REGISTRO DOI: 10.70773/revistatopicos/793249820
RESUMO
A incorporação de tecnologias digitais e sistemas de inteligência artificial aos processos organizacionais modificou atividades tradicionalmente associadas à gestão de pessoas, alcançando recrutamento, seleção, desenvolvimento profissional, avaliação de desempenho, comunicação interna e tomada de decisão. Este artigo analisou as implicações dessas mudanças para a liderança, para a formação de competências profissionais e para as relações de trabalho. A pesquisa foi de natureza qualitativa, com abordagem exploratória e descritiva, desenvolvida mediante pesquisa bibliográfica em estudos científicos e documentos institucionais relacionados à gestão de pessoas, transformação digital, inteligência artificial, liderança e mercado de trabalho. A análise demonstrou que a utilização da inteligência artificial pode ampliar a capacidade de tratamento de informações, apoiar decisões e reduzir tarefas operacionais, mas não elimina a necessidade de julgamento profissional, comunicação, responsabilidade gerencial e compreensão das particularidades humanas presentes nas organizações. Também foram identificados riscos relacionados à opacidade algorítmica, reprodução de vieses, vigilância excessiva, privacidade, perda de autonomia e uso inadequado de indicadores na avaliação dos trabalhadores. Constatou-se que a liderança digital exige competências que combinam conhecimento tecnológico, capacidade analítica, pensamento crítico, comunicação, aprendizagem contínua e responsabilidade ética. Conclui-se que a gestão de pessoas na era digital depende menos da simples adoção de ferramentas e mais da capacidade organizacional de integrar tecnologia, desenvolvimento profissional e critérios transparentes de governança, preservando a participação humana em decisões que produzam consequências relevantes para os trabalhadores.
Palavras-chave: Gestão De Pessoas; Inteligência Artificial; Liderança Digital; Competências Profissionais; Relações De Trabalho.
ABSTRACT
The incorporation of digital technologies and artificial intelligence systems into organizational processes has changed activities traditionally associated with people management, including recruitment, selection, professional development, performance evaluation, internal communication and decision making. This article analyzed the implications of these changes for leadership, professional competency development and labor relations. The study adopted a qualitative, exploratory and descriptive approach based on bibliographic research involving scientific studies and institutional documents related to people management, digital transformation, artificial intelligence, leadership and the labor market. The analysis showed that artificial intelligence can expand information processing capacity, support decisions and reduce operational tasks, but it does not eliminate the need for professional judgment, communication, managerial accountability and an understanding of the human particularities found within organizations. Risks associated with algorithmic opacity, reproduction of bias, excessive surveillance, privacy, loss of autonomy and inappropriate use of indicators in worker evaluation were also identified. The findings indicate that digital leadership requires competencies combining technological knowledge, analytical ability, critical thinking, communication, continuous learning and ethical responsibility. It is concluded that people management in the digital age depends less on the simple adoption of tools and more on the organizational capacity to integrate technology, professional development and transparent governance criteria while preserving meaningful human participation in decisions that have significant consequences for workers.
Keywords: People Management; Artificial Intelligence; Digital Leadership; Professional Competencies; Labor Relations.
INTRODUÇÃO
A expansão das tecnologias digitais alterou a estrutura das organizações e modificou a maneira como atividades administrativas são planejadas, executadas e avaliadas. Sistemas integrados, plataformas colaborativas, análise de dados e inteligência artificial passaram a participar de processos que anteriormente dependiam quase integralmente da intervenção humana. A mudança alcançou a gestão de pessoas porque decisões relacionadas à contratação, à distribuição de atividades, ao desenvolvimento profissional e ao desempenho passaram a contar com informações produzidas por sistemas capazes de processar grandes conjuntos de dados. Essa realidade não significa apenas a informatização de rotinas existentes. Trata-se de uma alteração que alcança relações de autoridade, critérios de decisão e expectativas sobre as competências requeridas dos trabalhadores.
Vial (2019) compreende a transformação digital como um processo associado às mudanças provocadas pelas tecnologias digitais nas estruturas, nas formas de criação de valor e nas respostas estratégicas das organizações. Sob essa perspectiva, a adoção tecnológica não pode ser analisada como um procedimento exclusivamente operacional. Uma organização pode adquirir soluções avançadas e, ainda assim, manter estruturas pouco preparadas para aproveitar seus recursos. A mudança depende da articulação entre tecnologias, processos, cultura, pessoas e objetivos organizacionais. Essa característica torna a gestão de pessoas especialmente relevante, pois são os trabalhadores que interpretam, utilizam e incorporam os recursos tecnológicos ao cotidiano profissional.
A digitalização da gestão de pessoas também ampliou a quantidade de informações disponíveis sobre candidatos e empregados. Plataformas de recrutamento, registros de desempenho, sistemas de aprendizagem corporativa e mecanismos de acompanhamento de produtividade passaram a gerar dados que podem auxiliar decisões gerenciais. Strohmeier (2020) observa que a gestão digital de recursos humanos não corresponde apenas à substituição de documentos físicos por registros eletrônicos. O fenômeno envolve mudanças nas formas pelas quais as atividades de gestão de pessoas são organizadas e executadas, incluindo os atores participantes e as tecnologias utilizadas. A diferença é relevante porque uma alteração tecnológica aparentemente simples pode modificar responsabilidades, autonomia e relações entre gestores e equipes.
A inteligência artificial aprofundou esse processo ao permitir a utilização de modelos capazes de classificar informações, identificar padrões, gerar conteúdos e produzir recomendações. Na gestão de pessoas, tais aplicações podem auxiliar a triagem de currículos, a identificação de necessidades de capacitação, a análise de indicadores e a organização de informações para decisões sobre talentos. Palos-Sánchez et al. (2022) identificaram crescimento expressivo do interesse científico sobre a associação entre inteligência artificial e gestão de recursos humanos, demonstrando que o tema passou a ocupar posição relevante nas discussões sobre as organizações contemporâneas. O avanço, porém, também trouxe questões relacionadas à qualidade dos dados, à transparência e às consequências das decisões automatizadas.
Tambe, Cappelli e Yakubovich (2019) chamam atenção para a distância que pode existir entre as promessas atribuídas à inteligência artificial e sua utilização efetiva na gestão de pessoas. Decisões sobre indivíduos envolvem fatores que nem sempre podem ser reduzidos a variáveis quantitativas. Desempenho profissional, potencial de desenvolvimento, capacidade de cooperação e adequação a determinada atividade possuem dimensões contextuais que podem ser mal interpretadas quando avaliadas apenas por sistemas automatizados. Além disso, dados históricos utilizados para treinar ou orientar algoritmos podem reproduzir padrões organizacionais inadequados, levando a decisões aparentemente objetivas que conservam desigualdades anteriores.
A presença de sistemas inteligentes também modifica o conteúdo de várias ocupações. Algumas tarefas repetitivas podem ser automatizadas, enquanto outras passam a ser realizadas pela combinação entre conhecimento humano e capacidade computacional. Raisch e Krakowski (2021) discutem essa relação a partir da tensão entre automação e ampliação das capacidades humanas. Os autores demonstram que as duas possibilidades não devem ser tratadas como alternativas completamente separadas, pois a mesma tecnologia pode automatizar parte de um trabalho e, ao mesmo tempo, exigir maior intervenção humana em outras etapas. Essa situação modifica o debate sobre emprego, pois a questão deixa de envolver somente a substituição de trabalhadores e passa a abranger a reorganização das tarefas.
Gmyrek, Berg e Bescond (2023) analisaram a exposição das ocupações à inteligência artificial generativa e observaram maior probabilidade de transformação das atividades do que de automação integral de grande parte das profissões. Essa constatação reforça a necessidade de discutir competências profissionais. Quando uma tecnologia assume atividades rotineiras, o valor do trabalho humano tende a concentrar-se em capacidades que envolvem interpretação, relacionamento, responsabilidade, criatividade e decisão diante de situações que não possuem respostas inteiramente padronizadas. A preparação profissional, portanto, não pode limitar-se ao aprendizado técnico de uma ferramenta específica, pois as próprias ferramentas passam por alterações constantes.
