O Termómetro da Confiança
A confiança na IA costuma ser medida como se mede a temperatura. Uma escala. Um número. Um gradiente que sobe ou desce em pequenos incrementos previsíveis. A Edelman publica o estudo. O painel fica verde ou vermelho. A equipa de políticas redige um memorando. O número é tratado como a leitura de um termóstato — algo a empurrar para cima através de campanhas, formação e tranquilização.
O Edelman Trust Barometer de 2026 quebrou essa moldura. A confiança na IA não é um termómetro. É um precipício.
Entre cerca de 34 000 inquiridos em 28 países, ouvidos entre 23 de outubro e 18 de novembro de 2025, a Edelman encontrou algo que o modelo do gradiente não consegue explicar. O maior preditor isolado da confiança de uma pessoa na IA não é a sua idade, nem o rendimento, nem a escolaridade, nem a orientação política. É se essa pessoa teve, ou não, uma experiência útil com a ferramenta. E a diferença entre quem teve e quem não teve varia entre 26 e 46 pontos percentuais nos mercados estudados.
Vinte e seis a quarenta e seis pontos não é um gradiente. É uma descontinuidade. Os dados não mostram pessoas a aquecer lentamente em relação à IA à medida que aprendem mais. Os dados mostram pessoas de um lado ou do outro de um muro. O muro é uma utilização significativa. Quando essa utilização acontece, a confiança sobe acentuadamente. Até acontecer, a confiança não se move — por mais apresentações que a equipa de gestão da mudança produza.
O Precipício nos Números
Os dados por país tornam o precipício visível à escala. Na China, 87 por cento dos inquiridos dizem confiar na IA. No Brasil, 67 por cento. Na Alemanha, 39 por cento. No Reino Unido, 36 por cento. Nos Estados Unidos, 32 por cento. A distância entre a China e os Estados Unidos é de cinquenta e cinco pontos percentuais — uma distância tão larga que as duas populações vivem efetivamente em relações diferentes com a mesma tecnologia.
A tentação é ler as diferenças entre países como culturais. Os mercados orientais confiam mais na tecnologia do que os ocidentais. As populações mais jovens confiam mais do que as mais velhas. As explicações habituais alinham-se em fila.
O Edelman Trust Institute olhou para o mecanismo subjacente e encontrou outra coisa. O Edelman Trust Barometer Flash Poll do outono de 2025 — um estudo separado, com 5 000 inquiridos no Brasil, China, Alemanha, Reino Unido e Estados Unidos, realizado entre 17 e 27 de outubro de 2025 — isolou a variável da experiência. A pergunta era simples: beneficiou pessoalmente da IA no trabalho? Em quatro dos cinco mercados, quem respondeu que sim tinha entre 26 e 46 pontos percentuais mais probabilidade de confiar na IA do que quem respondeu que não.
As diferenças entre países nos números globais de confiança não desaparecem quando se controla pela experiência. Mas diminuem. Diminuem muito. A razão pela qual a China lidera os rankings de confiança não é, sobretudo, que a cultura chinesa confie mais na tecnologia. É que mais trabalhadores chineses tiveram uma experiência útil com IA. A confiança segue a experiência. A experiência não segue a confiança.
É isto que torna a metáfora do precipício mais precisa do que a do termómetro. Um termómetro pressupõe continuidade — pequenos movimentos na entrada produzem pequenos movimentos na saída. Um precipício pressupõe descontinuidade — a pessoa de um lado tem uma orientação categoricamente diferente da pessoa do outro, e a única coisa que a faz atravessar é a própria travessia.
O Que a Primeira Interação Decide
Amy Edmondson publicou o seu trabalho fundador sobre segurança psicológica em 1996 e 1999, estudando equipas de enfermagem num hospital. Esperava encontrar que as equipas com melhor desempenho cometiam menos erros de medicação. Encontrou o oposto: as melhores equipas reportavam mais erros, não menos. As equipas que tinham bons resultados não eram equipas sem erros. Eram equipas honestas em relação aos erros. A segurança psicológica — que Edmondson definiu como a crença de que a equipa é um lugar seguro para correr riscos interpessoais, a crença de que não se será punido por fazer uma pergunta ou admitir que não se sabe alguma coisa — foi a variável que distinguia as equipas capazes de trazer os erros à superfície daquelas que os enterravam.
