Pesquisa da Deloitte UK sobre Gastos com IA Expõe uma Divisão de £958 Milhões no Ambiente de Trabalho

A Deloitte afirma que trabalhadores britânicos agora gastam cerca de £958 milhões por ano em ferramentas de IA generativa usadas em seus empregos. A pesquisa da Deloitte UK sobre gastos com IA mostra que os funcionários estão adotando a tecnologia mais rápido do que muitos empregadores conseguem governar, financiar ou sequer monitorar.

O número principal chama atenção, mas o conflito subjacente é mais importante. Os trabalhadores tratam cada vez mais a IA como software pessoal essencial, enquanto os empregadores ainda a encaram como um sistema corporativo controlado. Os funcionários estão comprando acesso, escolhendo ferramentas e criando fluxos de trabalho antes que os processos formais de compras e segurança consigam acompanhá-los.

Essa divisão criou uma grande economia de IA paralela dentro dos locais de trabalho britânicos. IA paralela significa usar serviços de IA generativa sem o conhecimento ou a aprovação do empregador. Ela segue ondas anteriores de software em nuvem não autorizado, mas os prompts podem expor dados sensíveis, enquanto respostas geradas podem introduzir erros ocultos.

As conclusões da Deloitte não comprovam que todos esses gastos gerem valor equivalente. Metade dos usuários pesquisados relatou não economizar tempo, e os usos mais comuns continuam básicos. A verdadeira história, portanto, não é de entusiasmo irrestrito com a IA. Trata-se de uma transferência de decisões tecnológicas, custos e riscos dos empregadores para os trabalhadores individuais.

A Pesquisa da Deloitte UK sobre Gastos com IA Revela a Escala

Os funcionários já tornaram a IA generativa parte do ambiente de trabalho, independentemente de suas organizações a apoiarem formalmente.

A Deloitte divulgou os resultados de sua primeira GenAI Workforce Survey em 16 de setembro de 2026. A Ipsos UK realizou o trabalho de campo online entre 7 de maio e 10 de junho, coletando respostas de 25.000 trabalhadores entre 18 e 70 anos.

A amostra incluiu funcionários e autônomos de 22 setores e 24 funções. A Deloitte aplicou ponderações demográficas e de emprego para refletir a população offline mais ampla. A empresa a descreve como a maior pesquisa realizada até agora, em um único país, sobre o uso de IA generativa no trabalho.

Segundo a pesquisa com trabalhadores, 63% dos entrevistados disseram ter usado conscientemente IA generativa para o trabalho. Esse grupo representava 16.749 pessoas na amostra completa. Outros 34% relataram não usar IA no trabalho, enquanto 3% não sabiam.

A adoção não se limitou a experimentos ocasionais. A Deloitte afirmou que 24% de todos os trabalhadores do Reino Unido usavam IA generativa no trabalho todos os dias. Contudo, outra página da pesquisa apresenta uma taxa de 12% para o uso diário, aparentemente refletindo uma categoria de resposta mais restrita. Essa diferença mostra por que as estimativas de frequência exigem leitura cuidadosa.

O acesso às ferramentas também veio de várias fontes. Entre os usuários de IA generativa, 46% utilizavam serviços gratuitos, 34% usavam ferramentas externas financiadas pelo empregador e 17% utilizavam sistemas internos. Os entrevistados podiam usar mais de uma categoria, portanto esses números não devem ser somados.

Mais importante, 17% pagavam pessoalmente por pelo menos uma ferramenta usada no trabalho. A Deloitte extrapolou esses gastos para £958 milhões anuais em toda a força de trabalho britânica. A estimativa captura um mercado que os orçamentos convencionais de software corporativo podem deixar de fora.

A pesquisa da Deloitte sobre IA paralela acrescenta outro detalhe importante. Seis por cento dos usuários que se autofinanciam relataram gastar mais de £50 por mês, geralmente em várias ferramentas. Isso sugere que alguns funcionários estão montando pilhas pessoais de IA em vez de depender de um único assistente de uso geral.

Essas pilhas podem incluir serviços separados para redação, pesquisa, programação, resumos de reuniões, geração de imagens ou análise de documentos. Um trabalhador pode considerar cada assinatura um atalho prático. Um empregador vê uma coleção fragmentada de contas, com diferentes termos de segurança e controles de dados.

