Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE doi.org/10.51891/rease.v12i9.30208 INTELIGÊNCIA ARTIFICIAL E AS RELAÇÕES HUMANAS NO AMBIENTE CORPORATIVO ARTIFICIAL INTELLIGENCE AND HUMAN RELATIONS IN THE CORPORATE ENVIRONMENT Jonh Vaine Lincoln Cabral1 Daniel Henrique Matos de Paiva2 RESUMO: A incorporação da inteligência artificial (IA) ao ambiente corporativo tem transformado processos decisórios, formas de comunicação, mecanismos de controle e práticas de gestão de pessoas. Este artigo analisa como essas mudanças interferem nas relações humanas no trabalho, considerando confiança, autonomia, motivação, cooperação, liderança, segurança psicológica e contrato psicológico. Metodologicamente, trata-se de estudo qualitativo, exploratório-descritivo, desenvolvido por meio de revisão integrativa da literatura e ensaio teórico, articulando autores clássicos das relações humanas e do comportamento organizacional com estudos recentes sobre IA, colaboração humano–máquina e gestão algorítmica. Os resultados da análise indicam que a IA pode ampliar competências, democratizar conhecimento e reduzir tarefas de baixo valor, mas também pode produzir distanciamento social, vigilância, redução de autonomia, objetificação e perda de legitimidade quando utilizada de forma opaca ou exclusivamente orientada ao controle. Argumenta-se que os efeitos relacionais da IA são contingentes ao desenho sociotécnico e à governança adotada. Propõe-se, ao final, um conjunto de princípios para uso responsável: finalidade, proporcionalidade, participação, supervisão humana significativa, transparência relacional e aprendizagem contínua. Conclui-se que o desafio corporativo não consiste em escolher entre tecnologia e humanização, mas em integrar IA de modo que a eficiência seja acompanhada por confiança, justiça e preservação da centralidade humana. Palavras-chave: Inteligência artificial. Relações humanas. Ambiente corporativo. Gestão algorítmica. Confiança. 1Professor Adjunto da Faculdade UNA Doutor em Administração e Gestão Estratégica das Organizaçõe. 2Professor na Faculdade UNA Especialista em Arquitetura de Software Distribuído. Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 1 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE ABSTRACT: The incorporation of artificial intelligence (AI) into corporate environments has transformed decision-making processes, communication patterns, control mechanisms, and people-management practices. This article analyzes how such changes affect human relations at work, focusing on trust, autonomy, motivation, cooperation, leadership, psychological safety, and psychological contracts. Methodologically, this is a qualitative, exploratorydescriptive study based on an integrative literature review and theoretical essay, connecting classic authors in human relations and organizational behavior with recent studies on AI, human–machine collaboration, and algorithmic management. The analysis indicates that AI can enhance capabilities, democratize access to knowledge, and reduce low-value tasks, while it can also create social distancing, surveillance, reduced autonomy, objectification, and loss of legitimacy when implemented opaquely or primarily as a control mechanism. The relational effects of AI are therefore contingent on sociotechnical design and governance. The article proposes six principles for responsible adoption: purpose, proportionality, participation, meaningful human oversight, relational transparency, and continuous learning. It concludes that the corporate challenge is not to choose between technology and humanization, but to integrate AI so that efficiency is accompanied by trust, fairness, and preservation of human centrality. Keywords: Artificial intelligence. Human relations. Corporate environment. Algorithmic management. Trust. INTRODUÇÃO A inteligência artificial (IA) deixou de ocupar apenas o domínio da automação industrial e dos sistemas especialistas para se tornar uma tecnologia de uso cotidiano no trabalho intelectual. Modelos generativos, sistemas de recomendação, agentes conversacionais, ferramentas de análise preditiva e mecanismos algorítmicos de gestão passaram a participar de atividades como produção de textos, programação, seleção de pessoas, avaliação de desempenho, atendimento, planejamento, tomada de decisão e compartilhamento de conhecimento. Essa expansão modifica não somente processos e indicadores de produtividade, mas também a maneira como indivíduos percebem colegas, líderes, equipes, autoridade e pertencimento organizacional. A literatura clássica das relações humanas demonstrou que o desempenho no trabalho não pode ser compreendido exclusivamente por variáveis técnicas. Mayo (1933), McGregor (1960), Maslow (1943) e Herzberg, Mausner e Snyderman (1959), por diferentes perspectivas, evidenciaram a importância dos vínculos sociais, das necessidades psicológicas, da motivação e das crenças gerenciais sobre o comportamento humano. No ambiente contemporâneo, a IA Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 2 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE introduz um novo elemento nessa equação: sistemas não humanos passam a influenciar a comunicação, a distribuição de tarefas, a avaliação e a própria experiência de cooperação. Diante desse contexto, o