Inteligência artificial na educação corporativa: da produção de cursos à prova de que funcionaram

O que você vai encontrar aqui

• O que a pesquisa com 443 empresas brasileiras mostra sobre onde a inteligência artificial na educação corporativa já entrou e onde ainda não chegou
• Como usar a IA no levantamento de necessidades de treinamento sem colocar dados de colaboradores onde não devem estar
• Como fazer design instrucional com IA no padrão da sua empresa, e os três erros de roteiro que só quem conhece o processo percebe
• O que conferir num banco de questões gerado por IA antes de aplicar a prova
• Onde a trilha de aprendizagem com IA pode errar sobre uma pessoa, e cinco perguntas para o fornecedor
• Como montar um tira-dúvidas com IA que responde certo e uma simulação de conversa, o roleplay com IA, que a equipe usa mais de uma vez
• Um prompt para levar a avaliação do treinamento até o comportamento no trabalho

Este artigo complementa o e-book gratuito O Mapa do Explorador, que reúne mais de 200 tendências de tecnologia que não envelhecem com a próxima manchete. O livro mostra quais tecnologias vão mudar o trabalho das áreas da empresa nos próximos anos, matéria-prima para o levantamento de necessidades de treinamento.

A ementa chega na segunda-feira. Na terça, a analista de treinamento e desenvolvimento (T&D) já tem o roteiro do curso; na quarta, as questões da prova, os slides e o e-mail de convite, tudo rascunhado com IA e revisado por ela. Seis meses depois, alguém da diretoria pergunta se a equipe que fez o treinamento trabalha diferente da que não fez, e ninguém tem como responder.

Trabalhando com times de liderança e de T&D, ouço essa pergunta, e ela chega depois que a produção de conteúdo já acelerou.

A IA entrou pelo meio do trabalho de T&D, na produção, e as duas pontas continuam pouco cobertas: descobrir o que precisa ser ensinado e provar que alguma coisa mudou depois do curso. Em cada etapa, do levantamento de necessidades à avaliação de impacto, ela já tem uma tarefa em que ajuda e um erro típico que só quem entende daquele processo pega.

Inteligência artificial na educação corporativa: muito curso novo, pouco resultado medido

A Pesquisa Panorama do Treinamento no Brasil 2025/2026, feita pela Integração Escola de Negócios com a ABTD, a Associação Brasileira de Treinamento e Desenvolvimento, ouviu 443 empresas. O uso de IA para criar conteúdo, como aulas, imagens, vídeos e telas, saltou de 8% no ano anterior para 69%.

A mesma pesquisa mede como os projetos de treinamento são avaliados, pelos níveis do modelo de Donald Kirkpatrick, mais o retorno sobre o investimento:

1. Reação, a opinião de quem participou: 71% dos projetos.
2. Aprendizagem, o que a pessoa acertou numa prova: 38%.
3. Aplicação no trabalho, o comportamento depois do curso: 11%.
4. Resultado no negócio: 3%.
5. Retorno sobre o investimento: 1%.

As empresas avaliaram menos os projetos do que no ano anterior, em todos os níveis e sobretudo nos de resultado e de retorno. Para a queda na avaliação de resultados, os autores levantam uma hipótese: “talvez por estarmos treinando mais e com a mesma equipe”. Com a IA, a produção acelerou, e sobrou menos gente para medir.

Lá fora, a dificuldade de medir se repete: no relatório AI in Learning and Development 2026, da Synthesia, empresa de vídeo com IA, 63% dos profissionais de T&D dizem precisar de apoio para avaliar o impacto do que fazem com IA.

Na Mars, a mudança foi no que se entrega. O programa antigo para quem assume a primeira gestão de equipe levou 16 meses e custou cerca de US$ 1 milhão para desenhar e distribuir, segundo o artigo de Jeanne Meister na Forbes sobre a Mars University.

O programa novo dura nove semanas e combina aula com instrutor, coach de IA e simulação. Para Corey Munoz, vice-presidente de aprendizagem da Mars University, a medida de aprendizagem é a prática, e não o consumo de conteúdo.

O trabalho de T&D passa por sete etapas:

1. Levantamento de necessidades.
2. Design instrucional, também chamado de desenho instrucional.
3. Produção de conteúdo e de avaliações.
4. Trilha personalizada.
5. Tira-dúvidas com IA.
6. Simulação.
7. Avaliação de impacto.

