Artigo

30 de julho de 2026

Inteligência Artificial na Gestão de Pessoas: percepções sobre desenvolvimento humano, organizacional e coexistência sem preconceito

Felipe Mateus Santos; Gislaine Rossetti Madureira Ferreira

DOI: 10.22167/2675-6528-202600779

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

Resumo

A rápida adoção da Inteligência Artificial (IA) nas organizações gerou impactos significativos na gestão de pessoas, demandando o desenvolvimento de novas competências e a construção de culturas de coexistência responsável entre humanos e máquinas. Este estudo objetivou analisar as contribuições percebidas da IA para o desenvolvimento humano e organizacional, bem como avaliar as percepções sobre coexistência, justiça e confiança entre profissionais que a utilizam em suas atividades de trabalho, identificando associações com a frequência de uso. Realizou-se uma pesquisa quantitativa, aplicando um questionário online com escala Likert e questões de múltipla seleção, que obteve 64 respostas válidas de profissionais de diversos níveis hierárquicos e setores. Os dados foram analisados por estatísticas descritivas, alfa de Cronbach e teste t de Welch. Os resultados indicaram uma percepção predominantemente positiva do impacto da IA, com destaque para a qualidade das entregas e a comunicação/colaboração. Os blocos de desenvolvimento humano e organizacional apresentaram médias elevadas, enquanto o bloco de coexistência, justiça e confiança sinalizou oportunidades de melhoria em treinamento para uso responsável e prevenção de estigmas. Observou-se uma associação significativa entre a maior frequência de uso de IA e percepções mais positivas de coexistência. Concluiu-se que a IA pode potencializar o capital humano e o desenvolvimento organizacional, desde que acompanhada de governança, capacitação e cultura de cointeligência na gestão de pessoas.

Palavras-chave: Cointeligência; Coexistência humano-IA; Desenvolvimento humano; Desenvolvimento organizacional; Gestão de pessoas.

1. Introdução

A Inteligência Artificial (IA) tem se consolidado como uma das forças mais transformadoras da gestão de pessoas nas últimas décadas. No contexto da Quarta Revolução Industrial, sua adoção nas organizações deixou de ser uma tendência futurista para se tornar uma realidade operacional que redefine processos de recrutamento, avaliação de desempenho, desenvolvimento de competências e dinâmicas de colaboração. Essa evolução exige que profissionais e líderes desenvolvam novas competências, enquanto as organizações precisam construir culturas de coexistência responsável entre humanos e máquinas. Para o profissional de gestão de pessoas, essa transformação representa tanto uma oportunidade de ampliar o impacto estratégico da área quanto um conjunto de desafios concretos relacionados à ética, à equidade e à construção de ambientes de trabalho mais justos e produtivos.

A literatura especializada propõe que a relação entre a IA e a inteligência humana deve ser compreendida como uma simbiose, e não como uma competição (Jarrahi, 2018). Enquanto a IA se destaca no processamento eficiente de grandes volumes de dados estruturados, a inteligência humana mantém sua insubstituibilidade no julgamento contextual, na criatividade e na gestão de relações interpessoais. Essa colaboração sinérgica é fundamental para o desenvolvimento humano, pois a IA pode atuar como catalisadora ao personalizar trilhas de aprendizagem, identificar lacunas de competências e acelerar ciclos de feedback (Mollick, 2024). Mollick (2024) cunhou o conceito de cointeligência para descrever essa parceria, onde a delegação de tarefas de síntese e processamento de informação à IA libera a capacidade cognitiva dos profissionais para atividades mais criativas, relacionais e estratégicas, potencializando seu desenvolvimento.

Contudo, a integração de algoritmos em decisões organizacionais levanta questões legítimas sobre vieses, explicabilidade e percepções de justiça (Colquitt, 2001; Jarrahi, 2018). No contexto brasileiro, os maiores desafios para as organizações não são meramente técnicos, mas culturais, conforme alertam Andrade e Hervé (2023) e Schilling (2025). Esses desafios incluem a resistência à mudança, o medo de substituição de empregos e a ausência de estruturas de governança que garantam equidade e transparência nos processos mediados pela IA. A confiança nos sistemas automatizados, sustentada por previsibilidade e explicabilidade, é apontada como condição fundamental para uma adoção responsável e sustentável (Jian et al., 2000).

Apesar da crescente relevância do tema e da rápida expansão da IA no ambiente corporativo, há uma notável escassez de evidências empíricas no contexto brasileiro. Pouco se sabe sobre como os profissionais percebem, na prática, a contribuição da IA para seu desenvolvimento humano e organizacional, e para a qualidade das relações humano-IA no ambiente corporativo. Essa lacuna de conhecimento impede a formulação de estratégias de gestão de pessoas que sejam verdadeiramente eficazes e éticas, capazes de capitalizar os benefícios da IA enquanto mitigam seus riscos e desafios. Compreender essas percepções é crucial para orientar a construção de um futuro do trabalho onde a tecnologia e o capital humano coexistam de forma produtiva e harmoniosa.

