Pular para o conteúdo

Artigo

Playbook para um CHRO AI-native

A pergunta não é mais se o seu time usa IA. É o que mudou por causa dela. O RH AI-native em cinco níveis de maturidade, da primeira análise individual à camada que opera o RH. Com 30+ skills gratuitas para o Claude.

  • Bruno DeMarco

Publicado em 18 de jun. de 2026

Ninguém vai te cobrar por usar IA

Há uma mudança silenciosa nas conversas entre CEOs e CHROs. Dois anos atrás, a pergunta era “o seu time já usa IA?”. Hoje, ninguém pergunta mais isso. A pergunta virou: o que, concretamente, mudou na operação por causa da IA? Qual processo ficou mais rápido, qual decisão ficou melhor, qual custo caiu. E como você mede isso?

Essa mudança não é anedótica. Os números do mercado convergem todos para o mesmo ponto:

  • 91% dos CHROs apontaram a IA e a digitalização do trabalho como sua principal preocupação, à frente de governança, engajamento e talentos somados. CHRO Association × Darla Moore School of Business, 2026.
  • 92% dos CHROs esperam mais integração de IA à força de trabalho neste ano; 87% preveem mais adoção nos próprios processos de RH. SHRM, The State of AI in HR 2026.
  • 1 em 5 Quase 8 em cada 10 organizações já implantaram IA em pelo menos uma função. Mas só 1 em cada 5 redesenhou processos de trabalho por causa dela. McKinsey, The State of AI.

Essa distância, entre usar IA e ser transformado por ela, é exatamente o território deste artigo. Nos últimos meses, a Zivo conduziu dezenas de implementações de RH AI-native em empresas como Nubank, iFood, XP, Globo e várias outras, e condensou esse aprendizado num workshop ao vivo para CHROs. Este artigo é o desdobramento estruturado desse workshop: um playbook de como líderes de Pessoas podem usar o Claude (da primeira análise individual a uma camada de inteligência que opera o RH), incluindo o pacote de 30+ skills gratuitas que distribuímos abertamente para a comunidade.

A tese central é simples de enunciar e difícil de executar: a adoção de IA no RH é uma progressão de cinco níveis de maturidade, mais do que uma escada de ferramentas, e cada salto de nível exige uma direção fundamentalmente diferente da anterior. Quem trata os níveis como degraus incrementais acumula retrabalho. Quem entende a função objetivo de cada nível captura impacto exponencial. Vamos por partes.

O vocabulário mínimo

Antes do playbook, seis conceitos. Parecem técnicos, mas são o vocabulário mínimo para um CHRO conversar de igual para igual com o seu CTO e, mais importante, não ser vendido por qualquer fornecedor.

  • LLM (Large Language Model) Um programa que leu uma quantidade enorme de texto e aprendeu os padrões da linguagem: você pergunta em português comum e ele gera conteúdo novo. A analogia do workshop: é como um profissional brilhante que leu quase tudo e raciocina rápido, mas só sabe da sua empresa o que você conta para ele. Guarde a segunda metade: ela explica boa parte da diferença entre os níveis. Claude (Anthropic), ChatGPT (OpenAI) e Gemini (Google) são LLMs. Na Zivo testamos todos; o que roda no nosso dia a dia é o Claude, pela análise mais profunda que ele traz para o tipo de problema que o RH resolve e pela postura da Anthropic em segurança e dados sensíveis.
  • As três superfícies do Claude Este é o ponto que mais gera confusão, e o que mais importa na prática. Onde você usa o Claude define o que pode entrar nele.
SuperfícieO que éQuando usar no RH
Claude.ai
web · nuvem
O chat no navegador. Tudo o que você envia vai para a nuvem.Tarefas sem dados sensíveis: escrita, brainstorming, pesquisa. Nunca envie planilhas de folha aqui.
Claude Desktop · Cowork
local · sua máquina
Um app para Mac e Windows que trabalha lado a lado com você. No modo Cowork, ele lê, organiza e age sobre os arquivos da sua máquina. O conteúdo que o Claude analisa é processado nos servidores da Anthropic.O ambiente padrão do CHRO: análises sobre bases de colaboradores, folha, pesquisas. É o passo entre perguntar e delegar.
Claude Code
terminal · construção
O Claude no terminal, onde as ferramentas nascem: software, automações, agentes.Times de produto e tecnologia construindo a infraestrutura de IA dos níveis mais altos, mas não é território exclusivo deles. Vale o CHRO se aventurar: peça ao próprio Claude para construir uma skill ou automação e você aprende a língua que conversa com o seu CTO.

No Cowork você delega tarefas do dia a dia; no Code você constrói as ferramentas e automações que ainda não existem.