O mercado de trabalho apresenta sinais dessa mudança. O World Economic Forum (2025) aponta que empregadores esperam alterações relevantes nas competências necessárias ao trabalho até 2030, atribuindo importância crescente a inteligência artificial e dados, conhecimentos tecnológicos, pensamento criativo, resiliência, flexibilidade e aprendizagem contínua. A combinação entre capacidades técnicas e humanas mostra que a qualificação profissional não segue uma lógica de substituição simples. O domínio de sistemas digitais adquire maior valor quando acompanhado da capacidade de analisar resultados, identificar limitações e tomar decisões adequadas ao contexto.
Esse cenário também modifica a liderança. A autoridade formal permanece presente nas organizações, mas o trabalho mediado por plataformas digitais exige gestores capazes de coordenar equipes distribuídas, interpretar dados, promover aprendizagem e estabelecer critérios de utilização das tecnologias. López-Figueroa et al. (2025) destacam que a liderança digital envolve capacidades que ultrapassam o conhecimento técnico, pois sua efetividade depende também de competências humanas e organizacionais. O líder precisa compreender os recursos tecnológicos disponíveis sem reduzir sua atuação à administração de sistemas.
A liderança adquire outra dimensão quando algoritmos participam das decisões gerenciais. Sistemas podem indicar candidatos, sugerir avaliações, prever tendências ou gerar relatórios, mas a responsabilidade pelas consequências das decisões permanece vinculada à organização e aos agentes que as autorizam. Delegar a um sistema a análise inicial de informações não elimina a necessidade de verificar os critérios utilizados. Em processos que afetam contratação, promoção, remuneração ou desligamento, a ausência de supervisão adequada pode produzir danos profissionais e comprometer a confiança dos trabalhadores.
Kellogg, Valentine e Christin (2020) demonstram que sistemas algorítmicos também podem assumir funções de controle no ambiente de trabalho. A tecnologia permite registrar comportamentos, estabelecer classificações, recomendar atividades e acompanhar resultados em uma escala anteriormente inviável. Esses recursos podem auxiliar o planejamento, mas seu uso excessivo altera a experiência profissional quando o trabalhador percebe que todas as suas atividades são transformadas em indicadores. A gestão baseada em dados precisa distinguir acompanhamento legítimo de desempenho e vigilância desproporcional.
A questão da confiança é central porque as relações de trabalho não dependem apenas do contrato formal. A disposição para compartilhar conhecimento, cooperar com colegas, comunicar erros e participar de mudanças está associada à percepção de justiça e previsibilidade. Quando decisões importantes são atribuídas a modelos que os trabalhadores não compreendem, surge uma assimetria adicional. O empregado pode ser avaliado por critérios que não conhece e ter dificuldade para questionar resultados produzidos por um sistema. A transparência, nesse caso, assume importância gerencial e não apenas técnica.
Jarrahi (2018) sustenta que a relação entre seres humanos e inteligência artificial pode ser compreendida pela complementaridade. Sistemas computacionais apresentam vantagens no processamento de grandes volumes de informação, enquanto pessoas possuem capacidades relacionadas à compreensão contextual, à interpretação de ambiguidades e ao julgamento diante de situações incertas. Essa complementaridade é especialmente importante na gestão de pessoas porque problemas organizacionais raramente apresentam apenas uma dimensão técnica. Uma decisão pode ser estatisticamente justificável e, mesmo assim, produzir efeitos inadequados quando aspectos sociais ou profissionais são ignorados.
A inteligência artificial generativa ampliou ainda mais o alcance dessa discussão. Sistemas capazes de produzir textos, resumir documentos, responder perguntas e apoiar análises podem participar de atividades administrativas, comunicação e aprendizagem corporativa. Budhwar et al. (2023) observam que a inteligência artificial generativa cria possibilidades para a gestão de recursos humanos, mas também amplia preocupações relacionadas à ética, ao bem-estar, à privacidade, à qualidade da informação e ao futuro do trabalho. O uso desses sistemas exige políticas internas capazes de determinar quais informações podem ser processadas e em quais situações a validação humana é indispensável.
A gestão de pessoas precisa acompanhar a transformação sem considerar a tecnologia como finalidade. A eficiência operacional é importante, porém sua busca não deve comprometer a qualidade das decisões ou converter relações profissionais em simples resultados de modelos preditivos. Malik, Budhwar e Kazmi (2023) argumentam que a adoção de inteligência artificial na gestão de recursos humanos precisa ser compreendida estrategicamente, considerando resultados organizacionais e efeitos sobre os empregados. A existência de uma ferramenta tecnicamente eficiente não determina, por si só, que sua utilização será adequada.
A problemática que orientou este estudo foi formulada a partir da seguinte questão: de que maneira a transformação digital e a incorporação da inteligência artificial modificam a liderança, as competências profissionais e as relações de trabalho no campo da gestão de pessoas? A questão considera que os efeitos tecnológicos não são homogêneos e dependem das condições organizacionais em que os sistemas são inseridos. A mesma tecnologia pode apoiar profissionais em uma organização e intensificar controle ou insegurança em outra, conforme as práticas de gestão adotadas.
O objetivo geral consistiu em analisar os impactos da transformação digital e da inteligência artificial sobre a gestão de pessoas, considerando liderança, competências profissionais e relações de trabalho. Como objetivos específicos, buscou-se compreender as mudanças produzidas pela digitalização das práticas de gestão de pessoas, identificar competências profissionais relacionadas ao trabalho em ambientes tecnologicamente mediados, examinar o papel da liderança na implantação de sistemas inteligentes e discutir riscos éticos e organizacionais relacionados ao uso de algoritmos nas decisões que afetam trabalhadores.
A relevância do estudo decorre da presença crescente da inteligência artificial em diferentes setores e do fato de que sua adoção não se restringe às áreas de tecnologia da informação. Gestores, supervisores, profissionais de recursos humanos e trabalhadores de diversas especialidades interagem com sistemas capazes de sugerir decisões ou automatizar partes de suas atividades. A discussão interessa à Administração porque envolve desenho organizacional, produtividade, comportamento humano, governança, competências, liderança e responsabilidade gerencial.
A análise proposta parte da compreensão de que a tecnologia não possui efeitos previamente determinados. Seus resultados são influenciados pela maneira como as organizações estabelecem metas, distribuem responsabilidades, capacitam pessoas e avaliam consequências. Verhoef et al. (2021) destacam que a transformação digital demanda mudanças nas capacidades organizacionais e pode afetar estruturas e formas de mensuração do desempenho. Assim, compreender a gestão de pessoas na era digital exige analisar simultaneamente recursos tecnológicos e escolhas administrativas.
METODOLOGIA
A pesquisa foi desenvolvida por meio de abordagem qualitativa, com finalidade exploratória e descritiva. A escolha desse delineamento decorreu da necessidade de compreender relações entre transformação digital, gestão de pessoas, liderança, competências profissionais e inteligência artificial sem reduzir o fenômeno a uma única variável. A investigação concentrou-se na interpretação de estudos científicos e documentos institucionais que examinam mudanças recentes nas organizações e no mercado de trabalho.
O procedimento adotado foi a pesquisa bibliográfica. Foram utilizados artigos científicos publicados em periódicos das áreas de Administração, gestão de recursos humanos, comportamento organizacional, sistemas de informação e estudos do trabalho. Também foram considerados relatórios produzidos por organismos e instituições com atuação reconhecida na análise do mercado de trabalho, especialmente o estudo de Gmyrek, Berg e Bescond (2023) no âmbito da Organização Internacional do Trabalho (OIT), além de publicações da Organização para a Cooperação e Desenvolvimento Econômico (OECD, 2023) e do World Economic Forum (2025).
A seleção das publicações considerou aderência temática, consistência acadêmica, relação direta com os objetivos do artigo e capacidade de contribuir para ao menos um dos eixos analíticos definidos. Foram priorizados estudos que abordassem gestão digital de pessoas, inteligência artificial aplicada aos recursos humanos, liderança digital, automação, competências profissionais, controle algorítmico e impactos da inteligência artificial sobre as ocupações. Trabalhos anteriores ao período de expansão recente da inteligência artificial foram mantidos quando apresentavam fundamentos necessários à compreensão do fenômeno atual.
