Gabriel da Silva Cavalcante; Renata De Sousa Da Silva Tolentino

DOI: 10.22167/2675-6528-202600826

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

Um estudo analisou os impactos da implantação de inteligência artificial nos processos de folha de pagamento, sob a ótica da gestão de projetos, considerando eficiência operacional, qualidade, redução de retrabalho e produtividade. A pesquisa foi conduzida como um estudo de caso em uma empresa do setor financeiro digital, empregando abordagem quali-quantitativa com coleta de dados via questionário estruturado e análise de conteúdo. Os resultados evidenciaram uma redução no tempo de processamento da folha, de quatro para três dias úteis, e uma diminuição significativa no volume de erros e retrabalho, especialmente em atividades manuais. A automação de processos críticos aumentou a confiabilidade e padronização das atividades, melhorando a qualidade do processo. Observou-se um aumento da capacidade operacional da equipe, que processou um elevado volume de atividades com menor esforço manual. A percepção dos colaboradores indicou redução do trabalho repetitivo, melhoria na organização e diminuição do banco de horas, permitindo maior direcionamento para tarefas estratégicas. A implantação da inteligência artificial gerou impactos positivos operacionais e organizacionais, sendo percebida como uma iniciativa eficaz de transformação digital. Contudo, identificaram-se oportunidades de melhoria na automação de processos remanescentes e no fortalecimento dos mecanismos de controle. Concluiu-se que a utilização de inteligência artificial em processos administrativos, quando estruturada sob a gestão de projetos, contribui para a geração de valor organizacional, melhoria de desempenho e sustentabilidade das operações.

Palavras-chave: Análise de dados; Automação de processos; Eficiência operacional; Produtividade organizacional; Transformação digital.

1. Introdução

A transformação digital tem promovido mudanças estruturais profundas nos processos organizacionais, impactando especialmente as atividades operacionais que são intensivas em dados. Setores como a folha de pagamento, por exemplo, passaram a exigir maior eficiência, precisão e uma capacidade analítica aprimorada por parte das organizações (Verhoef et al., 2021). Nesse cenário dinâmico, a incorporação de tecnologias baseadas em inteligência artificial (IA) emergiu como um dos principais vetores de inovação, possibilitando a automação de tarefas repetitivas, a análise avançada de dados e um suporte mais robusto à tomada de decisão estratégica (Dwivedi et al., 2023).

A aplicação da inteligência artificial em rotinas administrativas resulta na redução significativa de atividades manuais, o que contribui diretamente para a diminuição de erros operacionais e para o aumento da produtividade das equipes. Esses são fatores considerados críticos para a gestão eficiente de processos corporativos (Brynjolfsson; McAfee, 2022). No contexto específico da folha de pagamento, tais ganhos tornam-se ainda mais relevantes, uma vez que se trata de um processo de alta sensibilidade, que demanda precisão rigorosa, conformidade legal estrita e consistência inquestionável nas informações processadas (Margherita, 2022).

Entretanto, a mera adoção de tecnologias de inteligência artificial não garante, por si só, a obtenção de resultados positivos. É fundamental que sua implementação seja conduzida de forma estruturada, alinhada aos princípios da gestão de projetos. Essa abordagem é essencial para assegurar o alinhamento estratégico, o controle efetivo de riscos e a geração de valor organizacional sustentável (PMI, 2021). A gestão de projetos, nesse sentido, oferece um arcabouço metodológico que orienta o planejamento, a execução e o monitoramento de iniciativas complexas de transformação digital, garantindo que os objetivos sejam atingidos de maneira organizada e controlada (Too; Weaver, 2022).

Adicionalmente, a implantação de soluções tecnológicas deve integrar aspectos cruciais da gestão da qualidade, com foco na confiabilidade dos dados, na padronização dos processos e na promoção da melhoria contínua. Esses elementos são indispensáveis para a sustentabilidade dos resultados alcançados (Antony; Sony; McDermott, 2022). A integração eficaz entre a gestão de projetos e a gestão da qualidade, portanto, configura-se como um fator crítico de sucesso na implementação de inteligência artificial em processos organizacionais. Outro ponto relevante é a gestão de stakeholders, pois a IA impacta diretamente a forma como os profissionais executam suas atividades, exigindo adaptação, capacitação e engajamento da equipe envolvida (PMI, 2021). Desafios como a resistência à mudança, a dependência tecnológica e a necessidade de validação humana são recorrentes e precisam ser gerenciados ao longo de todo o ciclo de vida do projeto (Dwivedi et al., 2023).

No contexto de uma empresa do setor financeiro digital, a adoção de soluções baseadas em inteligência artificial tem se intensificado, particularmente em áreas administrativas. O objetivo é alcançar ganhos de escala, otimizar a eficiência operacional e aprimorar a qualidade das entregas. Ferramentas como o Google Gemini, por exemplo, têm sido empregadas para automatizar análises, gerar relatórios e apoiar a tomada de decisão, promovendo mudanças significativas nos fluxos de trabalho. Diante desse cenário, torna-se relevante investigar, sob a perspectiva da gestão de projetos, como a implantação da inteligência artificial impacta os processos de folha de pagamento, considerando não apenas os ganhos de produtividade, mas também aspectos relacionados à qualidade, confiabilidade e aos riscos operacionais. Essa análise permite compreender de forma estruturada os efeitos da transformação digital em ambientes corporativos.

