REGISTRO DOI: 10.70773/revistatopicos/787273895
RESUMO
A Inteligência Artificial (IA) vem alterando processos intensivos em conhecimento e ampliando possibilidades de aprendizagem e inovação nas organizações. Este artigo analisa de que modo a IA pode fortalecer a gestão do conhecimento e a aprendizagem organizacional e, por essa via, favorecer a inovação. O estudo caracteriza-se como revisão narrativa da literatura, de abordagem qualitativa e caráter analítico-descritivo, construída a partir de trabalhos diretamente relacionados à IA, gestão do conhecimento, gestão de pessoas, aprendizagem organizacional e inovação, incluindo estudos utilizados no trabalho que originou esta revisão e obras conceituais necessárias à interpretação do fenômeno. A análise evidencia que a IA pode apoiar a criação, organização, recuperação, compartilhamento e aplicação do conhecimento, além de contribuir para treinamento corporativo, desenvolvimento de competências e aprendizagem no trabalho. Entretanto, seus benefícios dependem da qualidade dos dados, da participação humana, da cultura de aprendizagem, da governança e da validação das informações produzidas. Conclui-se que a contribuição da IA para a inovação é mais consistente quando a tecnologia é integrada a práticas de gestão do conhecimento e desenvolvimento humano, em vez de ser tratada apenas como instrumento de automação.
Palavras-chave: inteligência artificial; gestão do conhecimento; aprendizagem organizacional; inovação; gestão de pessoas.
ABSTRACT
Artificial Intelligence (AI) has been changing knowledge-intensive processes and expanding opportunities for learning and innovation in organizations. This article analyzes how AI can strengthen knowledge management and organizational learning and, through these mechanisms, foster innovation. The study is a narrative literature review with a qualitative and analytical-descriptive approach, based on works directly related to AI, knowledge management, people management, organizational learning, and innovation, including studies used in the work that originated this review and conceptual works required to interpret the phenomenon. The analysis shows that AI can support knowledge creation, organization, retrieval, sharing, and application, while also contributing to corporate training, competence development, and workplace learning. However, its benefits depend on data quality, human participation, a learning-oriented culture, governance, and validation of generated information. The study concludes that AI contributes more consistently to innovation when technology is integrated with knowledge-management and human-development practices rather than treated merely as an automation instrument.
Keywords: artificial intelligence; knowledge management; organizational learning; innovation; people management.
1. INTRODUÇÃO
A Inteligência Artificial (IA) integra, de forma crescente, atividades de gestão, análise, comunicação e tomada de decisão nas organizações. Sistemas capazes de reconhecer padrões, processar linguagem e gerar conteúdos ampliam as possibilidades de acesso e tratamento da informação e oferecem novos recursos de apoio ao trabalho intelectual. Chen (2024) observa que a IA pode ampliar sistemas de gestão do conhecimento ao automatizar etapas de captura, recuperação e síntese de informações. Em perspectiva semelhante, Estrela, Santos e Silva (2024) identificam, em revisão sistemática, que tecnologias de IA podem contribuir para coleta, armazenamento e socialização do conhecimento empresarial.
A presença dessas tecnologias aproxima o debate sobre IA do campo da gestão do conhecimento, pois a disponibilidade de informação, por si só, não assegura aprendizagem nem inovação. A criação de conhecimento organizacional envolve interpretação, experiência, interação e conversão entre conhecimentos tácitos e explícitos (Nonaka, 1994). Por isso, a adoção de sistemas inteligentes precisa ser examinada não apenas sob a perspectiva da eficiência técnica, mas também quanto à sua capacidade de favorecer a transformação de informações em conhecimento contextualizado, compartilhado e aplicável às atividades organizacionais.
No campo da gestão de pessoas, a IA também vem sendo relacionada à identificação de necessidades de desenvolvimento, personalização de treinamentos, análise de desempenho e apoio a processos administrativos. Nascimento, Couto e Peres (2024) destacam que a tecnologia pode auxiliar no desenvolvimento de habilidades e na gestão do desempenho, embora sua adoção também produza preocupações relativas à privacidade e à discriminação algorítmica. Duarte et al. (2024), ao integrarem IA generativa ao ciclo da gestão do conhecimento em um contexto de gestão de pessoas, reforçam a necessidade de combinar pessoas, processos e tecnologias. Essas aplicações aproximam a gestão de pessoas da aprendizagem organizacional, especialmente porque a incorporação da IA modifica competências requeridas, práticas de treinamento e formas de produção e compartilhamento do conhecimento no trabalho.