O resultado da avaliação de um curso alimenta o levantamento de necessidades do próximo, e é nessa volta que os 3% pesam: quando ninguém mede, o ciclo recomeça sem saber o que funcionou.

Levantamento de necessidades de treinamento com IA

O pedido chega pronto: “precisamos de um curso de comunicação para o time comercial”. O levantamento de necessidades de treinamento existe para descobrir se esse curso resolve o problema que motivou a demanda. Ele começa pela pergunta que ficou de fora: o que essas pessoas precisam fazer diferente no trabalho, e qual indicador mostra que hoje elas não fazem.

No curso de comunicação para o time comercial, o indicador pode ser a taxa de propostas que viram venda ou o número de reclamações de clientes. Esse número costuma estar com o gestor da área, e é a ele que se pede.

É a etapa em que a IA poupa mais leitura. Respostas abertas de pesquisa de clima, comentários da avaliação de reação e da avaliação de desempenho, motivos de retrabalho, chamados de suporte e anotações de entrevista com gestores somam centenas de páginas. A IA lê tudo e agrupa por problema. A analista fica com a parte que a IA não faz: conversar com quem pediu o curso.

O cuidado está no que entra no prompt. Comentários de avaliação e respostas de pesquisa são dados pessoais de colaboradores: só entram numa ferramenta de IA aprovada pela empresa, sem nome, matrícula ou detalhe que identifique quem escreveu. Os comentários abertos costumam citar colegas, unidades e episódios: antes de exportar, troque esses trechos na planilha por marcadores como [colega] ou [unidade].

Quando a equipe sente que a ferramenta aprovada pela empresa, muitas vezes o Copilot, faz menos do que as outras que conhece, parte do trabalho escapa para contas pessoais, por pressa. Como o T&D lida com dados de todas as áreas, conhecer a fundo a ferramenta da empresa protege mais do que proibir as outras.

O prompt abaixo, organizado em papel, contexto, tarefa, formato e restrição, transforma um conjunto de respostas sem identificação em hipóteses de necessidade. Antes de anexar, numere as respostas na planilha:

Você é analista de T&D da [empresa] e vai preparar o levantamento de necessidades de treinamento da área de [área].
Contexto: anexei as respostas abertas da pesquisa de [tema], numeradas e sem nome, matrícula ou cargo de quem respondeu, e os indicadores da área nos últimos seis meses. O gestor pediu um treinamento de [tema do pedido].
Tarefa: agrupe as respostas por problema de desempenho, ou seja, algo que as pessoas precisam fazer diferente no trabalho. Para cada grupo, liste os números das respostas que o sustentam, cite dois trechos literais com o número da resposta de origem e indique qual indicador anexado poderia mostrar a mudança. Depois, separe os grupos que pedem formação dos que dependem de mudança de processo, de ferramenta ou de meta, explicando o motivo em uma frase.
Formato: tabela com as colunas problema de desempenho, números das respostas, trechos, indicador, formação ou outra causa.
Restrição: use só as respostas e os indicadores anexados. Quando um grupo tiver menos de cinco respostas, marque como "sinal fraco" em vez de descartar.

A tabela que sai daí é uma hipótese. A IA erra a contagem quando o volume é grande e pode citar um trecho que não existe. Some cada grupo na planilha, pelos números das respostas, e confira cada trecho na resposta de origem.

Antes de virar plano, cada grupo passa por dois ou três gestores da área, porque a IA dá peso ao que aparece mais vezes por escrito, e o problema mais caro nem sempre é o mais comentado.

Nessa conversa, faço aos gestores três perguntas, uma para cada tipo de competência, sempre sobre a equipe e nunca sobre uma pessoa:

1. Humana: onde a equipe deixa de dar feedback, orientar colegas ou construir relação de trabalho?
2. Técnica: em que parte do trabalho a equipe não domina a técnica, inclusive conferir o que a IA entrega?
3. Do negócio: que conhecimento do negócio só uma ou duas pessoas da equipe têm, e a equipe perderia se elas saíssem?

Para o grupo que vira curso, registre já o valor de hoje do indicador e veja se alguma turma vai começar só depois da medição de impacto, feita de 60 a 90 dias após o curso, para servir de comparação.

Quando a causa aponta para processo, o passo anterior ao curso é mapear como o trabalho é feito hoje.

Design instrucional com IA

Ao desenhar a agenda de um programa corporativo de várias sessões com inscrição aberta, notei que mais gente se inscrevia quando cada tópico juntava duas coisas: um termo que a pessoa ainda não conhecia e a tarefa do trabalho dela que aquele termo resolve. Faltando um dos dois, a inscrição caía.

