As decisões de liderança sobre a implementação de ferramentas de IA geralmente são enquadradas em torno da velocidade, viabilidade ou ROI. Mas esses não são os pontos certos para começar. O que importa primeiro é responsabilidade, prestação de contas e responsabilidade na confiança que as pessoas depositam em nós. A IA não deveria ser a solução padrão para todo problema. Aplicá-la sem entender as implicações subjacentes pode trazer mais risco do que valor, especialmente quando resultados gerados pela IA trazem consequências reais para o futuro das pessoas. Nesses contextos, liderança não é dizer não à IA nem dizer sim sem hesitar. Trata-se de definir um sim claro e governado que possa se sustentar em escala.

A pressão sobre todo líder agora é para agir rápido. Envie o modelo. Lança o agente. Personalize tudo. Mas o público está prestando atenção, e não está do lado da velocidade, não importa o custo. Um estudo de 2025 da KPMG e da Universidade de Melbourne, que consultou mais de 48.000 pessoas em 47 países, descobriu que, embora o uso da IA esteja crescendo, a confiança é o problema central e o público deseja uma governança mais forte. Uma pesquisa da YouGov de dezembro de 2025 foi mais direta: 68% dos americanos dizem que não permitiriam que um sistema de IA agisse sem aprovação humana específica.

E na avaliação educacional, onde o ETS atua, uma única pontuação em um teste de alto risco pode moldar toda a carreira do aprendiz. No nosso espaço, o custo de errar a IA não é medido em reclamações dos usuários, mas sim em oportunidades perdidas.

Seria fácil concluir que a atitude certa é desacelerar, que liderança, neste momento, é dizer não à inovação impulsionada por IA. Discordo. Nosso trabalho como líderes é definir onde a IA agrega valor, estabelecer as condições para seu uso responsável e agir mais rápido com confiança, não às custas da confiança.

Na ETS, nossa confiança em dizer sim à IA vem das barreiras que colocamos ao redor dela. Usamos IA e processamento de linguagem natural desde o início dos anos 2000, começando com aplicações como a pontuação de redações e respostas faladas. Até o final do ano, quase 90% dos itens de teste serão gerados pelo nosso motor interno de IA. Ainda assim, cada um desses itens tem um ponto de controle humano que nunca vamos remover. E quando uma pontuação de IA e uma pontuação humana divergem significativamente, o humano vence e impulsiona a revisão e melhoria dos modelos para o futuro.

Antes de qualquer pergunta chegar ao aprendiz, ela passa por uma revisão de justiça e acessibilidade. Após a entrega, realizamos uma auditoria psicométrica em cada produto principal para buscar diferenças sistemáticas entre subgrupos. Usamos um conjunto de modelos de IA, não a ferramenta de um único fornecedor, para que nenhum ponto cego de um sistema se torne nosso. E tratamos nossos dados proprietários e internacionalmente diversos, incluindo amostras de fala do TOEFL de candidatos ao redor do mundo, como um freio contra a estreiteza dos modelos prontos para uso.

A ETS literalmente escreveu o livro sobre padrões justos de avaliação, e a chegada da IA não abaixa o nível. Isso eleva significativamente o problema. Antes, antes auditávamos um grande programa a cada três anos, agora verificamos com mais frequência quando a IA está no circuito. Antes presumíamos que revisores humanos treinados estavam aplicando nossos padrões corretamente ao longo do processo, agora construímos verificações explícitas no meio do processo, e não apenas no final. Em algumas áreas, estamos escrevendo novos padrões completamente novos, porque as questões que a IA levanta não existiam há uma década.

Uma vantagem de trabalhar em uma empresa com grande expertise no domínio é que a aplicamos desde o início. Por décadas, tivemos que verificar rigorosamente nosso trabalho quanto a preconceitos, direitos autorais, justiça, precisão factual e muito mais. Nossa capacidade de IA na ETS é construída sobre 77 anos de experiência e propriedade intelectual verificada. Combinado com modelos de IA, essa base alimenta nossas novas ofertas e sustenta a confiança que compartilhamos com os clientes.

Mais fundamentalmente, o maior equívoco sobre IA nos negócios atualmente é que o objetivo é substituir as pessoas. Realmente deveria ser sobre aumentar os humanos e ajudá-los a fazer mais. A verdadeira oportunidade é criar novo valor, libertar pessoas para resolver problemas mais difíceis e conquistar a confiança para fazer mais com o tempo. Esse caminho é mais lento, e é o único que sobrevive ao contato com a realidade.

Esse é o trabalho. Quanto mais poderosos os modelos de IA se tornam, mais importante é aplicá-los com a disciplina, a ciência da medição e o julgamento humano que ambientes de alto risco exigem. Quando modelos mais fortes são combinados com padrões mais rigorosos de justiça, validade e consistência, fazemos mais do que avançar mais rápido. Expandimos o que é possível, aprofundamos a confiança nos sistemas nos quais as pessoas dependem e aumentamos exponencialmente o impacto positivo da nossa missão ao redor do mundo.