A área de T&D sofre pressões constantes da alta administração para provar seu valor, afinal, é necessário justificar os custos. Por muito tempo, a melhor opção foi recorrer às conclusões que comprovavam o consumo de conteúdos.
Mas a verdade é que as métricas padrão das atividades de aprendizagem (conclusões, tempo dedicado aos estudos e pontuações de satisfação) não respondem à pergunta certa. No fundo, essas métricas jamais responderam à pergunta certa. A única resposta que elas trazem é se os conteúdos educativos foram disponibilizados e consumidos pelos colaboradores.
A resposta que a liderança quer atende a uma pergunta muito mais profunda: a força de trabalho ficou mais afiada em algo que faz a diferença nos negócios?
Com a ascensão dos agentes de IA, a velocidade de adaptação dos colaboradores é tudo. A agilidade da evolução da sua empresa está diretamente ligada ao ritmo de aprendizagem da força de trabalho. Mesmo assim, segundo a ATD, menos de um terço (30%) das organizações conseguem usar bem os dados de programas de aprendizagem para tomar decisões de negócios, provavelmente porque esses dados têm pouquíssima conexão com os negócios.
No entanto, isso está começando a mudar. Novos recursos técnicos e uma inteligência de habilidades cada vez mais robusta estão finalmente possibilitando correlacionar o que se aprende aos resultados gerados nos negócios. Grandes nomes da área de aprendizagem se reuniram no Degreed Focus London 2026 para debater essas mudanças, como elas se aplicam às organizações atuais e o que vem por aí quando o assunto são as métricas de atividades personalizadas.
O problema da mensuração das atividades de aprendizagem na área de T&D
De maneira geral, é fácil gerar e mensurar atividades de aprendizagem. O grande desafio é correlacioná-las a resultados críticos para os negócios e decorrentes da capacitação da força de trabalho. No Focus London, Lori Niles-Hofmann, cofundadora da 8levers, defendeu que as equipes de T&D podem combinar essas métricas para trazer uma visão panorâmica de suas atividades. No entanto, essa nem sempre é a visão panorâmica. As métricas padrão costumam ser frágeis demais para sustentar conclusões expressivas.
“Podemos analisar o design de aprendizagem com base em dados, agregar as métricas e concluir que talvez X mais Y seja igual a Z, ou seja, uma conclusão muito superficial”, pontua Niles-Hofmann.
Ela propõe algo melhor: relatórios detalhados ou a possibilidade de “microisolar diferentes tipos de intervenções de aprendizagem” para identificar seus impactos em tempo real. Por exemplo, se um colaborador estiver se preparando para uma negociação comercial, o sistema de aprendizagem deve captar a interação e avaliar o resultado dela como um resultado direto da aprendizagem.
Algumas empresas, como a Capgemini, já estão testando esse tipo de avaliação de proficiência de habilidades como uma representação mais precisa do valor para os negócios.
Como a Capgemini passou a correlacionar o progresso das habilidades com os negócios
“Gastamos esse tanto em aprendizagem. Qual é o retorno para a empresa?”
Essa era a pergunta que Estelle Maione, chefe global de aprendizagem da Capgemini, mais ouvia da equipe executiva. Com mais de 300 mil colaboradores e uma identidade organizacional baseada no trabalho intelectual de seus colaboradores, a Capgemini não podia simplesmente supor que havia um elo entre a aprendizagem e o desempenho dos negócios.
“Como empresa, sempre defendemos que queremos transformar os resultados das nossas habilidades em impacto comercial”, pontua Maione.
Eis aqui o que a liderança da Capgemini buscava da equipe de T&D: aprendizagem personalizada em larga escala, progresso visível das habilidades e comprovação do nível de preparo para atuar em projetos.
Uma simples taxa de conclusão de conteúdos não diz se a equipe está pronta assumir um contrato importante, assim como um mero badge de curso não indica para os líderes o que a equipe pode, de fato, realizar.
Por isso, a Capgemini focou outro tipo de sinal de habilidades: as entregas e o desempenho em projetos.
Quando alguém demonstra um certo nível de proficiência ao atender às demandas de um cliente, essa pessoa prova sua capacidade na prática, e não em um ambiente de treinamento controlado. O trabalho em si vira dado de habilidade, e isso é fundamental. Afinal, “se os dados não são precisos, a mágica não acontece”, como bem diz Maione.
Para captar dados de projetos, era preciso ter um sistema interconectado, em que os dados dos colaboradores e de suas habilidades trabalhassem em harmonia para oferecer uma visão panorâmica da situação. Nesse ponto, o desempenho dos negócios passa a ser a prova, e o papel da equipe de aprendizagem é mostrar como suas ações contribuíram para isso ao longo do tempo.
“Estamos conectando nosso sistema de operações, o lugar onde tudo acontece. É nele que nossas equipes são montadas para os projetos. Essa é a vida real. É assim que as pessoas desenvolvem habilidades”, conta Maione.
O resultado é um modelo de relatórios que pode, de fato, atender ao pedido de resultados mensuráveis feito pela equipe executiva: quando investimos X em aprendizagem, desenvolvemos a proficiência de Y colaboradores, que passam a gerar resultados para os clientes.
“É uma questão de como concentramos nossas habilidades em um só lugar e de como extraímos insights ou transformamos as informações obtidas em algo útil para as decisões de negócios, de gestão de talentos e de direcionamento do desenvolvimento de habilidades”, detalha Maione.
Mesmo com uma visão unificada dos dados de habilidades, a colaboração multidisciplinar é fundamental. Na Capgemini, a estrutura de habilidades não fica sob a responsabilidade da equipe de T&D. “Nossas equipes de operação são responsáveis por terem a visão mais abrangente do que é necessário”, explica Maione.
Para Maione, o princípio é claro: mesmo invisível, a aprendizagem faz parte do cotidiano, enquanto os resultados nos negócios devem ser sempre patentes.
Como será a próxima geração da mensuração de aprendizagem
A metodologia da Capgemini é o que há de mais moderno hoje em dia. No entanto, a evolução dos recursos técnicos também promove a evolução do que é mensurável. Taylor Blake, vice-presidente sênior de novas iniciativas e chefe do Laboratório de IA da Degreed, tem trabalhado em protótipos que podem vir a gerar relatórios mais personalizados.
Em vez de uma porcentagem de conclusões, imagine um relatório que mostre o ganho de autoconfiança e de desempenho de alguém que esteja participando de um programa de capacitação, dados esses extraídos de como a pessoa interagiu com a experiência. No lugar de uma métrica autodeclarada em uma pesquisa, seria possível captar a trajetória única desse colaborador, incluindo seu ponto de partida, suas lacunas e como o programa foi se ajustando.
Na demonstração do Laboratório de IA, Blake mapeou dois colaboradores fictícios com trajetórias distintas, mostrando tanto os conteúdos concluídos quanto as variações no progresso das habilidades, como aumento da autoconfiança e comparações de proficiência.
Assim, as evidências de aprendizagem tornam-se mais comparáveis a outras formas de indicadores de resultados. O aumento da autoconfiança vira uma métrica quantificável. A proficiência derivada de interações reais pode revelar se alguém tem mais autoconfiança do que capacidade — ou o contrário. Em suma, é um sinal que nenhum relatório de conclusões de conteúdos mostra.
Como reimaginar o elo entre aprendizagem e valor para os negócios
As métricas de aprendizagem precisam andar lado a lado com a realidade da empresa. A livre inferência de que a quantidade de conteúdos concluídos indica o nível de preparo da força de trabalho não é sinônimo de valor mensurável para os negócios. No máximo, é uma justificativa questionável. Mas graças aos novos recursos de IA e aos dados de habilidades cada vez mais robustos, o trabalho dos profissionais de T&D pode evoluir.
Agora, ao avaliar a aprendizagem, as equipes de RH e T&D precisam responder com segurança a seguinte pergunta: a força de trabalho ficou mais afiada em algo que faz a diferença nos negócios?
Para isso, dois fatores são fundamentais: dados de habilidades claros e confiáveis – que requerem taxonomias normalizadas e definições de habilidades padronizadas entre diferentes sistemas –, e atividades de aprendizagem conectadas a sinais de desempenho que os líderes corporativos já utilizam para avaliar o nível de preparo da força de trabalho.
Como a Capgemini, as organizações que estão sedimentando esse alicerce neste exato momento terão mais agilidade na mensuração da aprendizagem e terão processos decisórios mais ágeis e mais seguros em relação à força de trabalho, agindo antes mesmo que as necessidades surjam.
Vamos manter contato.
Quero assinar a newsletter mensal que oferece insights exclusivos, anúncio de eventos e novidades sobre as soluções da Degreed.