Pesquisas mostram milhares de horas de trabalho perdidas por ano, custando milhões às empresas

Modelos de linguagem avançados são ótimos em produzir frases gramaticalmente corretas, mas muitas vezes falham em precisão e clareza. Sem revisão humana, seus resultados geram mais confusão do que progresso. Esse “workslop” desloca o esforço para etapas posteriores, travando exatamente os processos de trabalho que a IA deveria tornar mais rápidos e eficientes.

Ambientes de trabalho modernos estão adotando inteligência artificial cada vez mais, prometendo velocidade, eficiência e inovação. No entanto, a prática muitas vezes é mais bagunçada. Muitas empresas se sentem pressionadas a adotar IA rapidamente, temendo ficar atrás da concorrência. Ainda assim, o trabalho produzido por IA pode gerar mais correções e confusões do que economias, fenômeno que a Harvard Business Review (HBR) chamou de “workslop”.

Pesquisas do BetterUp Labs da HBR e do Stanford Social Media Lab mostram que documentos gerados por IA, embora pareçam bem formatados, podem carecer da substância necessária para avançar uma tarefa. De acordo com uma pesquisa em andamento de Stanford com trabalhadores em tempo integral nos EUA, 40% relataram ter recebido esse tipo de material no último mês. Os funcionários gastam quase duas horas por ocorrência corrigindo ou interpretando os resultados, criando custos ocultos significativos para as empresas. Multiplicado em grandes organizações, isso se traduz em milhares de dias de trabalho perdidos a cada ano e milhões de dólares desperdiçados.

A Harvard Business Review citou um diretor de varejo pouco impressionado com a implementação de automação por IA em sua empresa:

“Eu tive que perder mais tempo acompanhando a informação e verificando-a com minha própria pesquisa”, disse o diretor. “Depois tive que perder ainda mais tempo marcando reuniões com outros supervisores para tratar do problema. E continuei desperdiçando meu tempo tendo que refazer o trabalho eu mesmo.”

A frustração desse gestor não é um caso isolado. O impacto social e emocional é real. Mais da metade dos entrevistados afirmou que receber resultados de baixa qualidade da IA os deixou irritados (53%), enquanto quase um quarto disse ter se sentido ofendido (22%). Colegas que enviaram esse tipo de trabalho eram frequentemente vistos como menos capazes ou confiáveis, mostrando como erros da IA podem afetar a dinâmica das equipes.

Mesmo com a adoção de IA em alta – a Gallup aponta que o número de trabalhadores nos EUA que usam IA ao menos algumas vezes por ano quase dobrou nos últimos anos – muitos projetos-piloto falham em gerar retornos mensuráveis. Um estudo do MIT Media Lab descobriu que menos de um em cada dez projetos de IA trouxe ganhos reais de receita, alertando que “95% das organizações não estão tendo nenhum retorno” em seus investimentos em IA.

O desafio não é apenas a tecnologia em si, mas a forma como as empresas a implementam. Ordens generalizadas para usar IA em todos os lugares muitas vezes estimulam comportamentos automáticos de copiar e colar em vez de aplicações conscientes. Pesquisadores recomendam estabelecer limites claros, fluxos de trabalho bem definidos e líderes que deem o exemplo de uso eficaz. Isso pode significar definir onde a IA é apropriada, como em rascunhos iniciais ou resumos de rotina, exigindo supervisão humana para versões finais. Quando a gestão adota um uso seletivo e intencional, os funcionários tendem a enxergar a IA como uma ferramenta, e não como um atalho.

• Veja também: IA está transformando o futuro da educação e do trabalho, diz CEO do Google DeepMind e ganhador do Prêmio Nobel