Saber como usar IA no dia a dia vale mais quando a decisão se apoia em números medidos, não em entusiasmo. A evidência disponível mostra dois resultados opostos: em escrita corporativa, atendimento e tarefas estruturadas, as ferramentas generativas aceleram o trabalho de forma consistente; em código complexo, mantido por pessoas que já dominam o domínio, elas podem atrasar. Um estudo do NBER acompanhou 5.179 atendentes de suporte e registrou que aumentou a produtividade, medida em problemas resolvidos por hora, em 14% na média, com ganho de 34% para trabalhadores novatos e menos qualificados. Já um ensaio randomizado com desenvolvedores experientes de código aberto mediu o efeito contrário. Para um ponto de partida geral, vale ler o guia como usar IA no dia a dia com base em evidência; este artigo explica os números que sustentam, e também os que limitam, essa recomendação.
O que os experimentos mediram
Os dados mais citados vêm de uma análise da Nielsen Norman Group que reuniu três experimentos controlados em domínios diferentes: atendimento ao cliente, redação de documentos corporativos e programação. Segundo a síntese, o ganho médio foi de 66% no volume de tarefas concluídas por profissionais que usavam IA generativa, com efeitos maiores justamente entre os participantes menos experientes. No experimento de escrita do MIT, profissionais com ChatGPT entregaram documentos em 17 minutos, contra 27 minutos do grupo sem assistência, e a qualidade média avaliada por corretores cegos subiu de 3,8 para 4,5 em uma escala de 1 a 7. Velocidade e qualidade melhoraram juntas, o que derruba o tradeoff habitual entre as duas.
| Estudo | Contexto | Resultado medido | Quem ganhou mais |
|---|---|---|---|
| NBER, 2023 | 5.179 atendentes de suporte | +14% de resoluções por hora | Novatos: +34% |
| NN/g, 2023 | Escrita, suporte e programação | +66% de produtividade média | Profissionais menos experientes |
| METR/arXiv, 2025 | Programadores experientes de projetos maduros | +19% de tempo por tarefa | Ninguém: houve desaceleração |
Onde a IA acelera de fato
O padrão dos ganhos é claro: a IA generativa rende mais em tarefas com estrutura reconhecível, texto repetitivo, resumos, primeiras versões de documentos e atendimento guiado por roteiro. O estudo do NBER, publicado em abril de 2023, acompanhou a introdução escalonada de um assistente conversacional em centrais de atendimento e mediu resoluções por hora, sentimento do cliente e retenção de funcionários. Além do ganho agregado de produtividade, o efeito foi concentrado: trabalhadores novatos e de menor qualificação aproximaram seu desempenho do praticado pelos mais experientes, como se a ferramenta difundisse as melhores práticas da equipe. Para quem gerencia pessoas, isso muda a leitura: a IA funciona como rampa de aprendizado, não apenas como atalho.
Onde a IA atrasa o trabalho
O contraponto veio de um ensaio randomizado controlado divulgado em julho de 2025, conduzido pela equipe do METR com a colaboração de desenvolvedores de projetos populares. No desenho do estudo, 16 desenvolvedores experientes completaram 246 tarefas reais em projetos maduros de código aberto, com cada tarefa sorteada para permitir ou proibir o uso de ferramentas como Cursor Pro e Claude Sonnet. O resultado surpreendeu os próprios participantes: permitir as ferramentas de IA aumentou o tempo de conclusão das tarefas em 19%, enquanto os desenvolvedores estimavam, depois do teste, que tinham economizado 20% do tempo. A percepção e a medição apontaram em direções opostas, o que é o alerta mais útil do estudo: quem usa a ferramenta todos os dias pode estar errando a própria avaliação de ganho.
Como aplicar isso na rotina
A leitura combinada dos dois lados da evidência sugere um critério simples: delegue à IA o trabalho em que a estrutura já existe e o custo de conferir o resultado é baixo; mantenha supervisão estreita onde o contexto é profundo e o erro é caro. A seguir, um procedimento em cinco passos para decidir caso a caso.
- Liste suas três tarefas mais repetitivas da semana e classifique cada uma como estruturada ou de domínio profundo.
- Pilote a IA apenas nas estruturadas: rascunhos de e-mail, resumos de reunião, primeira versão de documentos.
- Meça antes e depois: tempo gasto e qualidade percebida, registrados por você, não apenas sentidos.
- Em tarefas técnicas complexas, use a IA para explicar e revisar, não para substituir sua execução.
- Revise o saldo a cada mês e corte os usos em que o tempo de conferir a saída supera o tempo economizado.
Esse filtro de evidência também aparece na análise de três estudos sobre o uso real de IA na rotina, que separa o que a tecnologia entrega do que só parece entregar. A conclusão prática não é niilista nem entusiasmada: IA bem aplicada comprime trabalho estruturado e acelera aprendizes; mal aplicada, cobra o preço em retrabalho invisível. O ganho de 66% e a desaceleração de 19% descrevem o mesmo tipo de ferramenta em contextos diferentes, e cabe a você escolher em qual dos dois contextos está a sua próxima tarefa.
Fontes
- Brynjolfsson, Li e Raymond, Generative AI at Work, NBER Working Paper 31161.
- Nielsen Norman Group, AI Improves Employee Productivity by 66%.
- Becker, Rush, Barnes e Rein, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, arXiv.