# Dossiê — "O Caminho Certo da IA" Base de evidência verificada para o conteúdo INEMA. Duas rodadas de pesquisa profunda (fan-out + verificação adversarial 3 votos) + verificação manual dos números de manchete. Data de compilação: 2026-06-20. **Como ler:** ✅ = confirmado com voto/fonte. ⚠️ = caveat obrigatório ao citar. 🔶 = reportado/amplamente citado mas NÃO confirmado contra fonte primária (usar com ressalva). --- ## TESE CENTRAL O "caminho certo" não é o que o hype vende. Há um abismo entre promessa e realidade — e a causa raiz das falhas **não é o modelo nem a regulação, é a falta de qualificação** para avaliar, integrar e medir IA. Ao mesmo tempo o empoderamento é real e medido, mas **desigual: depende da pessoa e da tarefa**. Quem domina o próprio domínio entende os limites da IA melhor que o entusiasta que prevê sua obsolescência. Dois eixos da qualificação: 1. **Alavancar com IA** (usar a ferramenta de verdade: contexto, iteração, automação, harness). 2. **Ser insubstituível** (as habilidades humanas que a IA não substitui). Ancorados numa **camada de evidência** — afirmação com fonte, o oposto do guru raso. --- ## PARTE 1 — A PAISAGEM DO RUÍDO (as falhas) ✅ **Gartner — +40% dos projetos de IA agêntica serão CANCELADOS até o fim de 2027.** Por custo crescente, valor de negócio incerto e controle de risco inadequado. ⚠️ É *previsão/forecast*, não resultado observado. Fonte: Gartner press release 25/06/2025 (analista Anushree Verma; pesquisa jan/2025, 3.412 resp.). https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027 ✅ **"Agent washing" — só ~130 de milhares de fornecedores de IA agêntica são genuínos** (Gartner). Rebatizam chatbot/RPA velho de "agente"; maioria das propostas agênticas carece de ROI. ⚠️ Metodologia do "130" não é transparente. Mesma fonte Gartner. ✅ **MIT NANDA "The GenAI Divide" — 95% das organizações sem retorno mensurável** apesar de US$30–40 bi investidos; só 5% dos pilotos integrados extraem milhões. Funil corporativo: 60% avaliam → 20% pilotam → 5% chegam à produção. ⚠️ **CAVEAT FORTE:** working paper NÃO revisado por pares; amostra modesta (52 entrevistas, 153 respostas); conflito de interesse (projeto vende infra agêntica). A mídia DISTORCEU: o correto é "95% das *orgs* sem impacto em P&L", **não** "95% dos pilotos falham". Fonte: mlq.ai / MIT NANDA, ~ago/2025. ✅ **A "lacuna de aprendizado" é a causa raiz** — a ferramenta esquece contexto, não aprende, não evolui. Para trabalho crítico, **90% preferem humanos**. Reclamações: "não aprende com meu feedback" (65%), "exijo contexto manual toda vez" (60%). Gargalo = memória/adaptação, não talento/infra/regulação. Fonte: MIT NANDA. ✅ **Por que falha na avaliação** — confiar na métrica do material de venda do fornecedor em vez de interrogar a "ground truth". Pergunta nº1 ao avaliar IA: *"o gabarito é mesmo verdadeiro?"* ⚠️ Voto 2-1 (generalização de um estudo de caso, mas mecanismo corroborado por NANDA/RAND). Fonte: MIT Sloan Management Review. https://sloanreview.mit.edu/article/the-no-1-question-to-ask-when-evaluating-ai-tools/ --- ## PARTE 2 — SEPARAR SINAL DE RUÍDO (anti-grift) ✅ **"AI Snake Oil" (Narayanan & Kapoor, Princeton)** — IA que não funciona como anunciada e provavelmente não pode funcionar. Ex. de grift: ferramenta que diz prever desempenho no emprego por vídeo de 30s, sem evidência científica (caso HireVue). ✅ Framework-chave: **"IA" são duas tecnologias** — a *generativa* (ChatGPT) avançou muito; a *preditiva* é "planilha Excel glorificada". Confundir as duas gera a confusão pública. Fonte: Princeton Research, 18/12/2024. https://research.princeton.edu/news/ai-snake-oil-conversation-princeton-ai-experts-arvind-narayanan-and-sayash-kapoor ✅ **Julgamento de domínio > hype de obsolescência** — previsões