A inteligência artificial acelera tarefas, mas a fronteira do que ela faz bem é irregular
Aldemar Araujo Castro
Criação: 10/10/2026
Atualização: 10/10/2026
Palavras: 1811
Tempo de leitura: 9 minutos
Tela acesa à noite
o rascunho chega pronto
a mão ainda escolhe
Resumo. Este texto reúne a evidência experimental mais rigorosa sobre os efeitos da inteligência artificial generativa no trabalho e a traduz para quem empreende. Mostra ganhos reais de produtividade, maiores para os menos experientes, e uma fronteira irregular, fora da qual o desempenho piora. Discute o que muda nas etapas de criação de uma empresa, por que a ferramenta disponível a todos não constitui vantagem duradoura e quais cuidados adicionais se impõem a quem empreende em saúde, com dados sensíveis e responsabilidade profissional.
Introdução
São onze da noite e a fundadora de uma pequena empresa de serviços de enfermagem domiciliar ainda trabalha. Precisa responder a um edital de inovação, revisar o contrato com um hospital parceiro, preparar uma apresentação para investidores e escrever o texto do novo site. Há dois anos, cada uma dessas tarefas consumiria horas. Hoje, ela abre um assistente de inteligência artificial, descreve o que precisa e, em minutos, tem rascunhos razoáveis de tudo. O trabalho que resta é decidir o que aproveitar, o que corrigir e o que descartar.
Cenas como essa se multiplicaram com uma velocidade sem precedente. E, com elas, multiplicaram-se as promessas e os temores: a inteligência artificial vai democratizar o empreendedorismo, vai substituir funcionários, vai tornar obsoleto quem não a adotar, vai inundar o mercado de produtos medíocres. A maior parte dessas afirmações circula sem evidência.
Este texto propõe outro caminho: olhar para o que os estudos mais rigorosos efetivamente mediram sobre os efeitos da inteligência artificial generativa no trabalho e extrair daí lições para quem empreende, com atenção especial à saúde.
O que os experimentos mostraram
Uma das primeiras evidências experimentais robustas veio de Noy e Zhang (2023). Os pesquisadores recrutaram centenas de profissionais com formação superior, como redatores de marketing, analistas e consultores, e lhes atribuíram tarefas de escrita típicas das suas ocupações. Parte dos participantes, sorteada, recebeu acesso a um assistente de inteligência artificial generativa. O grupo com acesso concluiu as tarefas em cerca de 40% menos tempo, e a qualidade avaliada por examinadores independentes aumentou.
O achado mais interessante, porém, foi distributivo. Os participantes com pior desempenho inicial foram os que mais se beneficiaram, o que reduziu a desigualdade de produtividade entre eles. A ferramenta funcionou, em parte, como nivelador: aproximou os menos hábeis dos mais hábeis.
Brynjolfsson, Li e Raymond (2025) observaram um padrão semelhante fora do laboratório, num ambiente real de trabalho. Estudaram milhares de atendentes de suporte ao cliente de uma empresa de software que passou a disponibilizar, de forma escalonada, um assistente que sugeria respostas durante as conversas. Em média, a produtividade, medida pelo número de problemas resolvidos por hora, aumentou cerca de 14%. Entre os atendentes novatos e menos qualificados, o ganho chegou a cerca de 34%. Entre os mais experientes, o efeito foi mínimo.
Os autores interpretaram o resultado de modo sugestivo. O assistente havia sido treinado com as interações dos melhores atendentes e, ao sugerir respostas, transmitia aos novatos parte do conhecimento tácito dos veteranos. A inteligência artificial funcionou como canal de difusão de boas práticas, comprimindo o tempo de aprendizado.
Para o empreendedor, essas evidências sugerem duas coisas. A primeira é que os ganhos de produtividade são reais e mensuráveis em tarefas de escrita, comunicação e atendimento. A segunda é que eles se concentram em quem está começando, o que inclui o próprio empreendedor iniciante diante de tarefas fora da sua especialidade, como redigir um contrato, montar uma planilha financeira ou estruturar uma apresentação.
A fronteira irregular
Se a história terminasse aí, a recomendação seria simples: usar a ferramenta em tudo. Um estudo com consultores de uma grande empresa de consultoria estratégica mostrou por que não é assim. Dell’Acqua e colaboradores (2023), num trabalho ainda divulgado como documento de trabalho, isto é, sem revisão por pares formal na época, distribuíram aleatoriamente o acesso a um modelo de linguagem avançado entre centenas de consultores e lhes atribuíram tarefas realistas.
Para tarefas situadas dentro do que os autores chamaram de fronteira tecnológica, ou seja, tarefas que a inteligência artificial executa bem, os consultores com acesso completaram mais tarefas, mais rapidamente e com qualidade substancialmente superior. Mas os pesquisadores também incluíram uma tarefa deliberadamente desenhada para ficar fora dessa fronteira, exigindo combinar dados quantitativos com informações qualitativas sutis de entrevistas. Nela, os consultores com acesso à inteligência artificial tiveram desempenho pior do que os que trabalharam sem ela: foram mais propensos a chegar a conclusões erradas, em geral por aceitarem a resposta plausível, porém incorreta, oferecida pelo modelo.
Os autores chamaram essa fronteira de irregular porque ela não segue a intuição humana sobre o que é fácil ou difícil. A ferramenta pode redigir com elegância um relatório complexo e errar uma conta simples, ou resumir com precisão um artigo e inventar uma referência inexistente. Não há um mapa estável do que fica dentro e do que fica fora; ele muda com cada versão do modelo e com cada tipo de tarefa.
O estudo também descreveu dois estilos de trabalho bem-sucedidos. Alguns consultores agiam como centauros, dividindo claramente as tarefas: o que era da máquina, o que era deles. Outros agiam como ciborgues, integrando a ferramenta continuamente ao próprio fluxo de trabalho, verificando e ajustando a cada passo. Em ambos os casos, o que distinguia os bem-sucedidos era o julgamento sobre quando confiar e quando desconfiar.
Inteligência artificial na criação de empresas
Os estudos experimentais tratam de tarefas. Empreender, porém, é mais do que executar tarefas: envolve identificar oportunidades, reunir recursos, tomar decisões sob incerteza e construir organizações. Chalmers, MacKenzie e Carter (2021) examinaram como a inteligência artificial pode afetar o processo de criação de empresas e argumentaram que ela tende a alterar várias de suas etapas, da identificação de oportunidades à operação cotidiana.
Uma consequência plausível é a redução de barreiras de entrada. Tarefas que antes exigiam contratar especialistas, como análises de mercado preliminares, textos jurídicos padronizados, materiais de comunicação ou protótipos de software simples, tornam-se acessíveis a fundadores com poucos recursos. Isso pode ampliar o número de pessoas capazes de testar uma ideia de negócio. Os autores alertam, porém, que a mesma facilidade vale para todos. Se cada concorrente tem acesso às mesmas ferramentas, a capacidade de produzir rapidamente um plano de negócios ou um site deixa de diferenciar alguém.
Obschonka e Audretsch (2020) chamaram atenção para outro aspecto: a inteligência artificial e os grandes volumes de dados não são apenas ferramentas para empreendedores, mas também fenômenos que transformam o próprio campo do empreendedorismo, criando oportunidades de negócio inteiramente novas e exigindo novas formas de pesquisa. A pergunta, para quem empreende, deixa de ser apenas como usar a inteligência artificial e passa a incluir que problemas ela tornou solucionáveis pela primeira vez.
A vantagem que não se copia
Se a ferramenta está disponível para todos, onde fica a vantagem? A evidência e a teoria convergem para alguns pontos.
O primeiro é o conhecimento do problema. A inteligência artificial responde bem a perguntas bem formuladas; quem formula bem as perguntas é quem conhece profundamente o problema, o cliente e o contexto. A fundadora da empresa de enfermagem domiciliar sabe o que preocupa as famílias, o que os hospitais exigem e onde os processos costumam falhar. Esse conhecimento não está no modelo.
O segundo é o acesso a dados próprios. Modelos gerais são treinados com informação pública. Uma empresa que acumula, com consentimento e segurança, dados sobre o seu próprio serviço pode combiná-los com ferramentas de inteligência artificial para produzir algo que concorrentes não conseguem reproduzir.
O terceiro é a relação de confiança com clientes e parceiros, construída ao longo do tempo e difícil de automatizar. O quarto é o julgamento, isto é, a capacidade de reconhecer quando a resposta plausível está errada, que o estudo dos consultores mostrou ser decisiva.
Em resumo, a inteligência artificial tende a tornar mais barato o que era padronizável e a valorizar mais o que depende de contexto, relação e discernimento.
Riscos para quem empreende em saúde
Na saúde, os riscos ganham peso próprio. O primeiro diz respeito aos dados. Informações de pacientes são dados pessoais sensíveis segundo a Lei Geral de Proteção de Dados Pessoais, Lei nº 13.709/2018, e seu tratamento exige base legal, finalidade definida e medidas de segurança. Inserir dados identificáveis de pacientes num serviço de inteligência artificial genérico, sem saber onde serão armazenados, por quanto tempo e se serão usados para treinar modelos, pode configurar violação legal e quebra de sigilo profissional.