problema que orienta este artigo é: de que modo a incorporação da inteligência artificial pode transformar as relações humanas no ambiente corporativo e quais condições organizacionais favorecem uma integração que preserve confiança, autonomia, cooperação e sentido do trabalho? O objetivo geral é analisar criticamente os efeitos da IA sobre as relações humanas nas organizações, articulando contribuições clássicas da teoria organizacional com evidências recentes sobre colaboração humano–IA, gestão algorítmica, confiança, cultura, liderança e governança. Defende-se que a IA produz resultados relacionais distintos conforme a forma como é introduzida: quando atua como tecnologia de ampliação de capacidades, com transparência e supervisão humana, pode favorecer aprendizagem e cooperação; quando é implementada como mecanismo opaco de controle, pode intensificar desconfiança, objetificação e distanciamento social. PROCEDIMENTOS METODOLÓGICOS O estudo possui natureza qualitativa, caráter exploratório-descritivo e adota revisão integrativa da literatura associada a ensaio teórico. A opção metodológica decorre da necessidade de aproximar dois campos que, embora crescentemente conectados, frequentemente são tratados de maneira separada: a tradição de estudos sobre comportamento e relações humanas nas organizações e a produção recente sobre inteligência artificial aplicada ao trabalho. A revisão concentrou-se em livros clássicos, artigos científicos revisados por pares e relatórios institucionais de organismos reconhecidos, priorizando trabalhos publicados entre 2021 e 2026 para a discussão contemporânea. Foram organizados cinco eixos de análise: a) fundamentos das relações humanas, motivação e contrato psicológico; b) colaboração e confiança entre humanos e sistemas de IA; c) liderança, tomada de decisão e gestão algorítmica; d) autonomia, justiça, privacidade e cultura organizacional; e) competências, governança e desenho sociotécnico. A análise não pretende mensurar causalidade, mas identificar convergências, tensões e proposições capazes de orientar pesquisas empíricas e práticas gerenciais. Como critério interpretativo, considera-se a IA não apenas um artefato tecnológico, mas parte de um sistema sociotécnico. Essa escolha é relevante porque os efeitos observados dependem das regras de uso, dos incentivos, da cultura e dos papéis atribuídos à tecnologia. A Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 3 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE mesma solução pode ampliar autonomia ao reduzir tarefas repetitivas ou diminuí-la quando utilizada para monitoramento granular e prescrição rígida do trabalho. Estudos recentes sobre gestão algorítmica reforçam essa dualidade, mostrando que algoritmos podem simultaneamente criar valor e limitar a experiência de autonomia do trabalhador (PARENT-ROCHELEAU; PARKER, 2023). Dessa forma, o foco analítico recai sobre a interação entre tecnologia, pessoas e contexto organizacional, e não sobre uma visão determinista segundo a qual a IA produziria, por si mesma, efeitos necessariamente positivos ou negativos. RELAÇÕES HUMANAS E ORGANIZAÇÃO: BASES TEÓRICAS A escola das relações humanas representou uma inflexão na compreensão das organizações ao evidenciar que vínculos sociais, percepção de reconhecimento e dinâmica de grupos interferem no comportamento laboral. Mayo (1933), ao discutir os estudos de Hawthorne, contribuiu para deslocar a atenção de fatores exclusivamente físicos e econômicos para dimensões sociais do trabalho. Embora interpretações posteriores tenham problematizado limitações metodológicas desses estudos, sua importância histórica reside na valorização do trabalhador como sujeito inserido em redes de interação. A contribuição de McGregor (1960) amplia essa discussão ao demonstrar que pressupostos gerenciais influenciam práticas de liderança. A Teoria X associa o trabalhador à necessidade de controle, enquanto a Teoria Y enfatiza responsabilidade, capacidade de autodireção e potencial de desenvolvimento. A implantação de IA pode reproduzir ambas as lógicas. Sistemas utilizados para vigilância, ranqueamento constante e microgestão algorítmica aproximam-se da lógica de controle; soluções voltadas à ampliação de conhecimento, suporte decisório e autonomia podem favorecer condições coerentes com a Teoria Y. Maslow (1943) e Herzberg, Mausner e Snyderman (1959) também oferecem lentes úteis. A automação pode reduzir atividades penosas e liberar tempo para tarefas cognitivamente mais ricas, porém pode gerar insegurança quanto à permanência no emprego, ao valor profissional e ao reconhecimento. Em consequência, ganhos de eficiência podem coexistir com perdas motivacionais. A teoria da autodeterminação reforça que autonomia, competência e vínculo são necessidades psicológicas relevantes para a motivação de qualidade (DECI; RYAN, 2000). Assim, uma organização que introduz IA sem participação dos empregados pode aumentar eficiência técnica e, simultaneamente, fragilizar autonomia percebida e pertencimento. A questão central Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 4 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE passa a ser menos “quanto a IA automatiza” e mais “como a automação reorganiza papéis, poder, reconhecimento e relações”. DA AUTOMAÇÃO À