Diante desse cenário e da necessidade de aprofundar o entendimento sobre a interação entre a Inteligência Artificial e a gestão de pessoas, este estudo se justifica pela urgência em fornecer dados empíricos que possam subsidiar a tomada de decisão e o desenvolvimento de políticas organizacionais mais assertivas. Assim, o objetivo central deste trabalho foi analisar as contribuições percebidas da IA para o desenvolvimento humano e organizacional, bem como as percepções sobre coexistência, justiça e confiança entre profissionais que utilizam IA em suas atividades de trabalho, identificando associações entre a frequência de uso de IA e essas percepções.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa quantitativa, de natureza descritiva e exploratória. O objetivo central foi analisar as contribuições percebidas da Inteligência Artificial (IA) para o desenvolvimento humano e organizacional, bem como as percepções sobre coexistência, justiça e confiança entre profissionais que utilizam IA em suas atividades de trabalho, buscando identificar associações com a frequência de uso da tecnologia.

A estratégia de pesquisa adotada foi o levantamento de dados por meio de um questionário online. Este instrumento foi desenvolvido e aplicado utilizando a plataforma Google Forms, permitindo a coleta de informações de forma padronizada e eficiente junto aos participantes. A estrutura do questionário foi organizada em quatro blocos distintos para abordar os diferentes aspectos do estudo.

O primeiro bloco do questionário incluiu questões de caracterização dos respondentes, abrangendo informações como papel de liderança, tempo de empresa, nível/cargo e frequência de uso de IA. O segundo bloco consistiu em uma questão de múltipla seleção, com nove opções predefinidas, sobre as frentes em que a IA contribui para o desenvolvimento humano e organizacional. O terceiro bloco avaliou a valência do impacto percebido da IA no trabalho, oferecendo três categorias de resposta.

O quarto bloco do instrumento foi composto por treze itens avaliados em uma escala Likert de cinco pontos, variando de 1 (discordo totalmente) a 5 (concordo totalmente). Esses itens foram agrupados em três blocos analíticos: desenvolvimento humano (DH), desenvolvimento organizacional (DO) e coexistência, justiça e confiança (CJC). A escala foi fundamentada em instrumentos validados por Davis (1989), Venkatesh et al. (2003), Jian et al. (2000) e Colquitt (2001).

Os procedimentos de coleta de dados ocorreram entre 26 de janeiro de 2026 e 10 de fevereiro de 2026. Antes de iniciar o preenchimento do questionário, os participantes foram convidados a ler e aceitar o Termo de Consentimento Livre e Esclarecido (TCLE), que se encontra disponível no Apêndice A. A participação foi voluntária e o anonimato de todos os respondentes foi garantido, com as respostas sendo analisadas de forma agregada.

A amostragem utilizada foi não probabilística por conveniência, direcionada a profissionais que utilizam IA em suas atividades de trabalho. O convite para participação foi amplamente distribuído por meio de canais digitais, redes profissionais e grupos de comunicação corporativa, visando alcançar uma diversidade de perfis ocupacionais e experiências com a tecnologia. Foram obtidas 64 respostas válidas, todas com o aceite do TCLE.

A análise dos dados foi realizada em três etapas sequenciais. Na primeira etapa, aplicaram-se estatísticas descritivas, incluindo frequências absolutas e relativas, médias e desvios-padrão, para caracterizar a amostra e descrever os resultados por item e por bloco. Na segunda etapa, avaliou-se a consistência interna de cada bloco analítico por meio do coeficiente alfa de Cronbach, adotando o patamar de 0,70 como mínimo aceitável, conforme recomendado por Sampieri et al. (2013).

Na terceira etapa, realizou-se uma análise exploratória de associações entre grupos de frequência de uso de IA. Os grupos foram definidos como “uso alto” (uso diário ou 3 a 5 vezes por semana) e “uso baixo” (uso de 1 a 2 vezes por semana, raramente ou nunca). A comparação das médias dos blocos entre esses grupos foi efetuada por meio do teste t de Welch, que é adequado para amostras com variâncias potencialmente diferentes e tamanhos distintos. A interpretação dos resultados foi de caráter exploratório, sem inferência causal, dada a natureza não probabilística da amostra.

3. Resultados e Discussão

A presente seção detalha os resultados obtidos na pesquisa, interpretando-os à luz do referencial teórico e dos objetivos propostos. Inicialmente, apresenta-se o perfil dos profissionais que participaram do estudo, seguido pela análise das percepções sobre o impacto geral da Inteligência Artificial (IA) no trabalho e suas principais frentes de contribuição. Posteriormente, são discutidos os resultados por dimensões analíticas – Desenvolvimento Humano (DH), Desenvolvimento Organizacional (DO) e Coexistência, Justiça e Confiança (CJC) – com base nas avaliações em escala Likert. Por fim, explora-se a associação entre a frequência de uso da IA e as percepções dos profissionais, culminando em uma síntese interpretativa dos achados.

