IA generativa e produtividade: novatos 34% mais produtivos

Os experimentos controlados sobre IA generativa e produtividade chegam a uma conclusão consistente: a IA acelera as tarefas que estão dentro do que ela faz bem, o ganho é maior para quem tem menos experiência e o resultado piora quando a tarefa sai dessa fronteira. No estudo mais citado, com 5.179 atendentes de suporte de uma empresa de software, o assistente de IA aumentou em 14% os chamados resolvidos por hora na média, e os atendentes novatos e de menor desempenho resolveram 34% mais chamados por hora, enquanto os mais experientes quase não ganharam (Brynjolfsson, Li e Raymond, NBER, 2023). Com 758 consultores do BCG, quem usou IA terminou 12,2% mais tarefas e trabalhou 25,1% mais rápido nas tarefas dentro da fronteira, e numa tarefa escolhida para ficar fora dela teve 19% menos chance de chegar à resposta correta (Dell’Acqua e colegas, 2026). Para a liderança comercial, a leitura prática cabe em três decisões: onde usar, quem revisa e como formar o time para reconhecer a linha.

Nas turmas de liderança, vejo esses números circularem sem o contexto que os explica. O “55% mais rápido” chega à reunião de diretoria sem a informação de que a amostra eram 95 programadores freelancers fazendo uma única tarefa padronizada. Neste texto eu volto aos artigos originais, mostro o que cada experimento mediu e o que ficou de fora e traduzo o resultado para vendas, marketing e atendimento. Como medir o retorno de um projeto de IA na sua empresa é assunto de ROI de IA; aqui o foco é o que a pesquisa já provou e o que ainda não provou.

O que os experimentos sobre IA generativa e produtividade mediram?

A maior parte dos números sobre IA no trabalho vem de pesquisas de opinião, em que a pessoa diz quanto tempo acha que economizou. Os estudos desta lista sorteiam quem recebe a ferramenta, ou aproveitam uma implantação escalonada, e comparam o desempenho medido de quem usou com o de quem não usou. Esse desenho permite falar em causa, dentro dos limites da tarefa e da amostra de cada um. Incluí também um estudo dinamarquês com dados administrativos, que pergunta se o ganho na tarefa aparece no salário e nas horas trabalhadas.

Fonte	Ano	Amostra e método	Principal achado
Brynjolfsson, Li e Raymond, NBER; versão publicada no Quarterly Journal of Economics	2023 e 2025	5.179 atendentes de suporte (5.172 na versão publicada), implantação escalonada de assistente de IA, 3 milhões de conversas	Chamados resolvidos por hora sobem 14% (15% na versão publicada); 34% entre os menos qualificados e menos experientes
Noy e Zhang, Science	2023	453 profissionais com curso superior, experimento online pré-registrado, tarefas de escrita da própria ocupação	Tempo cai 40% e qualidade sobe 18%; a distância entre os trabalhadores diminui
Dell’Acqua e colegas, Harvard Business School e BCG; versão publicada na Organization Science	2023 e 2026	758 consultores, experimento pré-registrado com três grupos (sem IA, com GPT-4, com GPT-4 e orientação de prompt)	Dentro da fronteira, 12,2% mais tarefas e 25,1% mais velocidade; fora dela, 19% menos chance de resposta correta
Peng e colegas, Microsoft Research, GitHub e MIT	2023	95 programadores freelancers, sorteados entre usar ou não um assistente de código	Grupo com IA terminou a tarefa 55,8% mais rápido
Becker e colegas, METR	2025	16 desenvolvedores experientes, 246 tarefas reais em projetos de código aberto que conheciam havia cinco anos em média	Com IA, as tarefas levaram 19% mais tempo, contra a expectativa dos participantes
Humlum e Vestergaard, NBER	2025, revisado em 2026	Pesquisas com 25 mil trabalhadores de 7 mil locais de trabalho na Dinamarca, ligadas a registros administrativos	Efeito nulo em salário e horas registradas dois anos depois do lançamento do ChatGPT, descartando efeitos acima de 2%

Atendimento ao cliente: o que mediu o estudo de Brynjolfsson, Li e Raymond?