Nomear cada tópico pela tarefa que ele resolve atrai o público certo e já orienta o que o curso vai ensinar. É uma decisão de design instrucional, a etapa que transforma a necessidade em treinamento, com objetivo, sequência, atividades e avaliação.

Essa etapa continua com quem desenha o curso, e a IA acelera o rascunho do roteiro, das dinâmicas e dos exercícios desde que receba o padrão da casa antes do primeiro pedido.

A instrução que uso em treinamento para transformar ementa em roteiro no padrão da empresa vai num projeto, o espaço do ChatGPT, do Claude ou do Gemini que guarda orientações e arquivos para reaproveitar, num agente do Copilot ou numa skill, o arquivo de instruções que a IA aplica sempre que recebe aquele tipo de pedido.

Junto vão três anexos: o guia instrucional da empresa, dois roteiros já aprovados e o dicionário de competências. Se a empresa ainda não tem guia, os roteiros servem de padrão.

A instrução segue as dimensões de instrução de sistema que ensino no livro Engenharia de Prompts na Prática: papel, contexto, restrições e comportamento esperado.

Você trabalha no design instrucional da [EMPRESA].
Você transforma ementas em roteiros de treinamento usando o guia instrucional anexado como padrão e os dois roteiros aprovados como referência de formato e profundidade.
Para cada roteiro, entregue: título, objetivo geral, objetivos de aprendizagem observáveis (o que a pessoa vai conseguir fazer ao final), blocos com tempo estimado, sugestão de dinâmica por bloco e critério de avaliação.
Use o dicionário de competências anexado para nomear competência. Não invente nome que não esteja lá.
Se a ementa não trouxer público, carga horária ou nível, pergunte antes de escrever.
Marque como [VERIFICAR] qualquer dado, norma ou referência bibliográfica que não esteja nos anexos.

Duas linhas fazem a maior parte do trabalho. A de perguntar antes de escrever evita um roteiro com público inventado. A do [VERIFICAR] faz a IA marcar o que não está nos anexos, em vez de preencher a lacuna por conta própria.

Um guia antigo misturado com o novo produz resposta errada com cara de certa. Mantenha um documento oficial e vigente por assunto, com a data no nome do arquivo, e teste a instrução com três ementas que passaram pela sua mesa no último mês.

Mesmo com a instrução certa, três erros de roteiro passam por quem não domina o processo:

1. Objetivo trocado por conteúdo: o roteiro lista temas e chama de objetivo de aprendizagem, sem dizer o que a pessoa vai conseguir fazer ao final.
2. Dinâmica que não roda: a atividade pressupõe uma sala e um tempo que a sua turma não tem.
3. Contexto cultural ignorado: o conteúdo está correto, mas os exemplos não acontecem na sua empresa.

Nenhum dos três aparece numa revisão de português. Antes de aprovar, peça a quem já conduziu aquela turma que leia o roteiro imaginando a sala.

Conteúdo e avaliações gerados por IA: o que conferir antes de publicar

Texto, slide, vídeo com avatar, legenda e tradução saem da IA em minutos. A conferência não acelera junto, e é ela que decide se o ganho de produção chega ao aluno sem erro. Antes de publicar, confira:

1. Fatos e números: cada dado, norma e referência confere com a fonte original, e o que veio marcado com [VERIFICAR] não sai sem conferência.
2. Especialista do assunto: alguém que domina o tema assina a versão final, e o nome dele fica registrado.
3. Exemplos da casa: os exemplos acontecem na sua empresa, com os sistemas e o vocabulário de lá.
4. Acessibilidade: legenda e transcrição automáticas passam por leitura humana, porque erram nomes próprios e termos técnicos.
5. Imagem e voz: avatar ou voz de uma pessoa real só entra com autorização dela por escrito.
6. Registro: fica anotado qual ferramenta gerou cada peça e quem aprovou, para corrigir rápido quando um erro aparecer depois.

Se o tempo só der para um dos seis, eu ficaria com o segundo: um especialista que assina o material confere fatos e exemplos sem precisar de lista, porque sabe qual erro a turma comete na prática.