Assim, o presente estudo justifica-se pela necessidade de aprofundar o entendimento sobre a aplicação da inteligência artificial em processos administrativos críticos e tem como objetivo analisar os impactos da implantação de inteligência artificial nos processos de folha de pagamento, sob a ótica da gestão de projetos, considerando eficiência operacional, qualidade, redução de retrabalho e produtividade.

2. Material e Métodos

A presente pesquisa caracterizou-se como aplicada, visando à solução de problemas concretos em contexto organizacional, especificamente relacionados à implantação da inteligência artificial nos processos de folha de pagamento (Creswell; Creswell, 2023). Adotou-se uma abordagem quali-quantitativa, integrando análise estatística descritiva com interpretação qualitativa das percepções dos participantes (Creswell; Creswell, 2023). O estudo foi descritivo e exploratório, buscando descrever os efeitos da inteligência artificial e explorar um fenômeno em consolidação nas organizações (Gil, 2022; Dwivedi et al., 2023).

A estratégia metodológica empregada foi o estudo de caso único, considerado apropriado para a análise aprofundada de fenômenos contemporâneos em seu contexto real, onde as fronteiras entre o fenômeno e o ambiente não são claramente definidas (Yin, 2018). O fenômeno investigado correspondeu à implantação da inteligência artificial nas atividades de folha de pagamento. A unidade de análise foi o processo de folha de pagamento apoiado por inteligência artificial, observado a partir da percepção dos profissionais diretamente envolvidos nas atividades (Yin, 2018).

O estudo foi conduzido em uma empresa do setor financeiro digital, cuja identidade foi preservada para assegurar a confidencialidade e integridade das informações (Creswell; Creswell, 2023). O foco analítico concentrou-se nos impactos da inteligência artificial sobre variáveis como produtividade, qualidade do processo, redução de erros e retrabalho, além dos riscos associados ao uso da tecnologia (PMI, 2021). A população da pesquisa foi composta pelos profissionais diretamente envolvidos nas atividades relacionadas ao processo de folha de pagamento na organização estudada (Creswell; Creswell, 2023).

A amostra foi definida como não probabilística por conveniência, sendo composta por 5 respondentes válidos que participaram voluntariamente do questionário estruturado. Os critérios de seleção consideraram sua atuação direta ou indireta no processo de folha de pagamento e sua experiência com o uso de ferramentas de inteligência artificial no ambiente de trabalho (Gil, 2022). A amostragem por conveniência foi adequada ao delineamento do estudo de caso, pois o objetivo não era a generalização estatística, mas a compreensão aprofundada de um fenômeno específico inserido em seu contexto real (Yin, 2018).

A coleta de dados foi realizada por meio de um questionário estruturado, composto por questões fechadas e abertas (Creswell; Creswell, 2023). Esse instrumento possibilitou a obtenção simultânea de dados quantitativos e qualitativos, sendo amplamente utilizado em pesquisas de abordagem mista (Flick, 2022). As questões fechadas mensuraram variáveis como frequência de uso da inteligência artificial, percepção de produtividade, redução de erros e retrabalho, e impacto na eficiência operacional (Gil, 2022). As questões abertas permitiram captar percepções detalhadas dos participantes, contribuindo para uma compreensão aprofundada do fenômeno (Bardin, 2016).

Os dados foram obtidos a partir de duas fontes principais. A primeira consistiu em dados operacionais do processo de folha de pagamento, extraídos de registros internos da organização, incluindo controles gerenciais, planilhas operacionais e históricos de fechamento da folha, abrangendo o período de outubro a novembro de 2025. A segunda fonte correspondeu às percepções dos colaboradores, coletadas por meio do questionário estruturado aplicado no primeiro trimestre de 2026. A pesquisadora possuía inserção no contexto organizacional analisado, o que contribuiu para a compreensão do processo e contextualização dos resultados (Yin, 2018).

Os dados quantitativos foram tratados por meio de estatística descritiva, com a utilização de frequências absolutas e relativas (Creswell; Creswell, 2023). Os dados qualitativos foram analisados por meio da técnica de análise de conteúdo, conforme proposta por Bardin (2016), seguindo as etapas de pré-análise, exploração do material, categorização e interpretação dos resultados. As categorias analíticas foram definidas com base no referencial teórico e nos objetivos da pesquisa, sendo posteriormente refinadas a partir dos dados coletados (Cauchick-Miguel, 2023). A integração entre dados quantitativos e qualitativos ocorreu de forma complementar, permitindo uma análise mais robusta e consistente do fenômeno (Creswell; Creswell, 2023; Yin, 2018).

As principais categorias consideradas para a análise foram: uso da inteligência artificial, produtividade operacional, qualidade do processo, redução de erros e retrabalho, percepção dos stakeholders e riscos associados (PMI, 2021). Em relação aos aspectos éticos, a pesquisa respeitou os princípios de anonimato da organização e dos participantes, além de garantir a confidencialidade das informações, prática fundamental em estudos organizacionais que envolvem processos internos e adoção de tecnologias (Creswell; Creswell, 2023; Flick, 2022).

3. Resultados e Discussão

A análise dos resultados inicia-se com a caracterização do processo de folha de pagamento no contexto organizacional estudado, estabelecendo um panorama comparativo entre o cenário anterior e posterior à implantação de soluções baseadas em inteligência artificial. O processo em questão abrange uma média de aproximadamente 640 colaboradores mensalmente, o que denota um volume expressivo de dados e operações. Em ambientes com essa complexidade e escala, a eficiência operacional e a confiabilidade das informações são fatores críticos para o desempenho organizacional, conforme apontado por Margherita (2022).

