Empresas Gastam em Média US$ 1.800 por Colaborador em Requalificação em IA — É Suficiente?

A empresa média gastou US$ 1.800 por colaborador em requalificação em IA em 2025. As empresas que realmente moveram o ponteiro de produtividade gastaram entre US$ 5.400 e US$ 9.200.

Esse gap é a história. Não o valor de US$ 1.800 em si, mas a diferença de 3-5x entre o que organizações medianas estão gastando e o que organizações com ganhos mensuráveis de produtividade em IA estão comprometendo. E a forma como estão gastando é tão diferente quanto o valor.

O Josh Bersin's 2025 Global Workforce Intelligence Report, combinado com o LinkedIn Learning's 2025 Workplace Learning Report e o ATD's AI Training Investment Survey, fornece aos líderes de operações o retrato mais completo até agora do que a requalificação em IA realmente custa, para onde vai o dinheiro e o que separa investimentos em treinamento que mudam o comportamento da força de trabalho dos que não mudam.

O Benchmark de US$ 1.800 em Contexto

O valor de US$ 1.800 por colaborador vem da análise da Josh Bersin de orçamentos de L&D divulgados em 800 organizações. Mas para entender o que significa, ajuda colocá-lo ao lado do gasto total em L&D: a empresa média gasta cerca de US$ 1.275 por colaborador por ano em todo o aprendizado e desenvolvimento. A requalificação em IA em 2025 representou efetivamente uma linha orçamentária separada adicional. As organizações não estão redirecionando gastos existentes em L&D. Estão adicionando a eles.

Esse contexto importa porque reformula a pergunta "é suficiente". A questão real não é se US$ 1.800 por colaborador é adequado em termos absolutos. É se esse número está produzindo resultados mensuráveis — e os dados sugerem que, na mediana, não está.

A análise da Bersin descobriu que organizações gastando US$ 1.500-2.500 por colaborador em requalificação em IA mostraram melhoria média de 9% no uso auto-declarado de ferramentas de IA. Útil, mas não transformacional. As organizações mostrando melhoria de 25%+ na produtividade em outputs mensuráveis — volume de output, tempo de ciclo, taxas de erro — estavam gastando significativamente mais e estruturando os programas de forma diferente.

Para Onde o Dinheiro Vai

A média de US$ 1.800 se divide aproximadamente da seguinte forma nas organizações do conjunto de dados da ATD:

A diferença estrutural é visível em duas linhas: coaching de gestores e coortes, e desenvolvimento de programa interno.

Organizações medianas gastam 12% de seu budget de treinamento em IA em aprendizado liderado por gestores e baseado em coortes. Os melhores performers gastam 24% — o dobro — e proporcionalmente um valor monetário muito maior dado que o gasto total é 3-5x maior. Isso não é coincidência. Os dados de taxa de conclusão de programas explicam diretamente.

As Taxas de Conclusão Contam a História Real

Os dados de pesquisa da ATD sobre taxas de conclusão de treinamento em IA por tipo de programa são o dado mais praticamente útil de todo o conjunto de benchmarks:

Cursos externos auto-ritmados — a maior categoria de gasto para organizações medianas — têm taxa de conclusão de 23%. Menos de um em cada quatro colaboradores que iniciam uma certificação em IA realmente a concluem.

Programas de coorte facilitados por gestores têm taxa de conclusão de 74%. O treinamento de Workflow incorporado, onde o aprendizado é construído diretamente nas ferramentas que os colaboradores usam diariamente, tem taxa de 81%.

É por isso que os melhores performers realocam budget de cursos externos para coaching de gestores e desenvolvimento de programa interno. Não é que as certificações externas não tenham valor. É que a matemática de conclusão significa que o custo por resultado produtivo é muito maior do que parece pelo preço de etiqueta. Uma licença de US$ 400 da Coursera que 23% dos colaboradores concluem produz ROI muito diferente de um programa de coorte de US$ 400 por pessoa que 74% concluem.