Questões de prova geradas por IA

Criar testes de conhecimento é o segundo uso mais comum de IA em T&D no Brasil, presente em 39% das empresas na Pesquisa Panorama. Na revisão do banco de questões, três pontos pegam os erros mais comuns:

1. O gabarito tem uma única resposta defensável.
2. As alternativas erradas são erros que alguém daquele trabalho cometeria de verdade.
3. A questão pede aplicação numa situação, em vez de repetir a frase do slide.

Depois da primeira turma, separe o quarto das pessoas com melhor nota na prova inteira e o quarto com pior nota, e compare o acerto de cada questão nos dois grupos. Uma questão em que os dois grupos acertam em proporção parecida, com diferença menor que 20 pontos percentuais, não separa quem aprendeu mais de quem aprendeu menos, e volta para revisão quando a prova precisa distinguir níveis.

Se o grupo de pior nota acerta mais que o de melhor nota, confira o gabarito primeiro. Numa prova de conformidade com uma norma ou um procedimento, em que todos precisam acertar tudo, a questão que os dois grupos acertam igual pode ficar. Com turma de poucas dezenas de pessoas, junte duas ou três turmas antes de tirar conclusão.

A IA faz a conta do quarto de cima e do quarto de baixo a partir da planilha que a plataforma de aprendizagem exporta, com uma linha por pessoa e o acerto ou erro em cada questão. Se a plataforma não exporta por questão, monte a planilha a partir das provas. O prompt abaixo faz a conta:

Você é especialista em avaliação de aprendizagem. Anexei uma planilha com o resultado de uma prova de [número] questões: uma linha por participante, sem nome, e uma coluna por questão, com 1 para acerto e 0 para erro.
Tarefa: (1) calcule a nota total de cada participante; (2) separe o quarto com as maiores notas e o quarto com as menores; (3) para cada questão, calcule o percentual de acerto em cada um desses dois grupos e a diferença entre eles; (4) marque como "não separa níveis" as questões com diferença de 0 a menos de 20 pontos percentuais e como "conferir gabarito" as questões com diferença negativa, em que o grupo de menor nota acerta mais.
Formato: antes da tabela, informe o tamanho de cada grupo e como fez o cálculo. Depois, uma tabela com as colunas questão, acerto no grupo de cima, acerto no grupo de baixo, diferença e marcação.
Restrição: faça as contas a partir da planilha anexada, com a análise de dados da ferramenta, sem estimar. Se houver menos de 30 participantes, avise que o resultado serve só como sinal.

Antes de confiar na tabela, refaça na planilha a conta de uma questão.

A nota da prova também engana quando o exercício é feito com a IA aberta ao lado: a pessoa vai bem na tarefa e mal quando precisa fazer sozinha, um efeito que estudos com estudantes e com equipes de trabalho já mediram. Quando o objetivo é autonomia, a prova vale mais sem a IA.

A IA também faz a segunda leitura do banco de questões, com a decisão final nas mãos de quem conhece o conteúdo:

Você é especialista em avaliação de aprendizagem e vai revisar um banco de questões de um treinamento corporativo sobre [tema], para [público].
Contexto: anexei o material do treinamento e as questões de múltipla escolha com o gabarito.
Tarefa: para cada questão, indique se há mais de uma alternativa defensável, se alguma alternativa errada é implausível para quem trabalha na área, se a questão mede aplicação numa situação ou só a memória de uma frase do material e se o gabarito está sustentado pelo material anexado, citando o trecho.
Formato: tabela com as colunas número da questão, problema encontrado, trecho do material e sugestão de nova redação.
Restrição: use só o material anexado. Quando o material não sustentar o gabarito, escreva "gabarito sem apoio no material" em vez de corrigir por conta própria.

Trilha de aprendizagem com IA: o que a recomendação decide sobre a pessoa

Duas pessoas do mesmo cargo abrem a plataforma de aprendizagem e recebem trilhas diferentes. A trilha personalizada surge dentro de um curso, quando a plataforma pula os módulos em que a pessoa já acerta, e no catálogo, quando recomenda o próximo curso.

Nos dois casos, a plataforma usa sinais como o tempo em cada módulo, os erros nas questões, o abandono e o cargo da pessoa. Algumas plataformas seguem regras definidas pelo T&D; outras aprendem com o histórico de uso.

Quando a recomendação aprende com o histórico, ela pode repetir o nível em que a pessoa está e oferecer menos conteúdo avançado a quem recebeu menos oportunidade no passado. O erro da trilha passa em silêncio, porque ninguém reclama de um curso que nunca viu.