Aplique-se o quadro à adoção de IA e o precipício ganha foco.
A primeira interação com uma ferramenta de IA é um momento de risco interpessoal. A pessoa em frente ao ecrã não sabe se a sua pergunta é demasiado básica, demasiado vaga ou demasiado reveladora do que ela não sabe. Não sabe se o sistema vai produzir algo útil ou algo embaraçoso. Não sabe se o seu histórico de consultas será analisado por alguém com autoridade sobre a sua avaliação de desempenho. Está a expor um pedaço de incerteza cognitiva a um sistema cujo significado social ainda não está estabelecido.
Se essa primeira interação produzir um resultado pequeno e útil — uma resposta que clarifica algo, um rascunho que poupa vinte minutos, um resumo que revela um padrão que tinha passado despercebido — a incerteza resolve-se. A ferramenta passa de “ameaça potencial à minha reputação profissional” para “recurso que posso voltar a usar”. A confiança não chega pela persuasão. Chega pela experiência de um retorno não punitivo a um pequeno ato de vulnerabilidade. Isto é o quadro de Edmondson aplicado a ferramentas em vez de equipas: a segurança para correr o risco produz a experiência que justifica a confiança.
Se essa primeira interação não produzir nada — ou pior, produzir algo que a pessoa tem de corrigir, justificar ou esconder — a incerteza não se resolve. Endurece. O risco foi corrido. O retorno foi negativo. O sistema foi agora classificado como inseguro. Nenhuma quantidade de formação posterior vai reiniciar essa classificação depressa, porque o sistema nervoso humano não pondera as evidências de forma simétrica. Uma primeira experiência negativa produz uma postura defensiva que as experiências positivas seguintes têm de ultrapassar, não simplesmente somar.
A diferença de 26 a 46 pontos é a sombra visível desta assimetria. As pessoas do lado da confiança não são mais esclarecidas. Tiveram uma primeira interação útil. As pessoas do lado da resistência não são mais medrosas. Não tiveram.
A Posição Europeia
Para as PME europeias — as empresas de 50 a 500 colaboradores que constituem o público de quase tudo o que a Bluewaves escreve — o precipício tem uma geometria específica que as médias globais ocultam.
O Eurostat publicou o seu inquérito TIC de 2025 a 11 de dezembro de 2025. O número de destaque: 20 por cento das empresas da UE com dez ou mais colaboradores usaram tecnologias de IA em 2025. Vinte por cento. O que significa que oitenta por cento não usaram. O crescimento face a 2024 foi de 6,5 pontos percentuais — uma aceleração sólida — mas o ponto de partida era 13,5 por cento, e o destino continua a ser uma minoria das empresas europeias.
A repartição por dimensão é ainda mais reveladora. As grandes empresas (mais de 250 colaboradores) chegaram aos 55 por cento de adoção. As empresas médias (50 a 249 colaboradores) chegaram aos 30 por cento. As pequenas empresas (10 a 49 colaboradores) chegaram aos 17 por cento. O intervalo entre países é ainda mais amplo: Dinamarca com 42 por cento, Finlândia com 37,8 por cento, Suécia com 35 por cento no topo; Roménia com 5,2 por cento, Polónia com 8,4 por cento, Bulgária com 8,5 por cento na base.
O tecido das PME europeias, portanto, está maioritariamente do lado de cá do precipício. A maior parte das empresas ainda não introduziu ferramentas de IA à maior parte dos seus colaboradores. A maior parte dos colaboradores ainda não teve uma primeira interação. O que significa que a maior parte da formação de confiança que vai determinar se a IA cria raízes nas PME europeias ainda não aconteceu.