A pesquisa da Deloitte UK sobre gastos com IA, portanto, mede mais do que a demanda por chatbots. Ela revela a rapidez com que os funcionários podem criar uma camada extraoficial de software em torno de seu trabalho. Essa camada é financiada por contas pessoais e frequentemente permanece fora da visibilidade corporativa.

Os Trabalhadores Estão Financiando Ferramentas que os Empregadores Não Forneceram

A lacuna de gastos pressiona os empregadores porque os trabalhadores estão tratando o acesso à IA como uma necessidade, e não como um benefício no trabalho.

Alguns funcionários parecem pagar porque seus serviços preferidos têm melhor desempenho do que as alternativas aprovadas. Entre os entrevistados que usavam ferramentas não aprovadas ou pagavam pessoalmente, 21% disseram que esses produtos superavam as ferramentas da empresa. Outros 14% descreveram os serviços como essenciais para seu trabalho, mas não financiados pelo empregador.

Incentivos de carreira também moldam a decisão. A Deloitte descobriu que 16% desse grupo acreditava que ferramentas de IA escolhidas pessoalmente melhoravam suas perspectivas de promoção. Comprar software torna-se um investimento informal no desempenho individual, mesmo quando o trabalho resultante beneficia a organização.

Isso cria um arranjo econômico incomum. Os empregadores recebem rascunhos, resumos, pesquisas ou código produzidos com serviços escolhidos e financiados pelos próprios funcionários. A organização obtém parte do resultado, enquanto assume riscos que talvez não tenha avaliado.

Os trabalhadores ainda podem considerar esse acordo vantajoso. Se uma ferramenta elimina tarefas repetitivas ou ajuda alguém a superar uma atividade difícil, esperar meses pela aprovação de compras parece custoso. Serviços de IA voltados ao consumidor podem ser acessados em minutos, enquanto avaliações corporativas exigem revisões de segurança, jurídico, finanças e tecnologia da informação.

O padrão de gastos com IA no ambiente de trabalho do Reino Unido também reflete diferenças entre acesso aprovado e acesso preferido. Oferecer um assistente interno não garante que os funcionários deixarão de usar serviços externos. Os trabalhadores comparam qualidade de resultados, velocidade, disponibilidade de modelos, integrações e familiaridade.

O setor de serviços financeiros demonstra o problema. A Deloitte descobriu que 28% dos usuários de IA generativa em finanças, bancos e seguros utilizavam ferramentas internas, em comparação com 17% no geral. Ferramentas externas financiadas pela empresa também alcançaram 41%, acima da taxa de 34% considerando todos os setores.

Ainda assim, 19% dos usuários de IA generativa nesse setor pagavam por suas próprias ferramentas. Isso superou a taxa entre os setores, apesar da maior disponibilidade de opções aprovadas. Mais software corporativo não eliminou automaticamente as assinaturas pessoais.

A descoberta desafia uma suposição comum por trás da implantação empresarial. Os empregadores frequentemente esperam que um assistente aprovado consolide o uso. Em vez disso, os funcionários parecem dispostos a manter serviços separados quando esses produtos se adaptam melhor a fluxos de trabalho específicos.

Isso não significa que toda ferramenta preferida seja objetivamente superior. Os usuários podem favorecer interfaces que já conhecem ou serviços que impõem menos restrições. Um sistema aprovado pode parecer mais fraco justamente porque bloqueia ações sensíveis que uma conta de consumidor permite.

Os empregadores agora enfrentam uma escolha imposta. Podem reembolsar serviços selecionados, melhorar alternativas internas ou restringir mais agressivamente o uso externo. Cada resposta tem custos, e uma simples proibição pode empurrar o uso ainda mais para a clandestinidade.

A pesquisa da Deloitte UK sobre gastos com IA traduz essa escolha em termos financeiros. Quase £1 bilhão em gastos pessoais sinaliza uma forte demanda dos funcionários, mas não identifica quais ferramentas merecem adoção corporativa. As empresas ainda precisam de evidências sobre uso, risco e retornos mensuráveis.