Perfil da amostra

A pesquisa obteve 64 respostas válidas de profissionais, todos com o Termo de Consentimento Livre e Esclarecido (TCLE) devidamente aceito. A amostra revelou uma composição diversificada, com 62,5% dos respondentes atuando em posições de liderança direta de pessoas, enquanto 37,5% não possuíam essa responsabilidade formal. Essa proporção de líderes é relevante, pois suas percepções podem influenciar a cultura organizacional em relação ao uso da IA. O tempo de empresa predominante entre os participantes foi de um a dois anos, representando 43,8% da amostra, seguido por aqueles com três a cinco anos de empresa, que totalizaram 29,7%. Esse dado sugere que a amostra é composta por profissionais em uma fase de carreira que possivelmente os expôs às transformações digitais mais recentes.

Em relação ao nível hierárquico, a distribuição dos respondentes abrangeu diversas posições: 32,8% eram de coordenação/supervisão, 23,4% analistas/especialistas, 21,9% gerentes, 14,1% operacionais/assistentes e 7,8% diretores/C-level. Essa diversidade hierárquica é crucial para uma análise abrangente das percepções sobre a IA, uma vez que diferentes níveis podem ter experiências e visões distintas sobre a tecnologia. A frequência de uso da IA no trabalho foi predominantemente alta, com 35,9% dos profissionais utilizando-a frequentemente (três a cinco vezes por semana) e 21,9% diariamente. Isso totaliza 57,8% no grupo de uso considerado alto, o que favorece a realização de análises comparativas com o grupo de uso mais esporádico, permitindo investigar como a experiência prática se relaciona com as percepções sobre a IA.

Impacto percebido e frentes de contribuição da IA

A avaliação geral do impacto da IA no trabalho revelou uma percepção predominantemente positiva entre os respondentes, com 67,2% indicando um impacto mais positivo do que negativo. Uma parcela significativa, 28,1%, considerou o impacto equilibrado, enquanto apenas 4,7% ainda não conseguiram avaliar. Este resultado é consistente com a perspectiva de Mollick (2024), que sugere que profissionais com experiência direta no uso da IA tendem a desenvolver percepções mais nuançadas e favoráveis sobre a tecnologia. A combinação dessa avaliação majoritariamente positiva com a alta frequência de uso da IA na amostra (57,8% no grupo de uso alto) indica que o contato prático e contínuo com as ferramentas de IA tem gerado experiências mais favoráveis do que desfavoráveis. Esse achado corrobora a hipótese central do Technology Acceptance Model (TAM) de Davis (1989), que postula que a experiência prática com a tecnologia tende a influenciar positivamente as percepções de utilidade e confiança ao longo do tempo.

No que se refere às frentes de contribuição da IA, os resultados de múltipla seleção destacaram a qualidade do trabalho, como revisão, checagem e melhoria de entregáveis, mencionada por 77,8% dos respondentes. A comunicação e colaboração, incluindo resumos, alinhamentos e tradução, foi apontada por 71,4%. Outras contribuições relevantes incluíram a identificação de lacunas e prioridades (58,7%) e a tomada de decisão e resolução de problemas (55,6%). Esse padrão de contribuições percebidas está alinhado com a análise de Jarrahi (2018), que enfatiza a sinergia entre humanos e IA como fonte de ganhos consistentes, onde a IA processa informações e o julgamento humano interpreta e age sobre elas. A média de 4,6 frentes de contribuição marcadas por respondente sugere que a IA é percebida como um parceiro cognitivo multidimensional, e não apenas como uma ferramenta de automação de tarefas isoladas, reforçando a visão de cointeligência de Mollick (2024).

Resultados por dimensões (escala Likert 1-5)

A análise dos 13 itens em escala Likert revelou médias e desvios-padrão que oferecem insights detalhados sobre as percepções dos profissionais. Os itens com as maiores médias foram “Aprendizagem mais rápida e aplicação” (4,31), “Inovação e melhoria contínua de processos” (4,30) e “Gestão do conhecimento (documentação e aprendizagem)” (4,28). Esses resultados são consistentes com a recomendação de Mollick (2024) de que os profissionais devem priorizar o uso da IA para síntese de conhecimento, inovação iterativa e aprendizagem acelerada, elementos essenciais para a construção de uma relação de cointeligência. A alta avaliação desses itens indica que os profissionais já percebem, na prática, os benefícios transformadores que a literatura projeta para o desenvolvimento humano e organizacional, especialmente no que tange à otimização de processos de aprendizagem e inovação.

Em contraste, os itens com as menores médias foram “Treinamento e orientação para uso responsável” (3,73) e “Ausência de estigma por usar ou não usar IA” (3,78). Esses valores mais baixos confirmam o alerta de Schilling (2025) e Mollick (2024) de que as dimensões cultural e de governança da adoção da IA são as áreas em que as organizações menos têm avançado de forma estruturada. A percepção de que há lacunas em treinamento para uso responsável e a existência de estigmas associados ao uso ou não uso da IA indicam desafios significativos na construção de uma coexistência saudável entre humanos e tecnologia. Esses achados ressaltam a necessidade de as organizações investirem em políticas e práticas que promovam a ética, a transparência e a inclusão no uso da IA, mitigando preconceitos e garantindo que todos os profissionais se sintam valorizados, independentemente de sua interação com a tecnologia.

