Disponibilizar o Gemini no Google Workspace resolve uma parte importante da adoção: o acesso. Mas não mostra se a ferramenta encontrou espaço no trabalho.
Uma empresa pode ter muitas pessoas habilitadas e poucos usos relevantes. Também pode começar com um grupo pequeno que já aplica o Gemini em tarefas frequentes e consegue demonstrar resultados.
Por isso, acompanhar apenas ativações, acessos ou participação em treinamentos oferece uma visão incompleta. Para entender como a adoção está avançando, é preciso observar o que as pessoas fazem com a ferramenta, quais obstáculos encontram e quais usos permanecem depois da experimentação inicial.
Sete pontos ajudam a fazer esse diagnóstico.
Antes de escolher indicadores, é preciso dizer o que será considerado adoção.
A meta não precisa ser fazer todos os colaboradores usarem o Gemini diariamente. Dependendo da iniciativa, pode ser mais relevante aumentar o número de pessoas que aplicam a ferramenta em tarefas adequadas, revisam os resultados e conseguem trabalhar com autonomia.
Essa definição determina o que deve ser medido.
Se a empresa quer ampliar a experimentação, pode acompanhar quantas pessoas começaram a usar a ferramenta. Se quer incorporá-la aos processos, também precisará observar recorrência, variedade de casos de uso e mudanças percebidas no trabalho.
Sem essa definição, qualquer aumento de acesso pode parecer sucesso, mesmo que não tenha produzido uma aplicação consistente.
“Ganhar produtividade com IA” é uma promessa ampla demais para orientar uma equipe.
A adoção se torna mais concreta quando começa por tarefas que as pessoas já precisam executar. Por exemplo:
Um exemplo desse caminho apareceu em um workshop conduzido pela Gentrop com o jurídico da Natura.
A equipe partiu de uma atividade específica: analisar uma minuta de fornecedor. Com uma Gem configurada para comparar o documento com cláusulas padrão, identificar desvios das políticas internas, apontar inconsistências e gerar uma carta de risco, uma análise que normalmente exigia horas foi concluída em cerca de dois minutos.
O resultado pôde ser observado porque o ponto de partida não foi apenas “usar o Gemini”, mas aplicar a ferramenta a uma tarefa conhecida e comparar o que aconteceu antes e depois. Conheça o case da Natura.
Por isso, é importante entender em quais tarefas essa equipe gasta tempo, encontra dificuldade ou repete trabalho.
Quem está começando pode precisar aprender a formular uma solicitação, avaliar a resposta e identificar situações que exigem conferência. Quem já usa IA generativa com frequência tende a precisar de exemplos ligados à própria área, acesso a recursos mais avançados ou critérios para melhorar o resultado.
Por isso, uma única capacitação pode servir como introdução, mas dificilmente atenderá toda a empresa da mesma maneira.
Vale distinguir pelo menos três situações:
Essa divisão ajuda a direcionar melhor o apoio. O primeiro grupo precisa de segurança para começar; o segundo, de aplicações relevantes; o terceiro pode contribuir para ampliar o repertório da organização.
Insegurança sobre privacidade, segurança e qualidade das respostas pode interromper a adoção antes mesmo da primeira tentativa.
Quando as orientações são vagas, algumas pessoas evitam usar a ferramenta. Outras avançam sem saber quais informações podem inserir ou quando precisam validar uma resposta.
Dizer apenas “use IA com responsabilidade” não resolve essas dúvidas. As equipes precisam saber:
O objetivo não é permitir que as pessoas reconheçam os limites da ferramenta e saibam como agir diante deles.
Nem todos os casos de uso relevantes serão identificados antes do início do projeto.
Muitas vezes, eles aparecem quando as pessoas têm a oportunidade de relacionar a tecnologia aos problemas que conhecem de perto.
Foi o que aconteceu em um hackathon estruturado pela Gentrop com a Alper. A experiência reuniu mais de 40 colaboradores, com 33 participantes divididos em cinco grupos de trabalho dedicados a desafios diários da empresa.
Três grupos trabalharam com comparação de propostas e apólices, identificando o potencial de reduzir o tempo de conferência de minutos para segundos. Os outros dois desenvolveram soluções relacionadas ao onboarding de colaboradores.
A experiência não significou que todos esses projetos já estavam incorporados à operação. Seu valor, naquele momento, estava em revelar problemas recorrentes, testar possibilidades e gerar insumos para as próximas etapas da jornada de adoção. Veja o case da Alper.
Depois que um uso relevante é encontrado, ele precisa ser registrado de forma que outras pessoas consigam entender seu contexto. Um relato pode mostrar:
Esse formato é mais útil do que manter apenas uma biblioteca de prompts. Ele mostra por que a aplicação funcionou e ajuda outras equipes a avaliar se ela pode ser adaptada às próprias atividades.
Uma pessoa pode conhecer um recurso durante uma capacitação e só encontrar uma oportunidade de utilizá-lo semanas depois. Quando isso acontece, ela precisa recuperar rapidamente o que aprendeu ou encontrar um exemplo próximo da sua situação.
Por isso, a formação inicial deve ser acompanhada por materiais que possam ser consultados durante o trabalho, como vídeos curtos, orientações atualizadas, exemplos por função e trilhas para diferentes níveis de familiaridade.
Isso é especialmente importante em ferramentas de IA, que recebem novos recursos e passam a permitir aplicações que não existiam no início do projeto.
A capacitação, portanto, não deve funcionar como um evento isolado, mas como uma estrutura de apoio que acompanha a evolução da ferramenta e das equipes.
Número de usuários e frequência ajudam a mostrar o alcance da iniciativa, mas não explicam por que a adoção avançou ou parou.
Essa interpretação exige combinar os dados de uso com perguntas como:
As respostas permitem distinguir problemas que exigem ações diferentes.
Poucos usuários podem indicar falta de comunicação ou insegurança para começar. Muitos acessos sem recorrência podem revelar casos de uso pouco relevantes. Uso frequente concentrado em poucas pessoas pode mostrar que existem boas práticas, mas elas ainda não circularam. Já uma equipe com aplicações consistentes pode servir como referência para outras áreas.
A medição se torna útil quando ajuda a decidir se o próximo passo deve ser uma nova capacitação, regras mais claras, exemplos específicos, apoio da liderança ou revisão dos casos de uso priorizados.
A adoção do Gemini não acontece de maneira uniforme nem pode ser resumida a um único indicador.
Acessos mostram alcance. Casos de uso mostram aplicação. Recorrência mostra se a ferramenta encontrou espaço na rotina. E a percepção de mudança ajuda a avaliar se esse espaço produziu algum valor.
Os cases da Natura e da Alper também representam momentos diferentes dessa jornada. Na Natura, uma tarefa delimitada permitiu observar um ganho imediato. Na Alper, a experiência colaborativa ajudou a descobrir aplicações que ainda precisariam avançar para validação e incorporação aos processos.
Reconhecer essa diferença evita tratar toda experimentação como adoção consolidada. Também leva a uma pergunta mais útil do que “as pessoas estão usando?”:
O que precisa acontecer agora para que as aplicações relevantes se tornem mais seguras, recorrentes e incorporadas ao trabalho?