O Principal Conflito é a Demanda dos Funcionários Contra o Controle dos Empregadores

Os trabalhadores querem acesso imediato a modelos úteis, enquanto os empregadores precisam de regras consistentes para dados, precisão, responsabilidade e gastos com software.

A Deloitte descobriu que 31% dos usuários de IA generativa operavam sem o conhecimento de seus empregadores. Sua análise sobre IA paralela descreve uma lacuna entre a política formal e o comportamento real dos funcionários.

Isso não é simplesmente uma falha de conformidade de trabalhadores imprudentes. A pesquisa também aponta para deficiências em liderança e treinamento. Os funcionários tomam decisões em um ambiente no qual a orientação oficial pode ser pouco clara, indisponível ou desconectada de seu trabalho.

Apenas 28% dos usuários disseram que sua organização possuía uma política de IA generativa clara, atual, compreendida e fácil de encontrar. Outros 34% afirmaram que seu empregador não tinha política alguma, enquanto 23% não sabiam se ela existia.

Uma política que os funcionários não conseguem encontrar tem pouco valor prático. Ela não responderá se alguém pode enviar anotações de reuniões, correspondência de clientes, código-fonte ou uma proposta confidencial. Trabalhadores sob prazo tomarão sua própria decisão.

Metade dos usuários de IA generativa não havia recebido treinamento formal. Apenas 20% relataram ter recebido instrução obrigatória. Esses números significam que milhões de trabalhadores estão aprendendo por experimentação, conselhos online e interfaces fornecidas por empresas de IA.

Esse déficit de treinamento importa porque interfaces conversacionais podem ocultar complexidade técnica. Um chatbot parece semelhante a um mecanismo de busca ou software de mensagens, mas os dados inseridos podem ser armazenados, revisados ou processados sob termos que variam conforme o serviço e o tipo de conta.

O material gerado também exige avaliação. Uma resposta fluente pode conter declarações falsas, raciocínio incompleto, citações inventadas ou linguagem inadequada. Os trabalhadores precisam de conhecimento especializado e hábitos de verificação, não apenas técnicas de prompting.

Os riscos aumentam quando uma conta pessoal se torna parte de um fluxo de trabalho profissional. Uma organização pode não saber qual modelo produziu um documento, quais informações entraram no sistema ou se outra pessoa verificou o resultado. Isso enfraquece a auditabilidade.

Há também um problema de compras. Contas pessoais separadas impedem os empregadores de enxergar a demanda total e negociar o acesso com base no uso real. Enquanto isso, licenças corporativas podem permanecer subutilizadas porque a organização escolheu um produto sem compreender as preferências dos funcionários.

A Deloitte afirma que 22% dos usuários que operavam fora da supervisão do empregador acreditavam que sua organização aprovaria o uso se soubesse dele. Esse grupo talvez não se considere violando uma regra relevante. Ele trata o silêncio como permissão implícita.

O empregador pode interpretar o mesmo comportamento de outra forma, sobretudo em trabalhos regulados ou confidenciais. Mesmo experimentos inofensivos podem criar incerteza quando ninguém registra o serviço usado, as informações fornecidas ou a revisão aplicada posteriormente.

A pesquisa da Deloitte sobre IA paralela, portanto, expõe um problema de governança criado por incentivos desalinhados. Os trabalhadores se beneficiam imediatamente quando uma ferramenta economiza esforço. Os empregadores assumem riscos jurídicos, de segurança, reputação e qualidade no longo prazo.

Controles rigorosos por si só não resolverão esse desalinhamento. Bloquear sites em dispositivos gerenciados não abrange celulares pessoais, computadores domésticos ou texto copiado. A vigilância também pode reduzir a confiança sem revelar por que os funcionários rejeitaram as ferramentas oficiais.

As organizações precisam de um caminho viável para a experimentação aprovada. Isso inclui limites claros, alternativas acessíveis e formas de solicitar serviços adicionais. Também exige que líderes expliquem quais dados jamais devem ser inseridos em um modelo externo.

