Produtividade com IA

Três anos após a promessa de produtividade, finalmente há evidências concretas suficientes para responder à pergunta de forma clara: o trabalho com inteligência artificial (IA) realmente torna as pessoas mais produtivas? Sim, espetacularmente, para algumas pessoas em algumas tarefas. E não, ou pior, para outras. Os ganhos são reais, mas não estão fluindo para onde a propaganda disse que iriam. Esta questão mapeia quem ganha, quem paga e por que a linha entre eles não está onde se pensa. Conheça o Spec27, um estudo que reúne quatro dos estudos mais citados sobre o local de trabalho na era da IA, que contam uma história: os ganhos de produtividade da IA são reais, mas radicalmente desiguais, e tendem a favorecer os inexperientes, os bem definidos e os verificáveis – e não os especialistas que realizam trabalhos difíceis e familiares, e não as empresas que compram pilotos.

Os resultados mais claros em toda a literatura também são os mais contraintuitivos: a IA melhora o desempenho dos menos experientes, e não dos mais experientes. No estudo de Brynjolfsson, que analisou 5.179 agentes de suporte, o ganho médio de 14% foi quase inteiramente carregado pelos trabalhadores menos experientes (+34%), enquanto os mais experientes mal se moveram. A IA funcionou codificando o conhecimento tácito dos melhores agentes e entregando-o aos novos – comprimindo meses de aprendizado no local de trabalho em uma única ação. O experimento de consultoria BCG/HBS encontrou a mesma forma a partir de uma direção diferente: os desempenhos abaixo da média ganharam mais, e a tecnologia reduziu a lacuna entre consultores fracos e fortes. Em seguida, os especialistas. O ensaio randomizado do METR colocou 16 desenvolvedores experientes em 246 tarefas reais em repositórios que eles mantinham. Com ferramentas de IA permitidas, eles levaram 19% mais tempo. A parte que deve assombrar todos os posts do LinkedIn que dizem “IA me tornou 10x mais rápido”: os desenvolvedores esperavam uma aceleração de 24%, e mesmo após terminar mais lentos, ainda acreditavam que a IA os havia acelerado em 20%. Eles não podiam sentir o imposto que estavam pagando.

A ideia unificadora é a “fronteira irregular”. A IA é incrivelmente boa em algumas tarefas e confiantemente errada em tarefas adjacentes, e a fronteira entre elas é invisível e irregular. Dentro da fronteira, os consultores da BCG decolaram. Empurrados apenas para fora dela – para uma tarefa que parecia semelhante, mas exigia julgamento que a IA não possuía – os consultores assistidos por IA eram mensuravelmente mais propensos a estar errados, porque a ferramenta confiante é a mesma em ambos os lados da linha. A produtividade, então, não é uma propriedade da IA. É uma propriedade da combinação entre a tarefa, a ferramenta e se o ser humano pode dizer quando ela está mentindo. Se os indivíduos veem ganhos reais, embora desequilibrados, a imagem da empresa é mais sombria. O estudo NANDA do MIT – 150 entrevistas com executivos, 350 pesquisas com funcionários, 300 implantações públicas – encontrou apenas 5% dos pilotos de IA de próxima geração que produziram aceleração de receita rápida; os outros 95% estagnaram com pouco ou nenhum impacto mensurável no lucro e perda. O bloqueador não era a qualidade do modelo. Era a “lacuna de aprendizado” – organizações ligando a IA a fluxos de trabalho inalterados.

Talvez, as empresas estejam começando a sentir essa lacuna em dinheiro. Relatórios compartilhados por especialistas esta semana: as empresas estão “se esforçando para parar de gastar tanto em IA” à medida que as contas de inferência explodem, e a história de advertência do ciclo – a Ford “contratou IA e demitiu humanos”, e isso deu terrivelmente errado – está fazendo o rounds exatamente porque é o inverso do pitch deck. Três custos não aparecem em nenhum painel de produtividade, mas aparecem em todos os relatórios: aqui está a reviravolta que deve ancorar como você lê tudo isso. O economista cuja pesquisa mostro claramente a IA tornando os trabalhadores juniores mais produtivos – Erik Brynjolfsson, de Stanford – também executa o painel que mostra a IA tornando os trabalhadores juniores desempregados. Seu indicador Canaries, construído com dados de folha de pagamento da ADP que cobrem ~1 em 6 trabalhadores americanos, encontra emprego para 22-25 anos nos papéis mais expostos à IA caindo, enquanto sobe para pares menos expostos – evidência precoce e em grande escala de que as escadas de entrada estão sendo puxadas para cima. Os dois achados não estão em tensão; são o mesmo fato. A IA entrega seu maior impulso de produtividade ao novato – e é exatamente por isso que o trabalho do novato é o primeiro que uma empresa decide que pode fazer sem. Estamos automatizando com mais eficiência o degrau que você usava para se tornar o especialista que a IA não pode substituir.

Ninguém respondeu o que acontece com o pipeline de especialistas quando o aprendizado é a coisa que otimizamos. A síntese honesta não é “sim” ou “não”, mas sim uma compreensão mais profunda de como a IA realmente funciona e como ela pode ser usada para melhorar a produtividade de forma eficaz. É importante lembrar que a IA é uma ferramenta poderosa, mas não é uma solução mágica para todos os problemas. É necessário entender como ela funciona e como ela pode ser usada para melhorar a produtividade de forma eficaz, em vez de simplesmente a