IA GENERATIVA NO TRABALHO A transformação recente da IA diferencia-se de ondas anteriores de automação pela capacidade de atuar sobre tarefas cognitivas, simbólicas e comunicacionais. Sistemas generativos produzem textos, códigos, imagens, sínteses, hipóteses e recomendações, aproximando-se de atividades antes associadas exclusivamente ao trabalho qualificado. Esse movimento não implica substituição automática de ocupações inteiras. A Organização Internacional do Trabalho observa que a exposição à IA generativa varia entre tarefas e profissões, e que o cenário mais plausível em muitas atividades envolve transformação do conteúdo do trabalho e reconfiguração de tarefas, não apenas eliminação direta de postos (ILO, 2025). No cotidiano empresarial, a adoção costuma ocorrer de maneira assimétrica. Algumas áreas incorporam ferramentas oficiais, outras recorrem a aplicações públicas por iniciativa individual, e parte dos trabalhadores mantém resistência ou baixa familiaridade. O Work Trend Index de 2024 registrou uso disseminado de IA entre trabalhadores do conhecimento e evidenciou que muitos usuários recorriam a ferramentas próprias antes de existir uma estratégia corporativa madura (MICROSOFT; LINKEDIN, 2024). Essa dinâmica cria um desafio relacional: quando a organização demora a definir regras, os empregados passam a negociar informalmente limites de uso, autoria, qualidade e responsabilidade. A IA generativa também altera o fluxo de conhecimento. Em vez de procurar um colega para esclarecer uma dúvida, o profissional pode consultar um assistente digital; em vez de iniciar uma atividade em grupo, pode produzir uma primeira versão com IA e compartilhar apenas o resultado. Isso pode reduzir interrupções e acelerar entregas, mas também diminuir interações incidentais que fortalecem vínculos e aprendizagem social. A eficiência comunicacional, portanto, não é equivalente à qualidade relacional. Organizações precisam observar se a tecnologia está removendo apenas fricções improdutivas ou se, inadvertidamente, está eliminando oportunidades de cooperação, mentoria e construção de confiança. Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 5 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE A IA COMO COLEGA COGNITIVO E PARCEIRO DE TRABALHO A presença de sistemas conversacionais e agentes autônomos favorece a representação da IA como um “colega cognitivo”. Essa metáfora é útil para compreender mudanças comportamentais, embora não deva ocultar diferenças fundamentais entre pessoas e sistemas computacionais. A IA não possui responsabilidade moral, vínculo afetivo ou compromisso organizacional nos mesmos termos que um trabalhador humano. Ainda assim, sua interface pode produzir sensação de interação social e influenciar a forma como empregados distribuem atenção, confiança e dependência cognitiva. A evidência disponível sugere que a combinação humano–IA não gera sinergia automaticamente. Meta-análise publicada na Nature Human Behaviour mostra que sistemas híbridos podem superar humanos isolados em determinados contextos, mas nem sempre superam o melhor desempenho obtido por humanos ou por IA separadamente; comunicação, coordenação e adequação da divisão de tarefas são fatores decisivos (VACCARO et al., 2024). Isso reforça a necessidade de desenho explícito de papéis: o que deve ser delegado, o que deve ser revisado e em quais situações a decisão precisa permanecer humana. Quando o sistema é tratado como parceiro, surgem ainda efeitos sobre identidade e comparação social. O trabalhador pode perceber a IA como ferramenta, concorrente, tutor ou substituto potencial. Cada enquadramento produz respostas diferentes. A percepção de concorrência tende a ampliar insegurança; a percepção de apoio pode favorecer experimentação e aprendizagem. Estudos recentes também mostram que confiança na IA depende de alfabetização em IA, percepção de valor e percepção de acurácia (YIN; LI; QIAN, 2025). Assim, a relação humano–IA deve ser gerenciada como processo de calibração de expectativas. Confiar pouco pode impedir ganhos de produtividade; confiar excessivamente pode ampliar erros, dependência e aceitação acrítica de resultados incorretos. COMUNICAÇÃO, COOPERAÇÃO E CAPITAL SOCIAL Grande parte das relações corporativas é construída por microinterações: perguntas rápidas, revisão informal de ideias, aconselhamento, conversas antes de reuniões e ajuda espontânea entre colegas. A IA pode absorver parte dessas interações ao oferecer respostas imediatas e personalizadas. Em termos operacionais, isso reduz tempo de espera; em termos sociais, pode diminuir oportunidades de reciprocidade. O risco não está no uso de um assistente Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 6 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE digital em si, mas na substituição sistemática de relações humanas por interações de baixo custo que não geram compromisso mútuo. A cooperação depende de confiança e de disposição pró-social. Granulo et al. (2024), em estudos experimentais e de campo, identificaram que a utilização de algoritmos em determinadas tarefas gerenciais pode reduzir motivação pró-social ao aumentar a percepção de objetificação dos demais. Esse achado é especialmente importante para empresas que pretendem automatizar avaliações, coordenação ou