O letramento em dados e IA se tornou a competência mais crítica do mercado­­

Por Henrique Portella*

Há uma pergunta que conselhos e diretorias brasileiras ainda não colocaram no centro da mesa: quantas pessoas na empresa sabem, de fato, ler um dado? Não apenas produzir um relatório ou operar uma ferramenta, mas entender o que o número diz, desconfiar do que ele esconde e transformá-lo em decisão.

Essa capacidade tem nome: letramento em dados e IA. Na língua portuguesa, separamos “alfabetização” (decodificar tabelas ou gráficos) de “letramento” (uso ativo e crítico dessas competências no trabalho). Sem letramento, as corporações patinam na “ilusão de competência”, gerando reuniões exaustivas sobre a origem de dados conflitantes e decisões lentas por falta de confiança.

O gargalo corporativo mudou da produção de análises para o julgamento crítico do que a máquina entrega. Diante de relatórios plausíveis gerados em segundos, um time não letrado erra com mais confiança e em escala exponencial. Para avaliar se uma IA alucina ou atua de forma ética, o profissional precisa saber ler os dados que a alimentam.

O letramento em dados e IA não é competência técnica restrita a analistas. É competência de negócio. A principal barreira para transformar dados e IA em decisão não é ferramenta, dado ou orçamento. É gente que não foi preparada para essa linguagem.

Um estudo inédito conduzido pela DataSchool com cerca de 500 profissionais – o “Panorama do Letramento em Dados e IA no Brasil 2026”, traz dados relevantes. A primeira constatação é que a capacitação em IA no Brasil ainda está sendo puxada pelas áreas de Data & Analytics, não pelo RH. Mais da metade das respostas da comunidade aponta a área de dados como líder desse movimento; o modelo ideal, com ambas as áreas atuando em conjunto, soma só 9%.

Outro ponto diz respeito à padronização de conteúdo. Não faz sentido ensinar a mesma coisa para quem está na operação, para um gestor de negócio e para um executivo. Letramento em dados e IA depende de adequação a cada contexto de decisão. E não basta só ensinar: se o objetivo é transformação cultural, é preciso gerar adesão. Por isso, a comunicação deixou de ser apoio e passou a integrar a própria estratégia dos programas.

As empresas já não precisam convencer as pessoas a usar IA; precisam organizar, governar e formar critério sobre um uso que já acontece. Nas áreas administrativas, a IA generativa está liberada em 84% das empresas ouvidas, mas só 32% acompanharam essa liberação com capacitação ampla. Em dois terços delas, portanto, a tecnologia circula sem preparo proporcional.

Na operação, na linha de produção e no atendimento, a distância aumenta. A capacitação ampla cai para 26%, enquanto o uso restrito a pilotos dobra e se torna a resposta mais comum. Diante de públicos considerados mais sensíveis, muitas empresas estão optando por restringir o acesso, quando os casos mais bem-sucedidos apontam na direção oposta: ampliar o preparo.

Esse é talvez o principal alerta contemporâneo. A IA generativa tornou mais fácil produzir respostas, análises e recomendações plausíveis. O gargalo deixou de ser produção e passou a ser julgamento. Um time letrado acelera com IA; um time despreparado apenas erra com mais velocidade e confiança.

Dados e IA formam uma única jornada de letramento. A urgência da IA abre a porta, mas é a capacidade de compreender dados, formular perguntas, avaliar respostas e decidir com critério que sustenta o resultado. As empresas que fizerem essa travessia até a ponta terão uma vantagem competitiva importantíssima: gente preparada para tomar decisões embasadas e assertivas.

* Henrique Portella é fundador da DataSchool e coordenador do estudo “Panorama do Letramento em Dados e IA no Brasil 2026”.