A busca bibliográfica utilizou combinações de descritores em português e inglês relacionados a gestão de pessoas, inteligência artificial, gestão digital de recursos humanos, liderança digital, competências profissionais, trabalho, algoritmos, automação e inteligência artificial generativa. A identificação das obras foi complementada pela consulta aos dados bibliográficos disponibilizados pelos próprios periódicos e instituições responsáveis pelas publicações. Foram excluídos materiais sem identificação de autoria, textos promocionais, conteúdos opinativos sem fundamentação e documentos que não apresentavam relação direta com o problema investigado.
Após a seleção, as publicações foram submetidas à leitura analítica. As informações foram organizadas em quatro categorias: digitalização da gestão de pessoas, liderança em ambientes mediados por tecnologia, desenvolvimento de competências profissionais e desafios da inteligência artificial nas relações de trabalho. A categorização permitiu comparar interpretações presentes em estudos distintos e observar convergências, tensões e lacunas existentes na literatura.
A análise foi conduzida por síntese interpretativa. Não foram realizadas inferências estatísticas nem generalizações quantitativas, pois o objetivo consistiu em compreender os argumentos e evidências apresentados pela literatura selecionada. Foram observados aspectos relacionados à utilização da inteligência artificial, efeitos sobre atividades profissionais, competências requeridas, critérios de decisão, autonomia, transparência, privacidade, controle e responsabilidade gerencial.
Por utilizar fontes bibliográficas e documentos de acesso público, a pesquisa não envolveu diretamente participantes humanos nem realizou coleta de informações pessoais. As considerações éticas concentraram-se na adequada atribuição das ideias aos autores consultados, na preservação do sentido das pesquisas originais e na distinção entre evidências apresentadas pelas fontes e interpretações elaboradas neste estudo.
Como limitação metodológica, reconhece-se que a velocidade das mudanças tecnológicas pode fazer com que aplicações e práticas organizacionais se desenvolvam mais rapidamente do que a literatura científica submetida aos processos convencionais de publicação. A pesquisa também não pretendeu realizar uma revisão sistemática exaustiva de todas as publicações sobre inteligência artificial e gestão de pessoas. Seu propósito foi construir uma análise bibliográfica fundamentada, capaz de relacionar contribuições relevantes de diferentes abordagens para responder à questão proposta.
DESENVOLVIMENTO
A digitalização da gestão de pessoas e a mudança do papel organizacional
A gestão de pessoas passou por sucessivas mudanças à medida que as organizações incorporaram sistemas digitais às suas rotinas. Atividades administrativas como controle de registros, processamento de informações e organização documental foram algumas das primeiras a receber apoio tecnológico. Posteriormente, plataformas integradas passaram a reunir informações de recrutamento, remuneração, desempenho, desenvolvimento e movimentação profissional. O resultado foi a formação de ambientes nos quais decisões sobre trabalhadores podem ser apoiadas por grande quantidade de informações acumuladas durante sua trajetória na organização.
Strohmeier (2020) argumenta que a gestão digital de recursos humanos precisa ser diferenciada da simples digitalização documental. O caráter digital aparece quando tecnologias participam da configuração das atividades e alteram formas de execução, interação e distribuição das responsabilidades. Esse entendimento impede que a transformação seja avaliada somente pela quantidade de sistemas instalados. Uma organização pode manter processos burocráticos pouco eficientes mesmo utilizando plataformas sofisticadas, enquanto outra pode empregar recursos relativamente simples para promover mudanças relevantes na circulação das informações.
A utilização de dados ampliou a possibilidade de examinar padrões relacionados à força de trabalho. Indicadores podem auxiliar na identificação de rotatividade, absenteísmo, necessidades de qualificação e diferenças de desempenho. Marler e Boudreau (2017) observam que a análise de recursos humanos apresenta potencial para apoiar decisões fundamentadas em evidências, mas sua contribuição depende de qualidade metodológica e da capacidade da organização de estabelecer relações válidas entre dados e problemas gerenciais. A presença de grande quantidade de informação não garante, portanto, uma decisão melhor.
Esse ponto é particularmente importante porque a facilidade de produzir indicadores pode criar a impressão de precisão. Uma métrica apresenta aparência objetiva, mas sempre resulta de escolhas sobre o que registrar, como calcular e qual significado atribuir ao resultado. Quando essas escolhas não são discutidas, existe o risco de converter aspectos complexos do trabalho em medidas simplificadas. Colaboração, capacidade de orientar colegas, criatividade e contribuição para o clima da equipe, por exemplo, podem ser difíceis de representar por indicadores isolados.
A inteligência artificial acrescenta outra camada ao processo porque sistemas podem não apenas organizar dados, mas também gerar classificações e recomendações. Palos-Sánchez et al. (2022) mostram que as aplicações de inteligência artificial na gestão de recursos humanos se tornaram um campo de pesquisa crescente, com atenção a áreas como recrutamento, seleção e análise de pessoas. Esse avanço pode reduzir etapas manuais e ampliar a capacidade de examinar informações, mas também exige avaliação sobre a adequação do uso em cada atividade.
No recrutamento, uma ferramenta pode auxiliar a organizar candidaturas e localizar requisitos presentes nos currículos. O benefício é evidente quando há grande quantidade de candidatos. A dificuldade surge quando filtros automatizados passam a excluir pessoas com base em critérios inadequados ou em correlações que não representam efetivamente a capacidade profissional. Tambe, Cappelli e Yakubovich (2019) destacam que fenômenos relacionados aos recursos humanos apresentam complexidade elevada e nem sempre oferecem conjuntos de dados adequados aos métodos empregados pela inteligência artificial.
Um modelo treinado com dados históricos pode aprender características das decisões anteriores. Caso a organização tenha apresentado padrões de seleção ou promoção desfavoráveis a determinados grupos, a tecnologia poderá reproduzir tais padrões sem que exista uma regra explicitamente discriminatória em sua programação. A automatização, nesse caso, não elimina o problema, mas pode torná-lo menos visível. A aparente neutralidade técnica dificulta a identificação de escolhas incorporadas ao sistema.
Chowdhury et al. (2023) defendem que a geração de valor por meio da inteligência artificial em recursos humanos requer capacidades organizacionais específicas. Isso envolve conhecimentos, recursos, estratégia, governança e condições para colaboração entre trabalhadores e sistemas inteligentes. A adoção tecnológica precisa ser acompanhada de capacidade para interpretar os resultados e reconhecer situações em que o sistema não deve definir a decisão.
A área de gestão de pessoas passa, portanto, a exercer uma função que combina conhecimento sobre trabalhadores e compreensão dos sistemas utilizados pela organização. O profissional não precisa necessariamente dominar a programação do algoritmo, mas deve compreender sua finalidade, as informações utilizadas, suas limitações e os possíveis efeitos sobre as pessoas. A competência para questionar resultados passa a ser tão importante quanto a capacidade de operar a ferramenta.
A digitalização também permite que trabalhadores tenham acesso direto a serviços anteriormente intermediados pela área de recursos humanos. Plataformas de autoatendimento possibilitam consultar documentos, registrar solicitações, realizar treinamentos e atualizar dados. Essas soluções podem reduzir atividades administrativas e liberar profissionais para tarefas de maior complexidade. Por outro lado, processos excessivamente automatizados podem reduzir oportunidades de diálogo quando situações individuais não se enquadram nas opções disponibilizadas pelo sistema.
A qualidade da gestão digital depende, assim, do equilíbrio entre padronização e possibilidade de tratamento contextual. Existem processos que se beneficiam da uniformidade, especialmente tarefas repetitivas com critérios objetivos. Outros dependem de interpretação e escuta. A utilização do mesmo grau de automação para todos os problemas pode transformar eficiência operacional em rigidez administrativa.
Verhoef et al. (2021) associam a transformação digital ao desenvolvimento de capacidades organizacionais e a mudanças mais amplas na estrutura empresarial. Essa interpretação ajuda a compreender por que a gestão de pessoas precisa participar das decisões tecnológicas desde as etapas iniciais. Sistemas que alteram atividades, distribuição de tarefas ou critérios de desempenho produzem efeitos sobre o trabalho e não deveriam ser tratados exclusivamente como projetos de tecnologia da informação.