Se o fornecedor diz que adapta o conteúdo ao estilo de aprendizagem de cada pessoa, visual, auditivo ou cinestésico, peça a evidência. A revisão de Harold Pashler e colegas, publicada em 2008, concluiu que não há base de evidência adequada para usar avaliações de estilo de aprendizagem na prática educacional. A personalização que se sustenta parte do que a pessoa já domina e do que o trabalho dela exige.

O risco cresce quando a trilha passa a pesar em promoção, bônus ou acesso a uma vaga: se ninguém revisa o resultado, a recomendação vira uma decisão automatizada sobre a pessoa, e a LGPD dá à pessoa o direito de pedir revisão da decisão tomada só por meio automatizado e de saber quais critérios a decisão usou, como em outras decisões do RH apoiadas por IA.

Na escolha ou na renovação da plataforma, peça ao fornecedor, por escrito, a resposta a cinco perguntas. Se a compra não é sua, leve as perguntas a quem decide:

1. Quais dados a recomendação usa, e quais ela não usa?
2. A pessoa consegue ver por que recebeu aquela trilha e pedir outra?
3. O T&D consegue mudar as regras ou os critérios de recomendação sem depender do fornecedor?
4. A plataforma mostra, por área, faixa etária e gênero, quem recebe conteúdo avançado e quem fica no básico?
5. O fornecedor usa os dados dos colaboradores para treinar modelos que atendem outros clientes?

Na demonstração, eu pediria para ver a trilha recomendada a duas pessoas do mesmo cargo com históricos diferentes. Depois da compra, a quarta pergunta vira rotina: uma vez por trimestre, compare quem recebeu conteúdo avançado em cada grupo. Uma diferença grande sem explicação ligada ao cargo é sinal para revisar as regras.

Tira-dúvidas e simulação com IA: resposta e prática na hora certa

Um tira-dúvidas por assunto

Imagine uma empresa que recebe cinco pessoas novas por mês. As dúvidas do onboarding, a integração de quem chega, são quase sempre as mesmas, mas cada pessoa as faz numa ordem diferente e no momento em que trava, raramente no horário em que alguém do T&D consegue atender. É nesse descompasso de horário que um tira-dúvidas com IA ajuda.

Um dos estudos mais citados sobre IA que responde na hora veio do atendimento ao cliente. Na pesquisa de Erik Brynjolfsson, Danielle Li e Lindsey Raymond, os atendentes de suporte que recebiam sugestões da IA resolveram 14% mais chamados por hora, em média, e 34% mais entre os novatos e os menos experientes. Quem ganhou mais foi quem sabia menos, que é a situação de quem acabou de chegar à empresa.

O caminho mais curto pode ser um agente do Copilot criado a partir do site do SharePoint em que ficam o manual de integração e as políticas: ele responde com base nesses documentos e respeita as permissões de acesso de cada pessoa.

No ChatGPT, no Claude ou no Gemini, o caminho é um projeto compartilhado com quem chega, com os documentos anexados, ou uma skill compartilhada que consulte os documentos numa pasta da rede. A plataforma de aprendizagem também pode ter um recurso de dúvidas próprio. Em qualquer ferramenta, a licença que permite criar e compartilhar o tira-dúvidas muda de empresa para empresa, e a TI sabe dizer qual é a sua.

Prefiro um tira-dúvidas por assunto a um geral de RH: o de onboarding recebe o manual de integração e as políticas do primeiro mês, o de uma trilha recebe só o conteúdo dela, e com menos documentos fica mais fácil conferir de onde veio cada resposta. A instrução muda pouco de um para outro:

Você é o tira-dúvidas de [assunto: onboarding, trilha de vendas] da [empresa].
Responda só com base nos documentos da base, anexados, numa pasta da rede ou no site do SharePoint, e cite o nome do documento e a seção de onde veio cada resposta.
Quando a resposta não estiver nos documentos, diga que não sabe e indique [nome ou canal de quem responde].
Não responda sobre salário, desligamento, saúde ou situação pessoal de colaborador: encaminhe para [canal do RH].
Responda em até cinco frases, na linguagem de quem chegou à empresa este mês.

Antes de ter onde publicar, o mesmo prompt já ajuda a analista a responder às dúvidas que chegam por e-mail.

Quando a empresa responde pelo que o tira-dúvidas diz, atualizar os documentos vira tarefa com dono. Em 2024, um tribunal do Canadá mandou a Air Canada indenizar um passageiro que seguiu a orientação errada do chatbot do site sobre a tarifa para viagem por luto.

