Será que temos, hoje, as capacidades necessárias para entregar o futuro que queremos?
Essa é, talvez, uma das perguntas mais difíceis, e mais urgentes, que um CEO pode fazer hoje.
E também uma das mais ignoradas.
Por muito tempo, avaliamos pessoas com base no que elas sabiam fazer. Mas, num cenário em que a mudança virou constante e a ambiguidade se tornou o contexto padrão, o “saber fazer” deixou de ser suficiente. A questão agora é: quão prontas essas pessoas estão para enfrentar o que nem sabemos ainda que virá?
Após sermos questionados internamente e externamente aqui na Koru sobre essa questão, decidimos, em vez de apostar apenas na intuição, estruturar um Assessment IA próprio. Agora, temos como medir isso. E aqui neste texto vou explicar o passo a passo de como esse caminho funciona e foi estruturado.
Nosso ponto de partida foi uma varredura de alto nível sobre as competências de liderança que emergem nas principais instituições de pesquisa globais. Consultamos publicações do MIT Sloan, Harvard Business Review, Fórum Econômico Mundial, Gartner, McKinsey, entre outras, para entender: Quais são as habilidades estratégicas que líderes precisarão dominar até 2035?
A partir desse cruzamento, consolidamos uma matriz com 18 habilidades essenciais para o exercício da liderança contemporânea, refinadas em linguagem aplicada. E aqui, importante reposicioná-las: não são soft skills. São hard skills de liderança.
Para cada uma das 18 habilidades, criamos rubricas de maturidade, em 5 níveis. Mas mais importante do que o número, é a lógica por trás:
Essas rubricas não medem se a pessoa “sabe”. Elas medem o quanto ela cria o movimento no seu contexto a partir do que sabe.
Validação foi palavra de ordem. Rodamos o modelo com dados sintéticos e humanos, cruzando respostas manuais e simuladas para testar consistência, ambiguidade, correlação e viabilidade estatística. Avaliamos sobre diferentes óticas e calibramos, muito!
Treinamos cinco agentes avaliadores artificiais, com fine-tuning constante, para serem capazes de aplicar as rubricas com precisão sobre textos abertos gerados a partir de perguntas cuidadosamente construídas. Vou contar a seguir como funcionou:
Utilizamos uma metodologia inspirada nas entrevistas situacionais estruturadas, técnica amplamente usada em pesquisas qualitativas e processos seletivos de alta complexidade.
Product Marketing
Profissional experiente em Product Marketing, Laura Zambon soma mais de 15 anos de experiência liderando times e estratégias em empresas como Ambev, Kraft Mondelez, SOMOS Educação, Trybe e Suno. Hoje é Group Product Manager na Koru, onde lidera a evolução de soluções sob medida para grandes organizações. Com forte atuação em growth, dados e experiência do cliente, Laura é apaixonada por inovação, IA e aprendizagem contínua. No blog da Koru, compartilha reflexões sobre produto, tecnologia, performance e o futuro da educação corporativa.
A pessoa responde a uma pergunta aberta baseada em um case real, convidando-a a relatar uma situação vivida. Essa narrativa é avaliada com base naquilo que ela demonstra, não no que ela afirma saber. Aqui, a premissa é clara: comportamento passado é o melhor preditor de ação futura.
A resposta passa por nosso modelo RAG proprietário (Retrieval-Augmented Generation). Cada um dos cinco agentes avaliadores lê e classifica a maturidade expressa na fala com base nas rubricas de cada habilidade. O modelo gera uma média ponderada, entregando um gráfico radar, escolhido por permitir:
Vou fazer um parêntese para explicar o que é RAG para quem ainda não está familiarizado com o termo.
RAG, ou Retrieval-Augmented Generation, é uma técnica de inteligência artificial que insere um componente de recuperação externa antes da geração da resposta.
Primeiro, a IA realiza uma busca em um repositório vetorizado limitado, que pode conter documentos e conteúdos curados – no nosso aqui, rubricas, critérios, exemplos, padrões. Só então, com base nessas informações recuperadas, o modelo gera uma resposta ancorada e contextualizada.
Ou seja, ao invés de operar num “mar aberto” de possibilidades estatísticas, como fazem modelos puramente preditivos, o RAG fecha o escopo, controla a fonte, evita alucinações e gera outputs com lastro.
No nosso caso, o RAG foi adaptado para classificar textos discursivos com base em critérios objetivos de avaliação, consultando exclusivamente uma base estruturada e validada de habilidades e rubricas de maturidade.
Além da nota, entregamos um relatório diagnóstico interpretativo, que:
Ou seja: não é um número solto. É um espelho técnico e narrativo da prontidão individual, “falado” sobre você com suas próprias palavras.
O futuro do trabalho não será liderado por quem sabe o que fazer, mas por quem consegue mover mundos a partir do que sente, aprende, interpreta e decide.
E se a gente não tiver meios honestos e rigorosos de medir essa prontidão, o preço vai ser alto: times desalinhados, lideranças frágeis e estratégias que não decolam.
Por isso, a pergunta segue ecoando: Será que temos, hoje, as capacidades necessárias para entregar o futuro que queremos?
Agora, ao menos, temos uma forma de medir.