Liderança na Era Digital
A liderança ocupa posição decisiva nos processos de mudança tecnológica porque a forma como os gestores apresentam, utilizam e avaliam uma tecnologia influencia sua aceitação. A implantação de novos sistemas pode ser percebida como oportunidade de desenvolvimento ou como mecanismo de intensificação do controle. Essa diferença não decorre apenas das características técnicas da ferramenta, mas da forma como objetivos, limites e responsabilidades são comunicados.
López-Figueroa et al. (2025) identificam transformação digital, digitalização, tecnologias de informação, equipes virtuais e criatividade entre os temas associados à liderança digital. A literatura analisada pelos autores evidencia que liderar em ambientes digitais não equivale a possuir apenas habilidades tecnológicas. A capacidade de desenvolver relações, orientar equipes, promover aprendizagem e administrar mudanças continua sendo necessária.
Um gestor que utiliza dados precisa ser capaz de interpretá-los. Essa competência envolve reconhecer que indicadores não explicam sozinhos os fenômenos organizacionais. Uma taxa elevada de rotatividade, por exemplo, pode estar relacionada à remuneração, à liderança, às condições de trabalho, às oportunidades profissionais ou à combinação desses fatores. Um sistema pode indicar uma correlação sem estabelecer adequadamente a causa do problema. A liderança precisa evitar que uma recomendação automatizada seja convertida em decisão apenas porque foi produzida por uma ferramenta avançada.
Jarrahi (2018) propõe compreender a interação entre pessoas e inteligência artificial pela complementaridade das capacidades. Sistemas possuem vantagens no processamento de grandes volumes de informação e na identificação de padrões, enquanto seres humanos lidam melhor com ambiguidade, contextualização e julgamento social. A aplicação desse princípio à liderança indica que sistemas podem ampliar a base informacional da decisão sem substituir a responsabilidade do gestor.
A presença da inteligência artificial pode alterar inclusive a percepção de autoridade. Se trabalhadores recebem tarefas, metas ou avaliações determinadas por plataformas, parte da função tradicionalmente exercida por supervisores passa a ser mediada por sistemas. Kellogg, Valentine e Christin (2020) mostram que algoritmos podem participar do direcionamento, da avaliação e do controle do trabalho. A autoridade gerencial não desaparece, mas pode tornar-se menos visível quando regras são incorporadas ao funcionamento de plataformas.
Essa mediação exige cuidado porque o trabalhador precisa compreender quem responde pelas decisões. A expressão “o sistema decidiu” representa uma fragilidade gerencial quando utilizada para encerrar questionamentos. Sistemas não possuem responsabilidade moral ou administrativa. Foram selecionados, configurados e autorizados por pessoas e organizações. A liderança precisa assumir a responsabilidade pelas ferramentas utilizadas sob sua gestão e estabelecer mecanismos para revisão de resultados contestados.
Outro aspecto refere-se à confiança. Mudanças tecnológicas costumam gerar dúvidas sobre estabilidade profissional, avaliação e alteração de funções. Quando gestores evitam esclarecer esses temas, informações incompletas podem ampliar insegurança. Arslan et al. (2022) destacam desafios associados à interação entre inteligência artificial e trabalhadores, especialmente no nível das equipes. A gestão de recursos humanos possui papel importante na construção de estratégias que permitam essa interação sem desconsiderar fatores psicológicos e relacionais.
O líder digital precisa comunicar não apenas os benefícios esperados de uma tecnologia, mas também suas limitações. Uma comunicação baseada exclusivamente em promessas de eficiência pode gerar frustração quando dificuldades surgem. Reconhecer limites aumenta a credibilidade do processo e abre espaço para que trabalhadores comuniquem erros, resultados inadequados ou situações não previstas pela ferramenta.
A participação dos empregados pode contribuir para a qualidade da implementação. Trabalhadores que executam determinada atividade acumulam conhecimento sobre exceções, dificuldades e particularidades do processo. A inclusão dessas pessoas na implantação ajuda a identificar problemas que podem não ser percebidos por quem observa a tarefa apenas pelos indicadores. Tambe, Cappelli e Yakubovich (2019) ressaltam a importância da participação dos trabalhadores como parte das respostas aos desafios de utilização de inteligência artificial em recursos humanos.
A liderança também precisa administrar a distribuição dos benefícios obtidos pela automação. Se uma ferramenta reduz o tempo necessário para determinada atividade, a organização pode utilizar esse ganho para qualificar tarefas, reduzir sobrecarga ou ampliar capacidade produtiva. Caso o ganho resulte apenas na intensificação permanente das metas, a percepção dos trabalhadores tende a ser diferente. A gestão tecnológica envolve, portanto, escolhas sobre produtividade e condições de trabalho.
A capacidade de aprendizagem tornou-se outra responsabilidade da liderança. Sistemas digitais são atualizados com frequência e funções profissionais podem mudar antes mesmo que descrições formais de cargo sejam revisadas. O gestor precisa identificar lacunas de conhecimento e criar condições para que a equipe aprenda durante a mudança. Treinamentos pontuais são importantes, porém insuficientes quando as tecnologias se modificam continuamente.
A liderança digital também requer sensibilidade para reconhecer diferentes níveis de familiaridade com a tecnologia. Equipes são formadas por profissionais com trajetórias distintas. Presumir que todos aprendam no mesmo ritmo pode gerar exclusão e perda de conhecimento organizacional. Programas de capacitação precisam considerar experiências anteriores e oferecer apoio compatível com as necessidades dos trabalhadores.
Em ambientes com inteligência artificial generativa, o papel do gestor passa a incluir definição de regras de uso. Informações confidenciais, dados de clientes e documentos internos não devem ser inseridos indiscriminadamente em sistemas externos. Budhwar et al. (2023) chamam atenção para riscos relacionados à privacidade, à ética e à qualidade das informações produzidas por ferramentas generativas. A liderança precisa transformar essas preocupações em práticas compreensíveis para as equipes.
Competências Profissionais Diante da Inteligência Artificial
A incorporação da inteligência artificial modifica a discussão sobre qualificação porque parte das tarefas cognitivas rotineiras também pode ser apoiada por sistemas. Redação inicial de documentos, organização de informações, geração de resumos, classificação de registros e produção de análises preliminares são exemplos de atividades que passaram a contar com recursos automatizados. Isso não elimina a necessidade do trabalhador, mas modifica o tipo de contribuição que se espera dele.
O World Economic Forum (2025) identificou inteligência artificial e grandes volumes de dados entre as competências de crescimento mais rápido, acompanhadas de alfabetização tecnológica. O relatório também destaca pensamento criativo, resiliência, flexibilidade, agilidade, curiosidade e aprendizagem contínua. A combinação revela que a formação profissional adequada não pode opor capacidades tecnológicas e humanas. Elas se complementam em ambientes nos quais sistemas assumem parte das tarefas de processamento.
Conhecer uma ferramenta é diferente de compreender o problema que ela pretende resolver. Um profissional pode utilizar inteligência artificial para produzir rapidamente um relatório, mas continua responsável por avaliar a consistência das informações, selecionar o que é relevante e interpretar os resultados. A competência digital inclui a capacidade de reconhecer situações nas quais uma resposta produzida automaticamente não deve ser utilizada.
Raisch e Krakowski (2021) demonstram que automação e ampliação das capacidades humanas coexistem. Em determinadas tarefas, a inteligência artificial pode substituir etapas anteriormente executadas manualmente. Em outras, aumenta a capacidade do profissional ao fornecer informações que seriam difíceis de processar individualmente. Essa coexistência cria demanda por competências que permitam dividir adequadamente o trabalho entre pessoas e sistemas.
A capacidade analítica assume importância nesse contexto. Ter acesso a grande quantidade de dados não é suficiente quando o profissional não consegue diferenciar associação de causalidade, identificar informações incompletas ou avaliar a adequação do indicador. A análise precisa ser acompanhada de conhecimento sobre o negócio e sobre o processo específico. Decisões baseadas em dados exigem compreensão da origem e do significado desses dados.