É uma situação invulgar. Estamos habituados a pensar na adoção como algo que acontece a posteriori — medido em retrospetiva, otimizado por iteração. O contexto das PME europeias inverte a cronologia. As primeiras interações ainda estão no futuro. O precipício ainda não foi atravessado pela maior parte da população. As condições da travessia ainda podem ser desenhadas.
É uma posição rara. É também uma posição frágil. Porque as decisões de desenho que determinam se a primeira interação tem sucesso estão a ser tomadas agora, em decisões de aquisição, modelos de implementação e e-mails de boas-vindas — e a maior parte dessas decisões está a ser tomada por pessoas que não percebem que estão a desenhar um precipício.
O Que a Maioria das Implementações Erra
Vi dezenas de implementações de IA em empresas europeias nos últimos dois anos. As implementações que falham costumam falhar de maneiras semelhantes. As que vingam costumam vingar pelas mesmas razões. O padrão não é subtil, quando se sabe onde olhar.
As implementações que falham tratam a primeira interação como um problema de formação. O raciocínio é: se formarmos bem as pessoas na ferramenta, elas vão usá-la bem. Por isso, o responsável pela implementação marca uma sessão de formação de uma hora. Um representante do fornecedor percorre as funcionalidades. As pessoas tomam notas. Algumas perguntas são feitas. A sessão termina. As pessoas regressam às suas secretárias, onde a ferramenta está agora instalada ao lado de outras dezassete aplicações, e espera-se que a integrem no seu trabalho.
A primeira interação, nesta configuração, é tipicamente uma pessoa sentada sozinha à secretária, a abrir a ferramenta pela primeira vez depois da formação, a tentar lembrar-se do que devia fazer. Escreve algo tentativo. A ferramenta produz algo genérico. A pessoa não sabe se o resultado é bom ou mau — não consegue avaliá-lo, porque não usou a ferramenta o suficiente para desenvolver calibração. Fecha a janela. Volta ao fluxo de trabalho que já conhece. A primeira interação não é um fracasso. É um não-evento. E um não-evento é, no quadro de Edmondson, uma confirmação de que o risco não valia a pena. A confiança não se forma porque nada aconteceu que a formasse.
As implementações que vingam tratam a primeira interação como um momento relacional. Desenham-no. Não a ferramenta — o momento. Identificam uma tarefa específica, pequena e real que a pessoa já faz. Sentam-se ao lado da pessoa — ou emparelham-na com um colega que já usou a ferramenta — para a primeira interação. Observam o resultado em conjunto. Dão nome ao que é útil e ao que não é. Garantem que a pessoa sai da primeira interação com um caso concreto de “esta ferramenta ajudou-me em algo que eu tinha mesmo de fazer”. Esse caso torna-se a âncora de confiança. As interações seguintes deixam de ser primeiras interações — passam a ser continuações de uma experiência que a pessoa já classifica como positiva.
As implementações que vingam compreendem algo que as outras não compreendem: a primeira interação não é um passo num plano de formação. É o momento em que o precipício é atravessado ou não. Tudo o resto é a jusante desse momento.
O Fosso entre Quadros e Equipas
Os dados da Edelman revelaram outra coisa que as PME europeias devem ler com atenção. Nos mercados estudados, perto de dois terços dos gestores reportaram usar ferramentas de IA com regularidade. Entre os não gestores, o número foi de aproximadamente um em cada quatro.
Não é um fosso de competência. É um fosso de primeira interação. Os gestores tiveram mais oportunidades de contacto com ferramentas de IA — estão presentes em demonstrações de fornecedores, são incluídos nas conversas de aquisição, recebem acesso antecipado durante pilotos, e por vezes têm uma licença pessoal antes da implementação alargada. Tiveram várias primeiras interações, algumas das quais produziram resultados úteis. Estão do lado da confiança no precipício.
Os não gestores, na maior parte das implementações que observei, têm uma primeira interação diferente. Recebem um e-mail a anunciar a ferramenta. Recebem um link para uma formação gravada. Recebem um prazo até ao qual devem estar a usá-la. Não têm um colega sentado ao lado para a primeira consulta. Não têm uma tarefa explícita, pequena e real onde aplicar a ferramenta. Recebem a configuração que produz não-eventos.