Os autores acompanharam atendentes de suporte por chat de uma empresa da Fortune 500 que vende software de processos de negócio. A ferramenta lia a conversa em tempo real e sugeria respostas, e o atendente continuava responsável pelo diálogo, livre para ignorar a sugestão. Como a empresa liberou o assistente para grupos diferentes em datas diferentes, os pesquisadores compararam quem já tinha a ferramenta com quem ainda não tinha. A medida principal foi chamados resolvidos por hora, que combina tempo de atendimento, atendimentos simultâneos e taxa de resolução.

O ganho médio de 14% esconde a distribuição que mais interessa. Os atendentes do quinto de menor desempenho antes da IA resolveram 34% mais chamados por hora, e os do quinto de maior desempenho não ganharam produtividade e tiveram pequena queda, com significância estatística, na taxa de resolução e na satisfação do cliente. Atendentes com dois meses de casa e acesso ao assistente tiveram desempenho igual ao de colegas sem IA com mais de seis meses. Os pedidos de clientes para falar com um supervisor caíram quase 25%, e a rotatividade dos atendentes novos diminuiu. Nos períodos em que o sistema saiu do ar, quem tinha usado o assistente por mais tempo continuou acima da própria linha de base, sinal de que a ferramenta espalhou as práticas dos melhores para os novatos. A versão publicada em 2025, com 5.172 atendentes, registra ganho médio de 15% e descreve, para os mais experientes, pequeno ganho de velocidade com pequena perda de qualidade.

Tarefas de escrita: o que Noy e Zhang encontraram na Science?

Shakked Noy e Whitney Zhang, do MIT, pediram a profissionais de marketing, redatores de projetos, consultores, analistas de dados, profissionais de RH e gestores duas tarefas de escrita típicas da ocupação, como comunicado de imprensa, relatório curto e e-mail delicado. Cada tarefa durava de 20 a 30 minutos, com bônus pela qualidade e avaliação cega por profissionais experientes da mesma área, e metade dos participantes recebeu acesso ao ChatGPT antes da segunda tarefa. O tempo médio caiu 40%, a qualidade subiu 18%, e quem tinha ido pior na primeira tarefa foi quem mais ganhou.

Um detalhe da versão preliminar divulgada pelos autores importa para a gestão. Nela, 68% dos participantes com acesso à ferramenta disseram ter entregue o primeiro texto do ChatGPT sem editar, e os textos finais não tiveram nota maior que a resposta bruta da ferramenta. Os autores listam como limitação central o fato de as tarefas serem curtas, autocontidas e sem o conhecimento de contexto que o trabalho real exige. Para uma operação comercial, a pergunta passa a ser quanto do trabalho da sua equipe se parece com um e-mail de 25 minutos sem histórico de cliente.

Consultores do BCG: o que é a fronteira tecnológica irregular?

O estudo de Fabrizio Dell’Acqua e colegas, feito com a Boston Consulting Group e circulado como working paper da Harvard Business School em 2023, criou a expressão “fronteira tecnológica irregular”. A IA melhora o desempenho em algumas tarefas e piora em outras de dificuldade parecida, dentro do mesmo fluxo de trabalho, e quem olha de fora não consegue prever de que lado cada tarefa está. Nas 18 tarefas dentro da fronteira, de criação de produto a análise, quem usou IA terminou 12,2% mais tarefas, trabalhou 25,1% mais rápido e entregou qualidade superior. Na tarefa de fora da fronteira, em que o consultor cruzava planilhas de desempenho com entrevistas de executivos para achar a causa do problema da empresa, quem usou IA teve 19% menos chance de chegar à solução correta.