Trabalhadores do conhecimento podem reduzir cópias desnecessárias mantendo materiais de trabalho confiáveis em uma base de conhecimento pessoal controlada. No entanto, o sistema ainda precisa de políticas que correspondam à sensibilidade de seu conteúdo.

A competição central, portanto, não é entre um fornecedor de IA e outro. É entre a adoção liderada por funcionários e o controle liderado por empregadores. O vencedor determinará quem escolhe a IA no ambiente de trabalho e quem permanece responsável quando ela falha.

Gastos Elevados Ainda Não Significam Alta Produtividade

A estimativa de £958 milhões mostra disposição para pagar, mas as evidências da Deloitte descrevem um uso amplo e superficial, em vez de uma transformação consolidada na produtividade.

Os trabalhadores relataram economizar, em média, 70 minutos por semana com IA generativa. A maior parte desse tempo poupado foi dedicada a trabalho adicional para o mesmo empregador, segundo o anúncio da Deloitte sobre os resultados da pesquisa.

Uma média pode ocultar experiências muito diferentes. Os resultados detalhados de produtividade da Deloitte constataram que metade dos usuários não economizou tempo algum. Cerca de um em cada oito relatou economizar mais de três horas por semana.

Em toda a força de trabalho, 7% afirmaram que a IA lhes poupou pelo menos cinco horas por semana. Esse número subiu para 21% no setor de informação e comunicações, mas caiu para 5% na área de saúde e assistência social. O contexto setorial claramente afeta o valor que os trabalhadores relatam.

A pesquisa baseou-se nas lembranças dos trabalhadores, e não em medições diretas de produtividade. A própria Deloitte observa que a maioria das pessoas não consegue se lembrar com precisão do tempo economizado. As estimativas capturam benefícios percebidos, não evidências controladas de maior produção ou trabalho de melhor qualidade.

Os casos de uso mais comuns também foram modestos. Buscar informações e redigir e-mails apareceram, cada um, entre 43% dos usuários. Criar resumos ficou em terceiro lugar, com 31%.

Essas tarefas podem ser importantes, especialmente quando repetidas por uma grande força de trabalho. No entanto, gerar e-mails mais rapidamente pode simplesmente aumentar a quantidade de texto que os colegas precisam ler. Um minuto poupado para quem envia pode criar trabalho extra para quem recebe.

A Deloitte constatou que 31% de todos os respondentes haviam usado IA generativa no trabalho sem economizar tempo. Sua análise de produtividade também afirma que 52% dos usuários acreditavam que perder o acesso não tornaria seu trabalho mais difícil. Outros 11% achavam que o trabalho poderia até se tornar mais fácil.

Apenas 8% descreveram a IA generativa como importante o suficiente para que perdê-la tornasse seu trabalho muito mais difícil. Trata-se de um grupo relevante, mas muito menor que os 63% que já haviam experimentado a tecnologia.

Essas conclusões tornam mais complexa a pesquisa da Deloitte UK sobre gastos com IA. Os funcionários estão pagando por ferramentas antes de a força de trabalho demonstrar ganhos consistentes de produtividade. O gasto revela tanto o valor percebido da opção quanto o valor empresarial comprovado.

Uma assinatura dá ao trabalhador acesso contínuo a novos modelos e recursos. Ela pode funcionar como um seguro para tarefas difíceis, mesmo quando os benefícios diários permanecem limitados. Alguém pode manter um serviço porque ele resolveu bem uma tarefa urgente.

O valor também pode ser psicológico. A IA generativa oferece um ponto de partida quando um documento em branco ou uma questão desconhecida atrasa o progresso. O trabalhador pode se sentir mais capaz sem produzir um resultado que as métricas tradicionais de desempenho consigam isolar facilmente.

Quando há economia de tempo, os empregadores não capturam tudo. A Deloitte constatou que 27% das pessoas que economizaram tempo usaram ao menos parte desse ganho em tarefas pessoais. Cerca de metade usou o tempo poupado para concluir mais do mesmo trabalho.

Esse resultado não é necessariamente um desperdício. Pausas curtas podem reduzir a fadiga, enquanto concluir tarefas mais rapidamente pode melhorar a satisfação no trabalho. No entanto, isso torna mais difícil calcular o retorno financeiro apenas com base em horas de trabalho.