Para Heads of Operations que estão projetando programas de requalificação, esses dados têm uma implicação direta: a estrutura do programa importa tanto quanto a qualidade do conteúdo, e o envolvimento dos gestores é o principal driver de conclusão.

O Cálculo de ROI que os Melhores Performers Estão Usando

Organizações medianas medem o ROI do treinamento em IA principalmente por taxas de conclusão e pontuações de satisfação — nenhuma das quais correlaciona fortemente com mudança real de produtividade.

Os melhores performers medem de forma diferente. Três métricas aparecem consistentemente nas organizações que a Bersin identifica como produzindo ganhos mensuráveis de produtividade:

Output por hora em tarefas relevantes para IA. Para funções que usam ferramentas de escrita de IA, isso pode ser peças de conteúdo por semana. Para analistas que usam ferramentas de modelagem de IA, são modelos validados por semana. Para coordenadores de operações que usam ferramentas de Workflow de IA, são ciclos de processo concluídos por dia. A chave é medir o throughput específico de tarefas antes e depois do treinamento, não satisfação geral.

Tempo para proficiência de novas contratações em ambientes de ferramentas de IA. Os melhores performers rastreiam quanto tempo leva para os novos colaboradores alcançarem benchmarks de competência em ferramentas de IA em sua função, e usam essa métrica para avaliar se seu programa de Onboarding está funcionando — não apenas se novos colaboradores concluíram os módulos requeridos.

Comparação de custo de requalificação vs. recontratação. Essa é a métrica de justificativa de orçamento mais direta. Profissionais com fluência em IA recebem um prêmio salarial de 27% em comparação com contratações equivalentes sem fluência em IA. Para uma função de operações de US$ 75K, isso é aproximadamente uma diferença de custo anual de US$ 20K por contratação. Se requalificar um colaborador existente custa US$ 4.500 e o mantém na função por mais três anos, a análise de custo de esperar é direta: requalificação a US$ 4.500 vs. recontratação com um prêmio de US$ 60K ao longo de três anos. O cálculo de ROI favorece fortemente a requalificação, mesmo nos níveis de gasto dos melhores performers.

Dois Exemplos de ROI Mensurável em Requalificação

Zurich Insurance Group (2025): A Zurich implantou um programa de fluência em IA facilitado por gestores em suas equipes de subscrição e sinistros, estruturado como coortes de oito semanas com sessões semanais de revisão lideradas por gestores. Gasto: aproximadamente US$ 6.200 por colaborador no programa. Resultado: redução de 34% no tempo de ciclo de documentação rotineira e melhoria de 28% no output diário dos subscritores em avaliações assistidas por IA, medidos seis meses após o programa. A Zurich atribuiu US$ 43 milhões em melhoria de produtividade anualizada à coorte que passou pelo programa em 2025.

Kyndryl (2025-2026): A firma de serviços de TI incorporou o desenvolvimento de habilidades em IA diretamente nos Workflows de suas ferramentas de entrega em vez de executar programas de treinamento autônomos, integrando prompts de micro-aprendizado nas ferramentas que os colaboradores usam diariamente. Taxa de conclusão para módulos incorporados no Workflow: 84%. Resultado: melhoria de 22% no tempo de resolução de tickets e uma redução mensurável nas taxas de escalação para Workflows de suporte assistidos por IA. Budget por colaborador: aproximadamente US$ 3.800 — abaixo da média dos melhores performers — mas a estrutura do programa produziu resultados comparáveis a programas de gasto muito maior.

O exemplo da Kyndryl é particularmente instrutivo. Eles não gastaram no topo da faixa dos melhores performers, mas sua taxa de conclusão — impulsionada pela incorporação do treinamento em ferramentas de Workflow em vez de separá-lo em cursos autônomos — produziu resultados comparáveis a programas de gasto muito maior.