Anteriormente à introdução das automações, o fechamento da folha de pagamento dependia fortemente de atividades manuais. Etapas como conferência, validação e consolidação de dados, provenientes de múltiplas fontes, eram executadas de forma manual, o que as tornava suscetíveis a erros e retrabalho. Essa dependência manual representava um desafio significativo para a manutenção da precisão e agilidade do processo, impactando diretamente a eficiência geral da operação.

Com a implantação da inteligência artificial e de rotinas automatizadas, o fluxo operacional da folha de pagamento passou por uma reconfiguração substancial. As principais atividades automatizadas incluíram o uso de um “script” em Python para leitura e classificação automática de horas de sobreaviso, abrangendo 75%, 100% e adicional noturno. Também foi implementada uma comparação automatizada entre a folha de pagamento (CSV) e a carga contábil (SAP), com identificação precisa de divergências.

Adicionalmente, um sistema integrado com Google Sheets e AppScript foi desenvolvido para controle, aprovação e envio automático de pagamentos ao setor bancário. A gestão do benefício de massagem também foi otimizada com um sistema de “front-end” em HTML, que permitiu o controle de agendamentos, presença, uso e geração de dashboards. Essas automações representam uma mudança de paradigma, transformando um modelo operacional predominantemente manual em um sistema orientado por dados e tecnologia, alinhado às iniciativas de transformação digital (Verhoef et al., 2021).

Sob a ótica da gestão de projetos, a implementação dessas soluções pode ser interpretada como uma intervenção estruturada com objetivos claros de melhoria de desempenho, redução de riscos operacionais e aumento da eficiência (PMI, 2021). A introdução de scripts e sistemas integrados contribuiu para a padronização das atividades, diminuindo a variabilidade do processo e elevando a confiabilidade das informações, conforme destacam Antony, Sony e McDermott (2022). A automação de etapas críticas, como a conferência de sobreaviso e a validação contábil, atuou diretamente sobre pontos historicamente vulneráveis a falhas.

A literatura corrobora que a automação de tarefas repetitivas e baseadas em regras contribui significativamente para a redução de erros humanos e o aumento da qualidade dos processos (Brynjolfsson; McAfee, 2022). A integração sistêmica proporcionada pelas soluções implementadas, como o painel de pagamentos conectado ao fluxo financeiro e ao sistema contábil, demonstra um avanço na maturidade digital do processo, reduzindo dependências manuais e otimizando o fluxo de informação entre áreas (Margherita, 2022).

No caso específico da gestão do benefício de massagem, a evolução não foi apenas operacional, mas também de controle e governança. A substituição de um processo manual por um sistema digital estruturado permitiu maior rastreabilidade, controle de uso e geração de indicadores, elementos fundamentais para a gestão da qualidade (ISO, 2020). Dessa forma, a caracterização do processo evidencia que a implantação da inteligência artificial promoveu uma reestruturação mais ampla do fluxo operacional, estabelecendo a base para a análise dos impactos nos indicadores de desempenho, produtividade e qualidade.

Análise do tempo de processamento da folha de pagamento

A análise do tempo de processamento da folha de pagamento é um indicador crucial de desempenho operacional, especialmente em contextos que exigem alta precisão e cumprimento rigoroso de prazos. A eficiência temporal está diretamente ligada à capacidade da organização de processar informações de forma ágil e confiável, minimizando atrasos e riscos associados ao fechamento da folha (PMI, 2021). Os dados levantados revelaram uma redução no tempo médio de processamento da folha de pagamento.

Observou-se que o tempo médio de fechamento da folha foi reduzido de quatro para três dias úteis após a implantação das automações e do uso da inteligência artificial. Essa diminuição de aproximadamente 25% no tempo de processamento representa um ganho significativo de eficiência operacional, especialmente ao considerar o volume médio de 640 colaboradores processados mensalmente. Em processos de alta escala, pequenas reduções de tempo podem gerar impactos relevantes na produtividade global da equipe e na capacidade de resposta da organização (Brynjolfsson; McAfee, 2022).

Sob a ótica da gestão de projetos, essa melhoria pode ser interpretada como um ganho direto no desempenho do cronograma, refletindo maior aderência aos prazos planejados e redução de desvios operacionais (PMI, 2021). A diminuição do tempo de ciclo do processo indica que a inteligência artificial contribuiu para eliminar gargalos e etapas redundantes, aumentando a fluidez do fluxo de trabalho (ISO, 2020). A análise por período reforça essa evolução, evidenciando uma mudança significativa na previsibilidade do processo.

No cenário anterior, em outubro de 2025, o processo de fechamento da folha iniciou-se em 23 de outubro e foi concluído apenas em 31 de outubro, sendo impactado por divergências entre folha e contabilização, além da necessidade de retrabalho ao longo da primeira semana subsequente. Esse comportamento demonstrava baixa previsibilidade e maior exposição a riscos operacionais, características comuns em processos com elevado grau de intervenção manual (Dwivedi et al., 2023).

Após a implementação da automação de validação entre folha e contabilização, a partir de novembro de 2025, o processo passou a apresentar maior estabilidade. O fechamento da folha, que iniciou em 25 de novembro, foi concluído em 1º de dezembro, dentro do prazo estabelecido e com poucas correções. Esse resultado evidencia que a automação não apenas reduziu o tempo total do processo, mas também aumentou sua previsibilidade, um fator crítico na gestão de cronogramas (PMI, 2021).

