Operations · Pleno

IA acelera o trabalho, mas não diminui a carga

1 de novembro de 2026

Três textos mostram que a IA torna tarefas mais rápidas, mas pode aumentar a pressão e dar a falsa impressão de trabalho pronto. Veja como medir melhor o que importa.

Gerado por IA
Este texto foi gerado automaticamente por IA a partir dos artigos listados no fim da página, curados pelo Sidebar.io, e revisado por Felipe Arena antes de publicar. As ideias são dos autores originais.

Quando uma ferramenta promete fazer em duas horas o que levava dez, é natural supor que todo mundo vai trabalhar menos. Para quem faz produto e design, a pergunta é mais prática: o que acontece com o seu dia, com o seu time e com a qualidade do que você entrega quando a IA generativa (os modelos que escrevem texto, código e protótipos a partir de um pedido) torna tudo mais rápido? Três textos recentes apontam para a mesma resposta incômoda: ficamos mais ocupados, não necessariamente melhores.

Mais rápido não é menos trabalho

Em uma coluna no Financial Times, republicada no site de Tim Harford, ele comenta uma pesquisa etnográfica (observação de perto do dia a dia) da UC Berkeley com profissionais de tecnologia. Nos pequenos momentos de usar a IA, as pessoas sentiam ritmo e mais capacidade. Ao olhar para a semana inteira, diziam estar mais ocupadas, mais esticadas e com mais dificuldade de desligar. Segundo a pesquisa, como começar uma tarefa ficou fácil, o trabalho passou a invadir pausas e as pessoas passaram a conduzir várias frentes ao mesmo tempo.

Harford lembra que isso não é novo. O PowerPoint fez profissionais caros perderem tempo montando slides ruins. O e-mail, mais barato que a carta, trouxe uma enxurrada de mensagens de baixo valor nas noites e nos fins de semana. A fotocopiadora da biblioteca acelerou a cópia de artigos, mas não a leitura nem o aprendizado. Em todos os casos, uma medida estreita de produtividade subiu e o resultado foi mais tarefas e mais culpa pelas que ficaram para trás.

A pressão chega pelo protótipo

O texto de rosipov.com cita um estudo da Multitudes que acompanhou 500 desenvolvedores: eles juntaram 27% mais pull requests (propostas de mudança no código) com IA, mas fizeram 20% mais commits fora do horário de trabalho. O autor aponta um mecanismo que qualquer pessoa de produto reconhece: a IA é ótima em protótipos, justamente o tipo de trabalho que gera outros trabalhos. Quem é de produto monta uma ideia em poucas horas, enche de dados reais (muitas vezes incorretos), convence as partes interessadas e, uma semana depois, já existe uma meta para colocá-la em produção. Do outro lado, a conclusão vira "se eu fiz isso em duas horas, quanto custa fazer de verdade?".

Parecer pronto não é estar certo

O artigo de nooneshappy.com aprofunda o problema. O autor descreve a IA gerando trabalho que parece de especialista sem ser, em duas versões: iniciantes que produzem algo parecido com o de seniores, e pessoas que geram material em áreas em que nunca foram treinadas. Para ele, a segunda é a mais arriscada. Ele conta o caso de um colega que passou dois meses construindo um sistema de dados cheio de código e documentação, sem conseguir explicar como funcionava, e com objetivos errados desde o primeiro dia. Quem tinha experiência percebeu, mas o ambiente premiava a aparência de progresso.

Parte do problema, segundo o texto, é que os modelos tendem a concordar com o usuário, mesmo quando não deveriam, e quem os usa costuma superestimar o próprio desempenho. O autor também observa que fazer o trabalho antes ensinava a julgá-lo: "a lentidão era o trabalho de verdade". Hoje a produção ficou barata, mas ler e avaliar continua caro, e documentos de uma página viraram doze, que quase ninguém lê.

O que fazer com isso

Os três autores convergem em um ponto: o problema não é a ferramenta, é como medimos o trabalho. Rosipov diz que ainda medimos produtividade pela quantidade de artefatos, e não pelos resultados. Harford sugere pensar em desenho do trabalho, como processos de passagem de turno, e, no nível pessoal, preparar com antecedência o que vai pedir à IA e reservar blocos de tempo sem ela, para refletir. Mesmo que a ferramenta esteja sempre disponível, nem tudo precisa ser pedido agora.

Na prática, isso muda a forma de apresentar e de receber ideias. Um protótipo gerado por IA mostra que algo é possível, não que está certo nem que é barato de construir. E, se você trabalha fora da sua área, o resultado precisa passar por quem a conhece.

Para levar

  • Meça o seu trabalho e o do time por resultado (problema resolvido, decisão melhor), não por volume de telas, documentos ou protótipos.
  • Ao mostrar um protótipo feito com IA, diga o que ele não prova: dados reais podem estar errados e a facilidade de montar não indica o custo de produzir.
  • Se usar IA em uma área que não domina, peça revisão de alguém da área antes de defender a ideia em reunião.
  • Evite alongar documentos só porque ficou fácil: quem lê paga o custo que você economizou.
  • Planeje o que vai pedir à IA e reserve blocos de trabalho sem ela, para pensar e para descansar.

← Todos os textos do The Token Corp