O Que Isso Significa Se Você Está Projetando um Programa Agora

Os dados de benchmark apontam para alguns princípios claros de design para líderes de operações:

Não se ancore em US$ 1.800. Esse é a mediana de todas as organizações, a maioria das quais não está produzindo resultados mensuráveis. Se você está projetando um programa para impulsionar mudança real de produtividade, o benchmark relevante é US$ 5.000-9.000 por colaborador para funções onde a fluência em ferramentas de IA tem alto impacto, e zero para funções onde não tem. Nem toda função precisa do mesmo investimento.

Priorize o envolvimento dos gestores acima do volume de conteúdo. O gap de taxa de conclusão entre programas auto-ritmados e facilitados por gestores é de 50+ pontos percentuais. Um programa menor com responsabilidade dos gestores superará um programa abrangente que 23% dos colaboradores concluem. Construa primeiro a fluência em IA dos gestores, antes de escalar para a força de trabalho mais ampla. Um programa de champions de IA é uma forma de construir essa capacidade em nível de gestores rapidamente sem exigir que cada gestor se torne um especialista em IA do zero.

Meça outputs, não conclusões. As taxas de conclusão são fáceis de rastrear e essencialmente sem sentido como indicadores de ROI. Se a métrica de sucesso do seu programa é "X% dos colaboradores concluíram o Módulo 3", você está medindo atividade, não mudança. Defina como a proficiência em ferramentas de IA se parece em output de trabalho observável para cada função, e meça isso.

Os requisitos de habilidades em IA agora aparecem em vagas não técnicas — em marketing, finanças, jurídico e operações — o que significa que a pressão externa para fechar o gap de fluência em IA não está mais limitada a contratações de tecnologia. Subinvestir em requalificação hoje significa enfrentar um gap de habilidades maior em mercados de contratação em todas as funções simultaneamente.

O Que Monitorar

Duas dinâmicas com visão de futuro vão moldar o mercado corporativo de requalificação nos próximos 12-24 meses.

Primeiro, a padronização da mensuração de ROI. Agora, cada organização mede o ROI do treinamento em IA de forma diferente — ou não o mede de jeito nenhum. Se o setor convergir para métricas padrão de output (semelhante a como as organizações de vendas padronizaram na receita por representante), as conversas sobre orçamento se tornarão mais fáceis de ancorar. A equipe da Josh Bersin está trabalhando ativamente em um framework de AI Productivity Index que pode acelerar essa padronização.

Segundo, a consolidação de fornecedores. O mercado de treinamento em IA está atualmente fragmentado — centenas de provedores vendendo certificações, programas de coorte e aprendizado incorporado em plataformas com qualidade e resultados amplamente variados. A consolidação já está em andamento, com LinkedIn Learning, Coursera for Business e um punhado de plataformas focadas em empresas capturando parcela crescente. À medida que as opções de fornecedores se reduzem, os benchmarks de preço e qualidade se tornarão mais comparáveis — o que deve melhorar a proporção sinal-ruído sobre o que realmente funciona.

O mercado de certificações em IA atingiu US$ 4 bilhões em 2026, mas o crescimento nos gastos não foi acompanhado pelo crescimento nos padrões de qualidade. Por enquanto, o indicador mais confiável de um programa que realmente vai mover a produtividade é a arquitetura de taxa de conclusão — e os dados mostram que os programas de coorte e incorporados em Workflow vencem essa comparação por ampla margem.

Os US$ 1.800 da média dizem onde o mercado está. A faixa de US$ 5.000-9.000 dos melhores performers diz o que é preciso para realmente fechar o gap.

---

Saiba Mais

• Profissionais com Fluência em IA Recebem Prêmio Salarial de 27%
• O Mercado de Certificações em IA Atingiu US$ 4 Bilhões — Mas Apenas Algumas Credenciais Sinalizam Prontidão
• Requisitos de Habilidades em IA Aparecem em Vagas Não Técnicas
• Como Construir o Business Case para Budget de Treinamento em IA
• O Obstáculo da Gestão Intermediária em IA — e Como Transformá-lo em Oportunidade