A I aumenta a eficiência no trabalho, não significa que vais ficar mais descansado? A pesquisa de Berkeley desmascara a narrativa de produtividade 10X do Vale do Silício

A Berkeley-Haas School of Business acompanhou 200 colaboradores tecnológicos durante nove meses e concluiu que as ferramentas de IA não reduziam a carga de trabalho, mas sim conduziam a um padrão de trabalho de alta intensidade de “paralelismo multi-thread”, com a carga cognitiva e o risco de burnout a aumentarem simultaneamente.
(Sinopse: Decifrar “x402”: Reconstruir a Confiança no Pagamento na Era da IA, o Santo Graal para a Próxima Geração de Civilização Mecânica)
(Suplemento de contexto: A importância do X402 para pagamentos com stablecoin)

Índice deste artigo

• Novo ritmo de trabalho sempre em malabarismo
• Do laboratório para o mundo real
• O problema não está na IA, mas sim em ninguém a ensinar-te a usá-la
• Teste de stress para narrativas de IA
• Recalibrar décadas de hábitos de trabalho

Se leu algum memorando de investimento tecnológico no último ano, provavelmente verá uma narrativa semelhante: a IA aumentará dramaticamente a produtividade, permitindo que os colaboradores façam menos e produzam mais, aumentando as margens de lucro, e os humanos poderão finalmente dedicar o seu tempo a trabalhos “mais criativos”.

A narrativa soa linda. O problema é… Pode estar errado.

Aruna Ranganathan e Xingqi Maggie Ye, duas investigadoras da Haas School of Business da Universidade de Berkeley, publicaram um estudo de nove meses na Harvard Business Review. De abril a dezembro de 2025, acompanharam 200 colaboradores numa empresa tecnológica dos EUA para observar mudanças comportamentais após a introdução de ferramentas de IA no seu trabalho diário.

A conclusão é simples: a IA não reduz o trabalho, a IA intensifica-o.

Sempre no novo ritmo de trabalho do malabarismo

A equipa de investigação concluiu que a introdução de ferramentas de IA não permitia realmente aos colaboradores reduzir a sua carga de trabalho ou encurtar as suas horas de trabalho. Em vez disso, cria um ritmo de trabalho totalmente novo – “paralelismo multithreaded.”

Especificamente: os colaboradores escrevem código manualmente enquanto deixam a IA gerar versões alternativas; Executar múltiplos agentes de IA simultaneamente para diferentes tarefas; Eles até recolheram esses trabalhos antigos com o argumento de que “a IA pode processá-los em segundo plano de qualquer forma.”

À primeira vista, isto é um aumento de produtividade. O número de projetos em que todos trabalham ao mesmo tempo aumentou, e a velocidade de produção também aumentou. Mas a situação real observada pelos investigadores é:

"Mudança constante de atenção, verificação frequente dos resultados da IA e uma tarefa cada vez maior. Isto cria uma carga cognitiva e uma sensação de estar constantemente a equilibrar — mesmo que o trabalho em si pareça produtivo.

Ou seja, os colaboradores fazem mais. Mas também estão mais cansados. E é aquele tipo de cansaço que “obviamente parece que és eficiente, mas depois de sair do trabalho, é como se tivesses sido esvaziado”.

Do laboratório ao mundo real

Os dados de investigação de Berkeley vêm do interior da empresa, mas o mesmo padrão está a acontecer fora das paredes corporativas.

O conhecido desenvolvedor Simon Willison republicou o estudo no seu blogue pessoal e admitiu que a sua experiência era altamente consistente com as conclusões da investigação. Como um dos profissionais de grandes modelos de linguagem (LLM) mais ativos do mundo, Willison há muito que partilha publicamente o seu fluxo de trabalho utilizando ferramentas de IA. Ele salientou que conseguia de facto promover dois ou três projetos paralelos ao mesmo tempo, e a carga de trabalho era muito maior do que isso.

Mas a troca: ele fica sem energia em uma ou duas horas.

Observou também um padrão semelhante entre os programadores à sua volta: algumas pessoas escreviam até às três da manhã por causa da mentalidade de “só mais um prompt”, o que afetava seriamente a qualidade do sono. Parecia menos trabalho extra e mais como jogar um jogo que não podes guardar – sabes que é hora de parar, mas o turno seguinte é demasiado tentador.

Quando a investigação académica e a perceção física dos profissionais da linha da frente apontam para a mesma conclusão ao mesmo tempo, este não é um caso individual, mas uma estrutura.

O problema não é com a IA, mas sim com ninguém a ensinar-te a usá-la

A perceção mais crítica da equipa de investigação não reside na conclusão de que “a IA deixa as pessoas mais cansadas” em si, mas no diagnóstico da causa: a falta de normas estruturais para o uso da IA nas organizações.

Quando a maioria das empresas introduz ferramentas de IA, o que fazem é: comprar uma licença, criar uma conta, anexar um PDF com a “melhor estrutura” e depois esperar que os colaboradores descubram a melhor forma de o usar por si próprios. Isto equivale a colocar um motor turboalimentado numa bicicleta e dizer ao ciclista para “cuidar disso.”

A sugestão dos investigadores é que as empresas precisam de estabelecer um quadro formal de práticas de IA que defina claramente em que cenários a IA deve ou não deve ser usada, e como distinguir entre “ganhos reais de eficiência” e “simplesmente agir com mais esforço”.

Testes de stress das narrativas de IA

Vamos colocar as conclusões num contexto mais amplo.

No último ano, “a IA melhora a produtividade” tem sido uma das lógicas centrais que impulsionam a avaliação das ações tecnológicas. Desde a Nvidia à Microsoft, da OpenAI a várias startups de agentes de IA, a valorização de toda a cadeia industrial baseia-se na premissa de que a IA aumentará a produção de cada trabalhador do conhecimento entre 2 a 10 vezes, para que as empresas possam fazer mais com menos pessoas e as margens de lucro serão estruturalmente melhoradas.

Mas se a investigação de Berkeley estiver correta, se o verdadeiro efeito da IA não for “fazer menos”, mas sim “fazer mais melhora a eficiência, mas é mais cansativo”, então esta lógica de avaliação precisa de ser recalibrada.

Aumento da produtividade e aumento da intensidade do trabalho são duas coisas diferentes. O primeiro irá reduzir custos e aumentar os lucros; Esta última irá aumentar a produção a curto prazo, mas a longo prazo pode levar a burnout, taxas de rotatividade mais elevadas e redução da qualidade. Se aplicarmos as conclusões de Berkeley a modelos operacionais empresariais, a IA pode não levar a um aumento das margens de lucro, mas sim a uma redistribuição das estruturas de custos laborais: custos de formação mais elevados, maiores despesas em saúde mental, custos de substituição de pessoal mais elevados.

Claro que isto não significa que a IA não tenha valor, claramente tem. Mas o seu valor pode não ser “fazer as pessoas fazerem menos”, mas sim “fazer as pessoas fazerem as coisas de forma diferente”. E diferença não significa necessariamente mais fácil.

Recalibrar décadas de hábitos de trabalho

O estudo também sugere um aspeto que raramente é discutido: o período de adaptação. Willison também apontou isto ao reimprimir.

As normas atuais de trabalho: como alocar atenção, como medir o desempenho e como definir “carga de trabalho num dia” foram estabelecidas ao longo de décadas. A popularidade explosiva da IA entre 2023 e 2025 equivale a exigir que toda a economia do conhecimento reaprenda a trabalhar dentro de dois anos.

Esta reaprendizagem não acontece automaticamente, requer um design organizacional consciente, renovação cognitiva por parte da gestão e, mais importante: reconhecer que “mais produção” e “melhor trabalho” são coisas completamente diferentes.

O Vale do Silício gosta de usar “engenheiro 10x” para descrever engenheiros que produzem resultados excecionais. A promessa da IA é fazer toda a gente 10 vezes. Mas o que este estudo nos diz: talvez, em vez de 10 vezes mais eficiente, tenhamos 10 vezes mais fadiga… O que achas?