Para uma interpretação mais abrangente, os itens foram agrupados em três blocos analíticos: Desenvolvimento Humano (DH), Desenvolvimento Organizacional (DO) e Coexistência, Justiça e Confiança (CJC). A consistência interna de cada bloco foi avaliada pelo alfa de Cronbach, que variou entre 0,86 e 0,89, valores considerados adequados e acima do patamar mínimo de 0,70 recomendado por Sampieri et al. (2013). O bloco de Desenvolvimento Organizacional apresentou a maior média (4,21), seguido pelo Desenvolvimento Humano (4,15). O bloco de Coexistência, Justiça e Confiança obteve a menor média (3,97). Embora a diferença entre as médias não seja de grande magnitude, ela é substantivamente relevante, indicando que os profissionais percebem a contribuição da IA para o desenvolvimento de forma mais consolidada do que para a qualidade da coexistência, justiça e ausência de preconceito.

Esse padrão de resultados é consistente com o diagnóstico de Andrade e Hervé (2023), que apontam o paradoxo da automatização: organizações que buscam ganhos de produtividade com a IA muitas vezes negligenciam a construção de estruturas de governança que garantam equidade e transparência. Os dados desta pesquisa sugerem que esse descompasso já é percebido pelos próprios profissionais. A recomendação de Colquitt (2001) sobre a importância da justiça processual, que envolve transparência e consistência nos critérios de decisão, como preditor mais forte de confiança e engajamento, reforça a urgência de as organizações investirem na explicabilidade dos sistemas de IA utilizados em processos de gestão de pessoas. A menor média no bloco CJC, portanto, sinaliza uma área crítica para intervenção e aprimoramento, visando uma integração mais ética e sustentável da IA no ambiente de trabalho.

Comparação por frequência de uso de IA

A análise exploratória da associação entre a frequência de uso da IA e as percepções dos profissionais revelou um resultado de significativa relevância. O bloco de Coexistência, Justiça e Confiança (CJC) apresentou uma diferença estatisticamente significativa entre os grupos de uso alto e baixo (teste t de Welch, p=0,026). Profissionais com alta frequência de uso da IA (diariamente ou três a cinco vezes por semana) demonstraram uma média superior (4,18) nas percepções de CJC, em comparação com aqueles que usam a IA com baixa frequência (uma a duas vezes por semana, raramente ou nunca), cuja média foi de 3,66. Este achado é teoricamente relevante por duas razões principais.

Primeiramente, o resultado corrobora a hipótese central do Technology Acceptance Model (TAM) de Davis (1989), que sugere que a experiência prática com a tecnologia modifica positivamente as percepções de utilidade e confiança. Os dados indicam que esse efeito é particularmente pronunciado na dimensão de coexistência, que é mais sensível a fatores culturais e experienciais. A exposição prática e contínua à IA parece fomentar uma compreensão mais profunda e positiva das dinâmicas de parceria humano-IA, da clareza de responsabilidades, da explicabilidade dos sistemas e da ausência de estigmas. Essa experiência direta pode desmistificar a tecnologia e construir uma relação de maior confiança e aceitação.

Em segundo lugar, e de forma mais importante para a gestão de pessoas, este resultado sugere que o caminho mais eficaz para melhorar as percepções de coexistência justa e sem preconceito pode não se limitar à comunicação corporativa ou ao treinamento formal. A criação de oportunidades concretas e seguras de experimentação com a IA, onde os profissionais podem interagir e aprender com a tecnologia em um ambiente controlado, pode ser uma estratégia mais eficaz. Essa abordagem transforma a recomendação de Mollick (2024) sobre a modelagem de comportamentos de uso consciente em uma estratégia com respaldo empírico nesta amostra. Jian et al. (2000) reforçam que a confiança em sistemas automatizados se consolida pela experiência repetida com resultados previsíveis e transparentes, e não apenas pela intenção declarada de confiar, o que sustenta a conclusão de que a exposição prática supervisionada é uma alavanca de governança mais eficaz do que políticas abstratas de uso, promovendo uma cultura de cointeligência mais robusta e integrada.

Em síntese, os resultados da pesquisa convergem para uma imagem consistente com o referencial teórico adotado, indicando que a IA é percebida pelos profissionais como um fator genuíno de potencialização do desenvolvimento humano e organizacional. As principais frentes de contribuição identificadas, como qualidade das entregas, aprendizagem acelerada, inovação e gestão do conhecimento, alinham-se às dimensões em que Jarrahi (2018) e Mollick (2024) identificam o maior potencial de sinergia humano-IA. Contudo, os dados revelam com clareza que a dimensão de coexistência, justiça e confiança permanece como o principal ponto de atenção para a gestão de pessoas. Os menores valores individuais da escala e a menor média de bloco concentram-se nas questões de treinamento responsável, ausência de estigma e explicabilidade das decisões mediadas por IA, precisamente os desafios que Andrade e Hervé (2023), Schilling (2025) e Mollick (2024) identificam como os mais críticos para a sustentabilidade da coexistência humano-IA nas organizações, e que este trabalho confirma empiricamente no contexto brasileiro.