A publicação do BCG sobre o experimento acrescenta detalhes que eu levo para a sala de aula. Na tarefa de diagnóstico, o desempenho de quem usou GPT-4 foi 23% pior, porque muitos participantes aceitaram a resposta errada da ferramenta. Na tarefa criativa, os participantes com menor proficiência inicial melhoraram 43%, e os de maior proficiência ganharam 17% ali e perderam 17% no diagnóstico. O grupo que recebeu cerca de 30 minutos de orientação sobre o uso do GPT-4 e seus limites foi, em média, pior no diagnóstico do que quem não recebeu, e os autores suspeitam de excesso de confiança. O resultado mais uniforme da IA também reduziu em 41% a diversidade de ideias do grupo.

Programação: o assistente de código acelera ou atrasa?

No experimento de Sida Peng e colegas, 95 programadores contratados numa plataforma de freelancers tiveram de escrever um servidor HTTP em JavaScript o mais rápido possível. Os 45 sorteados para usar o assistente de código terminaram em 71 minutos, em média, contra 161 minutos dos 50 do grupo de controle, uma redução de 55,8% com intervalo de confiança de 21% a 89%. Os programadores com menos experiência tenderam a ganhar mais, com um coeficiente no limite da significância convencional.

O estudo do METR, de 2025, mediu outra situação: 16 desenvolvedores experientes trabalharam em 246 tarefas reais de projetos de código aberto maduros, e cada tarefa foi sorteada para permitir ou proibir ferramentas de IA. Antes de começar, eles previam redução de 24% no tempo; ao final, estimaram redução de 20%; o tempo medido subiu 19%. Em fevereiro de 2026, o METR publicou uma atualização com 57 desenvolvedores e mais de 800 tarefas, em que a estimativa passou a apontar ganho de tempo, com intervalo de confiança que inclui o zero, e o instituto classificou o sinal como pouco confiável porque muitos desenvolvedores se recusaram a trabalhar sem IA. Desse par de estudos, levo para a operação comercial a distância entre o que as pessoas sentem e o que o cronômetro mede.

Quem ganha mais e onde a IA piora o resultado?

O padrão se repete em quatro dos cinco estudos de tarefa: o ganho se concentra em quem está no começo ou abaixo da média, e a perda aparece entre os mais experientes ou nas tarefas que exigem contexto e julgamento.

Estudo	Tarefa	Quem ganhou mais	Onde a IA piorou ou não ajudou
Brynjolfsson, Li e Raymond	Atendimento por chat em suporte de software	Atendentes novatos e de menor desempenho: +34% de chamados resolvidos por hora	Atendentes de maior desempenho: sem ganho e pequena queda em resolução e satisfação
Noy e Zhang	Textos de 20 a 30 minutos da própria ocupação	Participantes com pior nota na primeira tarefa	Tarefas longas ou com contexto da empresa ficaram fora do estudo
Dell’Acqua e colegas	Criação de produto e diagnóstico de negócio	Consultores com menor proficiência inicial: +43% na tarefa criativa	Diagnóstico fora da fronteira: 19% menos chance de resposta correta
Peng e colegas	Servidor HTTP em JavaScript, tarefa padronizada	Programadores com menos experiência, com evidência fraca	Taxa de conclusão sem diferença estatística
Becker e colegas (METR)	Tarefas reais em projetos que o desenvolvedor domina	Nenhum grupo no estudo de 2025	Desenvolvedores experientes levaram 19% mais tempo

O que esses dados não dizem

Os estudos medem tarefas, e a sua empresa contrata pessoas que fazem dezenas de tarefas por semana. Um ganho de 40% num e-mail de 25 minutos não vira 40% a mais de capacidade do time, porque o vendedor também conduz reunião, negocia e atualiza o CRM. No estudo dinamarquês de Humlum e Vestergaard, em 11 ocupações expostas à IA, incluindo atendimento ao cliente e marketing, os autores não encontraram efeito em salário nem em horas registradas até o fim de 2024, e 85% dos usuários disseram ter realocado o tempo economizado para outras tarefas. O efeito sobre o emprego é assunto de IA e empregos.

As amostras têm perfis específicos. Os programadores do estudo de 2023 eram freelancers, a maioria entre 25 e 34 anos e da Índia e do Paquistão, e os autores trabalham para a empresa que desenvolve a ferramenta testada. Os consultores do BCG formam uma população selecionada, e os atendentes trabalhavam num único fornecedor de software, com uma ferramenta treinada nas conversas dos melhores atendentes daquela empresa. Nenhum dos estudos mediu vendedores B2B em negociação, e qualquer número sobre “produtividade de vendedores com IA” precisa da mesma checagem de amostra e método.

As ferramentas também mudaram. Os experimentos de 2023 usaram modelos hoje defasados, e a fronteira se moveu, como a atualização do METR sugere. A lição do estudo do BCG continua válida com modelos melhores: a linha é irregular e invisível, e ela muda de lugar. Por fim, quase todos os ganhos foram medidos em velocidade e em notas de avaliadores no curto prazo, e os efeitos sobre aprendizado, diversidade de abordagens e receita da empresa continuam pouco estudados.

O que esses estudos significam para vendas, marketing e atendimento?

Vendas: ramp-up mais curto e risco no diagnóstico

O resultado mais útil para vendas vem do atendimento: dois meses com IA equivaleram a seis meses de experiência. Para um gestor que contrata vendedores, isso aponta para o onboarding de vendedores, em que o assistente pode carregar as boas práticas dos melhores, desde que alguém as tenha registrado no playbook e no CRM. O alerta vem do estudo do BCG: a tarefa de fora da fronteira, cruzar números com entrevistas para achar a causa do problema, se parece com o diagnóstico de uma venda consultiva. Um vendedor júnior que pede à IA a leitura da dor do cliente pode receber uma resposta convincente e errada, e ele tem menos repertório para perceber.

Marketing: velocidade de produção e perda de variedade

Os estudos de escrita e de criação de produto descrevem bem o trabalho de conteúdo, e o ganho de tempo em peças curtas tem sustentação experimental. A redução de 41% na diversidade de ideias medida pelo BCG pede atenção de quem cuida de posicionamento e de campanhas por segmento, porque um time inteiro pedindo ao mesmo modelo a mesma tarefa produz peças parecidas entre si e com as do concorrente. Eu recomendo reservar a etapa de ideia e ângulo para a equipe e usar a IA na produção e nas variações.

Atendimento: a evidência mais forte, com atenção aos melhores

O atendimento tem a evidência mais forte da lista, com amostra grande, ambiente real e medidas de produtividade e de qualidade. O mesmo estudo mostra que o assistente pode atrapalhar os atendentes mais qualificados, e a liderança precisa acompanhar resolução e satisfação desse grupo em separado, além da média. Os usos que já funcionam na triagem e na resposta estão em IA no atendimento ao cliente.

Para RH e T&D: a formação que esses estudos pedem

No estudo do BCG, 30 minutos de orientação sobre prompt não protegeram os consultores na tarefa de fora da fronteira e, em média, pioraram o resultado. A formação que os dados sugerem ensina a reconhecer a fronteira na tarefa da própria área, a conferir a resposta contra a fonte e a decidir quando não usar a ferramenta. O estudo dinamarquês aponta na mesma direção pelo lado da adoção: nos locais de trabalho que combinavam incentivo ao uso, ferramenta corporativa e treinamento, 93% dos trabalhadores já tinham usado chatbots no trabalho, 28% usavam todos os dias e 19% relatavam economizar mais de uma hora por dia. Dê prioridade aos novatos, que ganham mais e têm menos repertório para perceber o erro.

O que a liderança faz com esses números

1. Mapeie tarefas, e não cargos. Liste as tarefas recorrentes de cada área e marque quais se parecem com as que os estudos mediram, como texto curto e primeiro rascunho, e quais exigem diagnóstico com dados e contexto da conta.
2. Teste a fronteira antes de liberar. Use o roteiro do quadro acima em cada tarefa candidata, com casos reais da sua operação, e registre o resultado junto com o modelo usado.
3. Defina a revisão pelo nível de experiência. O novato ganha mais e erra sem perceber; o experiente ganha menos e pode perder qualidade ao seguir a sugestão. Escreva quem revisa cada perfil, com que amostragem, e coloque isso na política de uso de IA.
4. Acompanhe qualidade por grupo. Separe os indicadores de resolução, conversão ou satisfação dos profissionais mais experientes, o grupo em que a IA piorou a qualidade no atendimento.
5. Meça tempo com dado do sistema. Os desenvolvedores do METR acreditavam num ganho de 20% enquanto perdiam 19%; compare antes e depois com as datas do CRM e do help desk.
6. Decida o destino do tempo liberado. Sem decisão, o tempo se dilui em outras tarefas, como o estudo dinamarquês registrou; defina se ele vira mais contas por pessoa, mais reuniões com cliente ou uma contratação adiada.

Os experimentos mostram ganho real e desigual, e quem captura esse ganho são as equipes que sabem onde a ferramenta acerta e onde ela erra com confiança. Esse é o trabalho do treinamento in company de IA aplicada, montado sobre os processos e os dados da empresa, com turmas de liderança e de operação de vendas, marketing e atendimento. Ele entrega a biblioteca de prompts por área, testada contra a fronteira de cada tarefa, e a arquitetura de agentes, com o que cada agente lê, o que executa sozinho e quem aprova o restante.

Perguntas frequentes

Quanto a IA generativa aumenta a produtividade?

Nos experimentos controlados mais citados, o ganho variou de 14% em chamados resolvidos por hora no atendimento a 55,8% de redução de tempo numa tarefa padronizada de programação, passando por 40% menos tempo em tarefas de escrita e 25,1% mais velocidade em tarefas de consultoria. Esses números valem para tarefas específicas, e um estudo com desenvolvedores experientes em projetos reais mediu o efeito contrário, com 19% mais tempo.

Quem ganha mais produtividade com IA no trabalho?

Em quatro dos cinco experimentos de tarefa, os profissionais com menos experiência ou desempenho inicial mais baixo ganharam mais. No atendimento, os novatos e os de menor desempenho resolveram 34% mais chamados por hora; entre os consultores do BCG, os de menor proficiência inicial melhoraram 43% na tarefa criativa. Os mais experientes ganharam pouco e, em alguns casos, perderam qualidade.

O que é a fronteira tecnológica irregular?

É a expressão criada por pesquisadores de Harvard e do BCG para descrever o fato de a IA melhorar o desempenho em algumas tarefas e piorar em outras de dificuldade parecida, dentro do mesmo trabalho. No experimento, os consultores que usaram IA numa tarefa de diagnóstico fora dessa fronteira tiveram 19% menos chance de chegar à resposta correta.

Esses estudos valem para equipes de vendas B2B?

Nenhum dos experimentos mediu vendedores B2B em negociação, e a extrapolação pede cuidado. O estudo de atendimento e o de escrita se aproximam de tarefas de pré-venda, follow-up e conteúdo, e o estudo do BCG alerta para o diagnóstico, que é o centro da venda consultiva. Teste a sua tarefa com casos reais antes de assumir o ganho de outro contexto.

Como preparar o time para usar IA sem piorar o resultado?

Treine a equipe para reconhecer a fronteira na própria tarefa, conferir a resposta contra a fonte e decidir quando não usar a ferramenta, além de escrever bons pedidos. Priorize os profissionais mais novos e defina quem revisa o trabalho de cada perfil. No experimento do BCG, uma orientação curta sobre prompt não protegeu os consultores e piorou o resultado na tarefa de diagnóstico.

Por que o ganho dos experimentos não aparece no resultado da empresa?

O experimento mede uma tarefa isolada, e o tempo economizado só vira resultado quando a liderança decide como usá-lo. Num estudo com 25 mil trabalhadores na Dinamarca, os autores não encontraram efeito em salário nem em horas dois anos depois do ChatGPT, e 85% dos usuários disseram ter realocado o tempo para outras tarefas.