A redução de um dia no fechamento da folha não deve ser interpretada apenas como um ganho operacional, mas também como a liberação de capacidade produtiva da equipe. Esse tempo adicional pode ser direcionado para atividades de maior valor agregado, como análises estratégicas, melhorias de processo e suporte a outras áreas do negócio (Margherita, 2022). Além disso, a diminuição do tempo de processamento contribui para a redução da pressão operacional sobre a equipe, especialmente em períodos críticos de fechamento.

A literatura aponta que a automação de processos repetitivos está associada à melhoria da qualidade de vida no trabalho e à redução de sobrecarga operacional, fatores que impactam diretamente o desempenho organizacional (Brynjolfsson; McAfee, 2022). Contudo, é fundamental ressaltar que a redução do tempo de processamento está diretamente relacionada à qualidade das automações implementadas. Caso as rotinas automatizadas não sejam devidamente validadas ou monitoradas, há risco de propagação de erros em escala, o que pode comprometer os ganhos obtidos (Dwivedi et al., 2023).

Dessa forma, a gestão do processo deve manter mecanismos de controle e validação, garantindo a confiabilidade das informações geradas. Os resultados indicam que a implantação da inteligência artificial contribuiu de forma consistente para a melhoria do desempenho temporal do processo de folha de pagamento, reduzindo o tempo de execução, aumentando a previsibilidade e liberando capacidade operacional. Esses fatores, quando analisados sob a ótica da gestão de projetos, representam ganhos relevantes em eficiência, controle e entrega de valor organizacional (PMI, 2021).

Análise da redução de erros e retrabalho no processo de folha de pagamento

A análise da redução de erros e retrabalho é um dos principais indicadores de melhoria da qualidade em processos operacionais, especialmente em rotinas críticas como a folha de pagamento, onde a precisão das informações é fundamental para garantir conformidade legal, financeira e organizacional (ISO, 2020). A avaliação dos impactos da inteligência artificial sobre a qualidade do processo permite compreender não apenas ganhos de eficiência, mas também a redução de falhas operacionais (Antony; Sony; McDermott, 2022).

Com base nos dados levantados, observou-se uma redução de aproximadamente 33% no volume de erros operacionais, comparando o cenário anterior e posterior à implantação das automações. Antes da implementação da inteligência artificial, o processo apresentava, em média, entre 30 a 35 correções mensais. Essas correções estavam relacionadas principalmente a lançamentos individuais, com destaque para inconsistências no processo de sobreaviso, que era realizado manualmente.

Após a automação, o volume de correções mensais foi reduzido para aproximadamente cinco a dez. Essa redução representa uma melhora expressiva na qualidade do processo, evidenciando o impacto direto da automação sobre atividades anteriormente suscetíveis a falhas humanas. Processos manuais, especialmente aqueles baseados em múltiplas planilhas e consolidação de dados, tendem a apresentar maior probabilidade de erro devido à repetição de tarefas e à necessidade de interpretação individual (Dwivedi et al., 2023).

A automação do processo de sobreaviso, por meio de scripts em Python capazes de classificar corretamente horas extras e adicionais, eliminou uma das principais fontes de erro. Esse tipo de automação baseada em regras é amplamente reconhecido na literatura como uma das estratégias mais eficazes para redução de inconsistências operacionais (Brynjolfsson; McAfee, 2022). Além disso, a implementação da validação automatizada entre folha de pagamento e contabilização contribuiu significativamente para a identificação precoce de divergências.

No cenário anterior, essas inconsistências eram frequentemente detectadas apenas após o fechamento da folha, gerando retrabalho e impacto no cronograma. Com a automação, as divergências passaram a ser identificadas de forma antecipada, permitindo correções mais rápidas e redução do retrabalho (Margherita, 2022). Do ponto de vista da gestão da qualidade, essa redução de erros indica aumento da confiabilidade do processo, bem como maior padronização das atividades executadas (ISO, 2020).

A diminuição da variabilidade operacional é um dos principais objetivos da gestão da qualidade, pois contribui para a previsibilidade dos resultados e redução de falhas sistêmicas (Antony; Sony; McDermott, 2022). Outro aspecto relevante refere-se à mudança na natureza dos erros remanescentes. Após a automação, as correções passaram a estar concentradas em processos ainda realizados manualmente, principalmente aqueles que dependem de comunicação via e-mail. Esse comportamento evidencia que a automação foi eficaz na eliminação de falhas estruturais, restando apenas erros associados a atividades não automatizadas (Dwivedi et al., 2023).

Sob a ótica da gestão de projetos, a redução de erros também pode ser interpretada como mitigação de riscos operacionais. Processos com alto índice de retrabalho tendem a impactar diretamente o desempenho do cronograma e a qualidade das entregas, aumentando a probabilidade de desvios (PMI, 2021). Nesse sentido, a implantação da inteligência artificial contribuiu para reduzir a exposição a riscos, aumentando a estabilidade do processo.

Entretanto, é importante destacar que a redução de erros não elimina a necessidade de validação humana. A literatura aponta que sistemas automatizados podem introduzir novos tipos de erro, especialmente quando baseados em regras ou dados inconsistentes (Dwivedi et al., 2023). Dessa forma, a manutenção de controles e validações continua sendo essencial para garantir a confiabilidade dos resultados. Os resultados evidenciam que a implantação da inteligência artificial contribuiu de forma significativa para a melhoria da qualidade do processo de folha de pagamento, reduzindo erros, minimizando retrabalho e aumentando a confiabilidade das informações (PMI, 2021).