Marler e Boudreau (2017) ressaltam a necessidade de fortalecer evidências na utilização da análise de recursos humanos. A observação é relevante para a formação profissional porque ferramentas analíticas podem facilitar a produção de gráficos, previsões e classificações sem assegurar a validade da interpretação. A competência passa a incluir capacidade de questionamento metodológico.
O pensamento crítico também adquire valor diante da inteligência artificial generativa. Sistemas podem produzir respostas gramaticalmente consistentes mesmo quando a informação contém erros. A fluidez da linguagem não corresponde necessariamente à precisão. Profissionais precisam verificar dados, comparar fontes e reconhecer os limites da utilização de conteúdos gerados automaticamente em decisões organizacionais.
A comunicação continua central. Quanto maior o volume de informações produzido por sistemas, maior a necessidade de selecionar e explicar aquilo que efetivamente importa. Profissionais capazes de traduzir resultados técnicos para diferentes públicos contribuem para decisões mais compreensíveis. Essa capacidade também reduz a distância entre áreas técnicas, gestores e trabalhadores diretamente afetados pela tecnologia.
Competências relacionais mantêm importância porque muitas situações de trabalho dependem de negociação, confiança e empatia. Uma recomendação automatizada pode sugerir determinada distribuição de pessoas em uma equipe, mas não compreende integralmente histórias de conflito, expectativas profissionais ou características da relação entre os integrantes. A gestão dessas situações exige leitura contextual.
A aprendizagem contínua torna-se necessária porque competências técnicas possuem ciclo de atualização relativamente curto. A formação profissional não pode ser organizada apenas pela lógica de aprender uma ferramenta e reproduzir seu funcionamento durante vários anos. É necessário desenvolver capacidade de aprender novas interfaces, compreender conceitos e transferir conhecimentos para situações diferentes.
Gmyrek, Berg e Bescond (2023) indicam que a inteligência artificial generativa tende a transformar tarefas em diversos grupos ocupacionais. Essa perspectiva reforça a importância da requalificação profissional. Se determinadas tarefas diminuem, trabalhadores precisam desenvolver capacidades para assumir outras atividades de maior complexidade ou novas funções criadas pela reorganização tecnológica.
A responsabilidade pela qualificação não deve ser atribuída exclusivamente ao trabalhador. Organizações que adotam tecnologias e modificam funções participam diretamente da criação das novas exigências profissionais. Programas de desenvolvimento precisam acompanhar as mudanças introduzidas pelas empresas, permitindo que trabalhadores tenham oportunidade efetiva de adaptação.
Chowdhury et al. (2023) associam a obtenção de valor por meio da inteligência artificial ao desenvolvimento de capacidades e conhecimentos adequados. Essa interpretação afasta a ideia de que a aquisição de uma ferramenta produz resultados automaticamente. Sem profissionais capacitados para formular problemas, avaliar respostas e integrar resultados ao processo de trabalho, a tecnologia pode ser subutilizada ou empregada de maneira inadequada.
Competências éticas também precisam ser incorporadas à formação. Saber utilizar um sistema não significa saber quando sua utilização é legítima. Profissionais de gestão de pessoas lidam com informações sensíveis sobre candidatos e trabalhadores. A possibilidade técnica de analisar determinado dado não estabelece automaticamente uma justificativa adequada para fazê-lo.
A competência profissional na era digital pode ser compreendida, portanto, como uma composição entre conhecimentos específicos da ocupação, capacidade tecnológica, análise crítica, comunicação, julgamento e aprendizagem. A inteligência artificial altera o peso relativo dessas dimensões, mas não torna dispensáveis os conhecimentos profissionais. Ao contrário, sistemas capazes de gerar respostas rapidamente tornam ainda mais importante saber avaliar a qualidade da resposta.
Inteligência Artificial, Recrutamento e Avaliação Profissional
O recrutamento representa uma das áreas em que a aplicação de inteligência artificial ganhou maior visibilidade. Organizações podem utilizar ferramentas para organizar currículos, relacionar candidatos aos requisitos de vagas, automatizar comunicações e apoiar etapas iniciais de seleção. A redução do trabalho operacional pode permitir que recrutadores dediquem mais tempo à avaliação aprofundada dos candidatos.
Tambe, Cappelli e Yakubovich (2019), contudo, alertam que dados de recursos humanos possuem particularidades que limitam a aplicação direta de métodos desenvolvidos para outros contextos. A quantidade de casos pode ser relativamente pequena e os fenômenos avaliados envolvem fatores difíceis de medir. Um bom desempenho em determinado cargo depende do ambiente, da equipe, da liderança, dos recursos disponíveis e de características da atividade.
O problema torna-se mais relevante quando modelos são utilizados para prever desempenho futuro. Uma associação encontrada nos dados históricos pode resultar de condições específicas e não necessariamente representar uma relação aplicável a todos os candidatos. Características aparentemente preditivas também podem funcionar como aproximações indiretas de fatores que não deveriam influenciar a seleção.
A supervisão humana precisa ir além da simples confirmação da decisão automática. Se o profissional apenas aceita a recomendação do sistema, a presença humana torna-se formal. Uma revisão efetiva exige acesso a informações suficientes para compreender o motivo da classificação, possibilidade de discordar e autonomia para corrigir o resultado.
Na avaliação de desempenho, plataformas permitem acompanhamento mais frequente de indicadores. Isso pode reduzir a dependência de avaliações anuais baseadas na memória do gestor. Entretanto, a disponibilidade de dados não elimina vieses. O próprio conjunto de indicadores escolhido pode favorecer determinados tipos de atividade e deixar outras contribuições invisíveis.
Kellogg, Valentine e Christin (2020) mostram que o controle algorítmico pode combinar registro, classificação, recomendação e recompensa. Em ambientes fortemente mediados por plataformas, o trabalhador pode ajustar seu comportamento aos indicadores medidos pelo sistema. O risco é que a busca pelo melhor resultado mensurável substitua o compromisso com aspectos do trabalho que possuem valor, mas são menos fáceis de quantificar.
Uma gestão de desempenho responsável precisa manter canais para contextualização. Metas não alcançadas podem decorrer de situações fora do controle do trabalhador. Indicadores devem funcionar como elementos da análise, e não como substitutos automáticos do julgamento profissional. Quanto maior a consequência de uma avaliação, maior precisa ser a qualidade do processo de revisão.
Controle Algorítmico, Privacidade e Autonomia
A digitalização ampliou a capacidade de monitorar atividades profissionais. Sistemas podem registrar horários, acessos, produção, comunicação e utilização de recursos corporativos. Parte desse acompanhamento possui finalidade legítima de segurança, qualidade ou gestão. A dificuldade está em determinar limites proporcionais entre a necessidade organizacional e a preservação da autonomia profissional.
Kellogg, Valentine e Christin (2020) descrevem os algoritmos como parte de um novo espaço de disputa sobre controle no trabalho. A capacidade de orientar e avaliar trabalhadores por sistemas altera relações tradicionais entre supervisão e autonomia. Quando o acompanhamento se torna permanente, o trabalhador pode perceber que qualquer ação está sujeita a registro e avaliação.
A vigilância excessiva produz consequências que podem contrariar os próprios objetivos de eficiência. Profissionais podem dedicar energia à aparência de produtividade em vez da qualidade do trabalho. A experimentação e a criatividade também podem diminuir quando erros são permanentemente registrados e interpretados fora de contexto.
A privacidade constitui outro ponto relevante. Sistemas de gestão de pessoas concentram dados pessoais, profissionais e comportamentais. Recursos de inteligência artificial podem ampliar a capacidade de relacionar essas informações e gerar inferências que não estavam presentes nos registros originais. O fato de uma organização possuir determinados dados não significa que todo tipo de análise deva ser realizado.
A governança precisa definir finalidade, acesso e período de utilização das informações. Também deve diferenciar dados realmente necessários de registros coletados apenas porque a tecnologia permite. A acumulação indiscriminada amplia riscos de segurança e pode deteriorar a confiança entre organização e empregados.
Budhwar et al. (2023) apontam privacidade, viés, bem-estar e ética entre as questões relevantes da inteligência artificial generativa para a gestão de recursos humanos. Essas preocupações mostram que a política de utilização precisa considerar o ciclo completo da informação, desde sua entrada no sistema até o uso do resultado.