distribuição de trabalho: uma solução tecnicamente eficiente pode produzir externalidades comportamentais que não aparecem nos indicadores tradicionais de produtividade. Também há efeitos positivos possíveis. A IA pode democratizar acesso a conhecimento, apoiar profissionais menos experientes, facilitar tradução entre idiomas e melhorar a preparação para reuniões, reduzindo assimetrias de informação. Em equipes distribuídas, pode sintetizar decisões e registrar conhecimento que antes ficava disperso. O ponto de equilíbrio consiste em utilizar IA para ampliar a capacidade de interação, não para eliminar o contato humano necessário à criação de capital social. Práticas recomendáveis incluem reservar decisões sensíveis para diálogo humano, incentivar revisão colaborativa de conteúdos gerados por IA, criar espaços de aprendizagem coletiva e acompanhar indicadores de cooperação. Em outras palavras, a organização deve medir não apenas tempo economizado, mas também se a adoção preserva redes de ajuda, confiança e pertencimento. CONFIANÇA, SEGURANÇA PSICOLÓGICA E CONTRATO PSICOLÓGICO A confiança ocupa posição central nas relações humanas e torna-se ainda mais complexa quando decisões passam a ser mediadas por sistemas algorítmicos. No ambiente corporativo, o empregado precisa avaliar simultaneamente a confiabilidade técnica da IA e a confiabilidade da organização que a seleciona, configura e utiliza. Erros, vieses ou resultados inexplicáveis podem ser atribuídos não apenas à tecnologia, mas também à liderança que decidiu adotá-la. A perspectiva do contrato psicológico ajuda a compreender esse fenômeno. Rousseau (1995) define contratos psicológicos como crenças individuais sobre obrigações recíprocas entre trabalhador e organização. Quando a empresa introduz IA em recrutamento, avaliação ou monitoramento sem transparência, o empregado pode interpretar a mudança como alteração unilateral das regras relacionais. Pesquisas sobre gestão algorítmica mostram que agentes algorítmicos podem sinalizar menor compromisso relacional do empregador em determinadas Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 7 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE situações, modificando expectativas sobre cuidado, reconhecimento e reciprocidade (WANG; MOELLMANN; KELLOGG, 2022). A segurança psicológica, entendida como percepção de que é possível assumir riscos interpessoais sem punição indevida, também pode ser afetada (EDMONDSON, 1999). Sistemas que registram permanentemente interações, pontuam comportamento ou analisam comunicação podem levar profissionais a se autocensurar, reduzir experimentação e evitar discordâncias. Em sentido oposto, ferramentas usadas para apoiar aprendizagem, sem caráter punitivo, podem ampliar a capacidade de pedir ajuda e testar alternativas. A governança deve, portanto, explicitar finalidades, limites de dados, formas de contestação e responsabilidades. Confiança sustentável não decorre de campanhas de comunicação, mas de coerência entre discurso e prática: o empregado precisa saber quando a IA está sendo usada, com que dados, para qual finalidade e como poderá questionar uma decisão. LIDERANÇA E GESTÃO ALGORÍTMICA A liderança é uma relação social baseada em influência, interpretação e legitimidade. A introdução de IA em atividades gerenciais altera esse processo porque parte da autoridade pode ser transferida a métricas e recomendações produzidas por sistemas. Quando um gestor comunica que determinada decisão “foi definida pelo algoritmo”, pode parecer que a responsabilidade foi deslocada para uma entidade técnica. Tal movimento tende a enfraquecer a percepção de accountability e dificultar a construção de confiança. Jago et al. (2024) demonstraram que a gestão algorítmica pode reduzir percepções de status associadas a determinadas funções quando comparada à gestão humana. Granulo et al. (2024) observaram efeitos negativos sobre motivação pró-social em certas tarefas. Esses achados sugerem que a substituição do gestor por um sistema, ou mesmo a forte dependência de recomendações algorítmicas, deve ser analisada para além da eficiência decisória. O gestor continua responsável por contextualizar informações, considerar exceções, ouvir pessoas e justificar decisões. A liderança eficaz na era da IA tende a ser menos centrada em possuir todas as respostas e mais voltada a criar condições para julgamento responsável. Isso inclui estimular questionamento de saídas algorítmicas, reconhecer incertezas e abrir canais de voz. Pesquisas recentes indicam que oportunidades de participação e comportamentos de humildade da liderança podem fortalecer a confiança dos empregados em sistemas de IA ao favorecer Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 8 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE transferência de confiança entre líder e tecnologia (MCGUIRE; DE CREMER; NARAYANAN, 2026). A implicação prática é direta: a confiança em IA é também um fenômeno de liderança. Empresas que implantam sistemas sofisticados, mas mantêm comunicação autoritária e baixa participação, podem obter adesão formal sem construir confiança genuína. INTELIGÊNCIA ARTIFICIAL EM RECURSOS HUMANOS A área de Recursos Humanos concentra alguns dos usos mais sensíveis da IA porque suas decisões afetam contratação, desenvolvimento, remuneração, promoção