Essa relação torna a aprendizagem organizacional um elemento central. Aprender organizacionalmente implica transformar experiências individuais e coletivas em interpretações, práticas e rotinas que possam orientar ações futuras (Crossan; Lane; White, 1999). Quando a IA é incorporada ao trabalho, os profissionais precisam aprender a formular problemas, avaliar respostas, validar informações e reconhecer limitações dos sistemas. Ao mesmo tempo, a própria organização precisa registrar experiências de uso, compartilhar lições e ajustar procedimentos.
O problema que orienta este estudo pode ser sintetizado na seguinte questão: de que modo a Inteligência Artificial, quando integrada à gestão do conhecimento e à aprendizagem organizacional, pode contribuir para a inovação nas organizações? A questão é relevante porque abordagens centradas apenas na automação podem subestimar fatores humanos, culturais e de governança que condicionam os resultados da tecnologia. Cui (2025) associa compartilhamento do conhecimento apoiado por IA, aprendizagem organizacional e capacidades dinâmicas de gestão do conhecimento ao desempenho organizacional, indicando a importância de analisar essas dimensões de forma integrada. Embora a literatura examine diferentes aplicações da IA na gestão do conhecimento, na gestão de pessoas e na inovação, permanece relevante compreender de forma integrada como a gestão do conhecimento e a aprendizagem organizacional atuam como mecanismos capazes de converter recursos tecnológicos em capacidade inovadora.
Assim, o objetivo geral é analisar de que modo a IA pode fortalecer a gestão do conhecimento e a aprendizagem organizacional e, por essa via, favorecer a inovação. Especificamente, busca-se discutir sua contribuição para criação, armazenamento, compartilhamento e aplicação do conhecimento; examinar seu papel no treinamento corporativo e no desenvolvimento de competências; analisar a relação entre aprendizagem e inovação; e identificar limites e condições para uma adoção responsável.
2. FUNDAMENTAÇÃO TEÓRICA E REVISÃO DA LITERATURA
2.1. Inteligência Artificial e Gestão do Conhecimento
A gestão do conhecimento compreende práticas pelas quais as organizações procuram criar, organizar, compartilhar e aplicar conhecimentos relevantes às suas atividades. Na formulação de Nonaka (1994), o conhecimento organizacional emerge da interação entre dimensões tácitas e explícitas, de modo que documentos e bases de dados representam apenas parte do processo. Essa distinção é particularmente importante para analisar a IA: sistemas computacionais podem processar grandes volumes de informação, mas a atribuição de significado e a avaliação de sua pertinência permanecem vinculadas ao contexto de uso.
Chen (2024) sustenta que a IA pode ampliar a gestão do conhecimento por meio da automação da captura, recuperação e síntese de conteúdos, enfrentando problemas como silos informacionais e excesso de dados. Estrela, Santos e Silva (2024) também apontam potencial de aplicação da IA na gestão do conhecimento empresarial, especialmente na coleta, armazenamento e socialização de saberes. Em conjunto, esses estudos indicam que a tecnologia pode reduzir barreiras de acesso ao conhecimento codificado, desde que a organização disponha de práticas que assegurem qualidade e atualização das fontes.
A IA generativa acrescenta novas possibilidades ao permitir consultas em linguagem natural, sínteses, reformulações e produção de rascunhos. Duarte et al. (2024) propõem a integração dessas tecnologias ao ciclo de gestão do conhecimento aplicado à gestão de pessoas e ressaltam a articulação entre pessoas, processos e tecnologia. Esse ponto evita uma interpretação determinista: a ferramenta não substitui a necessidade de curadoria, validação e responsabilização pelo conhecimento utilizado.
A IA pode contribuir para diferentes etapas da gestão do conhecimento ao ampliar a capacidade de organizar informações, identificar relações entre conteúdos e facilitar seu acesso e utilização no contexto organizacional. Essas possibilidades tornam-se mais relevantes quando integradas a práticas de curadoria, compartilhamento e validação, uma vez que o valor do conhecimento não decorre apenas de sua disponibilidade, mas de sua contextualização e aplicação adequada. Nesse sentido, a contribuição da IA para a gestão do conhecimento depende da articulação entre recursos tecnológicos e julgamento humano, especialmente diante do risco de respostas incorretas, incompletas ou descontextualizadas (Chen, 2024; Jarrahi et al., 2023).
2.2. IA, Gestão de Pessoas e Aprendizagem Organizacional
A aprendizagem organizacional permite compreender a adoção da IA como processo de transformação de capacidades, e não apenas como aquisição de software. Crossan, Lane e White (1999) descrevem a aprendizagem em níveis individual, grupal e organizacional, mostrando que ideias e experiências precisam ser interpretadas, integradas e institucionalizadas. Sob essa perspectiva, o conhecimento produzido com apoio de IA só gera valor duradouro quando é incorporado a práticas, decisões e rotinas.
No trabalho cotidiano, a IA pode reduzir o tempo entre uma dúvida e o acesso a materiais de apoio, além de sugerir conteúdos relacionados a funções e necessidades de desenvolvimento. Nascimento, Couto e Peres (2024) associam IA à gestão de desempenho e ao desenvolvimento de habilidades, enquanto Duarte et al. (2024) demonstram sua aplicabilidade em processos de gestão de pessoas articulados à gestão do conhecimento. Essas contribuições sustentam o uso da IA em treinamento corporativo, desde que a personalização não elimine experiências coletivas de aprendizagem.
O desenvolvimento de competências para trabalhar com IA inclui mais do que habilidades operacionais. Profissionais precisam compreender o problema que desejam resolver, formular solicitações adequadas, verificar fontes, comparar alternativas e reconhecer situações em que a decisão deve permanecer sob julgamento humano. Cui (2025) encontrou relações positivas entre compartilhamento de conhecimento apoiado por IA, aprendizagem organizacional, capacidades dinâmicas de gestão do conhecimento e desempenho, reforçando a relevância das competências e do suporte organizacional.
A aprendizagem também pode ser prejudicada quando a delegação à tecnologia elimina oportunidades de prática e reflexão. O paradoxo entre automação e ampliação das capacidades humanas, discutido por Raisch e Krakowski (2021), mostra que os dois movimentos podem coexistir. Assim, programas de treinamento precisam preparar os trabalhadores para usar a IA como apoio, sem abandonar competências de análise, julgamento e responsabilidade.
2.3. Conhecimento, Aprendizagem e Inovação Organizacional
A inovação depende da capacidade de acessar conhecimentos, recombiná-los e transformá-los em produtos, serviços, processos ou práticas. A capacidade absortiva, definida por Cohen e Levinthal (1990) como a habilidade de reconhecer o valor de conhecimento externo, assimilá-lo e aplicá-lo, ajuda a explicar por que organizações expostas à mesma tecnologia podem obter resultados diferentes. A IA amplia o acesso a informações, mas a apropriação desse conteúdo depende do repertório e das capacidades internas.
A relação entre aprendizagem e inovação também envolve equilíbrio entre exploração de novas possibilidades e aproveitamento do conhecimento já consolidado (March, 1991). A IA pode apoiar exploração ao acelerar geração de alternativas e análise de cenários, ao mesmo tempo em que favorece aproveitamento ao recuperar experiências anteriores e padronizar rotinas. O desafio gerencial consiste em evitar que a eficiência na reutilização de padrões reduza diversidade, experimentação e pensamento crítico.
Cui (2025) fornece evidências empíricas de que aprendizagem organizacional e compartilhamento de conhecimento apoiado por IA se relacionam ao desempenho. Haefner et al. (2021), ao revisarem IA e gestão da inovação, mostram que a tecnologia pode influenciar atividades de inovação e requer novas capacidades organizacionais. Desse modo, o impacto inovador da IA tende a ser mediado pela capacidade de aprender, compartilhar e transformar conhecimento em ação.
2.4. Governança, Riscos e Uso Responsável
A ampliação do uso da IA torna a governança do conhecimento indispensável. A organização precisa definir fontes autorizadas, critérios de validação, níveis de acesso, responsabilidades por atualização e regras para tratamento de dados. Jarrahi et al. (2023) defendem uma relação de parceria entre pessoas e IA na gestão do conhecimento, na qual capacidades computacionais e julgamento humano são combinados.
Os riscos incluem respostas incorretas, reprodução de vieses, exposição de informações, opacidade e dependência excessiva de sistemas. Nascimento, Couto e Peres (2024) chamam atenção para privacidade e discriminação algorítmica no âmbito da gestão de pessoas. Raisch e Krakowski (2021) acrescentam que decisões sobre automação afetam distribuição de tarefas e competências. Esses riscos evidenciam a necessidade de mecanismos de supervisão humana, rastreabilidade, definição de responsabilidades e desenvolvimento das competências necessárias ao uso da tecnologia.
3. METODOLOGIA
Este estudo caracteriza-se como uma revisão narrativa da literatura, de abordagem qualitativa e caráter analítico-descritivo. A opção pela revisão narrativa decorre do objetivo de integrar contribuições teóricas e empíricas provenientes de diferentes vertentes da literatura sobre Inteligência Artificial, gestão do conhecimento, aprendizagem organizacional, gestão de pessoas e inovação, sem pretensão de exaustividade ou de aplicação dos protocolos próprios de uma revisão sistemática.
A composição do corpus considerou estudos diretamente relacionados ao problema de pesquisa e trabalhos conceituais necessários à sustentação das categorias de análise. Foram priorizadas publicações que abordassem a aplicação da IA à gestão do conhecimento e à gestão de pessoas, sua relação com aprendizagem e inovação e os fatores humanos e organizacionais associados à adoção dessas tecnologias. Também foram incorporados estudos seminais sobre criação do conhecimento, aprendizagem organizacional, capacidade absortiva e exploração e aproveitamento do conhecimento, por sua relevância para a interpretação do fenômeno.
A seleção das fontes considerou pertinência temática, contribuição conceitual ou empírica e possibilidade de verificação bibliográfica. Não foi estabelecido intervalo temporal rígido, uma vez que a análise combina estudos contemporâneos sobre IA com trabalhos seminais necessários à definição dos conceitos empregados. Em razão da natureza narrativa da revisão, o levantamento não possui caráter sistemático ou exaustivo.
Para análise, as contribuições foram organizadas em quatro categorias: a) IA e processos de gestão do conhecimento; b) IA, gestão de pessoas e aprendizagem organizacional; c) conhecimento, aprendizagem e inovação; e d) governança, riscos e condições de adoção. Em seguida, foram comparadas convergências, complementaridades e tensões entre os estudos, buscando distinguir benefícios potenciais da tecnologia das condições organizacionais necessárias à sua realização.
4. RESULTADOS E DISCUSSÕES
4.1. IA Como Suporte Ao Ciclo do Conhecimento
A análise integrada dos estudos permite identificar dois níveis complementares de contribuição da Inteligência Artificial para a gestão do conhecimento. O primeiro, de natureza operacional, refere-se à ampliação da capacidade de capturar, organizar, recuperar, sintetizar e disponibilizar informações em maior escala e velocidade. Chen (2024) enfatiza a automação de processos de captura, recuperação e síntese, enquanto Estrela, Santos e Silva (2024) destacam aplicações voltadas à coleta, ao armazenamento e à socialização do conhecimento empresarial. Duarte et al. (2024), por sua vez, demonstram que a IA generativa pode ser incorporada ao ciclo da gestão do conhecimento em processos de gestão de pessoas, ampliando possibilidades de acesso e utilização de conteúdos organizacionais.
O segundo nível, de natureza organizacional, diz respeito à capacidade de transformar essas facilidades tecnológicas em conhecimento efetivamente utilizável. A comparação entre os estudos indica que ampliar o acesso à informação não equivale, por si só, a ampliar o conhecimento organizacional. Para que os conteúdos produzidos ou recuperados com apoio da IA adquiram valor para a organização, precisam ser contextualizados, validados, compartilhados e incorporados às práticas de trabalho. Nesse sentido, a tecnologia amplia a disponibilidade e a circulação de informações, mas a produção de significado e a avaliação de sua pertinência permanecem dependentes da participação humana.
Essa distinção torna-se especialmente relevante no uso de sistemas generativos, cuja capacidade de produzir respostas coerentes e sínteses rápidas pode aumentar a eficiência do acesso ao conhecimento, mas também ampliar o risco de utilização de conteúdos incorretos, incompletos ou descontextualizados. Assim, quanto maior a facilidade de produzir e recuperar informações, maior a necessidade de mecanismos de curadoria, validação, atualização e responsabilização. A perspectiva de colaboração humano-IA discutida por Jarrahi et al. (2023) reforça essa interpretação ao indicar que as capacidades computacionais podem complementar, mas não substituir, o julgamento humano nos processos de gestão do conhecimento.
Os resultados sugerem, portanto, que a principal contribuição da IA para o ciclo do conhecimento não está apenas na automação de suas etapas, mas na possibilidade de ampliar a conexão entre criação, organização, recuperação, compartilhamento e aplicação do conhecimento. Esse potencial, contudo, depende da existência de práticas organizacionais capazes de assegurar qualidade, contexto e confiabilidade às informações utilizadas. Dessa forma, a IA atua como suporte ao ciclo do conhecimento, enquanto a transformação da informação em conhecimento organizacional permanece condicionada à articulação entre tecnologia, processos e participação humana.
4.2. Aprendizagem Organizacional, Treinamento e Competências
No eixo da aprendizagem, os estudos indicam que a IA pode apoiar o treinamento personalizado, a identificação de necessidades de desenvolvimento e o acesso sob demanda a conteúdos. Nascimento, Couto e Peres (2024) relacionam a tecnologia ao desenvolvimento de habilidades e à gestão de desempenho; Duarte et al. (2024) mostram sua integração com a gestão do conhecimento e o desenvolvimento de competências; e Cui (2025) associa a aprendizagem organizacional e o compartilhamento de conhecimento apoiado por IA ao desempenho. Em conjunto, esses achados reforçam que treinamento e desenvolvimento constituem dimensões relevantes da adoção da IA e precisam ser considerados de forma articulada às estratégias organizacionais de implementação da tecnologia.
A personalização, porém, não deve ser confundida com individualização absoluta. A aprendizagem organizacional exige circulação de experiências entre pessoas e institucionalização de lições (Crossan; Lane; White, 1999). Se cada trabalhador interage isoladamente com um assistente, a organização pode aumentar a eficiência individual e, simultaneamente, perder oportunidades de aprendizagem coletiva. Nesse sentido, a combinação de trilhas personalizadas com comunidades de prática, discussão de casos e registro de lições aprendidas pode favorecer a articulação entre aprendizagem individual e coletiva.
Outro resultado da análise é a necessidade de preservar competências críticas diante da ampliação da automação. A IA pode assumir tarefas repetitivas e liberar tempo para atividades de maior valor, mas a delegação excessiva também pode reduzir oportunidades de prática, reflexão e exercício do julgamento profissional. O paradoxo automação-ampliação discutido por Raisch e Krakowski (2021) ajuda a interpretar essa tensão, ao demonstrar que automação e ampliação das capacidades humanas podem coexistir. Essa perspectiva evidencia a importância de distinguir tarefas passíveis de automação daquelas que se beneficiam do apoio da IA ou que requerem domínio humano contínuo.
Assim, os resultados sugerem que a contribuição da IA para a aprendizagem organizacional depende menos da disponibilidade isolada da tecnologia e mais da existência de mecanismos capazes de transformar experiências individuais de uso em conhecimento compartilhado e institucionalizado. Sob essa perspectiva, o desenvolvimento de competências não se limita ao domínio operacional das ferramentas, mas envolve capacidade crítica para avaliar seus resultados, compartilhar aprendizagens e incorporar conhecimentos relevantes às práticas e rotinas organizacionais.
4.3. Da Gestão do Conhecimento à Inovação
A análise integrada da literatura sugere que a relação entre Inteligência Artificial e inovação não ocorre de forma direta, mas é mediada por capacidades e processos organizacionais. A IA amplia as possibilidades de busca, análise, comparação e geração de alternativas; a gestão do conhecimento favorece a organização, a validação e o compartilhamento dessas contribuições; e a aprendizagem organizacional permite incorporá-las às competências, práticas e rotinas. A inovação se concretiza quando esse conhecimento é efetivamente mobilizado para gerar ou aprimorar produtos, serviços, processos ou formas de atuação. Nessa perspectiva, gestão do conhecimento e aprendizagem organizacional constituem mecanismos relevantes para converter as potencialidades da IA em capacidade inovadora.
Essa interpretação encontra suporte no conceito de capacidade absortiva de Cohen e Levinthal (1990), segundo o qual o acesso ao conhecimento externo não assegura, por si só, sua utilização produtiva. É necessário que a organização seja capaz de reconhecer seu valor, assimilá-lo e aplicá-lo. No contexto da IA, essa perspectiva ajuda a explicar por que a ampliação do acesso à informação e da capacidade de processamento não produz necessariamente inovação. O aproveitamento das possibilidades oferecidas pela tecnologia depende do repertório existente, das competências desenvolvidas e da capacidade organizacional de transformar informações e experiências em conhecimento aplicável.
A análise também evidencia que a IA pode favorecer tanto a exploração de novas possibilidades quanto o aproveitamento do conhecimento já existente. Na exploração, a tecnologia pode ampliar a busca de alternativas, a comparação de informações e a experimentação; no aproveitamento, pode facilitar a recuperação de experiências, a reutilização de conhecimentos e a maior consistência de processos. Essa dupla possibilidade dialoga com March (1991), para quem o desempenho organizacional de longo prazo depende do equilíbrio entre exploration e exploitation. Assim, embora a IA possa contribuir para ambas as orientações, a dependência excessiva de dados e padrões já consolidados pode favorecer ganhos de eficiência sem necessariamente ampliar a capacidade de produzir inovações mais significativas.
Os estudos contemporâneos analisados reforçam essa relação entre tecnologia e capacidades organizacionais. Cui (2025) identifica associações positivas entre compartilhamento de conhecimento apoiado por IA, aprendizagem organizacional, capacidades dinâmicas de gestão do conhecimento e desempenho. Haefner et al. (2021), por sua vez, mostram que a IA modifica atividades relacionadas à gestão da inovação e demanda capacidades organizacionais complementares. Em conjunto, essas contribuições indicam que o valor inovador da IA não reside apenas em suas funcionalidades tecnológicas, mas também na capacidade da organização de absorver, compartilhar, questionar e transformar o conhecimento produzido ou acessado com seu apoio.
Desse modo, os resultados permitem compreender a inovação apoiada por IA como resultado de um processo articulado: a tecnologia amplia possibilidades de acesso, processamento e geração de informações; a gestão do conhecimento contribui para sua organização, validação e circulação; e a aprendizagem organizacional favorece sua incorporação às competências e práticas. A inovação emerge quando essas capacidades permitem transformar o conhecimento em novas soluções ou melhorias efetivamente implementadas. Essa articulação evidencia que investimentos em IA, quando dissociados do desenvolvimento humano, da gestão do conhecimento e da aprendizagem organizacional, podem ampliar a automação e a eficiência sem necessariamente produzir capacidade inovadora sustentável.
4.4. Síntese das Condições Organizacionais para Adoção
A análise integrada dos estudos permitiu identificar quatro condições organizacionais recorrentes para que o uso da IA se converta em aprendizagem e capacidade inovadora: qualidade e governança dos dados e conhecimentos; competências humanas; cultura de aprendizagem; e definição de responsabilidades. Essas condições evidenciam que os resultados associados à IA não dependem exclusivamente das funcionalidades da tecnologia, mas da forma como ela é incorporada aos processos de gestão do conhecimento, desenvolvimento de pessoas e aprendizagem organizacional (Jarrahi et al., 2023; Nascimento; Couto; Peres, 2024).
A primeira condição refere-se à qualidade e à governança dos dados e conhecimentos utilizados, envolvendo critérios de validação, atualização e confiabilidade das informações. A segunda diz respeito às competências humanas necessárias para formular problemas, avaliar respostas, reconhecer limitações e exercer julgamento diante dos resultados produzidos pela tecnologia. A terceira corresponde à existência de uma cultura de aprendizagem capaz de favorecer o compartilhamento de experiências, a reflexão sobre erros e a incorporação de melhorias. A quarta envolve a definição de responsabilidades, especialmente quanto à validação das informações e às decisões que produzem efeitos relevantes sobre pessoas, processos e estratégias. Em conjunto, essas condições delimitam o ambiente organizacional necessário para que as potencialidades identificadas nas seções anteriores se traduzam em conhecimento, aprendizagem e inovação.
Quadro 1. Síntese das contribuições, condições e riscos associados ao uso da IA nas organizações
Dimensão | Contribuição potencial | Condição organizacional | Risco associado |
Gestão do conhecimento | Ampliação da captura, organização, recuperação, síntese e compartilhamento de informações | Qualidade, atualização, validação e governança do conhecimento. | Utilização de conteúdos incorretos, incompletos ou descontextualizados |
Aprendizagem organizacional | Personalização do acesso a conteúdos e apoio à aprendizagem no trabalho | Compartilhamento de experiências e institucionalização de aprendizagens | Individualização da aprendizagem e redução da circulação coletiva do conhecimento |
Competências | Apoio ao desenvolvimento profissional e ampliação das capacidades de análise e execução | Formação crítica, julgamento profissional e supervisão humana | Dependência tecnológica e redução de oportunidades de prática e reflexão |
Inovação | Ampliação da busca, comparação, recombinação e geração de alternativas | Capacidade de absorver, compartilhar e aplicar conhecimentos | Predomínio da eficiência e reprodução de padrões existentes em detrimento da exploração de novas possibilidades |
Governança | Ampliação da escala e da velocidade de utilização de informações e conhecimentos | Definição de responsabilidades, critérios de uso e mecanismos de validação | Vieses, problemas de privacidade, opacidade e uso inadequado das informações |
Fonte: Elaborado pelos autores com base na literatura analisada (2026).
O Quadro 1 sintetiza os resultados discutidos nas quatro categorias de análise e evidencia que as contribuições potenciais da IA estão associadas a condições organizacionais específicas e aos riscos decorrentes de sua ausência ou insuficiência. A leitura conjunta das dimensões mostra que os mesmos recursos tecnológicos capazes de ampliar acesso, aprendizagem e geração de alternativas podem produzir efeitos distintos conforme as capacidades existentes na organização. Dessa forma, os benefícios e os riscos da IA não constituem dimensões independentes, mas estão relacionados às escolhas organizacionais sobre como a tecnologia é incorporada, supervisionada e integrada às práticas de trabalho.
Essa relação torna-se particularmente evidente nas tensões entre eficiência e aprendizagem. A automação pode reduzir o tempo dedicado a determinadas tarefas, mas também diminuir oportunidades de prática e desenvolvimento de competências; a personalização pode atender necessidades individuais, mas limitar experiências coletivas; e a centralização do acesso ao conhecimento por meio de sistemas inteligentes pode facilitar sua recuperação, ao mesmo tempo em que aumenta a dependência tecnológica. O paradoxo entre automação e ampliação das capacidades humanas discutido por Raisch e Krakowski (2021) ajuda a compreender essas tensões e reforça a necessidade de considerar não apenas os resultados imediatos da adoção da IA, mas também seus efeitos sobre a capacidade futura da organização de aprender e inovar.
