IA generativa e produtividade no trabalho: o que as evidências disponíveis permitem afirmar

A promessa da IA generativa no trabalho é muitas vezes expressa em termos de tempo: redigir mais depressa, resumir mais documentos ou preparar uma resposta com menos etapas. São resultados potencialmente úteis, mas poupar tempo numa tarefa não equivale automaticamente a criar mais valor no conjunto do trabalho. Para sustentar essa conclusão, seria necessário saber que tarefa foi medida, segundo que critérios o resultado foi avaliado e o que aconteceu ao tempo poupado.

Uma avaliação prática deve analisar, pelo menos, o volume de trabalho concluído e a sua qualidade. Convém também contabilizar correções, revisão humana, erros e novas tarefas que surgem com a introdução da ferramenta. Se uma resposta é gerada mais depressa, mas exige uma verificação extensa, a poupança líquida pode ser inferior ao tempo bruto poupado. E se se produz mais à custa da qualidade ou da autonomia, uma única métrica não descreve adequadamente o efeito.

Do tempo poupado ao resultado global

O tempo libertado só representa um ganho se puder ser aplicado noutras tarefas úteis sem transferir trabalho adicional para outra parte do processo. Por isso, uma comparação clara deve considerar o ciclo completo: desde o início da tarefa até o resultado estar revisto e pronto a utilizar. Observar apenas o momento da geração deixa de fora etapas que também consomem recursos e podem alterar a avaliação do benefício.

Um inquérito divulgado pela Comissão Europeia em outubro de 2025 indicou que um em cada três trabalhadores da União Europeia utilizava ferramentas de IA no trabalho. A mesma comunicação descreve experiências maioritariamente positivas, mas também assinala que as tecnologias de vigilância e gestão através de IA podem aumentar o stresse e reduzir a autonomia. São indicações pertinentes para compreender a adoção e a experiência das pessoas; por si só, contudo, não constituem uma medição da produtividade.

A distinção é importante porque um inquérito sobre utilização ou perceções responde a perguntas diferentes das de uma experiência que compare resultados de trabalho com e sem assistência. O primeiro pode ajudar a descrever quem utiliza as ferramentas e como avalia a experiência. Para atribuir à IA uma melhoria da produtividade, é também necessária uma definição explícita do resultado e uma comparação que permita separar o efeito da ferramenta de fatores como a experiência, a tarefa ou a organização do trabalho. O resumo público disponível não deve ser apresentado como se resolvesse estas questões.

A proporção de utilização informa sobre a presença destas ferramentas no trabalho, não sobre quanto alteram o resultado de cada tarefa nem sobre o equilíbrio entre benefícios e custos. Do mesmo modo, uma experiência positiva descreve uma avaliação, mas não substitui uma medida de qualidade, quantidade ou tempo total. Manter estas perguntas separadas permite reconhecer o contributo do inquérito sem lhe atribuir conclusões que não apresenta.

A Organização Internacional do Trabalho publicou análises sobre os possíveis efeitos da IA generativa na quantidade e na qualidade do emprego, bem como um índice refinado de exposição ocupacional. Estes trabalhos são relevantes para enquadrar o debate: ajudam a estudar que profissões ou tarefas poderão ser afetadas. A exposição a uma tecnologia, porém, não significa que uma profissão vá desaparecer nem que a sua produtividade vá aumentar.

Esta distinção também ajuda a interpretar títulos e anúncios. Um mapa de exposição pode indicar onde uma tecnologia poderá intervir, mas não demonstra que seja utilizada numa situação real, que funcione bem para uma tarefa específica ou que os seus benefícios superem custos e riscos. A OIT aborda o fenómeno a partir do emprego e das tarefas; não se deve transformar esse tipo de análise num valor de desempenho empresarial que a fonte não apresenta.

Por outras palavras, a exposição é uma forma de delimitar o que vale a pena estudar, não o resultado de uma avaliação de desempenho. Entre a possibilidade de uma ferramenta intervir numa tarefa e uma melhoria comprovada existem questões de utilização, qualidade e efeitos no trabalho que exigem análises específicas. Assim, evita-se tratar como equivalentes um indicador sobre profissões e uma medição direta da produtividade.

Antes de aceitar um valor de produtividade, convém verificar se a publicação explica quem participou, que trabalho realizou, quanto tempo durou a avaliação e como foi avaliado o resultado. Também importa perguntar se a comparação inclui tarefas habituais ou exercícios delimitados e se o resultado foi avaliado por pessoas segundo critérios definidos. Sem esses dados, é difícil saber se a melhoria se manteria fora do contexto avaliado.

Uma breve lista de verificação pode evitar confundir uma demonstração impressionante com evidências generalizáveis:

• Resultado: mede-se tempo, quantidade, qualidade ou uma combinação? Explica-se como é avaliada a qualidade?
• Comparação: existe um grupo ou uma condição de referência sem a ferramenta?
• Custo total: são contabilizadas a revisão, a correção, a formação e as alterações ao fluxo de trabalho?
• Âmbito: são especificados a população, o tipo de tarefa e a duração?
• Independência: quem financia ou publica o estudo, e é possível consultar o método e as limitações?

As evidências citadas permitem afirmar que as ferramentas de IA já fazem parte do trabalho de uma parcela considerável da população inquirida na União Europeia e que as experiências profissionais não se reduzem a uma avaliação uniforme: além de impressões positivas, a Comissão assinala riscos associados à vigilância e à gestão. As análises da OIT fornecem um enquadramento para estudar a exposição de tarefas e profissões. Tal como são resumidos nas fontes disponíveis, nenhum destes dados demonstra, por si só, uma melhoria geral e líquida da produtividade do trabalho.

Para uma pessoa ou equipa que esteja a ponderar estas ferramentas, a opção razoável é medir um caso concreto e delimitado: comparar tarefas equivalentes, definir antecipadamente o que conta como qualidade e registar o tempo total, incluindo a revisão. Esse exercício pode orientar uma decisão local, mas não provaria que o resultado se aplica a outros setores ou empresas. A conclusão equilibrada é, portanto, dupla: há evidências de adoção e razões para estudar os efeitos no trabalho; a dimensão e o alcance de um eventual ganho de produtividade exigem avaliações mais específicas e transparentes.

Um teste local será mais informativo se as tarefas forem comparáveis e se a forma de avaliar o resultado for decidida antecipadamente. Registar o tempo total permite observar tanto o trabalho realizado com a ferramenta como a revisão posterior, enquanto um critério de qualidade acordado evita avaliar o resultado apenas pela rapidez. Ainda assim, o teste limita-se ao contexto observado: não estabelece automaticamente o que aconteceria com outras tarefas, equipas ou empresas.