Portanto, os empregadores devem evitar tratar números de adoção como métricas de produtividade. A quantidade de contas, prompts ou usuários ativos diz pouco sobre se o trabalho melhorou. Uma avaliação confiável deve examinar a qualidade das entregas, o tempo de ciclo, as taxas de erro e a experiência dos funcionários.

As conclusões da Deloitte fornecem uma base útil, não um veredito final. Seu ciclo planejado de pesquisa a cada seis meses deve revelar se a experimentação se transforma em dependência. Também pode mostrar se o treinamento leva os usuários além de e-mails, buscas e resumos.

Até lá, a estimativa de £958 milhões não deve ser apresentada como prova de um ganho econômico igualmente grande. Ela mede gastos inferidos a partir de comportamentos autorrelatados. Não calcula lucro, produção nem retorno sobre o investimento.

O Sigilo Cresce Quando os Trabalhadores Temem Como os Gestores Reagirão

A IA paralela é, em parte, uma questão de segurança, mas os dados da Deloitte também a tornam uma questão de confiança no ambiente de trabalho.

Quase um quarto dos trabalhadores, 23%, acreditava haver estigma associado ao uso de IA generativa no trabalho. Entre os usuários semanais, 64% temiam que os gestores concluíssem que a IA poderia executar seus trabalhos.

Essa preocupação dá aos funcionários um motivo para ocultar fluxos de trabalho bem-sucedidos. Um trabalhador que economiza várias horas pode esperar receber mais tarefas, ter sua função revisada ou enfrentar questionamentos sobre o quadro de pessoal. Compartilhar esse ganho pode parecer pessoalmente arriscado.

O sigilo, então, impede que a organização descubra quais fluxos de trabalho geram valor. Os gestores não veem nem o experimento bem-sucedido nem suas limitações. As equipes de segurança também perdem a oportunidade de avaliar o tratamento dos dados antes que a prática se espalhe.

Hayley McKelvey, Chief AI Officer da Deloitte UK, afirmou que trabalhadores que se sentem estigmatizados têm maior probabilidade de ocultar seu uso. Seu argumento conecta sinais culturais à gestão de riscos. Não se pode esperar que os funcionários revelem experimentos quando a revelação parece ameaçadora.

A comunicação da liderança continua fraca. Segundo a pesquisa sobre treinamento da Deloitte, 65% dos usuários não haviam ouvido líderes discutirem IA generativa com clareza e compreensão.

Esse grupo incluía pessoas que ouviam mensagens incoerentes e pessoas que não ouviam nada. Em ambos os casos, os funcionários recebem pouca ajuda para distinguir usos incentivados de usos inaceitáveis.

O resultado é um ambiente de trabalho contraditório. Líderes podem exigir publicamente a adoção de IA, enquanto gestores desconfiam, em privado, de trabalhos assistidos por IA. Os funcionários ouvem que a tecnologia é estratégica, mas não recebem regras estáveis para aplicá-la.

Preocupações com a qualidade podem reforçar essa desconfiança. Gestores podem se deparar com trabalhos fracos gerados por IA e responder desencorajando todo uso. Usuários qualificados passam então a ter menos disposição para explicar como combinam modelos, fontes e revisão humana.

Uma resposta melhor começa separando assistência de responsabilidade. Os trabalhadores podem usar IA para gerar opções, reorganizar anotações, resumir materiais ou redigir textos. Eles continuam responsáveis por verificar o resultado e proteger informações restritas.

A divulgação também precisa de regras proporcionais. Exigir um relatório formal para cada sugestão ortográfica criaria atrito desnecessário. Decisões de alto impacto, dados confidenciais ou alegações publicadas externamente merecem documentação mais robusta.

O treinamento deve usar cenários reais de trabalho. Demonstrações genéricas não mostram a um recrutador, engenheiro de software, profissional de marketing ou administrador de saúde como seus riscos diferem. As políticas se tornam críveis quando os trabalhadores conseguem aplicá-las a tarefas reais.

A Deloitte constatou que 51% da força de trabalho mais ampla afirmaram que o treinamento incentivaria o uso mais frequente de IA. Apenas 20% dos usuários atuais se consideravam altamente proficientes. Isso deixa espaço significativo para suporte estruturado sem impor a adoção.

