Letramento digital crítico: o que o CEO precisa entender antes da IA chegar no seu time

Eu li uma matéria no IT Forum sobre letramento digital crítico nas escolas e fiquei parado por uns minutos. O argumento central era simples: a IA já chegou às salas de aula, mas professores e alunos ainda não sabem como lidar com ela de forma consciente. A tecnologia avança; a capacidade de pensar sobre ela, não.

Me peguei pensando: essa descrição não é sobre escola. É sobre a maioria das empresas que eu visito.

Na UNODATA, a gente conversa com gestores de TI, diretores e CEOs toda semana. O padrão que eu vejo com mais frequência não é falta de ferramenta. É falta de leitura crítica sobre o que aquela ferramenta faz, quando ela erra e quem paga a conta quando ela erra. Letramento digital crítico é exatamente isso: não saber usar, mas saber questionar.

Minha aposta é que nos próximos dois anos isso vai separar empresas que usam IA de empresas que são usadas por ela. E essa distinção começa no andar de cima.

O que letramento digital crítico tem a ver com decisão de negócio

O conceito não é novo na academia. Pesquisadoras como Cristieni Castilhos e Ana Luiza Prado, que assinam o artigo original no IT Forum, discutem como a escola precisa preparar alunos não só para operar ferramentas digitais, mas para entender a lógica por trás delas: como um algoritmo de recomendação escolhe o que mostrar, por que um sistema de IA pode reproduzir vieses históricos, quem define os parâmetros de um modelo de linguagem.

No ambiente corporativo, a mesma questão aparece com outro vocabulário. Quando um gestor aprova um contrato de software com IA embutida, ele geralmente não pergunta: qual é o dado de treino desse modelo? Quem define o que é uma resposta correta? Existe auditoria de resultado? Essas perguntas não são técnicas. São estratégicas. E o CEO que não as faz está terceirizando uma decisão crítica para o vendedor do software.

Letramento digital crítico não é saber usar a ferramenta. É saber quando ela está errada e o que fazer com isso.

O problema se agrava porque a IA tem uma característica que outras tecnologias não tinham na mesma escala: ela parece mais confiante do que é. Um sistema de ERP errava de forma óbvia, com tela de erro ou número claramente fora do lugar. Um modelo de linguagem erra com fluência. Ele entrega a resposta errada com a mesma segurança com que entrega a certa. Isso exige um nível diferente de leitura crítica de quem opera e de quem decide.

O gap que o mercado não está enxergando

Existem hoje três perfis comuns de empresa em relação à IA:

1. A empresa que ainda não começou. Está esperando a poeira baixar, talvez com medo de errar. Vai perder competitividade, mas pelo menos não vai criar um problema que não sabe resolver.
2. A empresa que adotou IA como ferramenta operacional. Automatizou processo, ganhou eficiência, ficou satisfeita. Até o momento em que a ferramenta toma uma decisão ruim que ninguém consegue explicar.
3. A empresa que adotou IA com governança. Sabe o que a ferramenta faz, monitora os resultados, tem critério para aceitar ou rejeitar recomendações do sistema e treina o time para questionar antes de confiar.

O terceiro perfil é raro. E a diferença entre ele e o segundo não está no orçamento de tecnologia. Está na cultura de leitura crítica que começa no topo da hierarquia.

Na prática, o que falta não é acesso à ferramenta. É a capacidade de formular a pergunta certa para ela, interpretar a resposta com ceticismo saudável e entender o que o modelo não consegue responder por limitação estrutural. Isso é letramento. E letramento se constrói, não se compra no próximo ciclo de licenciamento.

O custo invisível da confiança excessiva

Um exemplo concreto que eu vejo com frequência: equipes de vendas B2B usando modelos de IA para priorizar leads. O sistema pontua, o vendedor liga para quem o sistema indica. Em seis meses, a taxa de conversão caiu. Por quê? Porque o modelo foi treinado com dados históricos de um mercado que mudou. O sistema nunca soube que o mercado mudou, porque ninguém alimentou esse contexto. E o time confiou na pontuação sem questionar.

O prejuízo não aparece na linha de TI do balanço. Aparece na receita. E a causa raiz (root cause, em inglês: a origem real do problema, não o sintoma) raramente é identificada como falha de letramento digital. Fica como “o mercado está difícil”.

O que líderes podem fazer diferente agora

Não estou propondo um programa de capacitação de três dias com certificado. Estou falando de mudança de postura. Algumas práticas que eu aplico internamente na UNODATA e que recomendo para qualquer CEO que quer construir isso no próprio time:

• Faça perguntas de auditor, não de usuário. Quando alguém apresenta resultado gerado por IA, pergunte: qual foi o dado de entrada? Quão recente é a base? Qual é a margem de erro esperada? Você não precisa saber a resposta técnica. Precisa criar o hábito no time de ter essas respostas prontas.
• Separe automação de decisão. IA pode automatizar processo. Decisão com consequência estratégica ou legal precisa de humano com contexto. Defina essa fronteira por escrito antes que um incidente defina por você.
• Invista em vocabulário antes de investir em ferramenta. Seu time precisa entender o que é um modelo de linguagem, o que é viés algorítmico, o que significa “alucinação” em IA (quando o modelo inventa informação com aparência de verdade). Sem esse vocabulário mínimo, a conversa com fornecedor é sempre assimétrica.
• Crie cultura de revisão, não de aceitação. Se o processo interno é “o sistema sugeriu, a gente fez”, você não tem governança. Tem delegação sem responsabilidade.
• Meça o que a IA erra, não só o que ela acerta. Taxa de acerto é métrica de marketing de fornecedor. Taxa de erro em contexto crítico é métrica de gestão.

Essas práticas não resolvem tudo. Mas criam o ambiente mínimo para que letramento se desenvolva no dia a dia, sem precisar parar a operação para um treinamento formal.

A responsabilidade que não pode ser delegada

A matéria do IT Forum foca na escola, e faz isso bem. Mas o argumento dela vale para qualquer instituição que está incorporando IA sem construir junto a capacidade crítica de quem vai usá-la.

CEO não precisa saber escrever código Python. Precisa saber fazer a pergunta que o especialista técnico às vezes não faz porque está ocupado demais construindo a solução. “Por que o modelo acertou aqui e errou ali?” é uma pergunta estratégica. “Quem é responsável quando ele errar numa decisão que afeta cliente?” também é.

Eu tenho defendido internamente que letramento digital crítico é pré-requisito de governança de IA, não consequência. A maioria das empresas está fazendo ao contrário: adota primeiro, governa depois, quando já tem problema instalado.

A escola está tentando não repetir esse erro com a próxima geração. A questão é se o mercado corporativo vai aprender antes ou depois de pagar a conta.

---

Perguntas frequentes

O que é letramento digital crítico no contexto empresarial?

É a capacidade de usar ferramentas digitais e de IA com consciência sobre seus limites, vieses e falhas, não apenas com habilidade operacional. No ambiente corporativo, significa que gestores e times sabem questionar resultados gerados por sistemas automatizados antes de agir sobre eles, e entendem quem é responsável quando o sistema erra.

Por que letramento digital é responsabilidade do CEO e não só da área de TI?

Porque as decisões que IA influencia são decisões de negócio, com impacto em receita, risco legal e reputação. TI implementa a ferramenta. Mas a decisão de usá-la numa contratação, numa precificação ou numa priorização de cliente é decisão que sobe para o nível estratégico. Se o CEO não tem leitura crítica sobre o que o sistema faz, ele está tomando decisão sem contexto real.

Como começar a desenvolver esse letramento no time sem parar a operação?

O ponto de partida mais prático é mudar o protocolo de apresentação de resultados gerados por IA: exigir que toda entrega traga junto a origem do dado, a data da base de treino e um exemplo de caso em que o sistema poderia errar. Isso força o time a desenvolver leitura crítica no próprio fluxo de trabalho, sem precisar de treinamento separado.

Qual é o maior risco de uma empresa que adota IA sem letramento crítico?

O maior risco não é o erro óbvio, que alguém percebe e corrige. É o erro sistemático silencioso: o modelo que prioriza leads errados por meses, o sistema que aprova crédito com viés, a ferramenta que sugere preço fora do mercado. Esses erros só aparecem quando o impacto já é significativo, e a causa raramente é identificada como falha de governança de IA.