de "a IA vai substituir o emprego X" vêm de entendimento raso do trabalho. Ex. real: Hinton previu em 2016 radiologistas obsoletos; uma década depois há escassez e salários altos. Ceticismo com previsões de Gates/Altman (subestimam conhecimento tácito/contextual). Fonte: CITP/Princeton (Narayanan & Melanie Mitchell), 02/04/2025. https://blog.citp.princeton.edu/2025/04/02/a-guide-to-cutting-through-ai-hype-arvind-narayanan-and-melanie-mitchell-discuss-artificial-and-human-intelligence/ --- ## PARTE 3 — O EMPODERAMENTO REAL (medido, peer-reviewed) ✅ **Suporte ao cliente: +14% na média, +34% para novatos**, ~zero para experientes. Mecanismo: a IA dissemina a melhor prática dos top performers e acelera o iniciante na curva. Fonte forte: Brynjolfsson, Li & Raymond — NBER w31161, publicado no *Quarterly Journal of Economics 2025*, 3M+ chats reais. **Sem refutação.** https://www.nber.org/papers/w31161 ✅ **Devs com Copilot: 55,8% mais rápidos** numa tarefa única de servidor HTTP; **+12,9% a +21,8% mais pull requests/semana** (Microsoft), +7,5–8,7% (Accenture). ⚠️ O "55,8%" é tarefa artificial com conflito de interesse (Microsoft/GitHub); estudo *independente* (BlueOptima, ~218 mil devs) achou só **~4%** real. Números de campo são "preliminares/sugestivos". Fontes: arXiv:2302.06590; MIT GenAI/Cui et al. ✅ **A ilusão de produtividade (achado mais importante)** — RCT METR: 16 devs *experientes* usando IA nos próprios repos ficaram **19% MAIS LENTOS**. Esperavam +24%; mesmo depois de medido, ainda achavam que aceleraram +20%. ⚠️ Específico de expert em código maduro/familiar; reafirmado em 24/02/2026. Fonte: METR, 10/07/2025. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ > **A reconciliação (o coração da tese):** a IA ajuda novato + tarefa simples e pode atrapalhar > expert + código complexo. O ganho não vem da ferramenta — vem da **qualificação** de quem usa. --- ## PARTE 4 — REFORMA EDUCACIONAL (o mundo se ajustando) ✅ **China — "AI + Education Action Plan" (abril/2026)** emitido por 5 órgãos centrais liderados pelo Ministério da Educação (MOE). Meta até 2030: sistema nacional de alfabetização em IA cobrindo **todos os níveis de ensino e a sociedade inteira**. Fonte primária: gov.cn, 15/04/2026. https://english.www.gov.cn/news/202604/15/content_WS69df29e6c6d00ca5f9a0a6b1.html ✅ **China — ensino superior:** IA vira disciplina pública básica, livros-texto por área, programas interdisciplinares, novos cursos alinhados ao upgrade industrial. **+38 cursos de graduação em IA/energia** adicionados em abril/2026. Mesma fonte gov.cn + Global Times. 🔶 **China — 12.200 cursos de graduação revogados/suspensos entre 2021–2025 (~30% dos programas afetados), em favor de áreas tech; ~10.200 programas de IA/robótica adicionados.** ⚠️ Fontes secundárias (mas múltiplas e convergentes): SCMP (Carol Yang, 14/06/2026) e Tech Startups (15/06/2026). O número exato "12 mil" não foi confirmado contra documento primário do MOE. https://www.scmp.com/economy/china-economy/article/3356913/chinas-universities-cut-12000-obsolete-degrees-amid-race-embrace-ai-era ✅ **China — sistema escalonado de educação em IA (maio/2025)** do fundamental ao médio, com objetivos por faixa etária + "Guia de Uso de IA Generativa em Escolas (Edição 2025)". Fontes: SCIO/Xinhua 13/05/2025; CSET/Georgetown. ✅ **UE — AI Act, Artigo 4:** alfabetização em IA é **obrigação legal vinculante** para provedores E implantadores, em aplicação desde **02/02/2025**, fiscalização a partir de ago/2026. ⚠️ **CAVEAT TEMPORAL:** o "Digital Omnibus" (acordo político provisório mai/2026) propõe SUAVIZAR o Art. 4 — mas só vale após adoção formal + publicação no Jornal Oficial, o que NÃO ocorreu até jun/2026. Permanece vinculante hoje, pode mudar em