A empresa alegou que o chatbot respondia por si, e o tribunal rejeitou o argumento, como registra a análise do escritório Manatt. Num tira-dúvidas interno, quem segue a orientação errada é o colaborador, e a resposta também sai em nome da empresa. Antes de liberar o tira-dúvidas:

1. Rode vinte perguntas reais que chegaram no último mês.
2. Confira cada resposta contra o documento de origem.
3. Defina quem atualiza a base quando uma política muda, e em quanto tempo.

Simulação de conversa com IA (roleplay)

Simular uma conversa difícil com a IA no papel do cliente, do liderado ou do entrevistador é uma forma barata de dar prática a quem vai ter aquela conversa de verdade. A dificuldade está em fazer a pessoa voltar.

Nas 47 mil sessões registradas em 2026 pela VirtualSpeech, empresa de simulação com IA, a pessoa tentou o cenário uma vez só em 65% dos casos.

Para virar prática, o curso precisa exigir as repetições e marcar uma conversa de devolutiva depois.

A nota da IA também pede conferência: antes de usá-la para qualquer decisão, compare com a de um avaliador numa amostra de conversas.

Quando o participante não tem licença da ferramenta, a simulação funciona em sala: o facilitador projeta a tela e a turma conduz a conversa com a IA. Se for por voz, a gravação é dado pessoal: avise quem participa, guarde só o necessário e defina por quanto tempo.

O prompt abaixo monta a simulação e a devolutiva:

Você vai interpretar [papel: um cliente insatisfeito, um liderado que recebeu feedback negativo, um candidato numa entrevista] num exercício de treinamento para [público] da [empresa].
Contexto: [descreva a situação em três ou quatro frases, com o que a pessoa interpretada quer, o que ela sabe e o que a irrita]. Quem pratica é [cargo] e precisa [objetivo da conversa].
Regras da simulação: fique no papel até eu escrever "fim da simulação". Reaja ao que eu disser como a pessoa reagiria, sem facilitar. Responda em no máximo três frases por vez.
Depois de "fim da simulação": avalie a conversa pelos critérios [critério 1], [critério 2] e [critério 3], com uma nota de 1 a 5 em cada um, um trecho literal do que eu disse como evidência e uma frase que eu poderia ter dito no lugar. Termine propondo uma versão mais difícil do mesmo cenário para a próxima tentativa.

A última linha puxa a segunda tentativa.

Avaliação de impacto do treinamento com IA

Noventa dias depois do curso, o gestor recebe uma pergunta curta: “que situação do último mês a pessoa resolveu de um jeito diferente depois do treinamento?”. O participante responde a mesma pergunta sobre si, e a resposta do gestor confirma o relato do participante.

A pergunta mede o terceiro nível de Kirkpatrick, a aplicação no trabalho, e é nele que a IA ajuda: ela lê as respostas abertas, agrupa os exemplos de mudança e separa os que citam uma situação concreta, com quando, quem e o que foi feito, dos que só repetem o conteúdo do curso.

Para o gestor responder, a pergunta precisa chegar combinada desde o início do curso, como parte do que a área pediu.

No quarto nível, o que a plataforma de aprendizagem registra, como quem fez, quando e com que nota, é cruzado com o indicador que motivou o levantamento de necessidades. A diferença entre quem fez o curso e quem ainda não fez só conta quando é maior que o quanto a distância entre os dois grupos já oscilava nos meses anteriores ao curso. O prompt de relatório, mais abaixo, faz essa conta e mostra o cálculo.

A comparação só vale com o valor do indicador registrado antes do curso, a linha de base.

A IA não prova que o curso causou a melhora: o indicador pode ter subido por outro motivo, e comparar com um grupo parecido que ainda não fez o curso é o que mais se aproxima de separar o efeito do treinamento.

Quando todos vão passar pelo curso, uma turma que só começa depois da medição dos 90 dias serve de comparação para a que começa agora. O ideal é sortear a ordem das turmas. Quando a área define a ordem, use a turma que ficou para depois e registre no relatório como a ordem foi escolhida.

Termino minhas aulas com a mesma pergunta: o que você vai começar a fazer diferente amanhã? Aprender só conta quando muda o trabalho do dia seguinte, e a pergunta dos 90 dias é onde essa mudança aparece.

