Por Giovanna Gregori Pinto, executiva de RH e fundadora da People Leap.
Uma pesquisa global da HireVue mostra que 72% dos profissionais de RH já utilizam Inteligência Artificial em suas atividades em 2025, um salto expressivo em relação aos 58% registrados em 2024.
Apesar desse avanço, o relatório 2025 Global Human Capital Trends da Deloitte revela um paradoxo: 66% dos executivos consideram que os novos contratados não estão preparados tecnicamente, e apenas 7% afirmam estar de fato avançando na reinvenção do papel do gestor.
Esse contraste deixa claro que, embora a adoção de tecnologia esteja acelerada, ainda existe uma lacuna importante na capacidade das empresas de transformar dados e ferramentas digitais em insights estratégicos e práticas efetivas de gestão.
É nesse cenário que muitas vezes surge a confusão entre People Analytics e Inteligência Artificial. Embora ambos lidem com dados, cada um oferece um tipo de abordagem diferente. No People Analytics, é o analista quem escolhe variáveis, interpreta resultados e gera conhecimento para o negócio.
Já a IA aprende sozinha a partir de dados históricos, identifica padrões e recomenda ações de forma autônoma. Em outras palavras, enquanto o Analytics é mais controlável, a IA é mais sofisticada e autônoma, mas também menos transparente.
Isso significa que não existe uma abordagem “melhor” em termos absolutos. O que existe é o que faz sentido para o momento e os desafios Startups em fase inicial, com poucos dados e necessidade de análises ágeis, se beneficiam mais do Analytics tradicional, que é simples de aplicar e fácil de comunicar a líderes.
Já scale-ups ou corporações globais, que lidam com grandes volumes de informação, podem extrair muito mais valor de algoritmos de IA, capazes de prever comportamentos e recomendar ações com maior acurácia. O segredo está em reconhecer o estágio da organização e escolher a ferramenta adequada para aquele contexto.
O perigo está em acreditar que a tecnologia resolve tudo sozinha. Modelos de IA podem reproduzir vieses já presentes nos dados históricos, e isso não é apenas hipótese. Pesquisas da Universidade de Washington já documentaram algoritmos que discriminavam candidatos com base em gênero e nomes associados a pessoas negras.
Para evitar distorções como essa, é essencial que o RH atue com senso crítico: garantindo curadoria diversa de dados, aplicando modelos explicáveis, testando em sandbox antes de levar insights para decisões reais e monitorando os resultados de forma contínua.
Nesse ponto, vale lembrar: a decisão final nunca é da máquina. Ela continua sendo nossa. O papel do RH não é apenas operacionalizar relatórios ou contratar tecnologia, mas assumir um lugar estratégico na mediação entre dados, pessoas e cultura organizacional. Afinal, de que adianta prever turnover se a empresa não consegue atuar na raiz dos problemas?
Outro equívoco comum é acreditar que basta acompanhar dezenas de métricas para ter uma área de People Analytics robusta. O que observo em empresas de diferentes portes é justamente o contrário: excesso de indicadores sem ligação direta com o negócio geram dados vazios e a complexidade para serem monitorados, acaba trazendo mais problema que soluções.
Em geral, startups em estágio inicial devem focar em velocidade e qualidade de contratação. Scale-ups precisam olhar para engajamento, retenção de talentos críticos e tempo até a produtividade de novos contratados. Indústrias devem priorizar absenteísmo, segurança e produtividade. Multinacionais ganham quando medem sucessão de lideranças, diversidade avançada e employer branding. Não é sobre medir tudo: é sobre medir o que realmente importa.
Mais do que uma escolha entre People Analytics e Inteligência Artificial, o verdadeiro desafio está em construir um RH consciente, ético e estratégico, que saiba fazer as perguntas certas, e saiba quando recorrer à estatística tradicional, quando acionar o algoritmo e, principalmente, quando questionar ambos. A tecnologia pode oferecer velocidade e previsões, mas nunca substitui o julgamento humano.
No fim, são as nossas decisões que definem se esses recursos serão catalisadores de transformação ou apenas mais uma onda passageira no mar da inovação.