A diferença de confiança entre gestores e não gestores nos dados da Edelman não é, principalmente, uma diferença de competência, inteligência ou abertura à tecnologia. É uma diferença na qualidade das primeiras interações. Os gestores tiveram os momentos relacionais. Os não gestores tiveram o e-mail.
Para uma PME a implementar IA, isto significa que a pergunta “a nossa equipa está a adotar a ferramenta?” é a pergunta errada. A pergunta certa é: “qual foi a primeira interação de cada pessoa com esta ferramenta, e foi suficientemente boa para a colocar do lado da confiança no precipício?” Se não conseguir responder a essa pergunta sobre cada pessoa, não tem uma estratégia de adoção. Tem uma esperança de adoção.
A Assimetria das Primeiras Impressões Negativas
Há um traço de fisiologia do stress que vale a pena nomear aqui. Robert Sapolsky, em Why Zebras Don’t Get Ulcers, documenta a assimetria da deteção de ameaças nos sistemas nervosos dos mamíferos. Um predador que escapa é uma refeição perdida. Um predador que passa despercebido é a morte. O sistema nervoso está calibrado para pesar mais os sinais negativos do que os positivos, porque o custo de um falso negativo — deixar passar uma ameaça real — é mais alto do que o custo de um falso positivo — tratar como ameaça algo seguro.
Esta assimetria viaja para o local de trabalho. Uma pessoa que teve uma experiência negativa com uma ferramenta vai precisar de várias experiências positivas antes de a classificação negativa ser reescrita. A proporção exata varia — a investigação sobre o viés de negatividade produziu estimativas entre três para um e cinco para um — mas a direção é consistente. As primeiras impressões negativas colam-se. As primeiras impressões positivas reforçam-se. O substrato não é simétrico.
É por isto que o fosso da Edelman não fecha rapidamente através de exposições subsequentes. Uma pessoa que teve uma primeira interação negativa com uma ferramenta de IA não é simplesmente alguém que ainda não teve uma positiva. É alguém cujo sistema nervoso já codificou a ferramenta como fonte de risco. A próxima exposição tem de trabalhar mais do que a primeira teria trabalhado, porque está a combater uma classificação existente, não a construir uma do zero.
Para as equipas de implementação, a implicação operacional é severa. Não se pode fazer uma má primeira interação e depois corrigi-la com uma segunda melhor. A primeira interação não é um rascunho. É o alicerce. As implementações que vi vingar tratam-na com a seriedade que esse achado merece.
O Que os Dados Dizem para Fazer
Sou cautelosa com listas prescritivas, porque tendem a converter conclusões matizadas em checklists que produzem a mesma não-adoção orientada por cumprimento que as conclusões tentavam evitar. Mas os dados da Edelman, combinados com o quadro de Edmondson e com a assimetria de negatividade de Sapolsky, apontam para um pequeno conjunto de escolhas estruturais que as PME europeias deveriam fazer antes da próxima implementação de IA.
Desenhar explicitamente a primeira interação. Não pressuponha que ela acontece. Não pressuponha que a formação a produz. Para cada pessoa da equipa, identifique uma tarefa real e pequena em que a ferramenta possa, de forma demonstrável, ajudar, e desenhe o momento em que a pessoa usa a ferramenta nessa tarefa. O desenho não é uma checklist. É um momento relacional — um colega presente, uma pergunta esperada, um resultado nomeado.
Sequenciar por preparação, não por organograma. As primeiras pessoas a interagir com a ferramenta devem ser as que têm maior probabilidade de ter uma primeira interação útil. Isto significa, muitas vezes, começar pelos utilizadores curiosos, não pelos quadros superiores. Os utilizadores curiosos produzem sinais de confiança que o resto da organização pode observar — o que reduz o risco percebido da primeira interação para todos os que vierem depois.