semanas. https://artificialintelligenceact.eu/article/4/ 🔶 **EUA — Executive Order 14277 "Advancing AI Education for American Youth"** (Trump, 23/04/2025), cria White House Task Force on AI Education. ⚠️ NÃO confirmada nesta rodada (votos abstidos por rate-limit); existe no Federal Register mas não verificada pelo nosso processo. --- ## PARTE 5 — HABILIDADES QUE IMPORTAM (WEF Future of Jobs 2025) ✅ **Mercado de trabalho até 2030:** 170M novos empregos criados, 92M deslocados, **saldo líquido +78M**; **22% dos empregos atuais** sofrem disrupção; **~39% (dois quintos) das habilidades mudam** até 2030; **63% dos empregadores** citam a lacuna de skills como maior barreira; 85% planejam priorizar upskilling. Fonte: WEF Future of Jobs Report 2025 (jan/2025), via People Matters e Coursera citando o relatório (acesso direto deu 403; números convergentes em 2 fontes). https://www.weforum.org/publications/the-future-of-jobs-report-2025/ ✅ **Top 10 habilidades centrais 2025 (WEF) — % de empresas que consideram essencial:** 1. Pensamento analítico — 69% (7 de 10 empresas) 2. Resiliência, flexibilidade e agilidade — 67% 3. Liderança e influência social — 61% 4. Pensamento criativo — 57% 5. Motivação e autoconsciência — 52% 6. Alfabetização tecnológica — 51% 7. Empatia e escuta ativa — 50% 8. Curiosidade e aprendizado ao longo da vida — 50% 9. Gestão de talentos — 47% 10. Orientação a serviço / atendimento — 47% Fonte: WEF "Skills outlook", cap. 3 do Future of Jobs 2025. > Habilidades de MAIOR CRESCIMENTO 2025–2030 (IA & big data #1, redes/cibersegurança, etc.): > mencionadas pelas fontes mas não travadas voto-a-voto — usar como "reportado". --- ## CRUZAMENTO — As 12 habilidades do PDF ↔ evidência WEF/Princeton/MIT | PDF "12 habilidades humanas" | Ancoragem verificada | |---|---| | 2. Pensamento crítico / 6. Data literacy / 12. Coragem ética | AI Snake Oil (Princeton); "ground truth" (MIT Sloan); o anti-grift | | 11. Aprender a aprender | Lacuna de aprendizado (MIT NANDA); +34% novatos (Brynjolfsson); WEF #8 curiosidade/lifelong learning | | 8. Definir o que fazer (priorização) | Ilusão METR (executar ficou barato; decidir e medir vale mais) | | 9. Lidar com incerteza | WEF #2 resiliência/flexibilidade/agilidade (67%) | | 1. Empatia / 10. Conexão humana | WEF #7 empatia e escuta ativa (50%); #3 liderança e influência social (61%) | | 2. Pensamento crítico | WEF #1 pensamento analítico (69%) | | 3. Criatividade | WEF #4 pensamento criativo (57%) | | 7. Vontade e propósito | WEF #5 motivação e autoconsciência (52%) | | 4. Nexialismo / 5. Repertório | Conhecimento tácito/contextual e julgamento de domínio (Princeton/Mitchell) | **Conclusão:** as 12 habilidades do PDF batem quase 1-para-1 com o ranking verificado do WEF — o material deixa de ser opinião e passa a ter lastro institucional. --- ## OS 2 EIXOS DO MODELO INEMA **Eixo 1 · Alavancar com IA** (do material de 7 pontos do usuário): 1. IA não é só pra técnico — toda área usa. 2. Virar a "pessoa de IA" do time. 3. Usar IA com julgamento humano (revisar, adaptar, assumir o resultado). 4. Engenharia de contexto (ensinar a IA com dados reais do seu trabalho). 5. Trabalhar por iteração (prototipar, testar, corrigir). 6. Automatizar tarefas previsíveis (e saber quando automação simples basta). 7. Criar segurança profissional/financeira (nova renda em torno de um interesse). **Eixo 2 · Ser insubstituível** (as 12 habilidades humanas do PDF): empatia · pensamento crítico · criatividade · nexialismo · repertório · data literacy · vontade e propósito · definir o que fazer · lidar com incerteza · conexão humana · aprender a aprender · coragem ética. **Plano de 4 semanas** (do PDF): autoconhecimento → pensamento+repertório → dados+decisão+incerteza → relações+propósito+ética.