Playbook para um CHRO AI-Native

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

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

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 “seu RH está em qual nível de maturidade em AI?”. Vale ler o resultado com essa ressalva: sem ainda conhecer a complexidade real de cada nível, a autoavaliação tende a carregar um certo otimismo.

Essa distribuição bate com o panorama global. A SHRM encontrou que 62% das organizações já usam IA em alguma operação, mas apenas 39% dentro do próprio RH.2 A McKinsey, no HR Monitor 2026, conclui que a IA tem potencial substancial em recrutamento e experiência do colaborador, “mas precisa ser integrada a processos disciplinados e bem desenhados, em vez de ser sobreposta a abordagens complexas já existentes”.4 E o estudo BCG–MIT Sloan sobre IA agêntica mostra que 66% das organizações adotantes esperam mudanças fundamentais em modelos operacionais, papéis e carreiras nos próximos três anos, com o RH no centro.5

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

O framework completo está no nosso white paper O que é ser AI-Native: 5 níveis de maturidade organizacional na adoção de AI,6 construído a partir da observação direta das organizações com as adoções mais avançadas que conhecemos. Aqui vai a versão operacional, na linguagem do dia a dia do RH.

A leitura convencional trata os níveis como degraus, somando capacidade incremental a cada ferramenta. A realidade das áreas mais avançadas é outra: cada nível desbloqueia 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 destaque, porque contrariam a intuição:

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

A prévia nunca está em um lugar só. Puxar o headcount do HRIS; juntar as admissões que ainda estão no ATS; os desligamentos numa planilha do business partner; méritos e promoções aprovados que ainda não entraram na folha. Conciliar tudo, comparar com o budget, escrever a narrativa para o CFO e sugerir ajuste, se sobrar tempo. E há as regras que vivem na cabeça de quem executa: “o salário da Maria aparece menor porque ela recebe R$ 10 mil de ajuda de custo por fora; o custo do João é rateado 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 cenário alternativo.

O que muda, em síntese

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

O mapa do possível

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

A pergunta mais recorrente do Q&A do workshop, e dos nossos clientes, é alguma variação de: “ok, entendi os níveis; como eu cruzo do 2 para o 3?”. A resposta honesta: essa 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.

Não existe playbook de IA para CHRO sem esta seção. Toda empresa tem dados confidenciais; RH tem duas vezes mais e, no Brasil, sob LGPD, dado de pessoas é dos mais regulados que existem.

Comece pelo que não é compliance: jogar dado de comp num chat público. Sem garantia de onde o dado fica, sem isolamento por empresa, sem trilha de auditoria, sem amparo contratual para 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:

Em algum momento dessa jornada, alguém na mesa (às vezes o próprio CHRO, às vezes o CTO) vai dizer: “isso a gente constrói internamente”. É uma reação legítima. O time é capaz, o controle parece 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 ownership total do roadmap e mantém o conhecimento dentro de casa. Buscar ajuda externa troca parte desse controle por velocidade e por uma experiência acumulada que é difícil de reproduzir do zero. Há ainda o custo de oportunidade: cada trimestre que o seu time passa montando infraestrutura é um trimestre que ele não passa fazendo o trabalho de People que só ele pode fazer. A questão honesta não é se dá para construir — quase sempre dá. É se vale a pena, e o que você abre mão para chegar lá.

Quando ajudamos CHROs a destrinchar essa decisão, costumamos chegar à mesma recomendação. E vale um modelo mental simples para conduzir a conversa, fácil de lembrar porque ele é o próprio argumento: construir com ajuda externa especializada quase sempre é mais SAFER (em inglês, mais seguro) do que construir sozinho. Cada letra é uma razão.

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

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

Essa arquitetura conversa com o que a literatura de gestão vem apontando. A BCG–MIT encontrou que 76% dos executivos já enxergam IA agêntica como colega de trabalho, não ferramenta.5 E a McKinsey, no State of Organizations 2026, argumenta que a próxima fronteira de produtividade não está em reestruturações, mas em melhorar como o trabalho flui pela organização.9 As quatro camadas são, em essência, o fluxo de trabalho de Pessoas reconstruído em torno de uma inteligência que conecta tudo.

Resta a pergunta que paira sobre tudo isso, a mesma que Dan Shipper enfrenta em After Automation,10 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 que pôde, é um paradoxo: quanto mais se automatiza, mais trabalho de especialista humano aparece: porque a IA barateia a competência de ontem, a competência barata inunda a operação, e a abundância cria demanda por julgamento: alguém que decida o que importa agora, neste contexto, nesta empresa.10 Os dados da Anthropic apontam na mesma direção: o Economic Index mostra a augmentation (uso colaborativo, em que o humano itera e decide) crescendo nas interações via Claude.ai.11 E a SHRM quantifica o efeito: o impacto organizacional da IA é 5,7× mais provável de redistribuir responsabilidades e 3× mais provável de criar novos papéis do que de eliminar empregos.2

É exatamente isso que a progressão N1→N5 descreve. Em 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 sua ensina o sistema. O CHRO não desaparece: vira 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 lugar da cadeia: menos planilha, mais julgamento. E ele começa com um arquivo de prévia de folha e uma pergunta bem feita.

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

Os +30 skills mencionados são gratuitos, open source (MIT) e estão em comp.vc/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 no site da Comp.

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

As skills são model-invoked: você não decora comando nenhum, apenas descreve o que quer em português (“analisa o pay gap dessa planilha por gênero e nível”) e o Claude aciona a skill certa. Disponíveis em comp.vc/tools/chro-claude-skills e no GitHub.8

Cada skill entrega um artefato pronto para a reunião (relatório HTML, planilha analisada, 1-pager) e roda localmente: dados de salário e roster não saem da sua máquina. Na régua de maturidade, instalar esse pacote é exatamente o movimento N1 → N2: você sai do 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 templates) e cria e instala para você. Qualquer entrega recorrente que precise sair sempre igual é candidata.