e desligamento. Sistemas de triagem de currículos, análise de desempenho, chatbots de atendimento interno e plataformas de people analytics podem reduzir tarefas administrativas e ampliar capacidade analítica. Entretanto, o uso de algoritmos em processos que definem oportunidades de carreira produz questões de justiça, explicabilidade e legitimidade. Budhwar et al. (2023) destacam que a IA aplicada à gestão de pessoas transforma trabalho, trabalhadores e locais de trabalho, exigindo abordagem estratégica que considere simultaneamente resultados organizacionais e efeitos centrados no empregado. Malik et al. (2023) reforçam que aplicações de IA em RH apresentam benefícios de velocidade e escala, mas introduzem desafios éticos relacionados a privacidade, vieses, transparência e responsabilização. A percepção dos trabalhadores confirma a sensibilidade do tema. Pesquisa da OECD (2023) identificou confiança apenas parcial em empresas quanto ao uso seguro da IA e registrou apoio relevante a restrições no uso de sistemas automatizados para decisões como demissão, promoção e contratação. Esse resultado indica que legitimidade não pode ser presumida a partir da precisão técnica do modelo. A decisão pode ser estatisticamente consistente e ainda assim ser percebida como injusta quando o trabalhador não compreende os critérios ou não dispõe de possibilidade de revisão. Por isso, processos de RH deveriam adotar princípio de supervisão humana significativa. A IA pode gerar recomendações, identificar padrões e organizar evidências, mas decisões de alto impacto devem incluir análise contextual, registro de justificativas, mecanismos de recurso e auditoria. A presença humana, nesse caso, não deve ser meramente simbólica; deve existir capacidade real de discordar do sistema e assumir responsabilidade pela decisão final. Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 9 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE AUTONOMIA, MOTIVAÇÃO E SENTIDO DO TRABALHO A relação entre IA e autonomia é paradoxal. Em um cenário, a tecnologia elimina tarefas repetitivas, permite acesso rápido a conhecimento e amplia capacidade de execução individual. Em outro, sistemas prescrevem sequências de trabalho, monitoram produtividade e reduzem espaço de julgamento. Parent-Rocheleau e Parker (2023) descrevem essa dualidade da gestão algorítmica: os mesmos mecanismos que aumentam eficiência e recursos podem limitar autonomia e valor percebido pelo trabalhador. A teoria da autodeterminação oferece um referencial para avaliar esse paradoxo. Deci e Ryan (2000) sustentam que autonomia, competência e relacionamento são necessidades psicológicas fundamentais. Uma implantação orientada apenas à produtividade pode enfraquecer essas três dimensões. A autonomia diminui quando o trabalhador sente que deve seguir recomendações sem questionar; a competência é ameaçada quando habilidades construídas ao longo da carreira parecem desvalorizadas; o relacionamento se enfraquece quando interações com colegas são substituídas por sistemas. Por outro lado, a IA pode ampliar competência ao funcionar como instrumento de aprendizagem, acelerar feedback e permitir que profissionais realizem tarefas antes fora de seu repertório. O impacto motivacional dependerá, portanto, de como os ganhos são distribuídos. Se o tempo economizado resultar apenas em aumento de carga e metas, a tecnologia tende a ser percebida como intensificação do trabalho. Se parte do ganho for convertida em aprendizagem, qualidade, inovação e redução de atividades de baixo valor, a percepção pode ser positiva. O sentido do trabalho também precisa ser considerado. Pessoas desejam compreender a contribuição de suas atividades e reconhecer-se no resultado produzido. Em processos altamente automatizados, a organização deve redesenhar papéis para preservar autoria, julgamento e responsabilidade. O desafio gerencial é evitar que o trabalhador se torne mero operador de recomendações algorítmicas. CULTURA ORGANIZACIONAL, PODER E VIGILÂNCIA Tecnologias não são incorporadas em um vazio cultural. Schein (1985) demonstra que a cultura organizacional envolve pressupostos compartilhados que orientam percepções e comportamentos. A IA pode reforçar valores existentes: em culturas de confiança e aprendizagem, tende a ser enquadrada como ferramenta de desenvolvimento; em culturas de controle, pode ampliar vigilância, comparação e disciplina. Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 10 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE A capacidade de coletar e analisar grandes volumes de dados torna particularmente relevante a dimensão do poder. Sistemas podem registrar tempo de resposta, padrões de comunicação, localização, produtividade, redes de relacionamento e diversas outras variáveis. Ainda que parte dessas informações tenha finalidade legítima, a ausência de limites claros favorece sensação de vigilância permanente. O trabalhador pode alterar seu comportamento não porque concorda com a regra, mas porque acredita estar continuamente observado. Esse fenômeno afeta espontaneidade e confiança. Conversas informais, experimentação e manifestação de dúvidas podem diminuir quando todos os registros são potencialmente analisáveis por sistemas automatizados. A questão ganha relevância com agentes corporativos capazes de acessar bases documentais, transcrições e mensagens internas. Quanto mais amplo o acesso, maior a necessidade de princípios de minimização de dados, finalidade específica e separação entre recursos destinados a produtividade e mecanismos de avaliação de pessoas. A governança cultural exige participação. Comitês multidisciplinares, representantes de áreas usuárias, Recursos Humanos, tecnologia, jurídico, privacidade e segurança devem discutir não apenas viabilidade técnica, mas efeitos sobre o cotidiano. A organização também precisa reconhecer que resistência não é sinônimo de aversão à inovação. Questionamentos podem sinalizar riscos reais de justiça, privacidade ou perda de autonomia. Uma cultura madura transforma essas objeções em insumos para aprimorar desenho e regras de uso. ÉTICA, JUSTIÇA, PRIVACIDADE E RESPONSABILIDADE A dimensão ética é inseparável das relações humanas mediadas por IA. Sistemas aprendem a partir de dados históricos e podem reproduzir desigualdades presentes nesses dados. Em recrutamento, avaliação de desempenho ou concessão de oportunidades, vieses algorítmicos podem afetar indivíduos de maneira pouco visível. O problema é agravado quando a complexidade técnica reduz a capacidade de explicar por que uma recomendação foi produzida. Malik et al. (2023) argumentam que a IA em gestão de pessoas deve ser examinada por uma lente ética capaz de equilibrar eficiência e impactos sobre indivíduos. A justiça organizacional é especialmente relevante: trabalhadores avaliam tanto resultados quanto procedimentos. Mesmo uma decisão desfavorável pode ser mais bem aceita quando os critérios são compreensíveis, há possibilidade de manifestação e o processo é percebido como consistente. Pesquisas recentes sobre avaliação de desempenho assistida por IA indicam que percepções de Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 11 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE justiça distributiva e procedimental influenciam a confiança dos empregados no sistema (NGUYEN; CONNOLLY, 2025). Privacidade constitui outro elemento central. Dados coletados para uma finalidade operacional não devem ser automaticamente reutilizados para avaliar comportamento individual. Uma governança responsável deve definir base legal, necessidade, proporcionalidade, retenção, controle de acesso e processos de auditoria, além de observar a legislação aplicável, incluindo a Lei Geral de Proteção de Dados no contexto brasileiro. Responsabilidade também não pode ser transferida ao algoritmo. A organização permanece responsável por escolhas de fornecedores, dados, parâmetros e consequências do uso. Por isso, decisões de alto impacto devem possuir responsável humano identificável, trilha de auditoria e mecanismo de contestação. A ética, nesse sentido, não é etapa final de conformidade, mas requisito de desenho. Sistemas que não permitem explicação suficiente ou revisão significativa não deveriam ser utilizados em decisões cuja consequência afete de modo relevante a trajetória profissional de uma pessoa. COMPETÊNCIAS HUMANAS E ALFABETIZAÇÃO EM IA A difusão da IA exige novas competências, mas não reduz a importância das habilidades humanas. À medida que tarefas de produção inicial de conteúdo e análise padronizada são automatizadas, tornam-se mais valiosas capacidades de formular problemas, avaliar evidências, interpretar contexto, negociar, exercer empatia e assumir responsabilidade. A competência profissional passa a incluir saber quando utilizar IA e, sobretudo, quando não utilizá-la. A alfabetização em IA deve abranger quatro dimensões: compreensão básica de funcionamento e limitações; capacidade de formular instruções e avaliar resultados; consciência de riscos éticos e de privacidade; e habilidade para combinar julgamento humano com apoio algorítmico. Estudos recentes indicam que conhecimento sobre IA e percepção de acurácia influenciam a formação de confiança em equipes humano–IA (YIN; LI; QIAN, 2025). Isso significa que treinamento não deve ser limitado a ensinar comandos de ferramenta. É necessário desenvolver confiança calibrada. Também existe um componente relacional. Profissionais precisam aprender a comunicar quando utilizaram IA, como revisaram o resultado e quais incertezas permanecem. Em equipes, essa transparência reduz conflitos sobre autoria e qualidade. Líderes devem evitar duas mensagens extremas: a proibição genérica, que incentiva uso oculto, e a obrigação Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 12 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE indiscriminada, que induz automação inadequada. A diretriz mais consistente é definir casos de uso, níveis de risco e requisitos de revisão. Programas de capacitação eficazes podem combinar oficinas práticas, estudos de caso, simulações de decisão e comunidades internas de aprendizagem. O objetivo não é apenas aumentar adoção, mas formar usuários críticos, capazes de preservar padrões técnicos e éticos. Nesse processo, Recursos Humanos e áreas de tecnologia precisam atuar conjuntamente, pois a transformação é simultaneamente tecnológica, comportamental e cultural. MODELO DE GOVERNANÇA PARA RELAÇÕES HUMANAS NA ERA DA IA Com base na literatura analisada, propõe-se um modelo de governança orientado por seis princípios. O primeiro é finalidade: todo uso deve responder a um problema organizacional legítimo e claramente definido. O segundo é proporcionalidade: quanto maior o impacto sobre pessoas, maior deve ser o nível de controle, explicabilidade e revisão humana. O terceiro é participação: trabalhadores afetados precisam dispor de canais para compreender, experimentar e questionar a tecnologia. O quarto princípio é supervisão humana significativa. Não basta incluir um aprovador formal após a decisão algorítmica; o responsável deve possuir informação, autoridade e tempo para revisar a recomendação. O quinto é transparência relacional: empregados devem saber quando interagem com IA, quando seus dados alimentam análises e como os resultados serão utilizados. O sexto é aprendizagem contínua: modelos, políticas e impactos devem ser reavaliados, porque a tecnologia e o contexto mudam. Esses princípios podem ser operacionalizados por classificação de risco dos casos de uso. Aplicações de baixo impacto, como auxílio à redação de textos internos, podem exigir regras simples de confidencialidade e revisão. Aplicações de médio impacto, como apoio à distribuição de tarefas, demandam monitoramento de vieses e avaliação periódica. Aplicações de alto impacto, como seleção, promoção, remuneração ou desligamento, exigem governança robusta, documentação, testes, explicabilidade adequada, auditoria e contestação. Além de indicadores técnicos, recomenda-se acompanhar métricas humanas: confiança na liderança, segurança psicológica, autonomia percebida, colaboração, intenção de permanência e percepção de justiça. Essa abordagem impede que o sucesso seja definido apenas por produtividade. Uma implantação que reduz custos, mas deteriora confiança e cooperação, Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 13 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE pode criar passivos organizacionais de longo prazo. A governança de IA deve, portanto, ser entendida também como governança das relações de trabalho. DISCUSSÃO A análise revela que a inteligência artificial não substitui a centralidade das relações humanas; ao contrário, torna sua gestão mais importante. A tecnologia redefine quem produz informação, quem recomenda, quem avalia e quem decide. Cada uma dessas mudanças altera expectativas sociais e distribuição de poder. A adoção responsável depende de reconhecer que produtividade e qualidade relacional são dimensões complementares. A primeira síntese é que os efeitos da IA são sociotécnicos e contingenciais. A mesma tecnologia pode ampliar autonomia ou controle. A segunda é que confiança em IA está conectada à confiança na organização e na liderança. Sistemas tecnicamente competentes não compensam processos percebidos como injustos ou opacos. A terceira é que relações humanas podem ser enfraquecidas por substituição excessiva de interações, especialmente quando a eficiência elimina espaços de cooperação, mentoria e reciprocidade. Ao mesmo tempo, a IA pode fortalecer relações quando remove trabalho de baixo valor e cria condições para conversas mais qualificadas. Assistentes podem democratizar conhecimento, apoiar inclusão linguística, melhorar preparação e reduzir assimetrias de expertise. O ganho, porém, depende de desenho intencional. A meta-análise de Vaccaro et al. (2024) reforça que colaboração humano–IA não produz automaticamente desempenho superior; coordenação e divisão adequada de papéis são determinantes. A discussão também sugere uma mudança no papel do gestor. Em vez de competir com a capacidade informacional da IA, líderes devem oferecer aquilo que sistemas não fornecem de maneira equivalente: contexto moral, responsabilidade, escuta, reconhecimento e negociação de interesses. Em decisões sensíveis, a presença humana tem valor não apenas por corrigir erros técnicos, mas por conferir legitimidade social ao processo. Nesse sentido, a transformação digital bem-sucedida é inseparável de uma transformação da liderança. CONSIDERAÇÕES FINAIS Este artigo analisou os impactos da inteligência artificial sobre as relações humanas no ambiente corporativo, articulando fundamentos clássicos do comportamento organizacional com pesquisas recentes sobre colaboração humano–IA, gestão algorítmica, confiança, ética e Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 14 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE governança. Conclui-se que a IA não possui efeito relacional único. Seus resultados dependem do desenho das tarefas, do grau de transparência, da possibilidade de participação, da qualidade da liderança e dos mecanismos de responsabilização. A principal contribuição teórica consiste em reposicionar a IA como elemento das relações de trabalho, e não apenas como ferramenta de produtividade. Quando sistemas passam a recomendar, avaliar, monitorar e coordenar, tornam-se parte da arquitetura social da organização. Isso exige avaliar impactos sobre contrato psicológico, autonomia, segurança psicológica, status, motivação e cooperação. A principal contribuição gerencial é a proposição de uma governança orientada por finalidade, proporcionalidade, participação, supervisão humana, transparência relacional e aprendizagem contínua. Como limitações, o estudo possui natureza teórica e integra evidências de diferentes setores e contextos