A autonomia profissional também pode ser afetada quando sistemas prescrevem detalhadamente a execução das tarefas. Recomendações são úteis quando apoiam a decisão, mas podem limitar a capacidade do trabalhador de aplicar experiência e julgamento. Em atividades complexas, a padronização excessiva pode reduzir a qualidade do trabalho ao impedir adaptações necessárias.
Inteligência Artificial e Relações de Trabalho
As relações de trabalho são influenciadas tanto pelos efeitos concretos das tecnologias quanto pelas expectativas criadas em torno delas. A possibilidade de automação pode gerar insegurança mesmo antes de qualquer redução de postos. Quando a organização não comunica seus objetivos, trabalhadores podem interpretar a adoção de inteligência artificial como preparação para substituições futuras.
A OECD (2023) observa que a inteligência artificial possui potencial para produzir efeitos importantes sobre empregos e qualidade do trabalho. O impacto depende da ocupação, da organização das atividades e das políticas adotadas. A análise não deve limitar-se ao número de postos eliminados ou criados, pois mudanças nas tarefas, na intensidade do trabalho, na autonomia e na supervisão também afetam a experiência profissional.
Gmyrek, Berg e Bescond (2023) indicam que a ampliação das capacidades humanas aparece como um efeito relevante da inteligência artificial generativa. A conclusão reduz a utilidade de interpretações que tratam a tecnologia somente como substituta da mão de obra. Mesmo quando empregos permanecem, contudo, o conteúdo das atividades pode mudar profundamente.
A reorganização das tarefas cria questões sobre reconhecimento profissional. Se sistemas passam a executar partes de atividades que anteriormente exigiam especialização, algumas funções podem ser redesenhadas. Ao mesmo tempo, surgem novas responsabilidades relacionadas à verificação, supervisão e integração dos resultados produzidos pela tecnologia.
Arslan et al. (2022) destacam que a interação entre inteligência artificial e trabalhadores precisa ser administrada no nível das equipes. A introdução de tecnologias pode alterar papéis, relações e percepções sobre o valor das contribuições individuais. A gestão precisa considerar esses efeitos para evitar que ganhos técnicos sejam acompanhados por deterioração do ambiente de trabalho.
A resistência à tecnologia não deve ser interpretada automaticamente como incapacidade de adaptação. Trabalhadores podem apresentar preocupações legítimas relacionadas à qualidade, à segurança, à sobrecarga ou à perda de autonomia. Ouvir essas percepções fornece informações úteis para identificar problemas de implementação.
A confiança depende de previsibilidade. Trabalhadores precisam saber em quais decisões a inteligência artificial será utilizada, quais informações serão consideradas e de que maneira poderão contestar resultados. A ausência de mecanismos de revisão transfere poder para processos pouco compreensíveis e enfraquece a percepção de justiça.
A mudança também afeta contratos psicológicos construídos entre indivíduos e organizações. Profissionais que investiram durante anos no desenvolvimento de determinada especialidade podem interpretar a automação de parte de suas tarefas como desvalorização de sua trajetória. Processos de transição precisam reconhecer essa dimensão e oferecer oportunidades reais de desenvolvimento.
A requalificação profissional constitui uma das principais respostas. O World Economic Forum (2025) identifica necessidade expressiva de aprendizagem e atualização das competências ao longo dos próximos anos. Para as empresas, isso significa tratar capacitação como parte da estratégia de transformação e não como responsabilidade periférica da área de treinamento.
Inteligência Artificial Como Apoio, e Não Substituição Automática, da Decisão Gerencial
A discussão sobre inteligência artificial frequentemente oscila entre entusiasmo e receio. De um lado, sistemas são apresentados como capazes de tornar decisões rápidas e precisas. De outro, aparecem previsões de substituição ampla do trabalho humano. A literatura analisada sugere uma realidade mais complexa.
Jarrahi (2018) destaca a possibilidade de simbiose entre inteligência artificial e decisão humana. O valor surge quando capacidades distintas são combinadas. Sistemas analisam volumes elevados de informação, enquanto pessoas interpretam contexto, valores, ambiguidades e consequências. A gestão de pessoas apresenta condições particularmente favoráveis a essa complementaridade porque suas decisões possuem dimensões quantitativas e qualitativas.
Raisch e Krakowski (2021) acrescentam que automação e ampliação não devem ser tratadas como fenômenos independentes. A introdução de inteligência artificial pode automatizar algumas tarefas e aumentar a importância do julgamento humano em outras. A organização precisa identificar quais partes do processo são adequadas à automação e quais exigem intervenção profissional.
Malik, Budhwar e Kazmi (2023) propõem uma compreensão estratégica da gestão de recursos humanos assistida por inteligência artificial. A adoção precisa considerar competências, resultados organizacionais e impactos sobre empregados. Essa perspectiva permite superar decisões guiadas apenas pela disponibilidade de uma nova ferramenta.
A supervisão humana precisa ser proporcional ao risco. Uma aplicação utilizada para organizar documentos pode exigir controles diferentes daqueles necessários para sistemas que recomendam demissões ou avaliam candidatos. Quanto maior a consequência sobre a trajetória profissional de uma pessoa, maior deve ser a possibilidade de compreensão, revisão e responsabilização.
A organização também precisa reconhecer que a inteligência artificial não elimina conflitos de valores. Decisões de gestão envolvem escolhas sobre eficiência, equidade, desenvolvimento e distribuição de oportunidades. Um algoritmo pode executar critérios previamente definidos, mas não determina quais critérios devem orientar a organização.
O papel do gestor, portanto, não diminui. Ele se modifica. Menos tempo pode ser dedicado a tarefas repetitivas, enquanto cresce a necessidade de interpretar informações, administrar exceções e responder pelas consequências das decisões apoiadas por sistemas.
Governança da Inteligência Artificial na Gestão de Pessoas
A incorporação responsável da inteligência artificial requer regras organizacionais claras. A governança precisa definir quais sistemas podem ser utilizados, quais dados podem ser processados, quem possui autoridade para aprovar aplicações e quais procedimentos devem ser adotados diante de erros ou contestações.
Chowdhury et al. (2023) relacionam a capacidade de utilização da inteligência artificial à existência de recursos, conhecimentos e estratégias adequados. A governança integra esse conjunto porque estabelece limites e responsabilidades. Sem ela, diferentes áreas podem adotar ferramentas com critérios incompatíveis, ampliando riscos de segurança e decisões inconsistentes.
A primeira dimensão da governança é a finalidade. A organização precisa justificar o problema que pretende resolver. Utilizar inteligência artificial apenas porque a tecnologia está disponível cria projetos sem critérios claros de avaliação. Uma finalidade definida permite comparar benefícios, custos e riscos.
A segunda dimensão envolve os dados. É necessário conhecer origem, qualidade e adequação das informações utilizadas. Bases incompletas ou historicamente enviesadas podem produzir recomendações inadequadas. O controle da qualidade precisa ocorrer antes da utilização do modelo e continuar durante sua operação.
A terceira dimensão refere-se à transparência. Nem todo trabalhador precisa compreender detalhes matemáticos do sistema, mas pessoas afetadas por decisões relevantes devem receber explicações suficientes sobre os critérios utilizados. Transparência gerencial significa tornar o processo compreensível, inclusive quanto às possibilidades de revisão.
A quarta dimensão envolve responsabilidade. Uma organização não deve transferir a responsabilidade para o fornecedor da tecnologia ou para o próprio sistema. Gestores precisam estar identificados como responsáveis pela adoção, monitoramento e revisão das aplicações utilizadas.
A quinta dimensão corresponde à avaliação contínua. Um sistema que apresentou bons resultados inicialmente pode tornar-se inadequado caso as condições organizacionais mudem. Modelos precisam ser acompanhados e comparados com resultados concretos, inclusive para identificar efeitos não pretendidos.
A sexta dimensão consiste na participação das pessoas afetadas. Trabalhadores podem contribuir para a identificação de problemas e para o aperfeiçoamento dos processos. A participação também reduz a percepção de que a tecnologia é imposta sem consideração pela experiência daqueles que executam o trabalho.