Os empregadores também podem tornar sistemas aprovados mais fáceis de usar com informações internas. Um fluxo de trabalho fragmentado frequentemente leva funcionários a copiar materiais entre aplicativos e chatbots externos. Uma melhor combinação de conhecimento pode reduzir esse atrito, preservando o contexto necessário para respostas úteis.

No entanto, um sistema aprovado não deve se tornar um pretexto para monitorar todas as perguntas. O rastreamento excessivo pode reproduzir o mesmo medo que levou ao uso paralelo. A governança precisa ser transparente sobre o que é registrado, quem pode inspecionar esses registros e por quê.

É nesse ponto que o número de gastos pessoais se torna especialmente revelador. Os trabalhadores não estão apenas trazendo seu próprio software. Estão usando dinheiro próprio para preservar escolha e privacidade na forma como concluem o trabalho atribuído.

Empregadores que respondem apenas com restrições correm o risco de aprofundar a divisão. Empregadores que ignoram o comportamento aceitam uma exposição sem gestão. O meio-termo viável combina ferramentas úteis, limites claros, treinamento prático e proteção crível contra retaliações.

O Que a Pesquisa da Deloitte sobre IA Paralela Não Pode Comprovar

A pesquisa estabelece um padrão amplo de comportamento relatado, mas seus números mais memoráveis continuam sendo estimativas, e não transações observadas diretamente ou registros de produtividade.

O número de £958 milhões foi extrapolado de uma pesquisa online. A Deloitte não examinou registros bancários, relatórios de despesas nem receitas de fornecedores. A estimativa depende de os respondentes relatarem com precisão seus gastos e o uso no trabalho.

Algumas pessoas podem assinar principalmente por razões pessoais e também usar o mesmo serviço ocasionalmente no trabalho. Outras podem compartilhar contas ou alternar entre acesso gratuito e pago. Essas situações dificultam atribuir cada pagamento inteiramente ao emprego.

A pesquisa também combina funcionários e trabalhadores autônomos em sua definição mais ampla de força de trabalho. Um profissional autônomo que compra software está fazendo uma aquisição empresarial por meio de uma conta pessoal, o que difere de um funcionário que subsidia um grande empregador.

A Deloitte fornece bases separadas para algumas perguntas, mas os resumos públicos não respondem a todas as questões metodológicas. A distribuição dos gastos mensais ajudaria a mostrar se o total reflete pagamentos modestos generalizados ou um grupo menor de usuários intensivos.

A pesquisa mediu a adoção autorrelatada. Os respondentes podem interpretar IA generativa de maneiras diferentes, especialmente quando os recursos estão incorporados a mecanismos de busca, suítes de escritório, celulares ou softwares especializados. A Deloitte incluiu uma definição curta, mas os limites da categoria continuam fluidos.

Da mesma forma, usar uma ferramenta sem o conhecimento do empregador nem sempre é idêntico a usá-la contra a política da empresa. Algumas organizações podem não ter política alguma, e alguns gestores podem tolerar o uso informal. A IA paralela abrange diversas situações de governança.

Uma notícia separada relatou as mesmas conclusões centrais, observando que a economia de tempo não foi medida diretamente. Essa ressalva é importante ao relacionar gastos dos funcionários com produtividade.

A pesquisa também foi divulgada apenas dois dias antes da data de publicação deste artigo. Houve pouco tempo para que pesquisadores independentes, grupos trabalhistas, especialistas em segurança ou empregadores examinassem suas premissas e respondessem.

A Deloitte é simultaneamente publicadora da pesquisa e fornecedora de serviços de consultoria em IA. Isso não invalida as conclusões, e a Ipsos conduziu o trabalho de campo. Significa, porém, que os leitores devem distinguir os resultados subjacentes da pesquisa das recomendações alinhadas ao trabalho de consultoria.

As alegações mais fortes permanecem bem sustentadas dentro da amostra: o uso é disseminado, há pagamentos pessoais, o treinamento é desigual e a visibilidade dos empregadores é incompleta. O total preciso de gastos nacionais traz mais incerteza do que essas conclusões direcionais.

As pesquisas de acompanhamento planejadas tornarão o estudo mais útil. Uma metodologia consistente pode revelar se os gastos pessoais relatados aumentam, caem ou migram para acesso financiado pelos empregadores. Uma única pesquisa oferece um retrato momentâneo, enquanto ondas repetidas podem estabelecer uma tendência.

Dados independentes de transações acrescentariam outra camada. Fornecedores, processadores de pagamentos e plataformas de gestão de despesas podem observar o comportamento de assinaturas, embora raramente saibam se uma conta pessoal apoia trabalho remunerado.

Os empregadores podem gerar evidências internas melhores combinando pesquisas anônimas com trabalhadores, uso de ferramentas aprovadas e resultados de fluxos de trabalho. Devem evitar tratar registros de vigilância como um retrato completo, porque o uso oculto continuará difícil de detectar.

A pesquisa da Deloitte sobre IA paralela é mais valiosa como um alerta sobre pontos cegos organizacionais. Ela não deve se tornar uma desculpa para afirmar que toda assinatura é produtiva ou que todo prompt não aprovado cria uma violação.

Três sinais mostrarão se os empregadores estão acompanhando

A próxima fase será medida por financiamento, treinamento e valor comprovado, não por mais um aumento na experimentação casual.

O primeiro sinal é o equilíbrio entre o acesso pago pessoalmente e o financiado pelo empregador. A próxima rodada da pesquisa da Deloitte deve mostrar se a taxa de 17% de autofinanciamento diminui. Uma queda acompanhada de uso estável indicaria que as organizações estão incorporando ferramentas que os trabalhadores já valorizam.

Uma queda causada por bloqueios restritivos significaria algo diferente. Os empregadores precisam comparar o uso declarado com a satisfação dos funcionários e a adoção de ferramentas aprovadas. Caso contrário, um gasto visível menor pode simplesmente refletir uma ocultação mais profunda.

O segundo sinal é se o treinamento chega aos trabalhadores antes que as políticas se transformem em mecanismos de fiscalização. Metade dos usuários atuais relatou não ter recebido treinamento formal, e apenas 28% descreveram a política de seu empregador como clara, atual, conhecida e acessível.

Se essas métricas melhorarem, as empresas poderão reduzir a exposição acidental de dados e, ao mesmo tempo, obter experimentações mais úteis. Se a conscientização sobre as políticas aumentar sem treinamento ou acesso confiável, a governança continuará sendo um exercício burocrático.

O terceiro sinal é avançar além da redação básica, da busca e da sumarização. Os dados atuais da Deloitte descrevem uma adoção ampla, porém superficial. A validação mais forte seria uma melhora mensurável em fluxos de trabalho completos, e não apenas mais texto gerado.

As empresas devem acompanhar se a IA reduz o tempo de conclusão sem aumentar correções, a carga de revisão ou a confusão nas etapas posteriores. Também devem analisar se os benefícios aparecem em diferentes funções ou se se concentram entre profissionais técnicos que já possuem maior qualificação.

Para os funcionários, a questão prática é se um fluxo de trabalho assistido por IA pode ser revelado com segurança. Os trabalhadores devem entender quais informações são permitidas, como os resultados precisam ser verificados e se as alternativas aprovadas correspondem às ferramentas que já utilizam.

Para os empregadores, a questão já não é mais se a IA generativa entrou no ambiente de trabalho. A pesquisa da Deloitte UK sobre gastos com IA mostra que os trabalhadores já tomaram essa decisão por meio de milhares de compras e experimentos individuais.

A escolha restante diz respeito a quem moldará a próxima etapa. As organizações financiarão ferramentas eficazes e criarão regras que os trabalhadores possam seguir, ou deixarão os funcionários montar sozinhos sistemas não oficiais?

Essa resposta determinará se quase £1 bilhão em gastos pessoais se tornará uma ponte para um trabalho melhor ou a evidência de uma divisão duradoura. Os empregadores devem começar perguntando aos trabalhadores por quais ferramentas eles pagam, quais problemas essas ferramentas resolvem e o que impede que o mesmo trabalho seja realizado com segurança dentro de sistemas aprovados.