culturais, o que recomenda cautela na generalização. Pesquisas futuras podem testar empiricamente as relações propostas, comparando níveis de intensidade de uso da IA, estilos de liderança, tipos de decisão e setores econômicos. Estudos longitudinais são particularmente necessários para compreender como confiança, identidade profissional e relações de equipe evoluem após a adoção continuada de agentes de IA. Por fim, o avanço da IA torna inadequada a escolha entre “tecnologia” e “humanização”. O desafio organizacional consiste em combinar ambas. Empresas capazes de usar IA para ampliar competência humana, preservar autonomia e fortalecer relações de confiança tendem a criar vantagens mais sustentáveis do que aquelas que tratam a tecnologia apenas como mecanismo de redução de custos e controle. O futuro do trabalho será determinado não somente pela inteligência dos sistemas, mas pela qualidade das relações que as organizações decidirem construir ao redor deles. REFERÊNCIAS BUDHWAR, Pawan et al. Artificial intelligence (AI)-assisted HRM: towards an extended strategic framework. Human Resource Management Review, v. 33, n. 1, 100940, 2023. CHEN, Na; ZHANG, Xinyue. When misunderstanding meets artificial intelligence: the critical role of trust in human–AI and human–human team communication and performance. Frontiers in Psychology, v. 16, 1637339, 2025. DECI, Edward L.; RYAN, Richard M. The “what” and “why” of goal pursuits: human needs and the self-determination of behavior. Psychological Inquiry, v. 11, n. 4, p. 227-268, 2000. Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 15 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE EDMONDSON, Amy. Psychological safety and learning behavior in work teams. Administrative Science Quarterly, v. 44, n. 2, p. 350-383, 1999. GRANULO, Armin; CAPRIOLI, Sara; FUCHS, Christoph; PUNTONI, Stefano. Deployment of algorithms in management tasks reduces prosocial motivation. Computers in Human Behavior, v. 152, 108094, 2024. HERZBERG, Frederick; MAUSNER, Bernard; SNYDERMAN, Barbara B. The motivation to work. 2. ed. New York: John Wiley & Sons, 1959. ILO – INTERNATIONAL LABOUR ORGANIZATION. Generative AI and jobs: a 2025 update. Geneva: International Labour Organization, 2025. Disponível em: . Acesso em: 31 ago. 2026. JAGO, Arthur S.; RAVEENDHRAN, Roshni; FAST, Nathanael J.; GRATCH, Jonathan. Algorithmic management diminishes status: an unintended consequence of using machines to perform social roles. Journal of Experimental Social Psychology, v. 110, 104553, 2024. LIU, Chun. Understanding dimensions of trust in AI through quantitative cognition: implications for human-AI collaboration. PLOS ONE, v. 20, e0326558, 2025. MALIK, Ashish et al. Artificial intelligence and people management: a critical assessment through the ethical lens. Human Resource Management Review, v. 33, n. 1, 100923, 2023. MASLOW, Abraham H. A theory of human motivation. Psychological Review, v. 50, n. 4, p. 370-396, 1943. MAYO, Elton. The human problems of an industrial civilization. New York: Macmillan, 1933. MCGREGOR, Douglas. The human side of enterprise. New York: McGraw-Hill, 1960. MCGUIRE, Jack; DE CREMER, David; NARAYANAN, Devesh. How leaders build employee trust in artificial intelligence: voice opportunities, humility, and trust transfer. Journal of Business Research, v. 217, 116470, 2026. MICROSOFT; LINKEDIN. 2024 Work Trend Index Annual Report: AI at work is here. Now comes the hard part. Redmond: Microsoft, 2024. Disponível em: . Acesso em: 31 ago. 2026. NGUYEN, Tam; CONNOLLY, Regina. Employee trust in artificial intelligence (AI)-assisted HRM: a performance evaluation context. Academy of Management Proceedings, v. 2025, n. 1, 2025. OECD – ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT. The impact of AI on the workplace: main findings from the OECD AI surveys of employers and workers. Paris: OECD Publishing, 2023. Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375 16 Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE PARENT-ROCHELEAU, Xavier; PARKER, Sharon K. The duality of algorithmic management: toward a research agenda on HRM algorithms, autonomy and value creation. Human Resource Management Review, v. 33, n. 1, 100876, 2023. ROUSSEAU, Denise M. Psychological contracts in organizations: understanding written and unwritten agreements. Thousand Oaks: Sage Publications, 1995. SCHEIN, Edgar H. Organizational culture and leadership. San Francisco: Jossey-Bass, 1985. VACCARO, Michelle et al. When combinations of humans and AI are useful: a systematic review and meta-analysis. Nature Human Behaviour, 2024. DOI: 10.1038/s41562-024-02024-1. WANG, B.; MÖHLMANN, M.; KELLOGG, K. C. Employment relationships in algorithmic management: a psychological contract perspective. Computers in Human Behavior, v. 126, 106997, 2022. WEN, Yanjun; WANG, Jiale; CHEN, Xiaoxi. Trust and AI weight: human-AI collaboration in organizational management decision-making. Frontiers in Organizational Psychology, v. 3, 1419403, 2025. YIN, Ming; LI, Xin; QIAN, Y. AI literacy and trust: a multi-method study of human-GAI team collaboration. Computers in Human Behavior: Artificial Humans, v. 4, 100162, 2025. 17 Revista Ibero-Americana de Humanidades, Ciências e Educação. São Paulo, v. 12, n. 9, set. 2026. ISSN: 2675-3375