Análise do volume de processamento e produtividade operacional

A análise do volume de processamento é fundamental para compreender a capacidade operacional do processo de folha de pagamento, especialmente em contextos caracterizados por grande quantidade de dados e atividades repetitivas. A relação entre volume e produtividade permite avaliar não apenas o desempenho do processo, mas também a eficiência na utilização dos recursos disponíveis (Margherita, 2022). No contexto analisado, o processo de folha de pagamento envolve um volume significativo de operações mensais.

O volume médio mensal de atividades incluía aproximadamente 100 lançamentos manuais referentes à folha, cerca de 150 lançamentos relacionados a benefícios como plano de saúde, odontológico e reembolsos, e aproximadamente 400 agendamentos mensais associados ao benefício de massagem. Essa elevada quantidade de atividades evidencia a complexidade operacional do processo, especialmente quando parte significativa dessas tarefas era realizada manualmente. Em processos intensivos em volume, a execução manual tende a gerar sobrecarga operacional, aumento do tempo de processamento e maior probabilidade de erros (Dwivedi et al., 2023).

Com a implantação das automações e da inteligência artificial, observou-se uma reconfiguração da forma como esse volume é processado. Atividades anteriormente executadas manualmente passaram a ser automatizadas ou parcialmente assistidas por tecnologia, reduzindo o esforço operacional necessário para sua execução. Esse tipo de transformação está alinhado com o conceito de aumento de produtividade por meio da automação, no qual a tecnologia atua como fator multiplicador da capacidade de trabalho (Brynjolfsson; McAfee, 2022).

A automação de processos como conferência de sobreaviso, validação da folha e gestão de benefícios contribuiu diretamente para a redução do tempo gasto em tarefas operacionais repetitivas. Dessa forma, a equipe passou a atuar com maior foco em atividades analíticas e de maior valor agregado, o que caracteriza um ganho qualitativo de produtividade (Margherita, 2022). Do ponto de vista da gestão de projetos, esse ganho pode ser interpretado como aumento da capacidade produtiva da equipe sem ampliação de recursos, o que representa uma melhoria significativa na eficiência do processo (PMI, 2021).

A otimização do uso dos recursos humanos é um dos principais objetivos em iniciativas de melhoria de processos, especialmente em ambientes organizacionais com alta demanda operacional (ISO, 2020). Além disso, a automação contribuiu para a padronização das atividades, reduzindo variações na execução das tarefas e aumentando a consistência dos resultados. A padronização é um elemento central da gestão da qualidade, pois permite maior controle sobre o processo e redução de desperdícios operacionais (Antony; Sony; McDermott, 2022).

Outro aspecto relevante refere-se à escalabilidade do processo. Antes da implantação da inteligência artificial, o aumento do volume de atividades implicaria diretamente na necessidade de maior esforço humano. Com a automação, o processo tornou-se mais escalável, permitindo absorver aumentos de demanda sem impacto proporcional na carga de trabalho da equipe (Dwivedi et al., 2023). Adicionalmente, a redução do volume de atividades manuais contribuiu para a diminuição do acúmulo de banco de horas, conforme percepção da equipe, indicando melhoria não apenas na produtividade, mas também na gestão do tempo de trabalho (Brynjolfsson; McAfee, 2022).

Entretanto, é importante destacar que o aumento da produtividade não elimina a necessidade de monitoramento contínuo do processo. A dependência de sistemas automatizados exige acompanhamento e validação periódica, de forma a garantir que os resultados gerados estejam corretos e alinhados às regras estabelecidas (PMI, 2021). Os resultados evidenciam que a implantação da inteligência artificial contribuiu significativamente para o aumento da produtividade operacional, permitindo o processamento de um elevado volume de atividades com maior eficiência, menor esforço manual e melhor alocação dos recursos disponíveis. Esses ganhos reforçam o papel da automação como elemento central na melhoria de processos organizacionais e na geração de valor para a organização (ISO, 2020).

Percepção da equipe e impactos organizacionais da implantação da inteligência artificial

A análise da percepção da equipe é um elemento essencial para compreender os impactos organizacionais decorrentes da implantação da inteligência artificial, especialmente em processos que envolvem mudanças estruturais na forma de execução das atividades. A literatura aponta que a aceitação e a percepção dos usuários são fatores críticos para o sucesso de iniciativas de transformação digital, influenciando diretamente a efetividade das soluções implementadas (Dwivedi et al., 2023). Os dados coletados por meio do questionário aplicado permitiram identificar padrões relevantes de percepção da equipe.

Os resultados indicam uma percepção amplamente positiva em relação à implantação da inteligência artificial. A redução do trabalho manual foi apontada como o principal benefício percebido pela equipe, com uma percepção predominante elevada. Esse resultado está alinhado com a literatura, que destaca a automação como um dos principais mecanismos de aumento de eficiência em processos administrativos (Brynjolfsson; McAfee, 2022). A otimização do processo de fechamento da folha também foi fortemente evidenciada, com percepção elevada.

Essa otimização reflete maior organização, fluidez e redução de gargalos operacionais, reforçando os resultados apresentados anteriormente sobre a redução do tempo de processamento e a melhoria da previsibilidade do processo (PMI, 2021). A redução do banco de horas foi percebida como moderada a elevada, indicando diminuição da sobrecarga operacional da equipe. Esse resultado evidencia que a automação não apenas melhora a eficiência do processo, mas também contribui para a sustentabilidade do trabalho, reduzindo a necessidade de jornadas prolongadas em períodos críticos (Margherita, 2022).