RESULTADOS E DISCUSSÃO
A análise das publicações permitiu identificar quatro resultados principais. O primeiro refere-se à mudança do papel da gestão de pessoas. A digitalização deixou de representar apenas automatização administrativa e passou a integrar decisões sobre recrutamento, desenvolvimento, desempenho e organização do trabalho. Strohmeier (2020) oferece base para compreender essa mudança ao diferenciar os diferentes níveis de incorporação das tecnologias à gestão de recursos humanos. Os estudos analisados indicam que a maturidade digital não pode ser medida somente pelo número de sistemas adotados, mas pela capacidade de integrá-los aos processos e às decisões.
O segundo resultado envolve a liderança. A presença de sistemas de inteligência artificial não reduz a importância da atuação gerencial. Ao contrário, aumenta a necessidade de julgamento, comunicação, mediação e responsabilização. López-Figueroa et al. (2025) mostram que liderança digital associa tecnologia a capacidades humanas e organizacionais. Jarrahi (2018) complementa essa leitura ao demonstrar que pessoas e sistemas possuem capacidades distintas e potencialmente complementares. Os achados indicam que a liderança eficaz não transfere decisões de maneira automática para os algoritmos, mas utiliza suas informações como parte de um processo mais amplo de análise.
O terceiro resultado corresponde às competências profissionais. As fontes apontam para uma combinação crescente entre conhecimento tecnológico e capacidades humanas. World Economic Forum (2025) apresenta inteligência artificial, dados e conhecimentos tecnológicos entre as competências de crescimento mais acelerado, sem reduzir a relevância de pensamento criativo, flexibilidade, resiliência e aprendizagem contínua. Esse resultado é coerente com Raisch e Krakowski (2021), para quem automação e ampliação das capacidades humanas coexistem. A mudança tecnológica tende, portanto, a reorganizar tarefas e a modificar a composição das competências exigidas.
O quarto resultado concentra os principais riscos. Tambe, Cappelli e Yakubovich (2019) destacam desafios relacionados à complexidade dos fenômenos de recursos humanos, limitações dos dados, justiça e reação dos empregados. Kellogg, Valentine e Christin (2020) demonstram que algoritmos podem assumir funções de controle que afetam autonomia e relações de poder. Budhwar et al. (2023) acrescentam preocupações relacionadas a privacidade, ética, bem-estar e qualidade da informação no contexto da inteligência artificial generativa. A convergência entre esses estudos indica que eficiência tecnológica e qualidade da gestão não são necessariamente equivalentes.
Os resultados também permitem questionar a ideia de que a inteligência artificial produzirá efeitos uniformes sobre o trabalho. Gmyrek, Berg e Bescond (2023) mostram que a transformação de tarefas e a ampliação das capacidades humanas constituem resultados relevantes. A OECD (2023) igualmente chama atenção para efeitos sobre empregos e qualidade do trabalho. A consequência administrativa é que cada aplicação deve ser avaliada conforme a atividade, a população afetada e a finalidade do sistema.
A análise sugere que o principal desafio da gestão de pessoas não está em escolher entre utilizar ou rejeitar a inteligência artificial. A questão central consiste em determinar como utilizá-la, em quais processos e sob quais critérios. Sistemas aplicados a tarefas administrativas de baixo risco podem operar com alto grau de automação. Decisões com consequências profissionais significativas precisam de mecanismos mais rigorosos de supervisão, explicação e contestação.
As limitações do estudo decorrem de seu caráter bibliográfico e do ritmo acelerado de desenvolvimento das tecnologias analisadas. Novos modelos, aplicações e formas de integração organizacional podem modificar parte das práticas discutidas. Pesquisas futuras podem ampliar a compreensão por meio de estudos empíricos com empresas que utilizam inteligência artificial em recrutamento, avaliação de desempenho e desenvolvimento de pessoas. Também são necessárias investigações sobre percepção dos trabalhadores, diferenças entre setores, impactos sobre autonomia e efeitos das ferramentas generativas na organização das carreiras.
CONSIDERAÇÕES FINAIS
O estudo analisou a gestão de pessoas na era digital a partir de três dimensões diretamente relacionadas entre si: liderança, competências profissionais e efeitos da inteligência artificial sobre as relações de trabalho. A literatura examinada demonstrou que a incorporação das tecnologias digitais não representa somente modernização de ferramentas administrativas. Ela modifica formas de organizar atividades, produzir informações, avaliar profissionais e distribuir responsabilidades dentro das organizações.
A questão de pesquisa buscou compreender de que maneira a transformação digital e a inteligência artificial modificam a liderança, as competências profissionais e as relações de trabalho. Os resultados permitem afirmar que essas mudanças ocorrem principalmente pela ampliação da capacidade de processamento de informações, pela automação de etapas anteriormente executadas por pessoas e pela participação crescente dos sistemas digitais nas decisões gerenciais. Ao mesmo tempo, o trabalho humano não perde sua relevância, pois interpretação, julgamento contextual, comunicação, criatividade e responsabilidade continuam necessários em situações que envolvem complexidade e consequências para outras pessoas.
O objetivo geral foi alcançado ao identificar que a inteligência artificial pode contribuir para a gestão de pessoas quando utilizada como recurso de apoio e integrada a critérios organizacionais claros. Ferramentas digitais podem reduzir tarefas repetitivas, organizar grandes volumes de informações, identificar padrões e apoiar decisões. A contribuição, entretanto, depende da qualidade dos dados, da finalidade do sistema, da competência dos profissionais e da existência de supervisão humana adequada.
Quanto ao primeiro objetivo específico, relacionado às mudanças produzidas pela digitalização, constatou-se que a gestão de pessoas passou a operar em ambientes com maior produção e circulação de dados. Essa característica ampliou a capacidade analítica, mas também criou risco de excesso de confiança em indicadores. O fato de um fenômeno poder ser medido não significa que sua complexidade esteja representada integralmente pelo indicador. Decisões sobre pessoas exigem contextualização.
Em relação às competências profissionais, a literatura revelou que o avanço da inteligência artificial não reduz a formação necessária ao domínio de ferramentas digitais. Ao contrário, exige combinação entre conhecimentos técnicos e capacidades cognitivas e relacionais. Pensamento crítico, análise de dados, comunicação, criatividade, aprendizagem contínua e capacidade de avaliar limites tecnológicos ganham relevância em ocupações nas quais sistemas passam a executar partes do trabalho.
O desenvolvimento dessas competências precisa ser entendido como responsabilidade compartilhada. Trabalhadores necessitam buscar atualização, mas organizações que introduzem tecnologias e modificam atividades precisam oferecer condições para que essa adaptação ocorra. A requalificação profissional não pode ser utilizada apenas como discurso para transferir ao indivíduo todos os custos da transformação tecnológica.
Quanto à liderança, verificou-se que gestores continuam ocupando posição central mesmo em processos fortemente digitalizados. A existência de recomendações algorítmicas não elimina a necessidade de responsabilização. Líderes precisam compreender a finalidade dos sistemas, reconhecer suas limitações e impedir que decisões relevantes sejam aceitas sem avaliação crítica. Também cabe à liderança comunicar mudanças, criar espaços de participação e assegurar que trabalhadores tenham possibilidade de questionar resultados.
A inteligência artificial pode modificar relações de autoridade quando plataformas assumem funções de distribuição, monitoramento e avaliação das atividades. Essa possibilidade exige atenção para que o uso de dados não se converta em vigilância permanente. A autonomia profissional precisa ser preservada especialmente nas atividades que dependem de experiência, adaptação e julgamento. Controle excessivo pode produzir conformidade aparente enquanto reduz criatividade, confiança e disposição para colaborar.
Os principais riscos identificados foram reprodução de vieses presentes nos dados, opacidade das decisões, utilização indevida de informações, vigilância excessiva, perda de autonomia e ausência de responsabilização. Nenhum desses problemas decorre necessariamente da existência da inteligência artificial. Eles estão relacionados à maneira como a tecnologia é projetada, escolhida e utilizada dentro das organizações. Por esse motivo, a governança precisa integrar a estratégia de gestão de pessoas.
A governança adequada deve definir objetivos, responsabilidades, critérios de utilização de dados, procedimentos de avaliação e mecanismos de revisão. Aplicações que afetam contratação, promoção, remuneração, avaliação ou desligamento exigem atenção especial devido às consequências produzidas sobre a trajetória profissional dos indivíduos. A supervisão humana nesses casos precisa ser efetiva e não apenas uma etapa formal destinada a confirmar automaticamente a indicação do sistema.
