Quando a IA promete produtividade, mas entrega mais trabalho
Inteligência artificial virou palavra de ordem nas empresas.
Não importa o setor, o tamanho da companhia ou o tipo de trabalho: a pressão para adotar ferramentas de IA generativa chegou de vez ao ambiente corporativo, prometendo transformar a forma como as equipes operam e, claro, aumentar a produtividade.
Só que tem um detalhe que ninguém combinou com quem está na ponta da operação.
Enquanto os executivos celebram os ganhos que a tecnologia promete trazer, boa parte dos funcionários está vivendo uma realidade bem diferente, afogada em um fenômeno que pesquisadores de Stanford batizaram de workslop.
Nunca ouviu esse termo?
Pensa assim: é o que acontece quando alguém usa IA para gerar um trabalho que parece ok à primeira vista, mas que na verdade está cheio de erros, imprecisões ou simplesmente não faz sentido. O resultado? Em vez de economizar tempo, o colega do lado precisa corrigir, reescrever ou até refazer tudo do zero.
Esse é o cenário que uma pesquisa com 5.000 trabalhadores norte-americanos começou a revelar, e o contraste entre o que pensam os executivos e o que vivem os empregados no dia a dia é, no mínimo, surpreendente. 😬
A seguir, a gente mergulha nos dados, nas histórias reais e no que esse abismo diz sobre a forma como a IA está sendo implementada nas empresas hoje.
O que os números dizem sobre produtividade e IA
Uma pesquisa recente, reportada pelo Wall Street Journal, ouviu mais de 5.000 trabalhadores de escritório nos Estados Unidos e pintou um retrato bastante revelador sobre como a inteligência artificial está sendo percebida em diferentes níveis hierárquicos dentro das organizações. Os resultados apontam que 92% dos executivos de alto escalão dizem que a IA os torna mais produtivos. Parece ótimo, certo? Bem, depende muito de onde você está sentado nessa história.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Quando o microfone passa para os empregados que estão executando o trabalho no dia a dia, o cenário muda completamente de tom. Nada menos que 40% dos trabalhadores não-gestores afirmam que a IA simplesmente não economiza tempo nenhum no trabalho deles. Uma parcela significativa desses profissionais relata que, na prática, a adoção de IA criou uma nova camada de trabalho que antes não existia. Eles passam tempo verificando, corrigindo e até reescrevendo conteúdos gerados por ferramentas de IA que chegaram até eles com erros factuais, trechos sem sentido ou informações descontextualizadas. Ou seja, ao invés de ganhar tempo, esses trabalhadores estão gastando energia extra para consertar o que a máquina fez errado, e muitas vezes sem nem receber crédito por esse esforço adicional.
Esse descompasso entre a visão da liderança e a experiência de quem está na base operacional não é pequeno, e ele tem um nome técnico que está ganhando cada vez mais espaço nos debates sobre o futuro do trabalho. O workslop, conceito cunhado pelo pesquisador Jeff Hancock, de Stanford, e coautor do estudo que deu origem ao termo, descreve exatamente esse tipo de produção: trabalho gerado com auxílio de IA que aparenta qualidade superficialmente, mas que esconde falhas estruturais que só aparecem quando alguém mais experiente ou mais atento passa os olhos com cuidado. E o problema é que, em ambientes corporativos acelerados, esse olhar cuidadoso muitas vezes não acontece antes de o conteúdo chegar ao próximo colega da cadeia.
Workslop: o problema que ninguém quer admitir
O termo workslop é uma fusão de work (trabalho) e slop (que em inglês pode significar algo feito de qualquer jeito, sem cuidado). E, por mais que soe como uma crítica direta à tecnologia, a questão vai muito além disso. O fenômeno não é culpa da IA em si, mas sim da forma como ela está sendo integrada aos fluxos de trabalho das empresas.
Segundo o próprio Hancock, que além de pesquisador em Stanford atua como conselheiro científico da BetterUp, as pessoas estão sendo orientadas a usar IA frequentemente sem direção ou suporte. Quando uma organização adota uma ferramenta de inteligência artificial sem treinamento adequado, sem critérios claros de uso e sem processos de revisão bem definidos, o resultado quase inevitável é uma enxurrada de conteúdos gerados automaticamente que chegam ao próximo passo da cadeia com problemas sérios embutidos. E quem paga a conta, invariavelmente, são os empregados que estão no meio desse caminho.
O estudo de Hancock, que ainda não passou por revisão por pares, analisou um subgrupo de 1.150 trabalhadores de escritório dentro da amostra total de 5.000 e chegou a dados bem concretos: 40% desses profissionais haviam encontrado workslop no último mês, e gastaram em média 3,4 horas mensais lidando com ele. Pode parecer pouco, mas quando você extrapola esse número para uma organização com 10.000 funcionários, a estimativa é de 8,1 milhões de dólares em produtividade perdida. É muito dinheiro indo pelo ralo por causa de implementações apressadas.
Um exemplo prático ajuda a entender a dimensão do problema. Ken, um copywriter de uma grande empresa de cibersegurança em Miami, contou (sob pseudônimo, por medo de perder o emprego) que o CEO da companhia demitiu vários colegas e determinou que os remanescentes passassem a usar chatbots de IA, alegando que isso aumentaria a produtividade. Na prática, embora os rascunhos iniciais surgissem rapidamente, Ken e os colegas passaram a gastar mais tempo reescrevendo textos, corrigindo erros e resolvendo conflitos entre outputs gerados pelos chatbots de diferentes pessoas do que gastariam se nunca tivessem usado IA.
A qualidade caiu de forma significativa, o tempo para produzir conteúdo aumentou e, o pior, o moral da equipe despencou, segundo Ken. Quando os funcionários tentaram reportar as quedas de produtividade provocadas pela IA, os executivos da empresa jogaram a culpa de volta nos trabalhadores. Esse ciclo cria um problema de transparência muito sério dentro das organizações. 😓
Histórias reais de quem convive com o workslop
O caso de Ken não é isolado. Kelly Cashin, designer de produto freelancer, contou que encontra workslop frequentemente no seu dia a dia. Segundo ela, tornou-se comum as pessoas simplesmente copiarem e colarem a mensagem de um bot diretamente em chats ou emails. E quando ela questiona algum trecho confuso que um colega enviou, a resposta muitas vezes é algo como: é, eu também não sei o que a IA quis dizer com isso. Ou seja, as pessoas estão terceirizando o próprio julgamento para o chatbot.
Cashin reconhece que entende por que isso acontece. Existe uma pressão enorme para aumentar a produtividade, combinada com uma incerteza séria no mercado de trabalho. Nesse contexto, ninguém quer ser visto como o profissional que resiste à inovação, mesmo que a ferramenta esteja criando mais problemas do que resolvendo.
A questão não se limita ao mundo corporativo tradicional. Philip Barrison, estudante de MD-PhD na Universidade de Michigan, conduziu observações em clínicas de atenção primária onde profissionais de saúde foram incentivados a usar IA para gerar respostas por email a perguntas de pacientes. A ideia era economizar tempo dos médicos e enfermeiros. Mas, segundo Barrison, os relatos e suas próprias observações indicam que a economia não aconteceu. Muitos profissionais descreveram um trabalho considerável de edição, frustração e preocupações com segurança de dados e com a possibilidade de pacientes receberem emails assistidos por IA contendo erros.
Como as ferramentas eram opcionais nessas clínicas, Barrison observou um padrão interessante: depois que passava a novidade inicial, os profissionais simplesmente paravam de usar a IA. A ferramenta era abandonada não por resistência à tecnologia, mas por uma avaliação prática de que ela não estava cumprindo o que prometia.
O dinheiro que não voltou: o dilema do investimento em IA
Uma das razões pelas quais as empresas estão pressionando tanto pela adoção de IA generativa nos ambientes de trabalho é a necessidade de justificar investimentos bilionários já realizados. Aiha Nguyen, que lidera o programa Labor Futures no instituto de pesquisa sem fins lucrativos Data & Society, explica que muitas companhias estão tentando reduzir custos com mão de obra depois de investirem pesado em tecnologia. Mas esses investimentos ainda não se pagaram.
Os números são reveladores. Um relatório frequentemente citado do MIT constatou que 95% das empresas não estão vendo retorno sobre seus investimentos em IA. Avaliações mais recentes de gigantes como SAP e Deloitte mostram uma fração maior de empresas gerando retorno, mas elas ainda são minoria. Segundo o relatório da Deloitte, as empresas esperam, ou torcem, que os retornos melhores se materializem em dois a quatro anos, o que é considerado lento para investimentos em tecnologia.
Enquanto isso, companhias como Block (de Jack Dorsey), Amazon, Dow, UPS, Pinterest e Target demitiram trabalhadores atribuindo os cortes ao potencial de produtividade da IA. Ou seja, a conta já está sendo cobrada dos funcionários, mesmo antes de a tecnologia provar que funciona como prometido. Isso cria um ambiente de medo e insegurança que, paradoxalmente, piora a qualidade do trabalho feito com IA, alimentando ainda mais o ciclo do workslop.
Como Nguyen pontua, o problema é que a IA generativa está sendo apresentada como uma ferramenta de uso geral capaz de fazer qualquer coisa, mas a realidade não funciona assim. E parte do workslop surge justamente dessa falta de clareza sobre quando e para que a IA deve ser usada.
Por que executivos e empregados enxergam coisas tão diferentes
Essa divergência de percepção entre liderança e base operacional tem raízes bastante compreensíveis quando a gente para pra analisar com calma. Os executivos, em geral, avaliam o impacto da inteligência artificial a partir de indicadores macro: volume de produção, velocidade de entrega, redução de custos operacionais e engajamento com novas tecnologias. Esses números podem, sim, mostrar melhoras reais em determinados contextos. Ferramentas de IA generativa são genuinamente úteis para automatizar tarefas repetitivas, criar rascunhos iniciais, organizar informações e acelerar processos que antes consumiam horas. O problema é que essas métricas raramente capturam o esforço extra que acontece nos bastidores para que esses entregáveis saiam com alguma qualidade.
Já os empregados têm uma visão microscópica do problema. Eles convivem diariamente com as limitações das ferramentas, sabem quando um texto gerado por IA está errado, quando uma análise automática não faz sentido para o contexto real da empresa e quando uma sugestão da máquina vai criar mais problemas do que resolver. Mas muitas vezes não se sentem seguros ou encorajados para reportar esses problemas, seja por medo de parecer resistentes à inovação, seja porque a cultura da empresa ainda não criou espaço seguro para esse tipo de feedback. O resultado é um silêncio que alimenta ainda mais a ilusão de que tudo está funcionando bem lá em cima.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Há também um fator de pressão implícita que não pode ser ignorado nessa equação. Em muitas empresas, a adoção de IA veio acompanhada de uma mensagem subentendida: quem não usa as ferramentas vai ficar para trás. Esse tipo de pressão faz com que os empregados usem as tecnologias sem o treinamento adequado, sem entender os limites do que elas podem ou não fazer, e sem critérios para avaliar quando o output da máquina é confiável o suficiente para seguir em frente. Quando o uso da IA vira obrigação disfarçada de tendência, o terreno para o surgimento do workslop está todo preparado. E a produtividade que todos queriam acaba ficando só na apresentação de slides da próxima reunião de diretoria.
O papel dos sindicatos e da regulação nessa conversa
A questão do workslop e da adoção forçada de IA já chegou às mesas de negociação trabalhista. Dan Reynolds, economista de pesquisa do sindicato Communications Workers of America, afirma que a IA se tornou um ponto de atrito quando trabalhadores sindicalizados negociam os termos de novos contratos. Os sindicatos estão exigindo mandatos mais claros para o uso da tecnologia, além de maior participação e controle dos trabalhadores sobre como a IA é utilizada no ambiente de trabalho.
Sarah Fox, diretora do Tech Solidarity Lab na Universidade Carnegie Mellon, reforça esse ponto com um ceticismo saudável. Segundo ela, quando as empresas dizem que estão implementando IA para melhorar a produtividade, a eficiência e para ajudar os trabalhadores a serem melhores em seus empregos, isso na verdade obscurece mudanças maiores nas dinâmicas de trabalho. Na prática, o que muitas vezes acontece é uma redução da autonomia dos trabalhadores, e não o empoderamento prometido.
Fox destaca que as empresas são bastante abertas sobre usar IA para otimizar operações, e a resposta natural dos trabalhadores e pesquisadores é questionar o que essas ferramentas realmente conseguem fazer e as dinâmicas de poder que cercam seu uso. Essa é uma conversa que está apenas começando e que tende a ganhar força à medida que mais dados sobre o impacto real da IA no trabalho forem sendo publicados.
O que pode mudar nessa equação
A boa notícia é que esse abismo entre executivos e empregados não é inevitável, e algumas organizações já começaram a perceber que a forma como a IA é implementada importa tanto quanto a escolha da ferramenta em si. Empresas que investiram em treinamento real para suas equipes, que criaram diretrizes claras sobre quando e como usar ferramentas de inteligência artificial, e que estabeleceram processos de revisão humana robustos antes de qualquer entrega final estão colhendo resultados muito mais consistentes. A tecnologia funciona melhor quando ela complementa o julgamento humano, não quando tenta substituí-lo sem critério.
O próprio Jeff Hancock, apesar de ter documentado o problema, acredita que a IA generativa pode eventualmente alimentar ferramentas que ajudem os trabalhadores a melhorar a eficiência. A chave está no eventualmente, que depende de implementações mais cuidadosas e menos apressadas do que as que temos visto até agora.
Outro ponto que começa a ganhar atenção nos debates sobre o futuro do trabalho é a necessidade de criar métricas mais honestas para medir o impacto da IA nas organizações. Medir apenas volume de entrega ou velocidade de produção não conta a história completa. É preciso incluir indicadores de qualidade, tempo de revisão, satisfação dos profissionais envolvidos e custo real de retrabalho. Quando esses dados entram na equação, a fotografia que aparece é bem mais complexa do que aquela que os executivos costumam ver nas dashboards mensais. E é a partir dessa visão mais completa que decisões melhores sobre adoção e expansão de tecnologia podem ser tomadas.
Por fim, a conversa sobre workslop e sobre o descompasso de percepções dentro das empresas aponta para algo que vai além da tecnologia: a necessidade de mais diálogo real entre quem decide e quem executa. A inteligência artificial tem potencial genuíno para transformar a produtividade das equipes, isso não está em discussão. O que está em discussão é se as empresas vão conseguir implementar essa transformação de um jeito que funcione para todo mundo, e não apenas para quem está olhando os números de longe. Porque no fim do dia, são os empregados que fazem o trabalho acontecer, com ou sem IA. 💡