Nesse contexto, gestão de pessoas e gestão do conhecimento assumem funções complementares. No campo da gestão de pessoas, os resultados apontam para a relevância do desenvolvimento das competências afetadas pela adoção da IA, da criação de oportunidades de aprendizagem e da preservação do julgamento humano em atividades críticas. Na gestão do conhecimento, destaca-se a necessidade de registrar, validar, compartilhar e reutilizar experiências produzidas com apoio da tecnologia, evitando que conhecimentos relevantes permaneçam dispersos ou restritos a interações individuais (Duarte et al., 2024; Estrela; Santos; Silva, 2024).
Em síntese, a adoção da IA capaz de favorecer aprendizagem e inovação depende da articulação entre tecnologia, conhecimento, pessoas e mecanismos de governança. Qualidade das informações, competências humanas, cultura de aprendizagem e clareza de responsabilidades funcionam como condições complementares para que os recursos tecnológicos sejam incorporados de maneira consistente às práticas organizacionais. Esses resultados reforçam que a capacidade inovadora associada à IA não decorre apenas do investimento tecnológico, mas da construção de um ambiente organizacional capaz de transformar informações e experiências em conhecimento compartilhado, aprendizagem e ação.
5. CONSIDERAÇÕES FINAIS
A análise realizada permite concluir que a Inteligência Artificial pode contribuir para a inovação quando integrada aos processos de gestão do conhecimento e aprendizagem organizacional. Sua contribuição não decorre apenas da capacidade de automatizar tarefas ou ampliar o acesso à informação, mas da forma como os recursos tecnológicos são articulados à criação, organização, recuperação, compartilhamento e aplicação do conhecimento e ao desenvolvimento das capacidades necessárias para incorporá-lo às práticas organizacionais.
Os resultados da revisão indicam que o potencial tecnológico da IA não se converte automaticamente em capacidade inovadora. A tecnologia amplia possibilidades de busca, processamento, síntese e geração de alternativas; entretanto, a transformação dessas possibilidades em inovação depende da capacidade organizacional de validar e compartilhar conhecimentos, promover aprendizagem individual e coletiva, desenvolver competências e incorporar novas práticas às rotinas. Nesse processo, a gestão do conhecimento e a aprendizagem organizacional funcionam como mecanismos que conectam o uso da IA à capacidade de gerar e implementar novas soluções.
Essa relação também envolve tensões que precisam ser consideradas. A automação pode ampliar a eficiência e, simultaneamente, reduzir oportunidades de prática e desenvolvimento de competências; a personalização pode favorecer a aprendizagem individual e limitar a circulação coletiva de experiências; e a facilidade de acesso ao conhecimento pode ampliar sua utilização, mas também aumentar a dependência tecnológica. Dessa forma, os efeitos da IA sobre aprendizagem e inovação estão condicionados não apenas às características da tecnologia, mas também à qualidade e à governança das informações, às competências humanas, à cultura de aprendizagem e à definição de responsabilidades no contexto organizacional.
Como contribuição teórica, o estudo articula gestão do conhecimento e aprendizagem organizacional como mecanismos intermediários entre a adoção da IA e a inovação, evidenciando que os efeitos da tecnologia dependem de capacidades e condições organizacionais complementares. Como contribuição prática, os resultados indicam a relevância da participação integrada das áreas de gestão de pessoas e gestão do conhecimento nos processos de adoção da IA, especialmente no desenvolvimento de competências, na validação e no compartilhamento de conhecimentos e na preservação do julgamento humano em atividades críticas.
Entre as limitações do estudo, destaca-se o caráter narrativo da revisão, que não pretende esgotar a literatura disponível nem produzir generalizações decorrentes de um levantamento sistemático. Estudos futuros podem ampliar a análise por meio de revisões sistemáticas, estudos bibliométricos e pesquisas empíricas em organizações brasileiras, investigando como diferentes modelos de governança, práticas de gestão do conhecimento, estratégias de desenvolvimento de competências e formas de colaboração entre pessoas e IA influenciam a aprendizagem organizacional e a inovação ao longo do tempo.
REFERÊNCIAS BIBLIOGRÁFICAS
CHEN, Edward. Empowering artificial intelligence for knowledge management augmentation. Issues in Information Systems, [S. l.], v. 25, n. 4, p. 409-416, 2024. DOI: https://doi.org/10.48009/4_iis_2024_132. Disponível em: https://iacis.org/iis/2024/4_iis_2024_409-416.pdf. Acesso em: 11 ago. 2026.
COHEN, Wesley M.; LEVINTHAL, Daniel A. Absorptive capacity: a new perspective on learning and innovation. Administrative Science Quarterly, [S. l.], v. 35, n. 1, p. 128-152, 1990. DOI: https://doi.org/10.2307/2393553. Disponível em: https://doi.org/10.2307/2393553. Acesso em: 11 ago. 2026.
CROSSAN, Mary M.; LANE, Henry W.; WHITE, Roderick E. An organizational learning framework: from intuition to institution. Academy of Management Review, [S. l.], v. 24, n. 3, p. 522-537, 1999. DOI: https://doi.org/10.5465/amr.1999.2202135. Disponível em: https://doi.org/10.5465/amr.1999.2202135. Acesso em: 11 ago. 2026.
CUI, Jun. The explore of knowledge management dynamic capabilities, AI-driven knowledge sharing, knowledge-based organizational support, and organizational learning on job performance: evidence from Chinese technological companies. [S. l.]: SSRN, 2025. DOI: https://doi.org/10.2139/ssrn.5083169. Disponível em: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5083169. Acesso em: 11 ago. 2026.
DUARTE, Kedma Batista; OSÓRIO, André Fonseca Pinto; COSTA, Guilherme Henrique Silva; PAULA, Susana de Souza Alves. IA generativa integrada à gestão do conhecimento: uma abordagem contemporânea aplicada na gestão de pessoas. In: CONGRESSO CONSAD DE GESTÃO PÚBLICA, 13., 2024, Brasília, DF. Anais [...]. Brasília, DF: Even3, 2024. ISBN 978-65-272-1048-1. Disponível em: https://www.even3.com.br/anais/xiii-congresso-consad-de-gestao-publica-433548/821606-ia-generativa-integrada-a-gestao-do-conhecimento--uma-abordagem-contemporanea-aplicada-na-gestao-de-pessoas/. Acesso em: 11 ago. 2026.
ESTRELA, Thamyres Duarte Colatino; SANTOS, Lucicleide Viana dos; SILVA, Wagner José da. Inteligência artificial aplicada a gestão do conhecimento empresarial: revisão sistemática da literatura. Revista GeTeC, [S. l.], v. 20, p. 127-143, 2024. Disponível em: https://revistas.fucamp.edu.br/index.php/getec/article/view/3589. Acesso em: 11 ago. 2026.
HAEFNER, Naomi; WINCENT, Joakim; PARIDA, Vinit; GASSMANN, Oliver. Artificial intelligence and innovation management: a review, framework, and research agenda. Technological Forecasting and Social Change, [S. l.], v. 162, art. 120392, 2021. DOI: https://doi.org/10.1016/j.techfore.2020.120392. Disponível em: https://doi.org/10.1016/j.techfore.2020.120392. Acesso em: 11 ago. 2026.
JARRAHI, Mohammad Hossein; ASKAY, David; ESHRAGHI, Ali; SMITH, Preston. Artificial intelligence and knowledge management: a partnership between human and AI. Business Horizons, [S. l.], v. 66, n. 1, p. 87-99, 2023. DOI: https://doi.org/10.1016/j.bushor.2022.03.002. Disponível em: https://doi.org/10.1016/j.bushor.2022.03.002. Acesso em: 11 ago. 2026.
MARCH, James G. Exploration and exploitation in organizational learning. Organization Science, [S. l.], v. 2, n. 1, p. 71-87, 1991. DOI: https://doi.org/10.1287/orsc.2.1.71. Disponível em: https://doi.org/10.1287/orsc.2.1.71. Acesso em: 11 ago. 2026.
NASCIMENTO, Gustavo J. F. do; COUTO, Leo Leão; PERES, Neide Aparecida. Inteligência artificial e seu impacto na gestão de pessoas. In: SEVEN INTERNATIONAL MULTIDISCIPLINARY CONGRESS, 5., 2024. Anais [...]. [S. l.]: Seven Publicações, 2024. DOI: https://doi.org/10.56238/sevenVmulti2024-060. Disponível em: https://sevenpubl.com.br/anais7/article/view/3912. Acesso em: 11 ago. 2026.
NONAKA, Ikujiro. A dynamic theory of organizational knowledge creation. Organization Science, [S. l.], v. 5, n. 1, p. 14-37, 1994. DOI: https://doi.org/10.1287/orsc.5.1.14. Disponível em: https://doi.org/10.1287/orsc.5.1.14. Acesso em: 11 ago. 2026.
RAISCH, Sebastian; KRAKOWSKI, Sebastian. Artificial intelligence and management: the automation-augmentation paradox. Academy of Management Review, [S. l.], v. 46, n. 1, p. 192-210, 2021. DOI: https://doi.org/10.5465/amr.2018.0072. Disponível em: https://doi.org/10.5465/amr.2018.0072. Acesso em: 11 ago. 2026.
1 Mestre em Administração pela Must University, Florida, Estados Unidos. Especialista em Administração Pública e em Gestão de processos. Bacharel em Administração pela Universidade Estadual de Roraima (UERR). E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.
2 Especialista em Administração Pública e em Gestão Estratégica de Pessoas. Bacharel em Administração pela Universidade Estadual de Roraima (UERR). E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail.