A gestão de desempenho baseada em ciclos anuais, formulários e percepções subjetivas mostra sinais claros de esgotamento. A inteligência artificial não apenas moderniza processos, mas redefine o papel da liderança ao deslocar o foco do julgamento para o desenvolvimento contínuo. Organizações que insistem em avaliações episódicas tendem a produzir decisões menos justas e menos úteis para o crescimento profissional, enquanto tecnologias emergentes ampliam a capacidade de registrar evidências, acompanhar evolução e estruturar análises mais consistentes sobre a performance ao longo do tempo.

Dados reforçam essa urgência. Segundo o relatório State of the Global Workplace, da Gallup, apenas 23% dos trabalhadores no mundo se declaram engajados, indicador associado à qualidade da gestão e à frequência de feedback. Ao mesmo tempo, segundo a Deloitte, a maioria das organizações vem revisando seus modelos de avaliação para formatos mais contínuos e orientados ao desenvolvimento, sinalizando uma mudança estrutural na forma de medir desempenho. A inteligência artificial surge nesse contexto como ferramenta de apoio para consolidar informações dispersas, organizar entregas ao longo do tempo e reduzir vieses cognitivos, como o efeito de recência, quando acontecimentos mais recentes recebem peso desproporcional nas avaliações.

Esse movimento também favorece modelos de avaliação baseados em evidências e acompanhamento contínuo. Liderança, comunicação e tomada de decisão, por exemplo, podem ser analisadas com base em interações registradas, resultados obtidos e padrões de comportamento observáveis ao longo da jornada profissional. Estudos sobre aprendizagem corporativa indicam que abordagens baseadas em prática e feedback constante aumentam significativamente a retenção de conhecimento e a confiança dos profissionais na aplicação das habilidades no trabalho.

Há ainda um efeito indireto relevante. Quando tarefas, aprendizados e entregas ficam mais registráveis e rastreáveis com apoio tecnológico, abre-se espaço para feedback contínuo e planos de desenvolvimento mais objetivos. Relatórios recentes da McKinsey sobre adoção de inteligência artificial mostram ganhos de produtividade significativos em atividades de conhecimento quando ferramentas atuam como copilotos, reduzindo tentativa e erro e acelerando a execução. Mesmo em demandas simples do cotidiano profissional, a capacidade de resolver problemas com mais rapidez gera evidências concretas de evolução, elemento essencial para uma gestão de desempenho moderna.

Críticas existem e precisam ser consideradas. Há receio de que algoritmos passem a avaliar pessoas ou que a tecnologia aumente o controle excessivo sobre o trabalho. Esse risco é real quando não há governança clara. No entanto, o problema não está na tecnologia em si, mas no uso inadequado. Sistemas devem apoiar decisões humanas, não substituí-las. Transparência sobre critérios, revisão humana obrigatória e foco em desenvolvimento são condições indispensáveis para evitar distorções e preservar a confiança.

O futuro da gestão de desempenho não depende apenas de ferramentas mais sofisticadas, mas de uma mudança cultural. A inteligência artificial funciona como catalisadora de um modelo mais justo, contínuo e orientado ao aprendizado. Organizações que compreenderem esse movimento terão líderes mais preparados para conversar sobre performance com base em fatos e não em percepções isoladas. A tecnologia não deve julgar pessoas. Deve qualificar decisões. Essa distinção define quem evolui e quem permanece preso a práticas que já não respondem às demandas do trabalho contemporâneo.

*Gabriel Segers é tecnólogo, empreendedor, CEO e cofundador da SplitC, plataforma de automação para cálculos de remuneração variável. Formado em Análise de Sistemas pela Faculdade de Tecnologia de São Paulo (FATEC-SP), Gabriel atua no setor há mais de 8 anos, com passagem por grandes instituições financeiras como Santander e Itaú, nas áreas de Segurança da Informação e Prevenção à Lavagem de Dinheiro.