Como transformei pesquisas isoladas em um sistema contínuo para entender a jornada do colaborador

Quando pensamos em pesquisa, é comum imaginar um levantamento pontual para responder uma pergunta específica. Mas e quando o desafio não é responder uma pergunta única, e sim compreender uma experiência que evolui ao longo do tempo?

Foi exatamente esse o desafio que encontrei ao entrar na área de Clima e Experiência na Frete.com.

A empresa possuía diferentes pontos de contato com os colaboradores ao longo da jornada: onboarding, pesquisas de 45 e 90 dias, pesquisa de clima e offboarding. Cada um desses momentos gerava informações valiosas, mas elas estavam desconectadas.

Além disso, havia outro problema importante: as pesquisas realizadas ao longo dos anos utilizavam metodologias, perguntas e objetivos diferentes. Isso tornava praticamente impossível comparar resultados históricos ou identificar tendências consistentes.

Como consequência, a tomada de decisão acontecia com base em dados fragmentados e o engajamento nas pesquisas era um desafio constante.

Meu objetivo passou a ser construir um sistema de pesquisa capaz de acompanhar a experiência do colaborador ao longo de toda sua jornada, gerando dados consistentes, comparáveis e acionáveis.

Olhando para a experiência como uma jornada

Antes de redesenhar qualquer pesquisa, foi necessário mudar a forma de enxergar o problema.

O colaborador não vivencia a empresa apenas no momento em que responde uma pesquisa de clima. Sua percepção começa no onboarding, passa pelos primeiros meses de adaptação, evolui ao longo do tempo e continua sendo construída até o desligamento.

Por isso, comecei a enxergar cada pesquisa como um ponto de observação dentro de uma jornada maior:

Essa mudança de perspectiva permitiu conectar diferentes momentos da experiência e entender como as percepções evoluíam ao longo do tempo.

Construindo uma base consistente

O próximo passo foi buscar uma metodologia que permitisse comparabilidade e continuidade.

Após analisar diferentes abordagens, escolhi utilizar a Gallup Q12 como base para a nova estrutura de pesquisa.

A escolha aconteceu por três motivos principais: simplicidade, comparabilidade e profundidade.

Com apenas 12 perguntas, a metodologia reduz o esforço de resposta, facilita a adesão e permite avaliar dimensões fundamentais da experiência, desde clareza de expectativas e recursos até reconhecimento, pertencimento e desenvolvimento.

Mas aplicar o framework de forma literal não faria sentido para o contexto da empresa.

Por isso, mantive a estrutura principal e adicionei perguntas abertas, espaços para feedbacks e análises qualitativas. A ideia era combinar a consistência dos dados quantitativos com a riqueza das percepções individuais.

Outro ajuste importante foi a frequência.

Em vez de uma pesquisa anual, passamos a realizar ciclos trimestrais.

A lógica era simples: aprender rápido, agir rápido e corrigir rápido.

Mais do que uma pesquisa de clima, queríamos criar um mecanismo contínuo de escuta.

O que os dados começaram a mostrar

Os resultados apareceram logo na primeira aplicação.

A adesão ultrapassou 85%, um indicador importante de confiança no processo.

Mas o maior ganho não foi o engajamento.

Foi a capacidade de observar padrões.

Com uma metodologia consistente e medições recorrentes, passamos a diferenciar problemas pontuais de problemas estruturais.

Alguns temas apareciam apenas em momentos específicos da empresa. Outros permaneciam presentes ciclo após ciclo.

Essa distinção mudou completamente a qualidade das decisões que podíamos tomar.

Um dos temas que surgiu de forma recorrente estava relacionado à percepção de crescimento e desenvolvimento profissional.

Como o assunto aparecia repetidamente nas análises quantitativas e qualitativas, entendemos que não se tratava de uma insatisfação momentânea, mas de uma necessidade estrutural.

A partir desse insight, diferentes iniciativas foram desenvolvidas, incluindo treinamentos de feedback para lideranças e a construção de uma plataforma de trilhas de carreira.

O mais interessante foi perceber que a pesquisa deixou de ser um mecanismo de medição para se tornar um instrumento de priorização.

Escalando a análise com Inteligência Artificial

Conforme os ciclos avançavam, surgiu um novo desafio.

Cada pesquisa gerava centenas de respostas abertas, comentários, sugestões e percepções sobre a experiência dos colaboradores.

A quantidade de informação crescia mais rápido do que a capacidade de analisá-la manualmente.

Foi nesse momento que comecei a incorporar Inteligência Artificial ao processo.

Utilizando Claude e Gemini, estruturamos um fluxo de análise que reunia resultados quantitativos, comentários qualitativos, histórico das pesquisas e informações sobre a cultura da empresa.

O objetivo não era substituir a análise humana, mas acelerar a identificação de padrões e reduzir o tempo entre escuta e ação.

A partir desse processo, cada liderança recebia uma apresentação personalizada com seus resultados, principais insights, evolução dos indicadores, temas recorrentes e sugestões de planos de ação.

Os relatórios já eram gerados considerando o contexto da organização, a linguagem utilizada internamente e o formato de comunicação esperado pelos gestores.

Isso reduziu significativamente o tempo operacional da análise e permitiu que as lideranças se concentrassem na discussão dos resultados e na construção de melhorias para suas equipes.

Ao longo dos ciclos, percebi que o maior valor da pesquisa não estava em medir engajamento.

Estava em criar uma linguagem comum para discutir experiência.

Quando líderes passaram a receber dados consistentes, contexto e recomendações de ação, as conversas deixaram de ser baseadas em percepções isoladas e passaram a ser orientadas por evidências.

Foi nesse momento que entendi que pesquisa não é apenas um mecanismo de escuta. É um mecanismo de alinhamento e aprendizado organizacional.

O que esse projeto me ensinou sobre pesquisa

Embora esse projeto tenha acontecido em um contexto de Employee Experience, ele mudou profundamente minha forma de enxergar pesquisa.

Aprendi que pesquisas geram pouco valor quando são tratadas como eventos isolados.

O valor aparece quando conseguimos conectar diferentes fontes de informação, observar padrões ao longo do tempo e transformar descobertas em decisões.

Aprendi também que frameworks são importantes, mas precisam ser adaptados à realidade das pessoas que estamos tentando compreender.

E, talvez o aprendizado mais importante, foi perceber que pesquisa não é sobre coletar respostas.

É sobre criar sistemas de aprendizado contínuo.

Mais do que medir satisfação ou engajamento, o objetivo era compreender experiências, identificar necessidades e gerar mudanças reais a partir daquilo que as pessoas estavam nos dizendo.

Foi exatamente isso que buscamos construir.