ServiceNow adota Claude: o que se sabe — e o que o anúncio não comprova — sobre produtividade

A informação disponível permite identificar uma novidade específica: em 28 de janeiro de 2026, a Anthropic anunciou que a ServiceNow tinha escolhido Claude como modelo predefinido do ServiceNow Build Agent e como modelo preferencial na sua plataforma de IA. A empresa comunicou também que está a integrar Claude e Claude Code na sua força de trabalho global. Trata-se, portanto, de uma notícia sobre adoção empresarial, não de provas suficientes para afirmar que a IA aumenta, de forma geral, a produtividade no trabalho. A distinção é importante: escolher uma ferramenta é um acontecimento concreto, enquanto uma afirmação geral sobre produtividade exige outro tipo de evidência.

O anúncio é da Anthropic, fornecedora de Claude e parte interessada nesta adoção. A publicação é uma fonte primária sobre aquilo que a empresa afirma ter acordado com a ServiceNow, mas não equivale a uma avaliação independente do impacto. A abordagem mais precisa é descrever a decisão e os números atribuídos à empresa, separando-os de qualquer conclusão mais ampla. Convém, assim, distinguir três níveis: a seleção de um modelo, a implementação comunicada pela empresa e os resultados que esta atribui à utilização das suas ferramentas. O primeiro descreve uma decisão, o segundo a escala declarada da iniciativa e o terceiro uma afirmação de desempenho. O facto de aparecerem juntos no mesmo anúncio não significa que tenham o mesmo grau de verificação.

Segundo a Anthropic, Claude será o modelo predefinido do Build Agent, uma ferramenta da ServiceNow destinada a ajudar pessoas com diferentes níveis de experiência a criar aplicações. A publicação descreve os agentes como sistemas capazes de raciocinar, decidir que ações tomar e executá-las de forma autónoma. Essa formulação resume a caracterização do fornecedor; não é uma confirmação independente do funcionamento de cada tarefa na prática. Apresenta o propósito geral da ferramenta tal como descrito pela Anthropic, sem estabelecer que aplicações serão criadas nem como decorrerá cada utilização.

O facto de Claude ser o modelo predefinido do Build Agent indica qual foi selecionado para essa ferramenta, mas não esclarece que aplicações serão criadas, quanto trabalho ficará a cargo do sistema ou que intervenção humana será necessária. O anúncio apresenta também Claude como modelo preferencial na ServiceNow AI Platform e refere a implementação de Claude e Claude Code junto de mais de 29.000 trabalhadores da ServiceNow. Estes dados ajudam a compreender a escala declarada e as áreas destacadas pela empresa. Por si só, não especificam quantas pessoas utilizam as ferramentas ativamente, que tarefas são abrangidas nem com que frequência são utilizadas. O número de trabalhadores descreve o alcance comunicado, não necessariamente o número de utilizadores efetivos ou uma utilização continuada.

Esta distinção é importante para interpretar o alcance do anúncio. Uma implementação numa força de trabalho não demonstra que todas as pessoas tenham adotado as ferramentas, nem que estejam envolvidas as mesmas tarefas ou fluxos de trabalho. Do mesmo modo, identificar um modelo predefinido não explica como a ferramenta está configurada nem de que forma as pessoas interagem com ela. A informação disponível permite descrever a seleção e a implementação comunicadas, mas não acrescentar detalhes operacionais que o anúncio não fornece.

A Anthropic atribui às suas ferramentas uma redução de 95% no tempo de preparação comercial. Afirma também que Claude Code contribui para aumentar a produtividade da engenharia e reduzir o tempo entre uma ideia e a sua implementação. São resultados comunicados pelo fornecedor no anúncio, não medições verificadas em documentação de uma fonte independente. Devem, por isso, ser apresentados como afirmações da Anthropic, com a respetiva origem e os seus limites claramente identificados.

O número de 95% é expressivo, mas a publicação disponível não indica o ponto de partida, o período medido, a dimensão da amostra, as tarefas incluídas ou o método de comparação. Sem essa informação, não é possível determinar se a redução se aplica a todos os vendedores, a uma atividade específica ou a um grupo-piloto. Também não deve ser extrapolada para outras funções ou empresas. O número descreve um resultado comunicado, não uma poupança garantida para quem adote a ferramenta. O anúncio também não esclarece o que foi contabilizado como tempo de preparação nem como foi definida a comparação. Sem esses elementos, a percentagem não pode ser interpretada como uma medida completa do trabalho comercial ou como uma previsão de resultados futuros.

Esta cautela não põe em causa o facto de a Anthropic ter divulgado o número: especifica o que não está documentado no anúncio. Uma percentagem pode ser significativa para uma tarefa e um método de medição definidos, mas é necessário conhecer essas definições para compreender o que representa. A redução comunicada não permite concluir que todos os vendedores, todas as tarefas comerciais ou outra empresa obtenham o mesmo resultado. A informação disponível não fundamenta essas conclusões mais abrangentes.

A produtividade não se resume a concluir uma tarefa em menos tempo. Para avaliar uma ferramenta de IA, também é necessário considerar a qualidade do resultado, as correções posteriores, os custos de implementação, a supervisão humana e os riscos de erro. O anúncio disponível não apresenta uma avaliação destes fatores nem dados que permitam comparar os benefícios com o custo total de utilização. Um primeiro passo mais rápido, por si só, não constitui uma avaliação completa do trabalho necessário.

Uma avaliação útil deverá especificar que tarefa é automatizada ou acelerada, como se mede o tempo poupado e se a qualidade se mantém. Deverá ainda esclarecer que tarefas continuam a exigir revisão, o que acontece quando o sistema se engana e que controlos de acesso e de dados são aplicados. Estes critérios não refutam o anúncio: delimitam aquilo que a informação publicada permite concluir. Para avaliar uma afirmação de produtividade, é preciso saber não só o que terá melhorado, mas também o que foi medido e em que condições.

Também é importante distinguir uma melhoria localizada de uma alteração geral da produtividade. Uma redução medida do tempo numa atividade específica não demonstra automaticamente que outras tarefas sejam aceleradas nem que o efeito se mantenha em diferentes equipas. Para avaliar o alcance, seriam necessários detalhes sobre as tarefas observadas e as condições da medição, que o anúncio disponível não apresenta. Esta distinção evita que um número isolado seja entendido como uma conclusão sobre toda a organização ou sobre o trabalho em geral.

Neste caso, a comunicação da Anthropic descreve uma adoção e resultados que a empresa atribui às suas ferramentas. Não inclui uma avaliação independente nem provas suficientes para afirmar que Claude melhora a produtividade de forma generalizada. Esta limitação assinala a fronteira da informação disponível; não prova que a implementação não produza benefícios. Permite relatar a decisão anunciada sem apresentar as afirmações de um fornecedor como resultados confirmados de forma independente.

A conclusão verificável é limitada: a Anthropic anunciou que a ServiceNow escolheu Claude para o Build Agent, o considera um modelo preferencial na sua plataforma de IA e está a ampliar a implementação interna. A empresa comunicou ainda uma redução de 95% no tempo de preparação comercial, mas a informação disponível não permite verificar esse número de forma independente nem aplicá-lo a outros contextos. Esta formulação preserva o conteúdo do anúncio sem afirmar mais do que aquilo que ele demonstra.

Para quem avalia software de produtividade, a notícia é um motivo para acompanhar o caso, não uma recomendação de compra nem uma demonstração conclusiva de retorno. Antes de usar o anúncio como base para uma decisão, convém procurar documentação sobre disponibilidade, condições de utilização, âmbito, método de medição e resultados externos. Até existirem esses elementos, a interpretação prudente é distinguir adoção empresarial de impacto demonstrado.