A percepção de melhoria na qualidade de vida no trabalho, com percepção elevada, aparece como consequência direta da redução do esforço manual e da reorganização das atividades. A literatura aponta que a automação de tarefas repetitivas tende a reduzir o estresse ocupacional e aumentar a satisfação dos colaboradores, fatores que impactam positivamente o desempenho organizacional (Brynjolfsson; McAfee, 2022). Além disso, a equipe destacou a possibilidade de direcionar esforços para atividades mais estratégicas, com percepção elevada, indicando uma mudança no perfil das atividades desempenhadas (Dwivedi et al., 2023).

Para complementar a análise, as respostas abertas foram organizadas em categorias temáticas, revelando percepções de agilidade, automação, confiabilidade, organização e qualidade de vida. A agilidade foi descrita como maior rapidez na execução das atividades, a automação como redução de tarefas manuais e repetitivas, e a confiabilidade como maior segurança e precisão nas informações. A organização foi associada a uma melhor estruturação do processo, e a qualidade de vida à redução de esforço e sobrecarga.

A categorização das respostas qualitativas evidencia convergência entre os dados objetivos e a percepção dos participantes, reforçando a consistência dos resultados. A predominância de categorias como agilidade, automação e confiabilidade indica que a implantação da inteligência artificial foi percebida como um fator de melhoria operacional e qualitativa do processo. Do ponto de vista da gestão de projetos, esses resultados demonstram que a iniciativa apresentou impacto positivo na gestão de stakeholders, especialmente no que se refere à aceitação da mudança e à percepção de valor gerado (PMI, 2021).

A satisfação dos usuários é um dos principais indicadores de sucesso em projetos de transformação organizacional, sendo essencial para a sustentabilidade das melhorias implementadas. Entretanto, apesar dos benefícios observados, é importante considerar que a adoção de tecnologias baseadas em inteligência artificial também pode gerar novos desafios, como a necessidade de capacitação contínua e o risco de dependência tecnológica (Dwivedi et al., 2023). Esses aspectos devem ser considerados em futuras evoluções do processo, garantindo equilíbrio entre automação e controle humano.

De forma geral, os resultados indicam que a implantação da inteligência artificial gerou impactos positivos não apenas na eficiência operacional, mas também no ambiente de trabalho, contribuindo para a melhoria da qualidade de vida da equipe e para o aumento da capacidade de atuação estratégica. Esses fatores reforçam o papel da tecnologia como elemento central na transformação de processos organizacionais, especialmente quando implementada sob a ótica da gestão de projetos (PMI, 2021).

Análise integrada dos resultados

A análise integrada dos resultados tem como objetivo consolidar e interpretar, de forma sistêmica, os efeitos da implantação da inteligência artificial no processo de folha de pagamento, considerando simultaneamente os indicadores de desempenho operacional, qualidade do processo e percepção dos stakeholders. A partir da consolidação dos resultados apresentados nas seções anteriores, foi possível identificar um conjunto consistente de melhorias no processo, envolvendo redução do tempo de processamento, diminuição de erros operacionais, aumento da produtividade e percepção positiva da equipe.

Em síntese, observou-se uma redução no tempo de processamento de quatro para três dias úteis, o que representa aproximadamente 25% de ganho. O volume de erros diminuiu de 30-35 para 5-10 correções mensais. A produtividade foi marcada pelo aumento da capacidade operacional sem ampliação de equipe e pela manutenção de alto volume de processamento com menor esforço manual. A percepção da equipe indicou redução do trabalho manual e melhoria da qualidade de vida.

A análise conjunta desses resultados evidencia que a implantação da inteligência artificial não gerou impactos isolados, mas sim uma transformação estrutural no processo de folha de pagamento. A redução do tempo de processamento, associada à diminuição de erros, indica que a automação atuou simultaneamente sobre eficiência e qualidade, dois pilares fundamentais da gestão de processos organizacionais (ISO, 2020). Sob a perspectiva da gestão de projetos, esses resultados demonstram melhoria no desempenho do projeto em múltiplas dimensões.

A redução do tempo de processamento indica maior aderência ao cronograma, enquanto a diminuição de erros evidencia aumento da qualidade das entregas. Esse alinhamento entre prazo e qualidade é um dos principais objetivos do gerenciamento de projetos, conforme destacado pelo PMI (2021). Além disso, a análise integrada permite identificar uma relação direta entre automação e redução de variabilidade do processo. As atividades automatizadas, especialmente aquelas baseadas em regras bem definidas, contribuíram para eliminar inconsistências associadas à execução manual, aumentando a previsibilidade dos resultados (Antony; Sony; McDermott, 2022).

Outro ponto relevante refere-se ao impacto sobre a capacidade produtiva da equipe. A manutenção de um alto volume de processamento, associada à redução do esforço manual e do tempo de execução, indica um ganho significativo de produtividade. Esse resultado demonstra que a inteligência artificial atuou como elemento multiplicador da capacidade operacional, permitindo que a equipe processe mais informações com menor esforço (Brynjolfsson; McAfee, 2022). Do ponto de vista organizacional, a percepção positiva da equipe reforça a efetividade da implantação da tecnologia.

A redução do trabalho manual, a diminuição do banco de horas e a possibilidade de atuação em atividades estratégicas indicam que a transformação não se limitou ao processo, mas também impactou a forma como o trabalho é realizado. Entretanto, a análise integrada também permite identificar limitações e riscos associados à implantação da inteligência artificial. Apesar da redução significativa de erros, os registros remanescentes concentram-se em atividades ainda não automatizadas, especialmente aquelas dependentes de comunicação manual via e-mail. Esse comportamento evidencia que o processo ainda apresenta pontos de vulnerabilidade, que podem ser explorados em futuras melhorias (PMI, 2021).