O segundo diz respeito à responsabilidade. Um texto de orientação ao paciente, uma sugestão de conduta ou um relatório gerado com auxílio de inteligência artificial continua sob a responsabilidade do profissional ou da empresa que o utiliza. A ferramenta não responde perante o paciente, o conselho profissional ou o Judiciário. A verificação humana não é cortesia; é dever.
O terceiro diz respeito à regulação. Software com finalidade médica, como apoio ao diagnóstico ou à decisão clínica, pode ser enquadrado como dispositivo médico e exigir regularização junto à Agência Nacional de Vigilância Sanitária. Empreendedores que constroem produtos sobre modelos de linguagem precisam avaliar esse enquadramento antes de colocar a solução no mercado.
O quarto, por fim, é a fronteira irregular aplicada à clínica. Um modelo que redige com fluência pode apresentar uma informação clínica incorreta com a mesma fluência. Em saúde, o custo de aceitar a resposta plausível e errada pode recair sobre o paciente.
Um protocolo mínimo de uso
As evidências permitem esboçar algumas regras práticas para quem quer incorporar a inteligência artificial ao dia a dia de um empreendimento sem cair nas armadilhas descritas.
Comece pelas tarefas em que o erro é barato e fácil de detectar: rascunhos de textos, organização de ideias, resumos de documentos que você mesmo leu, formatação de planilhas. Nelas, a ferramenta poupa tempo e qualquer falha aparece na revisão.
Trate com mais cautela as tarefas em que o erro é caro ou difícil de perceber: cálculos financeiros, cláusulas contratuais, informações clínicas, citações de normas e referências bibliográficas. Nelas, a regra é verificar na fonte primária antes de usar, porque a fluência do texto não garante a sua exatidão.
Registre o que funciona. Como a fronteira é irregular e muda com o tempo, a melhor bússola é a experiência acumulada da própria equipe sobre onde a ferramenta acerta e onde costuma errar.
Defina, por escrito, o que nunca entra no sistema: dados identificáveis de pacientes, segredos comerciais, informações de parceiros protegidas por confidencialidade. Essa regra simples previne a maior parte dos problemas jurídicos.
E, por fim, preserve as habilidades que a ferramenta tende a atrofiar. Se o achado de que novatos ganham mais é encorajador, ele também levanta uma pergunta: quem nunca escreve sem ajuda aprende a escrever? Para equipes em formação, alternar trabalho com e sem a ferramenta pode ser tão importante quanto usá-la bem.
Considerações finais
A evidência experimental sobre a inteligência artificial generativa é mais equilibrada do que o entusiasmo e o pânico que a cercam. Os ganhos de produtividade são reais, sobretudo em tarefas de escrita, comunicação e atendimento, e beneficiam mais quem está começando. Ao mesmo tempo, existe uma fronteira irregular fora da qual o uso da ferramenta piora o desempenho, e saber onde ela passa exige conhecimento do domínio e julgamento.
Para quem empreende, a lição é usar a inteligência artificial para acelerar o que é padronizável e investir o tempo liberado naquilo que ela não oferece: conhecimento profundo do problema, dados próprios, relações de confiança e discernimento. Na saúde, acrescente-se o cuidado com os dados, a responsabilidade pelo que se entrega e a atenção à regulação. O rascunho pode chegar pronto. A escolha continua sendo de quem assina.
Fontes
1. Noy S, Zhang W. Experimental evidence on the productivity effects of generative artificial intelligence. Science. 2023;381(6654):187-92.
DOI: https://doi.org/10.1126/science.adh2586
Disponível em: https://doi.org/10.1126/science.adh2586
Comentário: Experimento com profissionais de formação superior em tarefas de escrita, no qual o acesso a um assistente de inteligência artificial generativa reduziu o tempo de execução e aumentou a qualidade. Mostra que os participantes de pior desempenho inicial foram os mais beneficiados, base para a seção sobre os experimentos.
2. Brynjolfsson E, Li D, Raymond L. Generative AI at work. Q J Econ. 2025;140(2):889-942.
DOI: https://doi.org/10.1093/qje/qjae044
Disponível em: https://doi.org/10.1093/qje/qjae044
Comentário: Estudo com milhares de atendentes de suporte ao cliente que passaram a contar com um assistente de inteligência artificial. Encontrou ganho médio de produtividade e ganhos muito maiores entre novatos, interpretados como difusão do conhecimento dos atendentes mais experientes.
3. Dell’Acqua F, McFowland E 3rd, Mollick ER, Lifshitz-Assaf H, Kellogg K, Rajendran S, et al. Navigating the jagged technological frontier: field experimental evidence of the effects of AI on knowledge worker productivity and quality. Harvard Business School Working Paper 24-013 [preprint]. 2023.
DOI: https://doi.org/10.2139/ssrn.4573321
Disponível em: https://doi.org/10.2139/ssrn.4573321
Comentário: Experimento de campo com consultores de uma empresa de consultoria estratégica, divulgado como documento de trabalho. Mostra ganhos expressivos em tarefas dentro da fronteira de competência da inteligência artificial e piora de desempenho numa tarefa fora dela. Sustenta o conceito de fronteira irregular.
4. Chalmers D, MacKenzie NG, Carter S. Artificial intelligence and entrepreneurship: implications for venture creation in the fourth industrial revolution. Entrep Theory Pract. 2021;45(5):1028-53.
DOI: https://doi.org/10.1177/1042258720934581
Disponível em: https://doi.org/10.1177/1042258720934581
Comentário: Artigo conceitual que examina como a inteligência artificial pode alterar as etapas do processo de criação de empresas. Discute a redução de barreiras de entrada e a perda de diferenciação quando todos têm acesso às mesmas ferramentas, base para a seção sobre criação de empresas.
5. Obschonka M, Audretsch DB. Artificial intelligence and big data in entrepreneurship: a new era has begun. Small Bus Econ. 2020;55(3):529-39.
DOI: https://doi.org/10.1007/s11187-019-00202-4
Disponível em: https://doi.org/10.1007/s11187-019-00202-4
Comentário: Artigo que trata a inteligência artificial e os grandes volumes de dados tanto como ferramentas para empreendedores e pesquisadores quanto como fenômenos que transformam o campo do empreendedorismo. Sustenta a ideia de que a tecnologia cria oportunidades de negócio novas, além de acelerar as existentes.
Pontos para Recordar
- Experimentos rigorosos mostram ganhos reais de produtividade com inteligência artificial generativa em tarefas de escrita e atendimento.
- Os maiores ganhos tendem a ocorrer entre profissionais menos experientes, o que reduz diferenças de desempenho.
- A fronteira do que a inteligência artificial faz bem é irregular e não coincide com a intuição humana sobre o que é fácil ou difícil.
- Fora dessa fronteira, aceitar a resposta plausível do modelo pode piorar o desempenho em relação a trabalhar sem ele.
- A inteligência artificial reduz barreiras de entrada, mas o que todos podem usar deixa de ser vantagem competitiva.
- Conhecimento do problema, dados próprios, relações de confiança e julgamento são as vantagens que a ferramenta não oferece.
- Em saúde, o uso de inteligência artificial exige proteção de dados sensíveis, verificação humana e atenção à regulação sanitária.
Declaração de uso de Inteligência Artificial Generativa
Este texto foi produzido com o auxílio de Claude Opus 5.5, desenvolvida pela Anthropic, utilizado como ferramenta de apoio nas fases de brainstorming, de estruturação do conteúdo e de produção do texto. As imagens foram produzidas com auxílio do ChatGPT da OpenAI. A responsabilidade pela versão final e precisão das informações, pelo pensamento crítico, pela seleção das fontes e pelo conteúdo publicado é integralmente do autor.
Declaração de uso da inteligência humana
Declaro que a elaboração deste trabalho contou com o uso de inteligência humana desde a ideação, passando pela formulação das perguntas, pela escolha dos argumentos, pela interpretação das informações e pelas decisões sobre o que comunicar.
Essa inteligência gerenciou o uso dos recursos tecnológicos, incluindo computadores, internet, processadores eletrônicos de texto, corretores ortográficos, planilhas de dados e aplicativos de criação de desenhos e imagens. Também orquestrou o uso de recursos de inteligência artificial generativa, definindo suas finalidades, orientando as solicitações, avaliando as respostas e decidindo o que incorporar, modificar ou descartar.
Seu uso envolveu curiosidade, memória, experiência, dúvida e julgamento crítico. Reconheço que essa inteligência está sujeita a vieses, cansaço, lacunas de conhecimento e erros, inclusive quando se expressa com segurança. As ferramentas utilizadas apoiaram o processo de criação. A responsabilidade pelo conteúdo que escolhi publicar, por suas implicações e pelas correções necessárias permanece minha.
Declaro, por fim, que o exercício da inteligência humana inclui reconhecer o que não sei, verificar o que afirmo e rever o que penso diante de boas razões. Aliás, a responsabilidade humana pelo que se publica sempre foi essa, mesmo antes da IA generativa. Este texto contou com participação humana consciente, falível e responsável.