Também se conclui que a inteligência artificial não deve ser analisada exclusivamente pela possibilidade de substituição de empregos. A literatura demonstra que a transformação de tarefas e a ampliação da capacidade dos trabalhadores constituem caminhos igualmente relevantes. Algumas atividades serão automatizadas, outras serão reorganizadas e novas responsabilidades surgirão. Essa dinâmica exige que empresas revejam funções, programas de capacitação e formas de desenvolvimento de carreira.
A inteligência artificial generativa amplia essas questões porque disponibiliza recursos de produção de conteúdo e análise a profissionais de diferentes áreas. Sua facilidade de utilização pode acelerar a adoção antes que as organizações estabeleçam regras adequadas. Políticas internas precisam tratar confidencialidade, verificação das informações, responsabilidade pelo conteúdo produzido e situações em que o uso dessas ferramentas deve ser limitado.
Do ponto de vista administrativo, a transformação digital bem conduzida depende da capacidade de combinar eficiência e responsabilidade. A tecnologia pode ampliar produtividade sem necessariamente comprometer relações profissionais. Para isso, entretanto, decisões não podem ser guiadas apenas pela redução de custos ou pelo interesse em acompanhar tendências. Cada ferramenta precisa responder a um problema organizacional identificado e apresentar benefícios compatíveis com os riscos que introduz.
A principal contribuição deste estudo consiste em demonstrar que gestão de pessoas, tecnologia e relações de trabalho não devem ser examinadas de forma separada. Uma decisão técnica sobre um sistema pode alterar condições de trabalho, critérios de avaliação e distribuição de poder. Da mesma maneira, uma política de desenvolvimento profissional pode determinar se a inteligência artificial será percebida como ameaça ou como recurso de apoio.
Conclui-se que a gestão de pessoas na era digital exige uma abordagem que preserve o valor do julgamento humano e utilize a inteligência artificial de forma proporcional à complexidade de cada decisão. O avanço tecnológico cria possibilidades importantes para a Administração, mas sua contribuição depende de organizações capazes de definir limites, desenvolver competências, estabelecer responsabilidades e manter relações de trabalho baseadas em confiança. A tecnologia pode auxiliar a gestão, mas não substitui a responsabilidade das pessoas que determinam como ela será utilizada.
REFERÊNCIAS BIBLIOGRÁFICAS
ARSLAN, A.; COOPER, C.; KHAN, Z.; GOLGECI, I.; ALI, I. Artificial intelligence and human workers interaction at team level: a conceptual assessment of the challenges and potential HRM strategies. International Journal of Manpower, v. 43, n. 1, p. 75-88, 2022. DOI: https://doi.org/10.1108/IJM-01-2021-0052.
BUDHWAR, P. et al. Human resource management in the age of generative artificial intelligence: perspectives and research directions on ChatGPT. Human Resource Management Journal, v. 33, n. 3, p. 606-659, 2023. DOI: https://doi.org/10.1111/1748-8583.12524.
CHOWDHURY, S.; DEY, P.; JOEL-EDGAR, S.; BHATTACHARYA, S.; RODRÍGUEZ-ESPÍNDOLA, O.; ABADIE, A.; TRUONG, L. Unlocking the value of artificial intelligence in human resource management through AI capability framework. Human Resource Management Review, v. 33, n. 1, art. 100899, 2023. DOI: https://doi.org/10.1016/j.hrmr.2022.100899.
GMYREK, P.; BERG, J.; BESCOND, D. Generative AI and jobs: a global analysis of potential effects on job quantity and quality. Geneva: International Labour Organization, 2023. ILO Working Paper, n. 96. DOI: https://doi.org/10.54394/FHEM8239.
JARRAHI, M. H. Artificial intelligence and the future of work: human-AI symbiosis in organizational decision making. Business Horizons, v. 61, n. 4, p. 577-586, 2018. DOI: https://doi.org/10.1016/j.bushor.2018.03.007.
KELLOGG, K. C.; VALENTINE, M. A.; CHRISTIN, A. Algorithms at work: the new contested terrain of control. Academy of Management Annals, v. 14, n. 1, p. 366-410, 2020. DOI: https://doi.org/10.5465/annals.2018.0174.
LÓPEZ-FIGUEROA, J. C.; OCHOA-JIMÉNEZ, S.; PALAFOX-SOTO, M. O.; HERNANDEZ MUNOZ, D. S. Digital leadership: a systematic literature review. Administrative Sciences, v. 15, n. 4, art. 129, 2025. DOI: https://doi.org/10.3390/admsci15040129.
MALIK, A.; BUDHWAR, P.; KAZMI, B. A. Artificial intelligence (AI)-assisted HRM: towards an extended strategic framework. Human Resource Management Review, v. 33, n. 1, art. 100940, 2023. DOI: https://doi.org/10.1016/j.hrmr.2022.100940.
MARLER, J. H.; BOUDREAU, J. W. An evidence-based review of HR Analytics. The International Journal of Human Resource Management, v. 28, n. 1, p. 3-26, 2017. DOI: https://doi.org/10.1080/09585192.2016.1244699.
ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT. OECD Employment Outlook 2023: artificial intelligence and the labour market. Paris: OECD Publishing, 2023. DOI: https://doi.org/10.1787/08785bba-en.
PALOS-SÁNCHEZ, P. R.; BAENA-LUNA, P.; BADICU, A.; INFANTE-MORO, J. C. Artificial intelligence and human resources management: a bibliometric analysis. Applied Artificial Intelligence, v. 36, n. 1, art. 2145631, 2022. DOI: https://doi.org/10.1080/08839514.2022.2145631.
RAISCH, S.; KRAKOWSKI, S. Artificial intelligence and management: the automation-augmentation paradox. Academy of Management Review, v. 46, n. 1, p. 192-210, 2021. DOI: https://doi.org/10.5465/amr.2018.0072.
STROHMEIER, S. Digital human resource management: a conceptual clarification. German Journal of Human Resource Management, v. 34, n. 3, p. 345-365, 2020. DOI: https://doi.org/10.1177/2397002220921131.
TAMBE, P.; CAPPELLI, P.; YAKUBOVICH, V. Artificial intelligence in human resources management: challenges and a path forward. California Management Review, v. 61, n. 4, p. 15-42, 2019. DOI: https://doi.org/10.1177/0008125619867910.
VERHOEF, P. C.; BROEKHUIZEN, T.; BART, Y.; BHATTACHARYA, A.; DONG, J. Q.; FABIAN, N.; HAENLEIN, M. Digital transformation: a multidisciplinary reflection and research agenda. Journal of Business Research, v. 122, p. 889-901, 2021. DOI: https://doi.org/10.1016/j.jbusres.2019.09.022.
VIAL, G. Understanding digital transformation: a review and a research agenda. The Journal of Strategic Information Systems, v. 28, n. 2, p. 118-144, 2019. DOI: https://doi.org/10.1016/j.jsis.2019.01.003.
WORLD ECONOMIC FORUM. The Future of Jobs Report 2025. Geneva: World Economic Forum, 2025.
1 Pós-graduado em MBA em Finanças Corporativas. Centro Universitário INTA - UNINTA. Sobral, CE - Brasil.
2 Pós-graduado em Gestão Pública. Faculdade Iguaçu. Capanema, PR, Brasil.
3 Pós-graduada em Recursos Humanos: Rotinas e Cálculos Trabalhistas. Universidade Paranaense - UNIPAR. Cascavel, PR - Brasil.
4 Especialista em Gestão Pública. Universidade Federal de Mato Grosso (UFMT). Cuiabá, MT - Brasil.
5 Mestre em Administração. Must University. Flórida - US.
6 Pós-graduada em MBA em Gestão de Pessoas na área de Administração. Universidade Nove de Julho (UNINOVE). São Paulo, SP - Brasil.
7 Mestre em Administração. Must University. Flórida - US.
8 Pós-graduado em Docência no Ensino Superior. Universidade Braz Cubas (Braz Cubas). São Paulo, SP - Brasil.