Adicionalmente, a crescente dependência de sistemas automatizados introduz novos riscos operacionais, como falhas em scripts, inconsistência de dados de entrada e necessidade de manutenção das soluções desenvolvidas. A literatura destaca que a automação, embora reduza erros humanos, pode amplificar erros sistêmicos caso não sejam implementados mecanismos adequados de validação e controle (Dwivedi et al., 2023). Outro aspecto crítico refere-se à necessidade de equilíbrio entre automação e supervisão humana. Embora a inteligência artificial tenha contribuído para a melhoria do processo, a validação humana continua sendo essencial para garantir a confiabilidade das informações, especialmente em processos sensíveis como a folha de pagamento (ISO, 2020).

A partir da análise integrada, é possível afirmar que a implantação da inteligência artificial contribuiu significativamente para a melhoria do desempenho do processo de folha de pagamento, promovendo ganhos em eficiência, qualidade e produtividade. No entanto, esses resultados devem ser interpretados como parte de um processo contínuo de evolução, no qual novas oportunidades de melhoria e novos riscos emergem à medida que a maturidade digital da organização aumenta (PMI, 2021). A articulação entre tecnologia, processos e pessoas mostrou-se fundamental para o sucesso da iniciativa, reforçando a importância de uma abordagem estruturada na implementação de soluções de transformação digital (Yin, 2018).

Proposta de melhorias

A partir da análise integrada dos resultados, torna-se possível identificar oportunidades de melhoria no processo de folha de pagamento, mesmo diante dos ganhos significativos proporcionados pela implantação da inteligência artificial. Em estudos de natureza aplicada, a proposição de melhorias é etapa fundamental, pois permite transformar evidências empíricas em ações concretas voltadas à otimização do desempenho organizacional (Cauchick-Miguel, 2023). Embora os resultados indiquem avanços relevantes em termos de eficiência, qualidade e produtividade, a análise também evidenciou a existência de pontos de vulnerabilidade.

Esses pontos de vulnerabilidade estão especialmente relacionados a atividades ainda manuais, dependência tecnológica e necessidade de validação dos processos automatizados. Esses aspectos reforçam a importância da melhoria contínua, princípio central da gestão da qualidade (ISO, 2020). Dessa forma, as propostas de melhoria foram estruturadas com base em três pilares principais: redução de atividades manuais remanescentes, fortalecimento dos mecanismos de controle e validação, e aumento da maturidade digital do processo.

Foram identificados problemas como atividades manuais via e-mail, cuja causa raiz é a falta de automação e integração, resultando em geração de erros e retrabalho. A dependência de validação manual, causada pela ausência de validações automatizadas completas, gera risco de inconsistências. A dependência de scripts isolados, devido à falta de governança das automações, introduz risco operacional. Por fim, a falta de padronização de uso da inteligência artificial, decorrente da ausência de diretrizes formais, leva ao uso inconsistente da ferramenta.

A partir desses problemas, foi elaborado um plano de ação estruturado, considerando práticas de gestão de projetos, com definição clara de ações, responsáveis e objetivos. A primeira ação proposta é a automatização dos processos via e-mail, com o objetivo de eliminar atividades manuais remanescentes, sob responsabilidade de TI e Folha, com prazo curto e benefício esperado de redução de erros e retrabalho. A segunda ação é a criação de validações automatizadas adicionais, visando aumentar a confiabilidade dos dados, sob responsabilidade de Folha e TI, com prazo curto e benefício de redução de inconsistências.

A terceira ação consiste na implementação de governança das automações, para garantir controle e manutenção dos scripts, sob responsabilidade de TI e Gestão, com prazo médio e benefício de redução de riscos operacionais. A padronização do uso da inteligência artificial é a quarta ação, com o objetivo de definir diretrizes de utilização, sob responsabilidade da Gestão, com prazo curto e benefício de aumento da eficiência e consistência. Por fim, o treinamento da equipe visa aumentar a maturidade digital, sob responsabilidade de RH e Gestão, com prazo médio e benefício de melhor aproveitamento da tecnologia.

A automatização dos processos atualmente realizados via e-mail representa uma das principais oportunidades de melhoria, uma vez que esses fluxos ainda concentram parte significativa dos erros remanescentes. A substituição desses processos por soluções integradas pode reduzir significativamente a variabilidade e aumentar a confiabilidade do processo (Dwivedi et al., 2023). A criação de validações automatizadas adicionais também se mostra essencial para fortalecer o controle do processo. Embora a automação tenha reduzido erros, a implementação de mecanismos adicionais de validação permite identificar inconsistências de forma preventiva, aumentando a robustez do sistema (Antony; Sony; McDermott, 2022).

Outro ponto crítico refere-se à necessidade de governança das automações. A utilização de scripts e soluções desenvolvidas internamente exige controle adequado, incluindo versionamento, documentação e monitoramento. A ausência desses elementos pode gerar riscos operacionais relevantes, especialmente em processos críticos como a folha de pagamento (PMI, 2021). A padronização do uso da inteligência artificial também se apresenta como uma melhoria relevante. A definição de diretrizes formais permite reduzir variações na utilização da tecnologia, garantindo maior consistência nos resultados e melhor aproveitamento das ferramentas disponíveis (ISO, 2020).