  • Skill A analogia do workshop: se a sua filha pede a você e à sua esposa um bolo de chocolate, vocês dois entregam um bolo de chocolate, mas não o mesmo. A skill é a receita: um pacote de instruções, regras de negócio e templates que garante que, não importa quem peça e quem execute, o resultado saia igual, até o formato de entrega. Tecnicamente, é uma pasta com um SKILL.md, scripts e templates que o Claude carrega no momento certo. O conhecimento que vivia na cabeça de quem domina a planilha agora vive na skill.
  • MCP (Model Context Protocol) O conector que liga a IA aos sistemas e dados da empresa (folha, ATS, performance, orçamento) com segurança. A distinção que vale decorar: uma API conecta um sistema a outro sistema; o MCP foi feito para conectar a IA aos seus sistemas. É o que permite que ela busque a informação na fonte certa em vez de depender de você exportar planilhas.
  • Camada agêntica (camada de infraestrutura de IA) O universo em que todos os sistemas estão conectados via MCP e geridos por um LLM, junto com as políticas, regras de negócio e permissões da empresa. Se você pergunta “qual é o salário do João?”, a camada sabe que isso vive na folha, valida se você tem permissão para ver e responde no formato certo. É a peça que separa “usar IA” de “operar com IA”.
  • RH AI-native Uma função de RH que opera nos níveis de maturidade 4 e 5: a inteligência está embutida em todos os processos, propõe as decisões e aprende com cada resultado. As pessoas dedicam o seu tempo a julgamento, análise e estratégia, e quase nada à operação manual de montar. Não é uma função que usa IA, é uma função que opera com IA.

Onde os CHROs realmente estão

No workshop, fizemos uma enquete ao vivo antes de mostrar as demos de cada nível: 335 executivos e líderes de RH de empresas brasileiras responderam à pergunta “em que nível de maturidade em IA está o seu RH?”. Vale ler o resultado com esta ressalva: sem conhecer ainda a complexidade real de cada nível, a autoavaliação tende a carregar certo otimismo.

Em que nível de maturidade em IA está o seu RH? (Enquete ao vivo · 335 respostas)

  • N1 (IA como produtividade individual): 64%
  • N2 (IA como produtividade do time): 24%
  • N3 (IA como sistema operacional contextualizado): 10%
  • N4 (IA como inteligência de decisão): 1%
  • N5 (IA como inteligência adaptativa): <1%

88% dos times de RH ainda operam nos dois primeiros níveis, usando IA, mas sem dados conectados. Só 1 em cada 10 chegou à camada agêntica (N3). O N4, em que a IA propõe a decisão, é território de 1%. E o N5 segue estatisticamente vazio: uma única resposta em 335.

Essa distribuição bate com o quadro global. O SHRM constatou que 62% das organizações já usam IA em alguma operação, mas só 39% dentro do próprio RH. A McKinsey, no HR Monitor 2026, conclui que a IA tem potencial substancial em recrutamento e experiência do colaborador, “mas precisa estar integrada a processos disciplinados e bem desenhados, em vez de sobreposta a abordagens complexas já existentes”. E o estudo da BCG com a MIT Sloan sobre IA agêntica mostra que 66% das organizações que a adotam esperam mudanças fundamentais em modelos operacionais, papéis e carreiras nos próximos três anos, com o RH no centro.

Tradução: estar hoje no N1 ou no N2 é o ponto de partida da grande maioria do mercado. O problema é não saber que a escala existe e otimizar para a função objetivo errada.

Os cinco níveis de maturidade

O framework completo está no nosso white paper O que significa ser AI-native: 5 níveis de maturidade organizacional na adoção de IA, construído a partir da observação direta das organizações com a adoção mais avançada que conhecemos. Aqui vai a versão operacional, na linguagem do dia a dia do RH.

NívelO que o defineA armadilha
N1.
IA como produtividade individual
As pessoas usam IA para otimizar os próprios fluxos de trabalho. Sem skills, sem conexões. A qualidade depende de quem usa.“Mais tokens usados = mais AI-native.”
N2.
IA como produtividade do time
O time compartilha skills. As regras de negócio saem da cabeça das pessoas e vão para as skills. A qualidade vira padrão, não talento individual.“Mais agentes e skills = mais AI-native.”
N3.
IA como sistema operacional contextualizado
Uma única camada agêntica conecta todos os sistemas via MCP. Você não envia mais arquivos: você pergunta, e a camada busca, valida e responde.Conectar mais fontes à mesma camada esperando mais precisão, sem cuidar de contexto e estrutura.
N4.
IA como inteligência de decisão
A camada acompanha metas e indicadores e vem até você: detecta o desvio, explica a causa e propõe um plano. Você aprova, edita ou rejeita, e ela executa os desdobramentos.Tratar todo feedback humano com o mesmo peso, sem ponderar pela qualidade do julgamento por trás dele.
N5.
IA como inteligência adaptativa
A camada aprende com cada feedback e propaga o aprendizado para todos os processos sob a sua gestão. Os resultados melhoram mês a mês sem intervenção específica.Ainda é a fronteira: não foi observado empiricamente em escala.