4. Conclusão

O presente estudo analisou as contribuições percebidas da Inteligência Artificial (IA) para o desenvolvimento humano e organizacional, bem como as percepções sobre coexistência, justiça e confiança entre profissionais que a utilizam em suas atividades de trabalho, identificando associações com a frequência de uso. Verificou-se uma percepção predominantemente positiva do impacto da IA, com destaque para a melhoria da qualidade das entregas, a comunicação e a colaboração. Observou-se que a IA contribui significativamente para a aprendizagem acelerada, a inovação contínua de processos e a gestão do conhecimento, elementos essenciais para o desenvolvimento humano e organizacional. Contudo, identificou-se que as dimensões de coexistência, justiça e confiança apresentaram oportunidades de melhoria, especialmente no que tange ao treinamento para uso responsável e à prevenção de estigmas. A análise revelou uma associação significativa entre a maior frequência de uso da IA e percepções mais positivas de coexistência, sugerindo que a experiência prática com a tecnologia pode fomentar maior confiança e aceitação.

A principal contribuição deste trabalho reside na confirmação empírica, no contexto brasileiro, de que a IA pode potencializar o capital humano e o desenvolvimento organizacional, desde que sua adoção seja acompanhada de uma governança robusta, capacitação adequada e uma cultura de cointeligência na gestão de pessoas. A criação de oportunidades seguras de experimentação com a IA emerge como uma estratégia eficaz para promover uma coexistência justa e sem preconceito. Este estudo, contudo, apresenta limitações inerentes à sua metodologia, como a amostragem não probabilística por conveniência, que impede a generalização estatística dos resultados, e o tamanho amostral de 64 respondentes, que limita o poder dos testes inferenciais. O desenho transversal também impede inferências causais sobre as relações identificadas. Para futuras pesquisas, sugere-se a realização de estudos longitudinais com amostras probabilísticas e maior diversidade setorial, além da inclusão de variáveis moderadoras como cultura organizacional e maturidade digital, que podem aprofundar a compreensão das percepções sobre a coexistência humano-IA.

Referências Bibliográficas

Andrade, L.C.; Hervé, M. 2023. Pessoa vs máquina: uma análise dos impactos da inteligência artificial na gestão de pessoas. Revista Gestão & Gerenciamento 23(23).

Colquitt, J.A. 2001. On the dimensionality of organizational justice: a construct validation of a measure. Journal of Applied Psychology 86(3): 386-400.

Davis, F.D. 1989. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly 13(3): 319-340.

Hernández Sampieri, R.; Fernández Collado, C.; Baptista-Lucio, M.D.P. 2013. Metodologia de Pesquisa. 5ed. Penso, Porto Alegre, RS, Brasil.

Jarrahi, M.H. 2018. Artificial intelligence and the future of work: human-AI symbiosis in organizational decision making. Business Horizons 61(4): 577-586.

Jian, J.-Y.; Bisantz, A.M.; Drury, C.G. 2000. Foundations for an empirically determined scale of trust in automated systems. International Journal of Cognitive Ergonomics 4(1): 53-71.

Mollick, E. 2024. Co-intelligence: Living and Working with AI. Portfolio/Penguin, New York, NY, USA.

Schilling, R. 2025. A transformação da gestão de pessoas com IA: desafios e oportunidades para PMEs brasileiras. Revista Tópicos 3(21). ISSN: 2965-6672.

Venkatesh, V.; Morris, M.G.; Davis, G.B.; Davis, F.D. 2003. User acceptance of information technology: toward a unified view. MIS Quarterly 27(3): 425-478.

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

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

Você também pode gostar

Compliance E Esg

11 de setembro de 2026

Inteligência Artificial na Gestão Contratual: Supervisão Humana, Riscos Jurídicos e Governança Algorítmica

