🤫Muita gente usa IA, mas não admite
Ethan Mollick, professor da Wharton e um dos pesquisadores mais respeitados sobre o impacto da IA no trabalho, jogou uma verdade inconveniente: muita gente que diz "nunca usar IA" está, na verdade, usando escondido. --- O fenômeno faz sentido quando você para para pensar. Em ambientes onde usar IA é visto como "trapaça" ou sinal de incompetência, as pessoas simplesmente não contam. É parecido com o que aconteceu com o Google nos anos 2000: todo mundo pesquisava, mas ninguém admitia que não sabia a resposta de cabeça. O estigma vai desaparecer, mas por enquanto cria uma distorção: as pesquisas de adoção provavelmente subestimam o uso real de IA no trabalho.
Ethan Mollick, professor da Wharton e um dos pesquisadores mais respeitados sobre o impacto da IA no trabalho, jogou uma verdade inconveniente: muita gente que diz "nunca usar IA" está, na verdade, usando escondido.
— @emollick View on X
O uso real de inteligência artificial no ambiente corporativo é significativamente maior do que indicam as pesquisas oficiais. Ethan Mollick, professor da Wharton e referência em estudos sobre automação e trabalho, identificou um padrão recorrente: profissionais que declaram publicamente nunca usar ferramentas como ChatGPT, Claude ou GitHub Copilot estão, na prática, incorporando essas tecnologias aos seus fluxos diários de forma oculta.
O estigma da "trapaça" profissional
O comportamento segue uma lógica compreensível. Em departamentos onde o uso de IA generativa ainda é interpretado como atalho intelectual ou sinal de incompetência técnica, a admissão pública do uso dessas ferramentas torna-se arriscada para a carreira. A dinâmica lembra o cenário dos anos 2000, quando profissionais recorriam ao Google para resolver dúvidas técnicas, mas evitavam admitir que não dominavam o tema de cabeça. O resultado é uma cultura de adoção sombria (shadow adoption), onde LLMs e assistentes de código operam nas camadas invisíveis da stack tecnológica das empresas.
A distorção nos dados de mercado
Essa discrepância entre declaração e prática cria um problema sério para gestores e pesquisadores. Pesquisas quantitativas sobre adoção de IA no workplace tendem a subestimar a penetração real dessas tecnologias, comprometendo análises de mercado e projeções de produtividade.