Adicionalmente, o treinamento da equipe é um fator essencial para a consolidação das melhorias. A capacitação dos colaboradores contribui para o aumento da maturidade digital, permitindo uso mais eficiente da tecnologia e maior autonomia na execução das atividades (Brynjolfsson; McAfee, 2022). Para a priorização das ações propostas, foi realizada uma análise considerando impacto e facilidade de implementação. A automatização de e-mails e as validações automatizadas foram classificadas com impacto alto e facilidade média, resultando em prioridade alta. A padronização da IA, com impacto médio e facilidade alta, também recebeu prioridade alta.

A governança das automações, com impacto alto e facilidade baixa, foi classificada com prioridade média. O treinamento da equipe, com impacto médio e facilidade alta, também recebeu prioridade média. A priorização indica que ações voltadas à automação de processos manuais e fortalecimento de validações devem ser tratadas como prioritárias, devido ao seu alto impacto na qualidade e eficiência do processo. Já ações estruturais, como governança e capacitação, embora fundamentais, podem ser implementadas em médio prazo.

Sob a ótica da gestão de projetos, a implementação dessas melhorias pode ser conduzida como um novo ciclo de aprimoramento, alinhado ao conceito de melhoria contínua. A utilização de abordagens estruturadas permite garantir que as ações sejam planejadas, executadas e monitoradas de forma adequada, maximizando os resultados obtidos (PMI, 2021). A proposta de melhorias evidencia que, embora a implantação da inteligência artificial tenha gerado avanços significativos, o processo ainda apresenta oportunidades de evolução. A continuidade das melhorias é essencial para consolidar os ganhos obtidos e elevar o nível de maturidade digital da organização, garantindo sustentabilidade e geração contínua de valor (ISO, 2020).

Em síntese, a pesquisa demonstrou que a implantação da inteligência artificial nos processos de folha de pagamento resultou em uma reestruturação significativa, com ganhos consistentes em eficiência operacional, qualidade e produtividade. Observou-se uma redução de 25% no tempo de processamento e uma diminuição de aproximadamente 33% no volume de erros, além de uma percepção positiva da equipe quanto à redução do trabalho manual e à melhoria da qualidade de vida. Esses achados confirmam que a gestão de projetos é fundamental para a transformação digital, mas também apontam para a necessidade de melhoria contínua em atividades remanescentes e no fortalecimento dos controles.

4. Conclusão

O presente estudo analisou os impactos da implantação de inteligência artificial nos processos de folha de pagamento, sob a ótica da gestão de projetos, considerando eficiência operacional, qualidade, redução de retrabalho e produtividade. Verificou-se uma reestruturação significativa do processo, com a redução do tempo de processamento de quatro para três dias úteis e uma diminuição expressiva no volume de erros e retrabalho, que passou de trinta a trinta e cinco para cinco a dez correções mensais. Observou-se um aumento da capacidade operacional da equipe, que processou um elevado volume de atividades com menor esforço manual, permitindo maior direcionamento para tarefas estratégicas. A percepção dos colaboradores indicou uma redução do trabalho repetitivo, melhoria na organização e diminuição do banco de horas, reforçando a efetividade da iniciativa como uma transformação digital bem-sucedida. Esses achados demonstram que a automação, quando estruturada sob a gestão de projetos, contribui para a geração de valor organizacional, melhoria de desempenho e sustentabilidade das operações.

Contudo, a análise integrada também evidenciou limitações e a necessidade de continuidade das melhorias. Os registros remanescentes de erros concentram-se em atividades ainda não automatizadas, especialmente aquelas dependentes de comunicação manual via e-mail, o que aponta para pontos de vulnerabilidade. Adicionalmente, a crescente dependência de sistemas automatizados introduz novos riscos operacionais, como falhas em scripts e a necessidade de manutenção contínua das soluções desenvolvidas. Sugere-se a automatização de processos remanescentes, a criação de validações automatizadas adicionais, a implementação de governança das automações, a padronização do uso da inteligência artificial e o treinamento da equipe para aumentar a maturidade digital. Essas ações visam consolidar os ganhos obtidos e elevar o nível de maturidade digital da organização, garantindo a sustentabilidade e a geração contínua de valor.

Referências Bibliográficas

Antony, J.; Sony, M.; Mcdermott, O. 2022. Lean Six Sigma in the automotive industry: a systematic review and future research agenda. Total Quality Management & Business Excellence, v. 33, n. 1–2, p. 1-25.

Brynjolfsson, E.; Mcafee, A. 2022. The second machine age: work, progress, and prosperity in a time of brilliant technologies. New York: W. W. Norton & Company.

Dwivedi, Y. K. et al. 2023. So what if ChatGPT wrote it? Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational Al. International Journal of Information Management, v. 71, 102642.

International Organization for Standardization [ISO]. 2020. ISO 21502: project, programme and portfolio management – guidance on project management. Geneva: ISO.

Margherita, A. 2022. Human resources analytics: a systematization of research topics and directions for future research. Human Resource Management Review, v. 32, n. 2, 100795.

Project Management Institute [PMI]. 2021. A guide to the project management body of knowledge (PMBOK® Guide). 7. ed. Newtown Square: PMI.

Too, E. G.; Weaver, P. 2022. The management of project management: a conceptual framework for project governance. International Journal of Project Management, v. 40, n. 3, p. 210-221.

Verhoef, P. C. et al. 2021. Digital transformation: a multidisciplinary reflection and research agenda. Journal of Business Research, v. 122, p. 889–901.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Gestão de Projetos do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy