A adoção de IA em serviços profissionais cresce quando a empresa escolhe tarefas concretas por função, mostra o uso pela liderança, define regras de dados e mede o resultado do processo. No caso da firma australiana Gilbert + Tobin, publicado pela OpenAI em 1 de setembro de 2026, 87% das licenças habilitadas estavam ativas em junho. A organização atribui o avanço a exemplos reais e capacitação por papel, sem metas obrigatórias de uso. É um caso de fornecedor e não uma prova universal, mas oferece um roteiro útil para pilotos controlados.
Adoção não é quantidade de licenças
Licença distribuída mede acesso; adoção exige uso recorrente em trabalho relevante, com qualidade e responsabilidade. Uma equipe pode abrir a ferramenta toda semana e ainda não reduzir tempo, melhorar entrega ou ampliar capacidade. Por isso, o indicador de atividade precisa ser ligado a tarefas concluídas e aprovadas.
A Gilbert + Tobin informou 87% de uso ativo entre as licenças habilitadas, mais que o dobro de outras ferramentas comparadas pela empresa. O número mostra engajamento naquele contexto, mas não informa sozinho retorno financeiro ou qualidade. A análise fica útil quando combinada com tempo de ciclo, retrabalho, exceções e satisfação da equipe.
A liderança torna o uso legítimo e responsável
Líderes da firma demonstraram como aplicavam a IA em seu próprio trabalho, o que reduziu a percepção de que a ferramenta era apenas experimento da área técnica. O exemplo precisa incluir dúvidas, correções e limites. Mostrar apenas a resposta final cria uma expectativa falsa de automação sem revisão.
A liderança não deve aprovar automaticamente todo resultado produzido com IA. Sua função é escolher prioridades, financiar controles, remover barreiras e cobrar responsabilidade. A pessoa que entrega o trabalho continua responsável por conferir fatos, raciocínio, confidencialidade e adequação ao cliente.
Treine por função e por tarefa
Capacitação genérica ensina recursos, mas raramente muda a rotina. Organize sessões curtas com materiais reais e permitidos de cada área. Marketing pode testar síntese de referências e preparação de propostas; recrutamento, pesquisa e organização de dados; operações, auditorias e renomeação de arquivos; especialistas, comparação de documentos e criação de primeiras estruturas.
O caso relata redução de quatro horas para 20 minutos em uma atividade de pesquisa e extração de dados de recrutamento, além de cerca de 25 minutos por candidato no processamento de referências. Esses ganhos devem ser tratados como resultados internos do caso, não como promessa. Cada empresa precisa medir sua própria linha de base e o tempo de revisão.
Defina governança antes de ampliar o acesso
Liste tarefas aprovadas, dados permitidos, usos proibidos, responsáveis por revisão e rota para incidentes. Verifique termos contratuais, retenção, treinamento de modelos, controles administrativos, residência de dados e acesso por função. Informação confidencial não deve entrar em ferramenta sem avaliação jurídica e de segurança.
A empresa australiana combinou políticas internas, contratos, permissões e revisão humana, inclusive com requisitos de processamento e residência na Austrália. A configuração apropriada varia por setor e país. No Brasil, a análise também deve considerar LGPD, sigilo profissional, contratos com clientes e necessidade de registro das decisões.
- Finalidade e proprietário de cada caso de uso
- Tipos de dados permitidos e proibidos
- Critérios de qualidade e revisão humana
- Acesso por função e registro de atividade
- Plano de resposta a erro, vazamento ou decisão inadequada
Meça o processo antes e depois
Escolha uma unidade operacional: proposta entregue, candidato processado, relatório revisado, arquivo classificado ou verificação concluída. Meça tempo total, tempo humano, qualidade, retrabalho, custo, exceções e risco. Compare com a linha de base e mantenha o mesmo critério de aprovação.
No caso publicado, a firma produz de 400 a 500 propostas por ano e usa o ChatGPT para sintetizar e adaptar materiais. Também relatou economia de um dia em relatórios de auditoria para 300 entidades e renomeação de 1.100 arquivos. Em verificações selecionadas de cadastro, lavagem de dinheiro e conflitos, tarefas de três a oito horas passaram a cerca de cinco minutos, sempre com validação humana. O principal aprendizado é medir um fluxo limitado, não extrapolar o melhor resultado para toda a organização.
Avance da assistência para a execução apenas em fluxos limitados
Comece com síntese, classificação e preparação de rascunhos. A passagem para execução deve ocorrer somente quando entrada, ação, permissão e saída estiverem delimitadas. Uma automação que move arquivos pode ser reversível; uma mensagem enviada ao cliente ou uma decisão regulatória exige controles mais fortes.
Use amostragem de qualidade, registro das etapas, limites de volume e aprovação para ações externas. Interrompa o fluxo quando faltarem dados, houver conflito ou a confiança for baixa. A automação deve facilitar a escalada para um especialista, não esconder exceções.
Roteiro de piloto em 30 dias
Na primeira semana, selecione duas tarefas repetitivas, nomeie responsáveis e registre a linha de base. Na segunda, configure acesso, regras de dados e exemplos aprovados. Na terceira, rode um volume pequeno com revisão integral. Na quarta, compare tempo, qualidade, custo, retrabalho e incidentes e decida se o caso deve avançar, mudar ou parar.
Não imponha meta de mensagens ou horas de uso. Estabeleça meta de resultado, como reduzir o tempo sem aumentar erros, e mantenha espaço para que a equipe rejeite o fluxo quando ele não fizer sentido. Registre aprendizados em um guia vivo com exemplos e critérios de decisão.
Limitações do caso e cuidados
A fonte é um caso publicado pela OpenAI sobre um cliente empresarial do setor jurídico australiano. Os números não foram apresentados como estudo independente e podem não se repetir em pequenas empresas, outros países ou tarefas diferentes. Contexto, qualidade dos dados, preço, integração e maturidade da equipe alteram o resultado.
Serviços profissionais lidam com sigilo, responsabilidade técnica e decisões de alto impacto. Não automatize pareceres, aprovações ou comunicação sensível sem supervisão qualificada. Valide obrigações legais e contratuais e mantenha uma alternativa operacional quando a ferramenta estiver indisponível ou produzir resposta inadequada.
Para levar daqui
A adoção sustentável de IA combina exemplo da liderança, treinamento por função, regras claras e métricas de processo. A empresa deve ampliar somente os casos que demonstram ganho com qualidade, revisão e responsabilidade preservadas.