O advento da inteligência artificial como tecnologia disruptiva reconfigurou processos econômicos, institucionais e jurídicos, conferindo centralidade à automação contratual na gestão de relações complexas. A automação contratual revelou-se um fenômeno juridicamente não neutro, com opacidade decisória, geração automatizada de cláusulas abusivas e dificuldades de atribuição de responsabilidade, deslocando a elaboração contratual para o domínio jurídico-normativo. O estudo analisou como a inteligência artificial na automação contratual intensificou a colisão entre eficiência tecnológica e segurança jurídica, e em que medida mecanismos de supervisão humana significativa e de governança algorítmica funcionaram como instrumentos de ponderação normativa para preservar princípios do direito contratual brasileiro. A pesquisa adotou abordagem qualitativa de estudo de casos múltiplos, com análise documental de quatro casos paradigmáticos: Moffatt v. Air Canada, United States v. RealPage, Deloitte/DEWR e INSS/TRF-4ª Região, representando os contextos consumerista, concorrencial, consultivo-contratual e administrativo. A análise identificou cinco padrões estruturais recorrentes – opacidade decisória, substituição da racionalidade normativa por inferências probabilísticas, accountability gap, assimetria informacional e incompreensão semântica – que emergiram de forma sistêmica. O desfecho fragmentado do caso RealPage reforçou a conclusão de que a jurisprudência sobre automação decisória permanece em formação. A governança algorítmica eficaz demonstrou exigir a integração de mecanismos de auditabilidade, responsabilização e supervisão humana, conforme as normas ISO 31000, COSO ERM e ISO 37301, como condição necessária à legitimidade dos sistemas automatizados de gestão contratual.

Palavras-chave: Contratos; Governança algorítmica; Inteligência artificial; Segurança jurídica; Supervisão humana.

Compliance E Esg

11 de setembro de 2026

Rituais de Verificação sob Pressão: Categorias de Ação ESG Relatadas por Grande Grupo Frigorífico Antes e Após Operação Deflagrada Pela Polícia Federal e Seus Desdobramentos, em Passado Recente

Relatórios de sustentabilidade são amplamente empregados como instrumentos de gestão da legitimidade corporativa, mas sua função como mecanismo de reorganização cognitiva em contextos de crise reputacional permaneceu subexplorada na literatura. O estudo analisou as transformações nas categorias de ação ESG reportadas pela Empresa JBS em seus relatórios anuais de sustentabilidade de 2015 a 2018, período que compreendeu dois anos anteriores e dois anos posteriores à Operação Carne Fraca e seus desdobramentos. O objetivo foi investigar como a organização alterou sua estrutura cognitiva após a crise reputacional, por meio de um de seus sistemas de reporte. Empregou-se um processo de catalogação sistemática de 1.088 práticas relatadas, classificadas por pilar ESG, tema material e categoria de ação. O referencial teórico mobilizou Mary Douglas (1986), Michael Power (1997), Meyer e Rowan (1977) e Edelman (2016) para interpretar os fenômenos observados. Os resultados evidenciaram um crescimento exigido em governança, que coexistiu com o colapso do pilar social, o desaparecimento de categorias substantivas e a substituição de ações voltadas a prêmios por ações que ressignificaram as relações da organização e seu posicionamento no mercado. Além disso, treinamentos de liderança migraram do tema de cultura para compliance, campanhas de comunicação cederam lugar a canais estruturais permanentes, e investidores tornaram-se a audiência de maior crescimento proporcional. Concluiu-se que a sofisticação do esforço de legitimação residiu não no que a empresa necessariamente fez, mas na consistência com que reorganizou quem ela diz ser e para quem, a partir das categorias de ação que relatou.

Palavras-chave: Crise reputacional; ESG; Pensamento institucional; Relatórios de sustentabilidade; Estratégia organizacional.

Gestão Escolar

11 de setembro de 2026

Liderança Escolar à Luz da Teoria U: um Diálogo com as Lideranças Transformacional e Servidora.

A integração de diferentes modelos de liderança mostrou-se um caminho relevante para instituições de ensino que buscaram inovar e alcançar excelência em suas práticas educacionais. Contudo, foram escassas as pesquisas empíricas que investigaram a aplicação da Teoria U na gestão escolar associada às abordagens Transformacional e Servidora, o que configurou uma lacuna na literatura. Este estudo buscou compreender como gestores educacionais perceberam e aplicaram princípios da Teoria U — escuta generativa, presencing e cocriação — em diálogo com as abordagens teóricas da Liderança Transformacional e da Liderança Servidora em suas práticas de gestão. A pesquisa, de natureza qualitativa e exploratória, foi realizada em uma instituição de ensino privada, localizada na cidade de São Paulo, que abrangeu desde a Educação Básica até a Pós-Graduação. Os dados foram coletados por meio de um roteiro de perguntas semiestruturadas, aplicado a sete gestores educacionais, e foram analisados com base na Análise de Conteúdo de Bardin. Os resultados evidenciaram aproximações entre as práticas observadas e os pressupostos teóricos dos modelos estudados, com a escuta destacando-se como a competência que melhor articulou as três abordagens no contexto investigado. Também foram identificadas algumas tensões entre os referenciais teóricos e o cotidiano da gestão. O estudo contribuiu para uma reflexão crítica sobre as possibilidades e os limites da integração desses diferentes modelos de liderança em ambientes escolares, ampliando o debate e oferecendo subsídios relevantes para o fortalecimento do campo da gestão educacional.

Palavras-chave: Análise de Conteúdo; Escuta Generativa; Estudo de Caso; Gestão Escolar; Liderança.

10 de setembro de 2026

Desempenho de Modelos de Machine Learning na Seleção de Ações da Bolsa de Valores Brasileira

O mercado acionário brasileiro, caracterizado por elevada volatilidade e restrições de liquidez, impõe desafios à aplicação de modelos de aprendizado de máquina na previsão de retornos e na construção de estratégias de investimento. O estudo comparou o desempenho preditivo e econômico de modelos de aprendizado de máquina e métodos estatísticos tradicionais na estimação de retornos futuros e na formação de carteiras baseadas em ranking de ativos. Utilizaram-se dados históricos de ações da B3, com variáveis técnicas e financeiras derivadas de preços e volume. Avaliaram-se modelos lineares (Regressão Linear, Ridge, LASSO, Elastic Net), de ensemble (Random Forest, XGBoost, LightGBM) e uma rede neural (Multilayer Perceptron). A avaliação preditiva ocorreu por métricas de erro em conjunto de teste, e a econômica por backtest de estratégias long-only, com custos operacionais baseados no turnover para análise de retornos brutos e líquidos. Os resultados revelaram baixa capacidade preditiva em todos os modelos, com R² negativos e erros elevados. Embora diferenças marginais nas previsões tenham gerado variações no desempenho econômico, estas foram de baixa magnitude e instáveis. O modelo LightGBM obteve o melhor desempenho econômico, mas com ganhos limitados em relação ao benchmark após a inclusão de custos operacionais. Não se observou evidência consistente de geração de retorno ajustado ao risco superior.

Palavras-chave: aprendizado de máquina; backtest; mercado acionário; previsão de retornos; seleção de ativos.

10 de setembro de 2026

Precificação Hedônica de Imóveis na Grande Florianópolis: Uso e Comparação de Modelos de “Machine Learning”

O mercado imobiliário da Grande Florianópolis tem experimentado valorização acelerada, impulsionada pelo crescimento populacional e pela demanda turística e de investimento. Este estudo analisou os determinantes do valor de imóveis residenciais e comparou o desempenho preditivo de modelos de aprendizado de máquina, especificamente Random Forest e Gradient Boosting (XGBoost), com uma regressão por Mínimos Quadrados Ordinários (MQO). Os dados foram coletados via web scraping de dois portais imobiliários em março de 2026, abrangendo os municípios de Florianópolis, São José, Palhoça e Biguaçu, resultando em 8.056 observações válidas após limpeza. Avaliou-se o desempenho dos modelos por meio das métricas R², RMSE e MAPE. O XGBoost apresentou o melhor desempenho preditivo geral (R² = 0,742, RMSE = R$ 927.113), enquanto o Random Forest obteve o menor erro relativo (MAPE = 25,69%). Os principais determinantes do preço identificados foram a área construída, a região de localização e o número de banheiros. Uma análise complementar por segmento de mercado revelou que o MQO dependeu dos valores extremos para sustentar seu ajuste, enquanto os modelos ensemble mantiveram desempenho estável. Concluiu-se que os métodos de aprendizado de máquina são mais robustos para precificação hedônica em mercados imobiliários heterogêneos, especialmente na presença de imóveis atípicos.

Palavras-chave: Ensemble; Imobiliário; Regressão; Residencial; Web Scraping.

Neurociência E Aprendizagem Na Educação

10 de setembro de 2026

A Produção de Memes como Estratégia de Formação Literária e Multiletramentos no Ensino Fundamental Ii

A leitura de obras literárias clássicas apresenta desafios no contexto escolar contemporâneo, devido ao distanciamento entre a linguagem dos textos e o repertório dos estudantes. Investigou-se como a utilização de memes contribuiu para a construção de sentidos na leitura da obra Senhora, de José de Alencar, no Ensino Fundamental II. A pesquisa adotou uma abordagem qualitativa, com caráter de pesquisa participante, e foi desenvolvida com duas turmas de 9º ano de uma escola privada em Volta Redonda, Rio de Janeiro. Os dados foram coletados por meio de questionários e das produções dos estudantes, e analisados à luz da análise de conteúdo. Os resultados indicaram que a utilização de memes favoreceu a aproximação dos alunos com o texto literário, reduziu a resistência inicial e ampliou o engajamento com a leitura. Observou-se, também, o avanço progressivo na compreensão da narrativa, evidenciado pela capacidade de interpretar fatos, analisar personagens, identificar relações implícitas e elaborar posicionamentos críticos. As produções revelaram a articulação entre o conteúdo da obra e o repertório sociocultural dos estudantes, indicando a construção de aprendizagens com significado. Concluiu-se que a integração entre literatura e cultura digital potencializou a mediação pedagógica, contribuindo para a formação de leitores mais ativos e interpretativamente autônomos.

Palavras-chave: aprendizagem significativa; cultura digital; leitura literária; multiletramentos; neurociência.