Separar a implementação da avaliação. Durante a janela das primeiras interações, nenhum painel de utilização deve estar visível para as chefias. Nenhuma métrica deve subir na cadeia. A primeira interação é um momento de aprendizagem. Tratá-la como momento de avaliação fecha a segurança que a aprendizagem exige. Quando a confiança se tiver formado — quando a equipa estiver do lado certo do precipício — os dados de utilização podem tornar-se operacionalmente úteis. Antes disso, são uma ameaça que impede o próprio comportamento que estão a tentar medir.
Construir para a primeira interação falhada. Algumas primeiras interações vão correr mal. A ferramenta vai produzir algo inútil ou enganador. O desenho da implementação deve incluir um caminho explícito e de baixo custo para a pessoa sinalizar a falha e tentar de novo com ajuda. A falha não é o problema. A falha não trazida à superfície é o problema — porque uma falha por trazer endurece na classificação negativa que a investigação de Sapolsky descreve, e as experiências positivas seguintes vão ter de a combater durante meses.
Medir a experiência, não a atividade. A pergunta relevante não é quantas consultas a equipa fez esta semana. É quantas pessoas, se forem perguntadas diretamente, diriam que a ferramenta as ajudou a fazer algo que elas tinham mesmo de fazer. Essa medição é mais difícil. É por isso que a maior parte das organizações a salta. Saltar essa medição é por que a maior parte das implementações produz atividade sem adoção.
A Integração
Aqui está a tensão que quero manter, porque colapsá-la seria falsificar os dados.
As ferramentas de IA são úteis. Os inquiridos da Edelman que reportaram utilização regular de IA também reportaram ganhos acentuados em confiança, produtividade e adesão. Quando a ferramenta ajuda as pessoas a compreender ideias complexas, a confiança sobe cerca de quarenta pontos nos mercados, e quase cinquenta pontos no Reino Unido. Os benefícios são reais. Os dados não são ambíguos quanto a isso.
As implementações de IA estão, na sua maioria, a falhar em produzir esses benefícios. Oitenta por cento das empresas europeias com dez ou mais colaboradores não usam IA. Entre as que usam, a diferença entre gestores e não gestores é estrutural, não acidental. Os benefícios estão desigualmente distribuídos porque as primeiras interações estão desigualmente desenhadas. A ferramenta funciona. A implementação, na maior parte das vezes, não.
Ambas as coisas são verdade. A tecnologia atravessou um limiar de capacidade. As organizações que a usam não atravessaram um limiar de desenho. A capacidade é uniforme. A confiança é bimodal.
O contexto das PME europeias — onde a maior parte das empresas ainda está em fase de pré-adoção, onde a maior parte dos colaboradores ainda não teve a sua primeira interação — é o momento raro em que o limiar de desenho ainda está à frente da organização, não atrás. As decisões que estão a ser tomadas agora, em aquisições e onboarding e nos primeiros e-mails sobre a nova ferramenta, são decisões sobre de que lado do precipício cada pessoa vai aterrar. As decisões são reversíveis apenas a alto custo. São desenháveis a baixo custo — se o desenho acontecer antes da implementação, não depois.
A Edelman deu-nos os dados. A Edmondson deu-nos o quadro. O Sapolsky deu-nos o mecanismo. A integração dos três é a imagem operacional: a confiança constrói-se ou quebra-se na primeira interação, a primeira interação é um momento de risco psicológico, e o sistema nervoso que processa esse momento pondera os resultados de forma assimétrica. Nada disto é um termómetro. Tudo isto é um precipício.
A maior parte das organizações desenha para a centésima interação eficiente. O problema da adoção está na primeira interação segura.
A leitura do termómetro não se move porque o termómetro é o instrumento errado. O que os dados estão a medir não é uma temperatura. É uma posição. E a posição, ao contrário da temperatura, não se ajusta aquecendo a sala. É determinada pelo sítio onde a pessoa estava de pé no momento em que aconteceu o que importava.
A primeira interação é a única que conta. A maior parte das organizações não a está a desenhar. É esse o problema de adoção que ninguém está a resolver — e a oportunidade rara, para as PME que ainda estão antes do precipício, de o desenhar antes de o precipício ficar fixo.