O prompt abaixo prepara o relatório. Numere as respostas antes de anexar:

Você é analista de T&D da [empresa] e vai preparar o relatório de impacto do treinamento [nome do treinamento], realizado em [mês], para [público].
Contexto: anexei as respostas numeradas da pesquisa feita [60 ou 90] dias depois com participantes e gestores, sem nome nem matrícula, e os valores mensais do indicador [indicador] dos seis meses anteriores ao curso até hoje, para o grupo que fez o curso e, se houver, para o grupo que ainda não fez.
Tarefa: (1) agrupe as respostas abertas em exemplos concretos de mudança no trabalho e liste os números das respostas que sustentam cada exemplo; (2) separe as respostas que citam uma situação concreta, com quando, quem e o que foi feito, das que só repetem o conteúdo do curso; (3) se houver grupo de comparação, calcule para cada grupo a média dos meses depois do curso menos a média dos seis meses anteriores, calcule a diferença entre essas duas variações, compare essa diferença com a maior oscilação que a distância entre os dois grupos teve de um mês para outro nos seis meses anteriores e mostre a conta; (4) liste o que os dados não permitem concluir.
Formato: relatório com um resumo de cinco linhas no topo, uma tabela para o item 1 e, se houver, uma tabela para o item 3.
Restrição: use só os dados anexados e faça as contas com a análise de dados da ferramenta, sem estimar. Não atribua a melhora do indicador ao treinamento quando os dois grupos variarem de forma parecida, nem quando não houver grupo de comparação.

Antes de levar o relatório à área, refaça na planilha a conta do item 3. Leve o item 4 para a conversa com a área que pediu o curso.

O que muda no trabalho de quem está no T&D

Costumo resumir em três grupos o efeito da IA no trabalho da área:

• O que delegar à IA agora: roteiro a partir de ementa, questões de avaliação, transcrição e resumo de aula, adaptação de conteúdo por senioridade, perguntas frequentes e glossário.
• O que desenvolver agora: diagnóstico com conhecimento do negócio, curadoria com critério, leitura do contexto da empresa, facilitação e condução de sala.
• O que sustenta a função nos próximos anos: traduzir aprendizagem em indicador e medir o impacto nele, trabalhar junto com as áreas de negócio e acompanhar a mudança de comportamento de adultos.

Com a produção mais barata, diagnosticar e conferir viraram o trabalho mais escasso da área, e é isso que muda o papel de quem trabalha em T&D.

O tempo que a IA libera exige uma decisão. As horas que o tira-dúvidas devolve ao T&D podem ser ocupadas, sem ninguém notar, por tarefas operacionais que outras áreas passam a mandar, ou virar conversas individuais com cada pessoa nova no primeiro mês, que a equipe sabe que valem a pena e nunca tem tempo de fazer.

Por onde começar

O que você faz esta semana, sozinho: eu começaria pelo último material que você produziu com IA, passando um módulo pela conferência de fatos e números, exemplos da casa, acessibilidade e registro. A assinatura depende do especialista: combine com ele para a semana seguinte. Anote o que precisou corrigir: a lista mostra onde a IA ajuda no seu trabalho e onde ainda não.

O que fazer com um curso já entregue: escolha um treinamento de dois ou três meses atrás e mande a pergunta dos 90 dias a participantes e gestores. Rode o prompt de relatório de impacto nas respostas; sem grupo de comparação, ele mostra os exemplos de mudança e o que ainda não dá para afirmar.

O que combinar com a área que pede o próximo curso:

• o indicador que vai medir o resultado, com o valor de hoje registrado;
• a pesquisa com os gestores de 60 a 90 dias depois;
• quando der, uma turma que só comece depois da medição, que serve de comparação.

O que depende da liderança de T&D (se a decisão não é sua, leve à sua coordenação): escrever quais dados de colaboradores podem entrar em ferramenta de IA, e em qual ferramenta, e decidir para onde vai o tempo que a IA devolve à equipe, antes que a primeira demanda que aparecer o ocupe.

Comunidade no WhatsApp: as novidades de ferramentas, modelos e uso de dados no trabalho saem todo dia no grupo IA e Dados, sempre com a fonte. Veja como entrar no grupo.

Perguntas frequentes

Como usar inteligência artificial na educação corporativa?