Gestão Tributária

10 de setembro de 2026

Definição de Insumos para Fins de Aproveitamento de Créditos de Pis e Cofins

O estudo analisou a interpretação e a aplicação da definição de insumos para fins de creditamento do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) no regime não cumulativo, à luz do entendimento firmado pelo Superior Tribunal de Justiça (STJ) no julgamento do Recurso Especial n.º 1.221.170 (Tema 779). Objetivou-se examinar os limites jurídicos da utilização desses créditos, considerando os critérios de essencialidade ou relevância estabelecidos pela jurisprudência do STJ. Realizou-se pesquisa documental e jurisprudencial, com análise de acórdãos representativos do Conselho Administrativo de Recursos Fiscais (CARF) e do STJ, abrangendo períodos anteriores e posteriores ao Tema 779. Complementarmente, conduziu-se pesquisa bibliográfica e estudos de dois casos concretos do CARF, com abordagem qualitativa, para verificar a aplicação prática dos critérios. Constatou-se que o STJ afastou a aplicação automática da definição de insumo do IPI, consolidando os critérios de essencialidade e relevância. Entretanto, a análise dos julgados do CARF evidenciou que, embora houvesse reconhecimento formal do precedente do STJ, sua incidência foi modulada conforme a natureza da atividade empresarial, mostrando-se mais restritiva para empresas de revenda. Os casos concretos ilustraram que creditamentos de fretes foram tratados de forma distinta, dependendo da vinculação do gasto à produção ou à revenda. Concluiu-se que a definição de insumos permanece um ponto sensível do sistema tributário, e a correta utilização dos créditos demanda análise casuística rigorosa, pautada na observância dos precedentes judiciais e dos limites normativos vigentes, para evitar glosas e penalidades.

Palavras-chave: COFINS; Creditamento; Insumos; PIS.

Gestão Tributária

10 de setembro de 2026

Fiscalização Delegada do ITR: Desestímulo aos Convênios, Reflexos na Arrecadação e Desinteresse Processual da União

O Imposto Territorial Rural (ITR), de competência da União, pode ter sua fiscalização e cobrança delegadas aos Municípios e ao Distrito Federal. Este trabalho examinou a adesão municipal a esses convênios e o impacto na arrecadação, analisou se os entraves processuais para os Municípios remeterem demandas aos órgãos federais desestimulavam a celebração de acordos, e avaliou o interesse processual da União em litígios de ITR sob delegação, à luz da Teoria Eclética da Ação, bem como a efetividade da diretriz constitucional de desestímulo a propriedades improdutivas. A pesquisa utilizou um estudo de caso, com base em dados e relatórios oficiais da Receita Federal do Brasil e referencial doutrinário jurídico. Os resultados indicaram baixa adesão municipal aos convênios, com quase 75% dos municípios sem acordo. A arrecadação do ITR, mesmo integralmente repassada, não justificou os investimentos municipais, e a manutenção da atuação processual pela União desestimulou a continuidade dos ajustes. Verificou-se que a União carecia de interesse processual nessas demandas, dada a ínfima representatividade do ITR na arrecadação federal e a ausência de proveito econômico-financeiro, o que impediu o cumprimento efetivo da diretriz constitucional de desestímulo à improdutividade rural. Concluiu-se que são necessárias modificações legislativas para que o ITR alcance seus objetivos de arrecadação e função social.

Palavras-chave: Arrecadação; Eficiência; Fiscalização; ITR; Municípios.

10 de setembro de 2026

Governança de Dados e Risco Financeiro no Setor Florestal: Evidências Empíricas em Perspectiva Brasil-Finlândia

A fragmentação informacional no setor florestal brasileiro constituiu o ponto de partida desta pesquisa, que investigou como a governança de dados impactou a capacidade analítica, o risco financeiro e a competitividade da gestão florestal, por meio de um estudo comparativo entre Brasil e Finlândia. Submeteram-se 332 documentos, incluindo 307 informativos CEPEA/Esalq/USP (2001–2025) e 25 relatórios setoriais (Bracelpa, ABRAF, Ibá, 2003–2025), a um pipeline de extração automatizado baseado em OCR, mineração de texto e expressões regulares, obtendo-se 13.059 registros estruturados. Realizou-se análise de sensibilidade do Valor Presente Líquido (VPL) e análise de sentimento léxica. Apenas 12,1% dos registros de custo continham Custo Operacional Efetivo preenchido, e nenhum apresentou margem líquida calculável. A incerteza nos dados de entrada oscilou o VPL de um projeto florestal em mais de R$ 20.000/ha, evidenciando a distorção da decisão orientada por dados quando a sofisticação algorítmica não substituiu a qualidade dos dados de origem. A análise de sentimento léxica confirmou a transição dos relatórios setoriais brasileiros de formato estatístico para promocional. Em contraste, o modelo finlandês demonstrou a viabilidade de uma governança integrada, com o inventário florestal consolidado como pilar de inteligência industrial. Os resultados indicaram que o fortalecimento da governança de dados constituiu pré-requisito para a transição do setor para um sistema de planejamento sustentado por evidências.

Palavras-chave: competitividade; fragmentação informacional; inteligência artificial; soberania digital; tomada de decisão.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade