O caso da Shopify mostra por que perguntar sobre inteligência artificial em avaliações de desempenho pode ser menos importante do que definir objetivos, critérios e usos responsáveis.

Incluir uma pergunta sobre inteligência artificial em uma avaliação de desempenho pode parecer uma forma simples de acompanhar a adaptação das equipes a uma tecnologia em rápida expansão. Mas a existência da pergunta, por si só, não esclarece se o uso de IA melhorou o trabalho, se foi apropriado para determinada função ou se deveria influenciar uma nota profissional. Uma discussão envolvendo a Shopify ajuda a evidenciar essa diferença: a empresa perguntou aos funcionários como usavam IA em suas avaliações, mas seu CEO afirmou que as respostas não tiveram importância para a avaliação. O executivo também observou que fazer esse tipo de pergunta pode afetar a reputação de uma empresa.

O episódio não fornece, por si só, todos os detalhes sobre o processo interno, o conteúdo exato da pergunta ou os critérios usados pela companhia. Ainda assim, levanta um tema relevante para organizações de diferentes portes: como estimular o uso consciente de inteligência artificial sem transformar a adoção da ferramenta em uma obrigação ou em um indicador superficial de desempenho? A resposta passa por separar experimentação, produtividade, qualidade, segurança e desenvolvimento profissional. Também exige que gestores expliquem o propósito de cada avaliação e deixem claro o que será feito com as informações coletadas.

Para empresas em Curitiba e na Região Metropolitana, assim como para equipes distribuídas por outras regiões, a questão é especialmente prática. A IA pode aparecer em atividades muito diferentes: organização de informações, apoio à escrita, elaboração de ideias, análise de dados e automação de tarefas. Nem toda função, projeto ou dado permite o mesmo tipo de uso. Uma política bem pensada precisa considerar essa diversidade, em vez de premiar a simples frequência com que alguém abre uma ferramenta.

O que a discussão sobre a Shopify sinaliza

O ponto central da notícia é uma distinção importante: perguntar sobre o uso de IA não significa necessariamente que esse uso determine uma avaliação. Segundo o relato disponível, a Shopify incluiu uma questão sobre como os funcionários utilizavam inteligência artificial em suas avaliações de desempenho, mas o CEO disse que as respostas não importaram. A observação sobre reputação acrescenta outra dimensão: a maneira como uma organização apresenta uma pergunta pode ser interpretada como sinal de suas prioridades, mesmo que a resposta não influencie uma nota.

Essa distinção importa porque os processos de avaliação carregam peso. Funcionários podem entender uma pergunta dentro desse contexto como uma expectativa, uma cobrança ou um indício de que determinada tecnologia será usada para comparar colegas. Mesmo quando a intenção é apenas abrir uma conversa, a posição da pergunta no formulário e a ausência de explicações podem gerar conclusões diferentes das pretendidas.

É necessário, porém, não extrapolar o que se sabe. A informação disponível não detalha o texto da pergunta, como os gestores interpretaram as respostas, se existiam orientações internas específicas ou quais ferramentas estavam em discussão. Também não permite afirmar que a Shopify adotou uma política universal de uso de IA ou que a tecnologia passou a ser critério formal de promoção. O caso serve como ponto de partida para analisar decisões de gestão, não como prova de que existe uma única fórmula aplicável a todas as empresas.

Por que uma pergunta pode ser interpretada como cobrança

Em uma conversa informal, perguntar “como você tem usado IA?” pode ser apenas uma forma de conhecer experiências e dificuldades. Em uma avaliação de desempenho, a mesma pergunta ganha outro contexto: o funcionário pode associá-la a reconhecimento, remuneração, promoção ou segurança no emprego. Mesmo sem uma nota diretamente ligada à resposta, é razoável que a pessoa queira saber se dizer “não uso” será visto como falta de iniciativa, ou se relatar um uso frequente será interpretado como produtividade superior.

