O paradoxo da IA: por que usar mais não significa produzir mais
Estudos apontam limites nos ganhos de eficiência com inteligência artificial, enquanto a pressão pelo uso das ferramentas levanta questões sobre como as empresas avaliam o desempenho dos profissionais
A inteligência artificial chegou ao mercado com a promessa de acelerar rotinas, otimizar tarefas e permitir que as equipes entreguem mais em menos tempo. No entanto, a percepção de velocidade nem sempre se traduz em ganhos reais de produtividade.
É nesse descompasso entre a promessa da tecnologia e seus resultados no trabalho que surge o paradoxo da IA.
Em um experimento desenvolvido pela METR, publicado em julho de 2025, os desenvolvedores experientes levaram 19% mais tempo para concluir tarefas de programação quando podiam usar ferramentas de IA.
O resultado contrasta com a expectativa inicial dos participantes, que estimavam concluir as tarefas 24% mais rápido, e com a percepção posterior de que haviam trabalhado cerca de 20% mais rápido.
QUANDO USAR IA VIRA COBRANÇA
No Festival Akilomba, profissionais de design relataram a experiência de cobrança em relação ao uso de IA. Eles começaram a receber feedbacks negativos não pela qualidade ou quantidade de entregas, mas por utilizarem menos as ferramentas disponibilizadas pela empresa.
Embora seja um relato específico, a experiência levanta questões sobre como a adoção dessas tecnologias vem sendo incorporada às relações de trabalho.
Leia mais: E se a IA errar e ninguém mais souber arrumar a bagunça?
Nesse contexto, o uso da IA pode deixar de ser uma escolha técnica, orientada pelas necessidades de cada tarefa, e se tornar uma expectativa de comportamento profissional.
Essa pressão ocorre em um cenário no qual as empresas buscam aumentar a produtividade, enquanto muitos trabalhadores relatam dificuldades para dar conta das próprias demandas.
Segundo o Work Trend Index 2025, da Microsoft, 40% dos líderes brasileiros ouvidos afirmam que a produtividade precisa aumentar, enquanto 72% dos trabalhadores dizem não ter tempo ou energia suficientes para realizar suas tarefas.
Os dados ajudam a contextualizar a busca por ferramentas que ampliem a capacidade de trabalho e levantam uma questão: como transformar o uso da IA em resultados concretos, sem que isso se traduza em mais cobranças?
Esse movimento acompanha as expectativas de transformação do mercado. De acordo com o Fórum Econômico Mundial, 86% dos empregadores consultados esperam que a IA e as tecnologias de processamento de informações transformem seus negócios até 2030.
A projeção mostra a dimensão da mudança esperada pelas empresas, mas não significa que elas já exijam o uso contínuo da inteligência artificial por seus funcionários.
Quando a adoção da tecnologia se torna uma meta por si só, porém, o indicador de uso pode se sobrepor ao resultado que deveria representar.
Em vez de avaliar se a ferramenta contribuiu para melhorar uma entrega ou reduzir o tempo de execução, a empresa corre o risco de incentivar interações desnecessárias apenas para cumprir metas de utilização. Nesse cenário, usar mais IA não significa, necessariamente, produzir mais ou melhor.
PRODUTIVIDADE NÃO É SÓ FAZER MAIS RÁPIDO
Um levantamento do National Bureau of Economic Research (NBER), realizado com cerca de seis mil executivos de empresas dos Estados Unidos, Reino Unido, Alemanha e Austrália, indica que 89% dos gestores não perceberam impacto mensurável da IA na produtividade do trabalho, medida como vendas por empregado, nos três anos anteriores.
Já o relatório The GenAI Divide: State of AI in Business 2025, produzido pelo projeto NANDA, do MIT, aponta que apenas 5% dos projetospiloto corporativos de IA generativa analisados alcançaram impacto mensurável nos resultados financeiros das empresas.
Os estudos avaliam aspectos diferentes: enquanto o NBER investiga a percepção dos executivos sobre os efeitos da IA na produtividade, o relatório do MIT analisa o retorno financeiro de iniciativas de IA generativa.
Mais do que obter uma resposta da IA, é preciso saber interpretar o resultado, identificar suas limitações e decidir quando recorrer à tecnologia.
Em conjunto, os levantamentos indicam que implementar a tecnologia não é suficiente: é preciso entender como ela pode gerar resultados concretos.
Essa dificuldade passa pela diferença entre testar e integrar a inteligência artificial. Uma empresa pode distribuir licenças, implementar softwares e realizar projetos piloto sem conseguir incorporar essas ferramentas aos processos cotidianos ou converter os testes em resultados concretos.
Há também o tempo gasto depois que a ferramenta gera uma resposta. Produzir um texto, código ou análise mais rápido não significa, necessariamente, concluir a tarefa em menos tempo.
O profissional ainda pode precisar verificar informações, corrigir inconsistências e refazer partes do material, especialmente quando a resposta é imprecisa ou não atende ao que foi solicitado.
Leia mais: O que estamos fazendo com o tempo que a IA nos devolve?
Por isso, medir o impacto da IA exige mais do que acompanhar sua adoção. Indicadores como frequência de uso, quantidade de comandos enviados ou número de licenças ativas mostram se as ferramentas estão sendo utilizadas, mas não se estão melhorando o trabalho.
Para avaliar os resultados, as empresas precisam observar a qualidade das entregas, o tempo total gasto e os benefícios concretos para o negócio.
O TRABALHO ESTÁ MUDANDO. E AS HABILIDADES TAMBÉM
À medida que a IA passa a executar tarefas como elaborar rascunhos, produzir códigos e realizar análises, o papel dos profissionais também se transforma. A facilidade de operar ferramentas pode dar a impressão de que saber escrever bons comandos é suficiente para realizar diferentes atividades.
No entanto, o uso eficiente depende de outros conhecimentos, como domínio da área de atuação, pensamento crítico, criatividade e a capacidade de resolver problemas complexos.
Mais do que obter uma resposta da ferramenta, o profissional precisa saber interpretar o resultado, identificar suas limitações e decidir quando faz sentido recorrer à tecnologia.
Uma pesquisa publicada na revista "Organization Science", realizada com 758 consultores de uma empresa global, ajuda a ilustrar essa diferença. O estudo identificou que o uso de IA generativa aumentou a produtividade e a qualidade do trabalho em 18 tarefas compatíveis com as capacidades da ferramenta.
Já em uma tarefa gerencial complexa para a qual a IA apresenta limitações, os participantes que utilizaram a tecnologia tiveram menor probabilidade de chegar à resposta correta do que aqueles que trabalharam sem ela.
É no processo que a diferença entre usar IA e obter ganhos com ela se torna mais evidente. A ferramenta pode acelerar uma etapa do trabalho, mas o resultado depende de saber quando recorrer a ela, avaliar o que produz e reconhecer quando sua aplicação não contribui para a tarefa.
Para as empresas, isso também significa olhar além da frequência de uso e avaliar se a tecnologia melhora, de fato, a qualidade e o tempo das entregas.
