseguiram levar adiante pelo menos 40% dos pilotos que começaram.

Quem já bateu nesse muro

O Jornal Nacional trouxe dois casos que ilustram o problema fora da planilha. Na Wise, empresa que monitora com IA poços do pré-sal a 7 mil metros de profundidade, o diretor de operações João Vitor Bernardino descreveu a dificuldade de contratar quem já chega pronto:

Na nossa experiência, é muito difícil encontrar um profissional que atenda todos os requisitos que a gente precisa procurando no mercado. Formar eles dentro de casa é uma solução que a gente encontrou e atendeu muito bem esse desafio.

João Vitor Bernardino, diretor de operações da Wise

Na Mediquimíca, farmacêutica de Juiz de Fora (MG), o presidente Alexandre França descreveu um mapeamento de mais de 3 mil processos internos para identificar onde a IA pode reduzir erros, implementada gradualmente, processo a processo, não como substituição de uma vez. Os dois casos têm algo em comum: nenhuma das duas empresas foi ao mercado comprar o profissional pronto. As duas formaram dentro de casa.

O contraponto: isso não é discurso de quem vende solução?

Vale colocar sob suspeita a fonte mais interessada nesse recorte. O CEO da Luria, Allan Miranda, argumenta que o problema real não é qual modelo a empresa escolhe, porque isso muda a cada seis meses, mas o que fica registrado na companhia quando o modelo troca ou quando a pessoa que fazia as melhores análises sai:

A pergunta que separa as empresas hoje não é qual modelo de IA elas escolheram, porque isso muda a cada seis meses. É o que fica na companhia quando o modelo troca ou quando a pessoa que faz as melhores análises muda de área ou até mesmo de empresa.

Allan Miranda, CEO da Luria

É uma leitura correta, mas também é o discurso natural de quem vende justamente uma plataforma para registrar essa memória institucional. O contra-argumento honesto é que boa parte da "escassez de talento em IA" no mercado brasileiro é inflada por quem lucra vendendo treinamento, consultoria ou software de governança para esse gargalo. Os números da FGV, porém, não vêm de fornecedor de IA: são 25 em cada 100 empresas apontando falta de qualificação como obstáculo real, em pesquisa que também registrou metade das empresas sem obstáculo nenhum. O problema existe, só não é do tamanho que o marketing de curso de IA às vezes sugere.

O que muda para quem constrói

Para squads de engenharia, o recado prático dos três levantamentos não é "aprenda a usar IA", isso o Brasil já está fazendo mais rápido que Estados Unidos, Japão e Índia, segundo a própria Microsoft. É aprender a produtizar IA: transformar o uso individual de um bom prompt em um sistema que sobrevive à saída daquela pessoa, com testes, logging, controle de custo e fallback quando o agente erra.

Quem trabalha com dado e backend↳Back-end49 conteúdosIntegração front-end com backend: 7 decisões que evitam caos entre APIs, BFF e GraphQLDev (Back & Front) · abr 2026Como criar uma FAKE API REST para testes — JSONPlaceholderDev (Back & Front) · set 2025Construindo um aplicativo de bate-papo de IA simples com Spring AI e AngularDev (Back & Front) · jul 2025Ver tudo em Dev (Back & Front) → tem, neste momento, mais demanda do que oferta exatamente nessa junção: não é o cientista de dados que treina modelo do zero, nem o usuário avançado de chatbot, é o engenheiro que sabe colocar um agente de várias etapas rodando com confiabilidade em produção, com observabilidade e sem travar quando o fornecedor do modelo muda a API.

Os casos da Wise e da Mediquimíca sugerem que, na falta desse profissional pronto no mercado, formar internamente virou estratégia, não plano B. Para quem decide onde investir tempo de estudo ou orçamento de contratação neste fim de 2026, essa é a lacuna que vale menos a pena ignorar: vem mais rápido do que o mercado de trabalho consegue preencher sozinho.

Fontes: olhardigital.com.br · veja.abril.com.br · g1.globo.com