A leitura convencional trata os níveis como degraus, somando capacidade incremental a cada ferramenta. A realidade das funções mais avançadas é outra: cada nível destrava uma capacidade qualitativamente distinta da anterior, e essa nova capacidade multiplica o efeito do que já existia. O impacto é exponencial.

Duas implicações do white paper merecem atenção, porque vão contra a intuição:

  • Pense por função, não por organização A adoção de IA não se desenvolve de forma simétrica. É natural, e desejável, que o RH esteja no N3 enquanto outra função está no N1. Construir uma camada agêntica para a empresa inteira de uma só vez é inviável para a maioria das organizações.
  • Não suba a escada: trabalhe de trás para a frente Os blocos que sustentam o N4 (uma camada única, o ciclo de aprovação, o aprendizado contínuo) não surgem de otimizar o N1 e o N2. Eles precisam ser desenhados desde o dia zero para o nível-alvo. Quem passa meses “criando mais agentes” muitas vezes descobre que precisa descartar uma parte considerável do trabalho quando tenta capturar o impacto exponencial.

Um caso, cinco níveis: a prévia da folha

Frameworks são abstratos. Então pegamos um caso que praticamente todo CHRO já sofreu e o rodamos pelos cinco níveis: fechar a prévia da folha do mês seguinte, pedida por volta do dia 15.

A prévia nunca está num lugar só. Puxe o headcount do HRIS; junte as admissões que ainda estão no ATS; os desligamentos na planilha de algum business partner; os méritos e promoções aprovados que ainda não entraram na folha. Concilie tudo, compare com o orçamento, escreva a narrativa para o CFO e sugira um ajuste, se sobrar tempo. E há as regras que vivem na cabeça de quem roda: “o salário da Maria parece menor porque ela recebe R$ 10 mil de ajuda de custo fora do ciclo; o custo do João é dividido 50% com outra área.” O cenário típico que encontramos: 3 a 5 dias para fechar, todo mês; 2 a 4 pessoas na conciliação manual; zero cenários alternativos.

N1. O analista, com o Claude ao lado

3–5 dias → 1–2 dias

Ele ainda puxa as planilhas, mas, em vez de conciliar e escrever à mão, envia os arquivos para o Claude no Cowork (arquivos locais) e pede a análise. O Claude entende os cruzamentos, monta a prévia por área e centro de custo, compara com o mês anterior e aponta os desvios.

“A folha de maio fechou em R$ 6,1 mi. Oito admissões, méritos e promoções, sete desligamentos. Prévia de junho: R$ 6,24 mi, R$ 190 mil acima do orçamento.”

Restam três limites: o escopo é o mesmo; a qualidade depende de o analista conhecer as particularidades da Maria e do João; e cada mês é um prompt do zero: se o responsável sai de férias, a prévia trava.

Claude · Cowork

folha_maio.xlsx · admissoes.csv anexados. Monte a prévia de junho e compare com maio.

Folha de maio: R$ 6,1 mi. Prévia de junho: R$ 6,24 mi (+R$ 190 mil vs. orçamento). 8 admissões, 7 desligamentos, méritos e promoções aplicados.

N2. A prévia vira skill para a área inteira

1–2 dias → 4–8 h

A skill “prévia de folha mensal” foi construída uma vez: insumos, checklist de validação (“a Maria ainda recebe a ajuda de custo?”, a skill pergunta antes de fechar), formato dos slides, narrativa padrão. Qualquer analista roda e o resultado é o mesmo; o responsável saiu, outra pessoa fecha no mesmo dia. Mais do que padronizar: a skill reúne num único fluxo o conhecimento de quem entende de remuneração, de dados e do conselho. O que resta: os dados ainda são coletados à mão e, se o HRIS muda o formato, a skill precisa de manutenção.

skill: previa-de-folha-mensal

Rodando a skill compartilhada da área…

Coletar e conciliar insumos (HRIS, ATS, BPs)

Validar exceções “A Maria mantém a ajuda de custo? O João ainda é dividido 50%?”

Gerar slides + narrativa no formato padrão do conselho

Prévia pronta em 6h · qualquer analista, mesmo resultado.

Transição · pessoas → sistema

Até aqui, este é o nível de economizar minutos, sozinho ou em time. É bom, mas ainda não é a virada de jogo que o CEO cobra lá na abertura. Ela começa no N3.

N3. Ninguém coleta insumo

4–8 h → 30 min

Existe uma camada agêntica conectada, via MCP, ao HRIS, ao ATS, às fontes dos BPs, ao ciclo de mérito e ao orçamento. Você pergunta (“qual é a prévia de junho? onde estamos em relação ao orçamento?”) e recebe a análise pronta, com a fonte de cada número: quem puxa o desvio é Engenharia, R$ 210 mil acima do orçamento; Vendas abaixo; o resto dentro da faixa. É aqui que o ganho vira exponencial: qualquer pergunta de seguimento, inclusive a do CEO no meio da apresentação, “e se a gente parar de vender abacate e começar a vender manga?”, é respondida na hora. Mas repare no modo de uso: você pergunta, ela responde. Ela não propõe o ajuste.

Camada agêntica · MCP

qual é a prévia de junho? onde estamos vs. orçamento?

Prévia de junho · R$ 6,24 mi (HRIS)

Desvio vs. orçamento · +R$ 190 mil (orçamento)

Engenharia puxa o desvio · +R$ 210 mil (mérito)

Você pergunta, ela responde — com a fonte de cada número.

N4. A camada não espera você perguntar

→ minutos de revisão

No dia certo, a prévia chega já com o ajuste proposto, e não só uma lista, mas o pacote de decisão completo: a lógica de cada ajuste, a ponte de volta ao orçamento mês a mês, a checagem de risco de retenção e a síntese pronta para o conselho.

“Fechei a prévia. Estamos R$ 190 mil acima do orçamento. Proposta com três ajustes: segurar quatro vagas abertas economiza R$ 90 mil; adiar três promoções para agosto, R$ 60 mil; escalonar dois méritos, R$ 40 mil. A proposta não mexe em pessoas críticas; risco de retenção zero.”

Você discute, edita (“não quero escalonar esses méritos, eles já foram comunicados”), aprova. Aprovado, a execução se desdobra sozinha. Não são regrinhas que disparam ações: é uma IA calibrada para pensar do jeito que o seu time pensa. O papel do CHRO passa a ser o mais estratégico de todos: manter essa camada calibrada à cultura da empresa. Em todo nível há validação humana; o que muda é onde o humano gasta o seu julgamento.

Camada de julgamento

chega sozinha · prévia de junho fechada — R$ 190 mil acima do orçamento

  1. Segurar 4 vagas abertas · −R$ 90 mil
  2. Adiar 3 promoções para agosto · −R$ 60 mil
  3. Escalonar 2 méritos · −R$ 40 mil

Não mexe em pessoas críticas · risco de retenção zero

Aprovar · Editar · Rejeitar

N5. A consequência ensina

→ fronteira

A camada decide sozinha, observa o resultado real de cada decisão e ajusta as próximas com base nele. Mês 1: decide o ajuste, executa, acompanha. Mês 2: corrige a própria lógica com o que viu. Mês 3: decide melhor do que no mês 1, sem ninguém treiná-la. A complexidade real está na propagação: um feedback sobre a tabela salarial precisa ser entendido no impacto que tem sobre o ciclo de mérito que roda em paralelo. É a direção para onde o jogo está indo, não um produto que existe, e quem chegar primeiro define o mercado.

Fronteira · IA como inteligência adaptativa

Mês 1

Decide o ajuste, executa, acompanha o resultado.

Mês 2

Corrige a própria lógica com o que viu.

Mês 3

Decide melhor do que no mês 1, sem ninguém treiná-la.

A consequência ensina — ainda não alcançado em escala.

O que muda, em resumo

Cada nível entrega algo materialmente diferente, não só mais rápido. A prévia da folha é só o exemplo: o mesmo padrão vale para todo job to be done do RH — ciclo de mérito, planejamento de headcount, talent review, recrutamento, equidade salarial, sucessão, engajamento. Cada subsistema de Pessoas atravessa os mesmos cinco níveis, e o salto de impacto acontece no mesmo lugar.

DimensãoHoje (sem IA)N1N2N3N4N5
Tempo para fechar3–5 dias~50% mais rápido~75% mais rápido~95% mais rápidoMinutos de revisãoInstantâneo
Quem operaUm time de 2–4Analista sozinhoTime c/ skill1 pessoa + camadaCamada propõe, 1 validaCamada decide
Onde os dados vivemPlanilhas espalhadasPlanilhas + ClaudePlanilhas + skillCamada integradaCamada integradaCamada integrada
Como a IA é usadaSem IAVocê pergunta, ela respondeVocê pergunta, ela respondeVocê pergunta, ela respondeEla analisa antes e propõeDecide e aprende com o resultado
Quem propõe o ajusteCHRO, se der tempoCHROCHROCHROA camada propõeA camada decide sozinha
Responde na hora a um “e se” do CEO?Não. Leva dias.Não. Leva 1 dia.Não. Leva horas.Sim, em 30 minSim, com recomendaçãoSim, com histórico

O mapa do possível

A prévia da folha é só um dos casos de uso, mas o impacto cresce a cada nível em todo o portfólio de Pessoas, e cada nível potencializa o anterior.

  • Níveis 1 e 2 · pessoas usando IA Síntese de 1:1, carta-oferta, comunicação interna padronizada, briefing de talentos, deck do conselho direto da planilha, skill de calibração compartilhada, agente de preparação do mérito.
  • Nível 3 · você pergunta, a IA responde Mapa de skills e gaps, pesquisa de engajamento com plano por área, risco de saída sinalizado em escala, análise de equidade salarial, diagnóstico organizacional integrado.
  • Nível 4 · a IA propõe a decisão Decisão de mérito com simulação de equidade, sucessão integrada a remuneração e organização, org design com impacto financeiro, workforce planning com múltiplos cenários e risco de retenção, cenários estratégicos com ponte para o conselho.
  • Nível 5 · fronteira Uma função de RH que se auto-otimiza mês a mês, sem intervenção.

A transição mais difícil: do N2 para o N3

A pergunta mais recorrente do Q&A do workshop, e dos nossos clientes, é alguma variação de: “ok, entendi os níveis; como eu atravesso do 2 para o 3?”. A resposta honesta: esta é a transição mais difícil da escala, e não é (só) um problema de tecnologia. Configurar MCPs é a parte fácil. O trabalho de verdade é outro.

  • Construir a base de conhecimento Políticas, regras de negócio, cultura, exceções: tudo o que hoje vive em documentos espalhados e na cabeça das pessoas precisa ser estruturado, validado e testado dentro da camada. É um projeto de gestão do conhecimento disfarçado de projeto de IA.
  • Permissionamento na camada, não na skill “Como eu garanto que um gestor só veja dados dos seus liderados diretos?” O permissionamento não vive na skill, vive na camada agêntica. Quando você desenha a camada, desenha junto as regras de acesso: o business partner vê as suas áreas; o líder vê o seu time; salário vem da folha e de nenhum outro lugar. A skill é a receita; a camada é a governança.
  • Gestão da mudança A McKinsey é categórica: IA sobreposta a processos complexos existentes não gera retorno. O relatório de perspectivas da BCG para RH recomenda o de-averaging: concentrar o investimento em IA onde o ROI é maior, em vez de espalhá-lo de forma uniforme pela função. Escolha uma função e um conjunto de processos de alto valor (a prévia da folha é uma excelente candidata) e construa a camada para esse escopo primeiro.
  • Custo: o driver não é o token Nos níveis 3 e 4, o principal driver de custo não é o consumo de tokens: é a infraestrutura de dados que precisa ser mantida. Uma camada bem configurada, paradoxalmente, economiza tokens: ela sabe que o salário vive na folha e vai direto lá, em vez de tatear por quinze sistemas. A decisão econômica de verdade é build vs. buy: construir essa infraestrutura internamente ou usar quem já tem a camada construída e treinada.
  • E a alucinação? No uso direto do Claude (N1–N2), o que costuma degradar as respostas não é a “alucinação do modelo” (os modelos de hoje alucinam pouco), é a janela de contexto: conversas muito longas fazem o modelo perder o fio. A prática é simples: o contexto ficou grande, abra uma nova janela. Na arquitetura de camada (N3+), esse problema não existe da mesma forma, porque o LLM não carrega todo o contexto na conversa: ele orquestra consultas aos sistemas, que são a fonte da verdade.
  • E o lock-in? Não, se a arquitetura estiver certa. Os dados e o histórico vivem nos seus sistemas (folha, ATS, performance), que continuam existindo. A camada agêntica é a padronização de regras e conexões. O LLM é o cérebro plugável: se amanhã outro modelo virar referência, você troca o cérebro e mantém a inteligência institucional.

Segurança: dados de RH estão entre os mais regulados que existem

Não existe playbook de IA para um CHRO sem esta seção. Toda empresa tem dados confidenciais; o RH tem o dobro e, no Brasil, sob a LGPD, dados de pessoas estão entre os mais regulados que existem.

Comece pelo que não é compliant: despejar dados de remuneração num chat público. Sem garantia de onde os dados ficam, sem isolamento por empresa, sem trilha de auditoria, sem base contratual para a LGPD. Mesmo com as configurações de não treinamento ativadas, planilha de salário não circula em nuvem aberta. As regras que aplicamos e recomendamos, por nível:

  1. N1–N2: use o Cowork no app desktop. Os arquivos ficam na sua máquina e o Claude trabalha direto sobre eles; o que ele analisa é processado nos servidores da Anthropic. É o ambiente padrão para análises com dados reais, desde que em um plano corporativo, com contrato e controles de dados adequados para folha e dados de colaboradores.
  2. N3+ (a camada): arquitetura enterprise com isolamento por cliente. É assim que operamos na Zivo: retenção zero de dados pelo modelo (Anthropic Enterprise), cada cliente no seu próprio espaço sem contaminação cruzada, logs auditáveis de cada decisão, DPA assinado, cobertura da LGPD e encarregado de proteção de dados nomeado.
  3. Permissionamento na camada, não na skill. Quem vê o quê é uma regra de governança da camada agêntica.
  4. Guardrails nas skills. As nossas skills de análise só reportam recortes demográficos com n ≥ 3 por grupo, uma regra que vale copiar para qualquer análise de diversidade ou de gap salarial.

Build vs. Buy: a decisão que todo CHRO vai ter de tomar

Em algum momento dessa jornada, alguém na mesa (às vezes o próprio CHRO, às vezes o CTO) vai dizer: “vamos construir isso internamente”. É uma reação legítima. O time é capaz, a sensação de controle é maior e, à primeira vista, sai mais barato.

E vale levar a pergunta a sério, porque os dois lados têm peso real. Construir internamente dá propriedade total do roadmap e mantém o conhecimento em casa. Buscar ajuda externa troca parte desse controle por velocidade e por uma experiência acumulada difícil de reproduzir do zero. Há também o custo de oportunidade: cada trimestre que o seu time passa construindo infraestrutura é um trimestre que ele não passa fazendo o trabalho de Pessoas que só ele pode fazer. A pergunta honesta não é se dá para construir — quase sempre dá. É se vale a pena, e do que você abre mão para chegar lá.

Quando ajudamos CHROs a pensar essa decisão, costumamos chegar à mesma recomendação. E vale um modelo mental simples para guiar a conversa, fácil de lembrar porque é o próprio argumento: construir com ajuda externa especializada é quase sempre SAFER, mais seguro, do que construir sozinho. Cada letra é um motivo.

  • S Speed (velocidade) Quem faz só isso chega primeiro. Um parceiro que já implementou RH AI-native em dezenas de empresas traz templates, padrões e cicatrizes prontos. Você captura em meses o que um time interno levaria anos para aprender e construir. → time-to-value
  • A Assertividade Mais do que executar, é desafiar. Quem já viu os casos de borda sabe quais processos de RH de fato funcionam, quais quebram, e conduz a gestão da mudança que faz a adoção pegar. O papel de trusted advisor reduz a incerteza do resultado. → certeza de resultado
  • F Fronteira O modelo de hoje não é o modelo daqui a seis meses. Uma construção interna congela no dia em que vai ao ar e exige reengenharia a cada nova geração de modelos: deprecia e fica cara. Trabalhar com quem vive na fronteira faz o investimento render juros compostos: você herda as novas capacidades e a otimização do custo de tokens conforme os modelos evoluem. → sempre na fronteira, com custo menor
  • E Engenharia Datahub, sistemas de engajamento, camada de julgamento: isso exige ciência de dados, engenharia de dados, ML e desenvolvimento de agentes de ponta. Nenhum time de RH tem esse skillset, e ele está entre os mais difíceis de contratar: os melhores construtores de IA não querem trabalhar dentro de uma função de RH, e o RH não tem trilha de carreira técnica para retê-los. → a complexidade exige talentos que você não tem e não consegue contratar
  • R Risco & segurança IA de RH em produção lida com os dados mais sensíveis da empresa: remuneração, performance, desligamento. Isso pede SSO, RBAC, logs de auditoria, multi-tenancy e LGPD desde o dia zero. Construções internas pulam essas camadas: já vimos um time de RH construir em cima do Claude e, sem querer, publicar a base inteira de colaboradores na internet. → aversão a risco

Construir internamente parece mais barato e mais sob controle. Na prática, tende a ser o caminho mais lento, mais arriscado e mais caro para chegar lá. Antes de abrir uma vaga de “engenheiro de IA para RH”, converse com quem já fez isso dezenas de vezes.

O RH do futuro é um ecossistema, não uma pilha de sistemas

Para onde isso converge? A nossa visão, tirada do que já operamos nos nossos clientes mais avançados, é uma função de RH funcionando como um ecossistema de quatro camadas, uma operação única, com a IA por dentro.

  • Pontos de contato de execução A IA vem até você As tarefas de RH aparecem nas ferramentas que o time já usa (Slack, e-mail, reuniões) para ações rápidas, sem sair do fluxo: abrir uma vaga, aprovar, pedir férias, receber um resumo. É o equivalente àquela mensagem do banco no WhatsApp: pontual, resolutiva, sem atrito.
  • People Operating System · PeopleOS Você vai até ela O painel único que substitui os vários sistemas de RH (ATS, folha, LMS, dashboards), aonde colaboradores, gestores e RH vão quando precisam do quadro completo, cada um com o seu permissionamento. Voltando à analogia do banco: é quando ele diz “você termina isso no app”.
  • Camada de julgamento O N4 dentro da operação O cérebro do sistema. Lê todo o contexto da empresa (cultura, tabelas salariais, metas, convenção coletiva, políticas), capta os sinais (turnover subindo, clima caindo) e propõe a decisão pronta, dentro do próprio sistema. Sabe que não se recomenda um mérito de 40% quando a política diz outra coisa, e que salário se busca na folha. O humano sempre valida antes de virar ação.
  • Data Hub A memória Diferente de um data lake: consolida o histórico de cada pessoa, time, organização e de cada decisão tomada. É de onde todas as outras camadas puxam contexto, e onde vivem a configuração dos MCPs e a governança. Sem ele, a IA não conhece a sua empresa. Lembre da definição de LLM: um profissional brilhante que só sabe da sua empresa o que você conta para ele. O Data Hub é o “contar” institucionalizado.

Essa arquitetura conversa com o que a literatura de gestão vem apontando. A BCG–MIT constatou que 76% dos executivos já veem a IA agêntica como colega de trabalho, não como ferramenta. E a McKinsey, no State of Organizations 2026, defende que a próxima fronteira de produtividade não está em reestruturações, mas em melhorar a forma como o trabalho flui pela organização. As quatro camadas são, em essência, o fluxo de trabalho de Pessoas reconstruído em torno de uma inteligência que conecta tudo.

Coda: o paradoxo do CHRO aumentado

Resta a pergunta que paira sobre tudo isso, a mesma que Dan Shipper enfrenta em After Automation, o ensaio da Every que inspirou a estrutura deste artigo: se a IA faz cada vez mais, o que sobra para os humanos?

A resposta de Shipper, observando uma empresa que automatizou tudo o que podia, é um paradoxo: quanto mais você automatiza, mais trabalho humano especializado aparece: como a IA barateia a competência de ontem, a competência barata inunda a operação, e a abundância cria demanda por julgamento: alguém para decidir o que importa agora, neste contexto, nesta empresa. Os dados da Anthropic apontam na mesma direção: o Economic Index mostra o augmentation (uso colaborativo, em que o humano itera e decide) crescendo nas interações via Claude.ai. E o SHRM quantifica o efeito: o impacto organizacional da IA tem 5,7× mais chance de redistribuir responsabilidades e 3× mais chance de criar novos papéis do que de eliminar empregos.

É exatamente isso que a progressão N1→N5 descreve. A cada nível, a IA absorve uma camada de execução, e o humano sobe uma camada de julgamento. No N1, você ainda cruza dados; no N3, você faz as perguntas certas; no N4, você aprova, edita e rejeita planos, e cada decisão que você toma ensina o sistema. O CHRO não desaparece: ele se torna o que Shipper chama de framer: quem define o que vale a pena resolver, quem reconhece a exceção que a política não previu, quem sabe que aquela promoção não pode ser adiada porque já foi comunicada.

O futuro do RH não é menos humano. É humano em outro ponto da cadeia: menos planilha, mais julgamento. E começa com um arquivo de prévia da folha e uma pergunta bem enquadrada.

A cobrança que abriu este artigo (“o que mudou por causa da IA?”) tem, portanto, uma resposta em três partes.

  • Amanhã N1 → N2 Instale o pacote de skills e padronize as análises do seu time.
  • Este ano N2 → N3 Escolha um conjunto de processos de alto valor e construa a sua camada agêntica para ele, com permissionamento e base de conhecimento desenhados desde o D0.
  • A partir de agora Mire no N4 Desenhe tudo de trás para a frente: a inteligência vem até você com o problema, a causa e o plano, e o seu trabalho é exercer o melhor julgamento da empresa.

As 30+ skills mencionadas são gratuitas, open source (MIT) e estão em zivo.ai/tools/chro-claude-skills e github.com/trycomp-io/comp-skills. A apresentação do workshop “Claude para CHROs” está em deck-claude-chros.vercel.app, e a gravação está no site da Zivo.

Bônus

O playbook prático: comece amanhã com 30+ skills

Teoria sem artefato não muda a operação. Por isso, junto com o workshop, abrimos de graça o pacote de skills que os nossos executivos de RH, junto com os times de produto e tecnologia da Zivo, construíram: a versão aberta de ferramentas que rodam dentro dos nossos clientes AI-native.

30+ skills · 100% gratuitas · licença MIT · Claude Code + Cowork · instalação em 30s

As skills são model-invoked: você não decora nenhum comando, só descreve o que quer em português comum (“analise o gap salarial desta planilha por gênero e nível”) e o Claude aciona a skill certa. Disponível em zivo.ai/tools/chro-claude-skills e no GitHub.

7 Calculadoras BR

  • Equivalência PJ ↔ CLT com tratamento tributário completo
  • Custo total da folha (encargos + provisões)
  • Custo de rescisão nos 4 tipos de desligamento
  • Custo real do turnover em 8 componentes
  • Impacto de reajuste com carga cheia de 1,555×
  • Remuneração total com equity
  • Stock options

11 Analisadores de dados

  • Gap salarial de gênero a partir de qualquer base
  • Compa-ratio vs. faixas
  • Equidade de promoções
  • Turnover lamentado · risco de saída explicável
  • Scorecard executivo de Pessoas
  • Efetividade de gestores · span of control
  • Funil de DEI · funil de recrutamento
  • Mergulho no engajamento

4 Planejamento & estratégia

  • Plano de headcount atrelado à receita, com cenários
  • ROI de iniciativas de Pessoas
  • Gap de skills com decisão build/buy/borrow
  • OKRs de Pessoas

7 Geradores

  • Kit de onboarding 30/60/90
  • Perfil de cargo com scorecard · triagem de candidatos
  • Memorandos de decisão
  • Update do CHRO para o CEO em 1 página
  • Slide de Pessoas para o conselho em HTML 16:9
  • Pacote de defesa de orçamento para o CFO

4 Avaliações interativas

  • Simulador de nível de cargo
  • Maturidade de dados de RH
  • Prontidão AI-native (baseada no white paper)
  • Maturidade de org design

1 Orquestrador

  • chro-chief-of-staff · chief of staff conversacional: mantém o contexto entre sessões, prepara briefings antes de reuniões e aciona as outras skills sob demanda

Cada skill entrega um artefato pronto para a reunião (relatório em HTML, planilha analisada, documento de 1 página) e roda sobre os arquivos da sua máquina. O conteúdo analisado, incluindo dados de salário e da base de colaboradores, é processado nos servidores da Anthropic, então use com dados reais só em plano corporativo, com contrato e controles de dados adequados. Na escala de maturidade, instalar este pacote é exatamente o movimento N1 → N2: você deixa para trás o uso idiossincrático e passa a operar com receitas padronizadas, com regras de negócio e guardrails embutidos.

E para construir a sua própria skill? Peça ao próprio Claude. Ele conhece a estrutura (o SKILL.md, as pastas de template) e cria e instala para você. Qualquer entrega recorrente que precisa sair igual toda vez é candidata.

Comece amanhã

30+ skills, prontas para rodar no seu Claude.

Instale o pacote em 30 segundos no Claude Code ou no Cowork e dê o primeiro passo do N1 para o N2. Quando quiser desenhar a camada agêntica do seu RH e precisar de ajuda externa, é só chamar a Zivo.

Baixar skills

comp-skills · Cowork · +30 carregadas

analise o gap salarial desta planilha por gênero e nível

rodando skill · pay-gap-analyzer

Diferença média (F vs M) · −7,2% · 142 pessoas

Relatório em HTML pronto para a reunião.

Referências

  1. CHRO Association & University of South Carolina Darla Moore School of Business, 2026 CHRO Survey Report, março de 2026.
  2. SHRM, The State of AI in HR 2026. Inclui o 2026 CHRO Priorities and Perspectives (92% / 87%) e os multiplicadores de impacto organizacional (5,7× / 3×).
  3. McKinsey & Company, The State of AI, citado em AIHR, HR Trends 2026 (≈80% com IA implantada; ≈20% com processos redesenhados).
  4. McKinsey & Company, HR Monitor 2026: Top trends in the people function, 2026.
  5. BCG & MIT Sloan Management Review, Agentic AI adoption report (2.102 executivos, 21 setores, 116 países), 2025–2026.
  6. Bobrow, P. & Gerlach, C., O que significa ser AI-native: 5 níveis de maturidade organizacional na adoção de IA, Zivo, maio de 2026.
  7. BCG, Executive Perspectives: Unlocking Impact from GenAI and Agentic AI for Human Resources, 2025–2026.
  8. Zivo, Zivo Skills (v0.6.3, 30+ skills, licença MIT).
  9. McKinsey & Company, The State of Organizations 2026: From Structure to Flow.
  10. Shipper, D., After Automation: AI progress creates more work for humans, not less, Every, maio de 2026.
  11. Anthropic, Anthropic Economic Index report: Learning curves, março de 2026.

Agende uma conversa com um Especialista
em Transformação de RH AI-native