Ambiguidade desse tipo é evitável. Quando a empresa não explica o propósito da pergunta, cada equipe pode construir sua própria interpretação. Um gestor pode tratá-la como conversa sobre aprendizado; outro pode entendê-la como medição de eficiência. O resultado é uma experiência desigual, que pode comprometer a confiança no processo de avaliação e alimentar a percepção de que existem critérios ocultos.

Também há um efeito sobre a reputação. Funcionários e candidatos podem interpretar a pergunta como sinal de que a empresa está modernizando processos, mas também como pressão para adotar uma ferramenta sem considerar sua adequação. A percepção depende da forma como a organização comunica o objetivo, protege as informações e reconhece que diferentes atividades têm riscos e necessidades distintos. Não é somente o que a empresa pergunta que importa, mas o que as pessoas acreditam que acontecerá depois da resposta.

Uso de IA não é sinônimo de desempenho

Um indicador simples, como o número de vezes que alguém utiliza uma ferramenta, não representa necessariamente a qualidade do trabalho. Uma pessoa pode usar IA com frequência e ainda precisar revisar cuidadosamente as respostas, corrigir erros ou descartar resultados inadequados. Outra pode recorrer a uma ferramenta apenas em etapas específicas e obter um benefício concreto. Comparar as duas pelo volume de uso não revela, por si só, qual entrega foi melhor.

Desempenho envolve resultados relacionados à função, qualidade, colaboração, cumprimento de responsabilidades e outros critérios definidos pela organização. A tecnologia pode ser um meio para realizar parte do trabalho, mas não substitui a avaliação do resultado nem da conduta profissional. Em muitas situações, uma contribuição importante consiste justamente em reconhecer que a ferramenta não é apropriada para uma tarefa, que os dados não podem ser compartilhados ou que a resposta produzida não é confiável o suficiente para ser utilizada.

Isso não significa que organizações devam ignorar a IA. Se uma ferramenta altera processos relevantes, pode fazer sentido compreender como as equipes estão aprendendo a trabalhar com ela. A diferença está em perguntar para orientar decisões e desenvolvimento, em vez de transformar a adoção em uma pontuação sem relação clara com o valor produzido. O foco deve estar na contribuição, na qualidade e na responsabilidade — não na aparência de modernidade criada por uma métrica de uso.

O risco de criar uma métrica que incentiva o comportamento errado

Quando um indicador passa a influenciar recompensas ou avaliações, as pessoas podem ajustar o comportamento para atender ao indicador. Se o uso de IA for tratado como sinal automático de alto desempenho, funcionários podem se sentir pressionados a utilizar a tecnologia mesmo em tarefas nas quais ela não oferece vantagem. Podem também passar a relatar mais usos, sem que isso represente um ganho real para o cliente, a equipe ou a empresa.

O problema não está apenas em medir. Está em escolher uma medida que não corresponde ao objetivo e apresentá-la como se fosse uma avaliação justa. Uma métrica de adoção, por exemplo, pode ajudar uma organização a entender se uma iniciativa de capacitação alcançou as equipes. Mas isso não a torna um indicador individual de produtividade. São perguntas diferentes: “As pessoas tiveram acesso e oportunidade de aprender?” e “A contribuição desta pessoa atendeu às expectativas da função?”. Misturá-las pode produzir resultados confusos.

Outro risco é penalizar quem trabalha em funções nas quais o uso de IA é menos apropriado ou menos necessário. Uma área pode lidar com informações confidenciais; outra pode exigir revisão humana rigorosa; uma terceira pode depender de decisões que não devem ser delegadas à ferramenta. Sem considerar essas diferenças, uma comparação entre equipes tende a ser pouco informativa. Um critério uniforme só é justo quando as condições e as responsabilidades avaliadas também são comparáveis.

Como distinguir curiosidade, capacitação e avaliação

Antes de incluir perguntas sobre inteligência artificial em processos de pessoas, a organização precisa definir qual decisão pretende apoiar. O objetivo é descobrir quais atividades poderiam ser simplificadas? Identificar necessidades de treinamento? Entender obstáculos de acesso? Rever regras de segurança? Ou avaliar resultados profissionais? Cada propósito exige uma abordagem, uma linguagem e um nível de confidencialidade diferentes.

Curiosidade organizacional pode ser atendida por conversas ou pesquisas exploratórias, desde que as pessoas entendam como as respostas serão usadas. Se a intenção é mapear experiências, não é necessário apresentar a coleta como parte de uma nota individual. A empresa pode esclarecer que busca compreender práticas, dúvidas e necessidades, sem presumir que toda tarefa deva incorporar IA.

Capacitação pede perguntas sobre conhecimentos e obstáculos: quais conceitos ainda são confusos, que tipo de orientação ajudaria e em quais tarefas os funcionários gostariam de experimentar com supervisão adequada. Nesse cenário, a resposta deveria orientar aprendizagem e apoio, não criar uma classificação informal de quem está mais ou menos “avançado”.

Avaliação de desempenho, por sua vez, deve continuar baseada em expectativas relacionadas à função. Se o uso de uma ferramenta for relevante para um trabalho específico, a organização precisa explicar por que, quais são os limites e como será considerada a qualidade do resultado. A avaliação deve observar também julgamento, verificação e responsabilidade. A pergunta não deveria premiar o uso por si só, mas permitir uma conversa concreta sobre a contribuição profissional e os critérios previamente conhecidos.

O que uma boa conversa de desempenho pode abordar

Uma conversa produtiva não precisa começar pelo nome de uma tecnologia. Pode começar pelo trabalho: quais tarefas consomem mais tempo, onde surgem dificuldades, quais etapas exigem revisão e como a pessoa avalia a qualidade das entregas. A partir daí, gestor e funcionário podem discutir se a IA tem alguma utilidade naquele contexto, sem pressupor que a resposta será sempre positiva.

Se a ferramenta foi utilizada, a conversa pode explorar o propósito. Qual problema a pessoa queria resolver? O resultado foi verificado? Houve necessidade de corrigir ou complementar a resposta? A ferramenta ajudou a liberar tempo para uma atividade de maior valor ou apenas transferiu o esforço para outra etapa? Essas perguntas são mais informativas do que uma contagem de usos, pois conectam a tecnologia ao processo e ao resultado.

Também vale conversar sobre limites e aprendizados. Um teste que não funcionou pode revelar que uma tarefa não é adequada à ferramenta, que faltam orientações ou que o acesso precisa ser revisto. Relatar uma tentativa malsucedida não deveria ser automaticamente entendido como falha de desempenho. Em uma cultura de aprendizagem, a organização distingue experimentação responsável de descuido e utiliza o que foi aprendido para melhorar processos.

O gestor deve evitar transformar a conversa em inspeção de cada interação com a ferramenta, salvo quando houver uma necessidade legítima, explicada e compatível com as políticas internas. O equilíbrio consiste em conhecer o processo o suficiente para avaliar a responsabilidade e o resultado, sem criar uma sensação de vigilância que leve as pessoas a esconder dúvidas ou a evitar comunicar problemas.

Transparência antes de coletar respostas

Uma pergunta sobre IA deveria vir acompanhada de uma explicação simples: por que a organização quer saber, quem terá acesso às respostas, se elas serão associadas a uma pessoa e como poderão influenciar decisões. Se a informação não será usada para atribuir uma nota, dizer isso diretamente reduz interpretações equivocadas. Se poderá contribuir para uma avaliação, a empresa deve apresentar os critérios antes de coletar a resposta, e não deixá-los sujeitos à interpretação de cada gestor.

A transparência inclui também dizer o que a organização não pretende fazer. Por exemplo, pode esclarecer que a frequência de uso não será tratada como prova automática de produtividade, ou que a ausência de uso não será considerada falta de iniciativa sem uma análise da função e das circunstâncias. Essas explicações precisam corresponder às práticas reais: promessas vagas não constroem confiança se a equipe observa decisões diferentes.

Se as respostas forem usadas para identificar necessidades coletivas, a empresa pode avaliar se precisa mesmo vincular cada informação ao nome de um funcionário. Uma pesquisa agregada pode revelar dúvidas comuns sem criar um registro individual desnecessário. Em outros casos, uma conversa identificada pode ser útil para oferecer treinamento ou ajustar o trabalho. A escolha deve considerar o objetivo e comunicar com clareza as consequências de cada formato.

Segurança, privacidade e responsabilidade

A adoção de IA envolve decisões sobre o que pode ser compartilhado com ferramentas, como os resultados serão revisados e quem responde pelo trabalho final. Uma avaliação de desempenho que discuta o tema pode servir para reforçar essas responsabilidades, mas não deve substituir políticas claras de segurança e privacidade. O funcionário precisa conhecer as regras aplicáveis antes de ser cobrado por segui-las.

As organizações devem especificar quais informações podem ou não ser inseridas em ferramentas autorizadas, quais processos exigem revisão humana e como reportar uma resposta incorreta ou uma exposição indevida de dados. Também precisam orientar a equipe sobre a diferença entre usar uma ferramenta para apoiar uma tarefa e delegar a ela uma decisão que exige análise profissional. A responsabilidade pelo produto entregue não desaparece porque uma parte do trabalho foi feita com auxílio tecnológico.

Uma política útil não precisa antecipar todos os casos possíveis. Ela deve, no mínimo, apresentar princípios compreensíveis, canais para tirar dúvidas e um processo para atualizar orientações conforme as ferramentas e as necessidades mudem. Se as regras forem excessivamente genéricas, as pessoas podem não saber como agir. Se forem rígidas sem considerar os contextos, podem impedir usos seguros e adequados. A clareza está em explicar limites, responsabilidades e caminhos para pedir orientação.

Diferenças entre funções precisam entrar na análise

Uma organização raramente tem um único tipo de trabalho. As tarefas de uma equipe de atendimento podem diferir das de um grupo que analisa informações, desenvolve software, prepara materiais ou lida com dados sensíveis. A utilidade de uma ferramenta depende do objetivo, das restrições e da qualidade exigida em cada atividade. Por isso, uma pergunta idêntica para todos pode ser adequada como ponto de partida para conhecer experiências, mas não basta para avaliar contribuições distintas.

As expectativas devem ser proporcionais ao trabalho. Se a empresa identifica que uma habilidade específica é necessária para uma função, precisa explicar essa necessidade, oferecer condições para desenvolvê-la e avaliar o resultado de acordo com critérios pertinentes. Não é razoável converter uma tendência geral em obrigação universal sem analisar a atividade concreta. A escolha de não utilizar determinada ferramenta pode ser bem fundamentada, assim como a decisão de adotá-la pode exigir cautela.

Essa distinção ajuda a evitar comparações injustas entre pessoas. O desempenho de alguém não pode ser medido apenas pelo acesso a uma ferramenta, pela exposição a tarefas que permitem seu uso ou pela liberdade concedida pela equipe. Gestores devem considerar recursos disponíveis, responsabilidades e condições reais de trabalho. Sem esse contexto, os números podem sugerir diferenças que não representam diferenças de capacidade ou contribuição.

Como desenhar um processo mais claro

O primeiro passo é definir o propósito. Se a empresa quer aprender sobre os usos existentes, deve tratar o levantamento como uma iniciativa de descoberta. Se quer apoiar o desenvolvimento, precisa identificar quais competências são importantes e que formação está disponível. Se pretende avaliar desempenho, deve vincular a análise a resultados e responsabilidades previamente comunicados, não à mera demonstração de que uma pessoa usa IA.

Em seguida, é importante revisar a linguagem. Perguntas abertas podem gerar respostas mais úteis do que uma escala de “muito” a “pouco” uso, especialmente quando a organização ainda não sabe quais práticas são relevantes. Em vez de sugerir que o uso é obrigatório, a pergunta pode convidar a pessoa a descrever situações em que a tecnologia ajudou, não ajudou ou não era apropriada. O formulário também pode deixar espaço para dúvidas e necessidades de suporte.

Depois, a empresa precisa alinhar gestores. Uma política escrita pouco ajuda se cada liderança explica a pergunta de uma forma diferente. Orientações comuns devem apresentar o que pode ser discutido, quais critérios não podem ser presumidos e como responder quando alguém não usa a tecnologia. Também convém formar gestores para conversar sobre a qualidade do trabalho e sobre as decisões humanas envolvidas, sem reduzir a conversa a uma disputa de produtividade.

Por fim, o processo deve ser revisto após a implementação. A organização pode verificar se as perguntas foram compreendidas, se as respostas ajudaram a tomar decisões e se apareceram receios ou incentivos indesejados. Essa revisão não exige afirmar que existe uma solução perfeita. Exige observar as consequências e ajustar o procedimento quando ele produz confusão, desigualdade ou comportamentos que não correspondem ao objetivo.

Exemplos de perguntas que abrem uma conversa melhor

Uma pergunta aberta pode ajudar o funcionário a falar sobre o trabalho sem insinuar que precisa usar IA em todas as tarefas. Por exemplo: “Em quais atividades você testou ferramentas de inteligência artificial, se isso foi pertinente ao seu trabalho? O que aprendeu com essas experiências?”. A expressão “se isso foi pertinente” sinaliza que a resposta “não usei” também pode ser válida, dependendo do contexto.

Para discutir resultados, a conversa pode perguntar: “Houve alguma atividade em que uma ferramenta ajudou a melhorar o processo ou a entrega? Como você verificou a qualidade do resultado?”. O foco recai sobre a finalidade e a revisão, não sobre a ferramenta como símbolo de inovação. Se nada melhorou, essa informação também é valiosa: pode indicar que o uso não era adequado ou que a abordagem precisa ser repensada.

Para compreender barreiras, gestores podem perguntar: “Que orientação, recurso ou esclarecimento ajudaria você a decidir quando usar ou não usar IA?”. Essa formulação reconhece que a falta de uso pode decorrer de dúvidas sobre segurança, acesso ou adequação, e não de resistência pessoal. A empresa pode então responder com treinamento, regras mais claras ou a decisão de não introduzir a tecnologia naquele processo.

Essas sugestões não devem ser copiadas mecanicamente para todos os contextos. A redação precisa combinar com as políticas, as funções e o objetivo da conversa. Mais importante do que encontrar uma frase perfeita é garantir que as pessoas saibam como a resposta será interpretada e que a avaliação não mude de significado de acordo com a preferência de cada gestor.

O papel da liderança na construção de confiança

Líderes influenciam a forma como uma política é percebida. Se apresentam a IA como uma exigência inevitável, podem incentivar uso pouco refletido. Se a tratam como assunto proibido ou irrelevante, podem impedir que a equipe compartilhe experiências úteis. Uma comunicação mais responsável reconhece que existem oportunidades, limites e incertezas, e convida as pessoas a discutir o trabalho sem transformar toda dúvida em resistência.

É importante que a liderança dê o exemplo ao explicar decisões. Se uma ferramenta não será utilizada em determinada atividade, o motivo pode envolver qualidade, segurança, adequação ou falta de benefício demonstrável. Se houver interesse em testá-la, a equipe deve saber quais salvaguardas serão aplicadas e como o resultado será avaliado. A coerência entre discurso e prática reduz a chance de que uma pergunta em uma avaliação seja lida como uma cobrança disfarçada.

Confiança também depende de ouvir quem realiza o trabalho. Funcionários podem identificar etapas em que uma ferramenta atrapalha, gera retrabalho ou não se ajusta às necessidades do cliente. Ignorar esses relatos em nome de uma meta de adoção enfraquece o propósito de perguntar. A organização não precisa aceitar automaticamente toda opinião como conclusão final, mas deve demonstrar que as respostas são consideradas e que existe espaço para explicar as condições de cada atividade.

Uma tecnologia pode ser relevante sem virar critério universal

A inteligência artificial pode transformar certas rotinas e exigir novas competências. Reconhecer isso não obriga uma empresa a incluir o uso da tecnologia como item de avaliação para todos. O desafio é descobrir onde ela contribui, como preservar a qualidade e que conhecimentos são necessários para cada função. Esses objetivos podem ser atendidos com políticas, treinamento, revisão de processos e conversas de desenvolvimento, sem necessariamente associar a adoção a uma pontuação individual.

Se uma capacidade relacionada à IA for indispensável para determinado trabalho, a organização deve descrevê-la de forma concreta. “Usar IA” é uma expectativa ampla demais para orientar uma avaliação. Uma competência mais clara pode envolver saber verificar resultados, reconhecer limitações, proteger informações e escolher ferramentas adequadas, desde que essas atividades sejam realmente pertinentes à função. A avaliação, nesse caso, observa comportamentos e resultados, não a quantidade de interações com um sistema.

A cautela não equivale a rejeitar inovação. Pode representar uma forma de adotá-la com critérios melhores. Empresas que distinguem curiosidade, experimentação e desempenho conseguem conversar sobre novas ferramentas sem pressionar equipes a demonstrar entusiasmo. Essa abordagem favorece decisões mais transparentes e ajuda a evitar que uma iniciativa destinada a compreender o trabalho seja confundida com uma nova forma de vigilância.

O que empresas podem levar dessa discussão

A experiência relatada em torno da Shopify chama atenção para uma questão de comunicação: até mesmo uma pergunta sem efeito declarado sobre a nota pode ser lida como um sinal de prioridade, se aparecer em uma avaliação sem contexto suficiente. Para organizações, a lição não é simplesmente retirar toda menção à IA. É esclarecer o motivo da pergunta, separar coleta de informação de julgamento e estabelecer critérios compatíveis com as responsabilidades reais de cada função.

Antes de perguntar, vale verificar se a organização consegue responder a três pontos: que decisão pretende apoiar com a informação, como vai proteger e interpretar as respostas e que evidências seriam relevantes para avaliar o trabalho. Se esses pontos ainda não estão claros, talvez seja mais adequado começar por uma conversa exploratória ou por uma orientação interna, e não inserir a questão diretamente em um formulário de desempenho.

Depois, é preciso observar o que a prática comunica. Se os funcionários entendem que precisam usar IA para parecer produtivos, a pergunta criou um incentivo diferente daquele que a empresa talvez pretendesse. Se as pessoas conseguem dizer que não usaram a ferramenta e explicar por quê, há mais espaço para avaliar a adequação da decisão. A qualidade do processo aparece tanto na formulação quanto na resposta que a liderança dá às experiências compartilhadas.

Organizações que desejam avançar podem começar com passos modestos: explicar regras, oferecer um canal para dúvidas, ouvir diferentes equipes e revisar se a tecnologia realmente melhora processos relevantes. As conclusões devem orientar decisões específicas, não produzir uma campanha de adoção sem objetivo mensurável. A IA pode ser parte importante da conversa sobre o futuro do trabalho, mas a avaliação profissional continua exigindo contexto, critérios compreensíveis e atenção às pessoas responsáveis por cada entrega.

A Sorting pode ajudar empresas a organizar essa reflexão e a transformar dúvidas sobre inteligência artificial em conversas mais claras sobre processos, comunicação e critérios de trabalho. Isso pode incluir mapear objetivos antes de introduzir uma nova pergunta em avaliações, identificar pontos que precisam de explicação e estruturar orientações compatíveis com diferentes equipes. O apoio não substitui as decisões da liderança nem elimina a necessidade de considerar segurança, privacidade e características de cada função. A ideia é contribuir para que a tecnologia seja discutida com propósito, sem criar cobranças ambíguas ou confundir a frequência de uso com a qualidade do desempenho.