Use a IA nas etapas em que ela poupa leitura e redação, e deixe a conferência com quem domina cada processo. No levantamento de necessidades, ela agrupa respostas de pesquisa e comentários de avaliação. No design instrucional, rascunha roteiros no padrão da empresa. Na produção, gera conteúdo e questões que um especialista confere. Na trilha, recomenda conteúdo, e o T&D acompanha quem recebe o quê. No tira-dúvidas e na simulação de conversas, dá resposta e prática na hora. Na avaliação de impacto, lê as respostas sobre mudança de comportamento e compara a variação do indicador entre quem fez e quem ainda não fez o curso, mostrando a conta.

Qual ferramenta de IA usar para criar treinamentos?

A ferramenta de IA generativa aprovada pela empresa, seja o Copilot, o ChatGPT, o Claude ou o Gemini, resolve roteiro, conteúdo e questões, desde que receba o guia instrucional e exemplos aprovados como anexo. A trilha personalizada costuma vir dentro da plataforma de aprendizagem. O tira-dúvidas pode vir nela ou num agente do Copilot criado a partir do SharePoint. Na escolha, pese três pontos: onde ficam os dados dos colaboradores, se o fornecedor treina o modelo com eles e se a ferramenta registra quem gerou e quem aprovou cada peça.

Como começar a implantar IA no T&D?

Comece por uma tarefa frequente e de baixo risco, como rascunhar roteiros ou questões, com a conferência definida antes do primeiro uso. Ao mesmo tempo, escolha um curso já entregue e pergunte a participantes e gestores o que mudou no trabalho, porque a medição é a ponta que quase nenhuma empresa cobre. Antes de ampliar, escreva quais dados de colaboradores podem entrar em ferramenta de IA, e em qual. Trilha personalizada vem depois, porque mexe com dado pessoal e com decisão sobre pessoas, e o tira-dúvidas entra quando a base de documentos tiver um dono.

A IA pode criar as questões de avaliação de um treinamento?

Pode, desde que alguém que domina o conteúdo confira o banco de questões antes da aplicação. Os erros mais comuns são duas alternativas defensáveis, alternativas erradas que ninguém daquela área marcaria e questões que pedem a memória de uma frase do material em vez de aplicação numa situação. Depois da primeira turma, compare o acerto de cada questão entre quem foi bem e quem foi mal na prova: a questão que os dois grupos acertam quase igual volta para revisão quando a prova precisa separar níveis.

Trilha de aprendizagem personalizada com IA funciona?

Funciona quando a recomendação parte do que a pessoa já domina e do que o trabalho dela exige, e quando o T&D acompanha quem recebe conteúdo avançado. Na trilha que aprende com o histórico de uso, o risco é a recomendação reforçar o que a pessoa já faz e oferecer menos a quem teve menos oportunidade antes. Personalizar pelo estilo de aprendizagem, como visual ou auditivo, não tem base de evidência adequada. Quando a trilha pesa em promoção ou bônus sem ninguém revisar o resultado, ela vira uma decisão automatizada sobre a pessoa.

Como fazer simulação de conversa com IA no treinamento?

Dê à IA um papel, a situação em poucas frases, o objetivo de quem pratica e os critérios de avaliação, e peça que ela fique no papel até você encerrar. No fim, ela avalia a conversa pelos critérios, com trechos do que a pessoa disse. O problema é a repetição: nas sessões registradas por uma empresa de simulação, em 65% dos casos a pessoa tentou o cenário uma vez só. Exija tentativas no desenho do curso, compare a nota da IA com a de um avaliador numa amostra e avise quem participa quando a voz for gravada.

Como medir o impacto de um treinamento com IA?

Registre o indicador do negócio antes do curso e, 60 a 90 dias depois, pergunte a participantes e gestores o que mudou no trabalho, com exemplos. A IA agrupa as respostas e separa as que citam uma situação concreta. A variação do indicador em quem fez e num grupo parecido que ainda não fez, como uma turma que só começa depois, ajuda a separar o efeito do treinamento de outros motivos.

A IA vai substituir o designer instrucional?

As empresas estão passando para a IA a parte da produção, como roteiro, questões e adaptação de conteúdo. Fica com o designer instrucional o que a IA não confere: o diagnóstico do problema de negócio, o critério do que entra no curso, a leitura da cultura da empresa e a avaliação de impacto. Quem domina esse processo pega os erros que a IA comete e que parecem corretos, como objetivo trocado por conteúdo ou dinâmica que não roda naquela sala.

Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e Conselheiro Consultivo em Tecnologia, IA, Dados e Inovação. Participou da criação de sete startups ao longo da carreira. É professor na ESPM, Insper, PUCRS, USP e IBGC. É autor do livro gratuito Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude.