O relatório chegou às 14h12 com uma aparência impecável. Havia um resumo executivo, tópicos bem organizados, uma análise dividida em blocos e recomendações apresentadas com tanta segurança que, numa leitura rápida, seria fácil imaginar algumas horas de pesquisa por trás daquele material. Na verdade, alguém havia passado poucos minutos numa ferramenta de inteligência artificial, ajustado algumas frases e encaminhado o documento como se o trabalho estivesse concluído.
A impressão começou a mudar quando outra pessoa precisou usar aquilo de verdade. Um dos dados não conferia com a fonte original, uma recomendação ignorava uma característica importante da empresa e boa parte do texto repetia as mesmas conclusões de maneiras diferentes. O documento estava bem escrito, mas havia pouca análise. Para transformar aquela primeira versão em algo que pudesse orientar uma decisão, o destinatário precisou conferir informações, reconstruir argumentos e contextualizar praticamente tudo.
Quem produziu economizou tempo, mas o trabalho que deixou de fazer não desapareceu. Apenas foi transferido para outra pessoa.
Esse tipo de situação ganhou espaço nas discussões sobre inteligência artificial no trabalho e passou a ser chamado de workslop. A expressão descreve materiais produzidos com ajuda de IA que chegam com aparência de trabalho finalizado, embora ainda exijam uma quantidade significativa de interpretação, correção e pensamento por parte de quem os recebe.
O fenômeno ajuda a colocar uma questão importante no centro da adoção da inteligência artificial nas empresas. Depois de alguns anos discutindo quanto tempo a tecnologia consegue economizar, talvez seja necessário começar a perguntar quanto retrabalho ela também pode produzir quando é utilizada sem critério.
Ficou muito mais fácil dar aparência profissional a um trabalho que ainda não está pronto
Relatórios superficiais, apresentações mal pensadas e análises feitas às pressas sempre circularam pelas empresas. A inteligência artificial não inventou nenhum desses problemas. O que mudou foi a facilidade para produzir materiais com uma aparência muito melhor do que a profundidade que realmente possuem.
Esse detalhe importa porque a apresentação influencia nossa percepção sobre a qualidade de uma entrega. Um arquivo obviamente incompleto costuma ser recebido como um rascunho, enquanto um documento bem organizado, com linguagem segura e estrutura aparentemente lógica, tende a ganhar credibilidade antes mesmo de alguém verificar o conteúdo.
A BetterUp Labs, em parceria com o Stanford Social Media Lab, resolveu investigar esse comportamento. Na pesquisa inicial, realizada com 1.150 trabalhadores em tempo integral nos Estados Unidos, 40% dos participantes disseram ter recebido algum tipo de workslop no mês anterior. Eles estimaram gastar cerca de duas horas lidando com cada ocorrência, entre entender o que havia sido enviado, encontrar problemas e transformar o material em algo utilizável.
A BetterUp também estimou o impacto financeiro desse retrabalho e chegou a um custo potencial superior a US$ 9 milhões por ano para uma organização com 10 mil funcionários. Evidentemente, não se trata de um número que possa ser aplicado automaticamente a qualquer empresa, mas a pesquisa evidencia um ponto que merece atenção: normalmente é fácil contabilizar o tempo economizado por quem utilizou a IA, enquanto o esforço adicional imposto a quem recebe aquela entrega quase nunca aparece no indicador de produtividade.
Sua empresa já usa IA. Mas está usando com inteligência?
Leve para sua equipe uma conversa mais madura sobre inteligência artificial, pensamento crítico, produtividade e responsabilidade. Encontre palestrantes capazes de ir além da demonstração de ferramentas e discutir o impacto real da IA no trabalho.
A produtividade pode ter aumentado para uma pessoa e piorado para o processo inteiro
Imagine um gerente que anteriormente precisava de três horas para preparar uma análise mensal. Com uma ferramenta de inteligência artificial, ele consegue chegar a uma primeira versão em quarenta minutos. Esse é um ganho concreto, desde que o tempo liberado seja utilizado para conferir os dados, acrescentar conhecimento sobre a empresa, questionar as conclusões e transformar o material inicial numa análise realmente útil.
Nesse cenário, a tecnologia retirou uma parcela repetitiva do trabalho e devolveu tempo para aquilo que exige repertório e julgamento.
A situação muda completamente quando a primeira versão é tratada como produto final. O gerente gera o documento, faz uma leitura superficial e encaminha para um analista, que passa a tarde verificando números, adaptando recomendações genéricas e tentando entender o que realmente pode ser aproveitado.
Para o gerente, houve ganho de produtividade. Para o fluxo de trabalho, talvez não tenha acontecido ganho algum. A atividade simplesmente mudou de mesa.
Essa diferença é importante porque muitas organizações ainda avaliam o impacto da inteligência artificial principalmente pela quantidade de horas economizadas por quem utiliza a ferramenta. É um indicador útil, mas incompleto. Uma pergunta igualmente relevante seria descobrir quanto tempo aquela mesma entrega exigiu das pessoas que vieram depois.
Dados da Gallup publicados em 2026 mostram uma diferença interessante entre percepção de eficiência individual e transformação organizacional. Entre profissionais de empresas que já haviam implementado inteligência artificial, 65% disseram perceber melhorias em produtividade e eficiência. No entanto, apenas 12% concordaram fortemente que a tecnologia havia transformado de maneira significativa a forma como o trabalho era realizado dentro da organização.
Essa distância sugere que muitas empresas já estão fazendo algumas coisas mais rapidamente, mas ainda não necessariamente repensaram seus processos. Em determinados casos, a inteligência artificial apenas acelerou um modelo de trabalho que continuou exatamente igual.
O problema não é usar inteligência artificial para produzir uma primeira versão
Seria um erro transformar a discussão sobre workslop numa crítica generalizada à inteligência artificial. Há evidências bastante relevantes de ganhos de produtividade em diferentes tarefas, e qualquer profissional que já encontrou bons casos de uso sabe o quanto essas ferramentas podem reduzir tempo gasto com atividades operacionais.
Uma revisão publicada pela Organização Internacional do Trabalho em 2026 reuniu estudos experimentais, pesquisas empresariais e outras evidências sobre os impactos da IA generativa na produtividade. Os resultados mostram benefícios em diversos contextos, embora os ganhos variem bastante conforme a tarefa, a experiência do profissional e a forma como a tecnologia é incorporada ao trabalho.
Na prática, a inteligência artificial pode ser muito boa para estruturar uma primeira versão, resumir grandes volumes de informação, comparar documentos, organizar hipóteses, revisar textos, encontrar padrões e retirar atividades repetitivas do caminho. O problema começa quando a capacidade de gerar conteúdo rapidamente cria a impressão de que o restante do processo deixou de ser necessário.
Uma primeira versão continua precisando ser entendida por alguém. Os dados precisam fazer sentido, as fontes precisam sustentar as afirmações e as recomendações precisam considerar o contexto em que serão aplicadas. Há decisões que dependem da história de um cliente, da cultura de uma empresa, de restrições que não aparecem num prompt e de informações que nunca estiveram disponíveis para o modelo.
É justamente nessa etapa que permanece uma parte valiosa do trabalho humano. A ferramenta pode ajudar a construir o material, mas alguém ainda precisa decidir se aquilo merece circular.
Empresas também contribuem para o workslop quando transformam o uso de IA em obrigação
Uma das descobertas mais interessantes das pesquisas recentes sobre o tema está relacionada ao ambiente em que o workslop aparece.
Em janeiro de 2026, a Harvard Business Review publicou uma análise de Kate Niederhoffer, Alexi Robichaux e Jeffrey Hancock, pesquisador de Stanford envolvido nos estudos sobre o fenômeno. Os autores mostram que o problema não nasce apenas da preguiça individual. Ele também pode ser estimulado por organizações que pressionam as equipes a utilizar inteligência artificial sem esclarecer em quais situações ela realmente melhora o trabalho.
A ordem “precisamos usar mais IA” parece moderna, mas diz muito pouco sobre aquilo que a empresa espera alcançar. Um profissional precisa saber qual problema deveria resolver, quais etapas podem ser automatizadas, qual padrão de qualidade continua sendo exigido e onde a revisão humana permanece indispensável.
Quando essas respostas não existem, a própria utilização da ferramenta pode virar uma espécie de prova de adaptação. O funcionário percebe que precisa demonstrar que está usando inteligência artificial e começa a procurar tarefas para encaixá-la, mesmo quando não há uma necessidade clara.
Você tem conhecimento que pode ajudar empresas a entender a nova era da IA?
A Assessoria Palestras de Sucesso ajuda profissionais a estruturar seus temas, fortalecer autoridade e posicionar seu conhecimento diante do mercado corporativo.
O resultado é fácil de reconhecer. Relatórios que poderiam ter cinco páginas passam a ter quinze porque agora ficou barato produzir texto. Uma atualização simples vira uma apresentação extensa. Um assunto que seria resolvido numa conversa de vinte minutos ganha um documento completo com contexto, síntese, análise e próximos passos.
A tecnologia aumentou nossa capacidade de produzir conteúdo. Isso também aumentou nossa capacidade de produzir conteúdo desnecessário.
Por esse motivo, organizações que já ultrapassaram a fase inicial de adoção talvez precisem abandonar a pergunta “quantas pessoas estão usando IA?” e substituí-la por algo muito mais importante: “o que ficou melhor porque estamos usando IA?”.
Pensamento crítico passa a valer ainda mais quando a resposta parece perfeita
O avanço das ferramentas trouxe outro desafio. Há alguns anos, respostas ruins de sistemas automatizados muitas vezes pareciam ruins. Hoje, um modelo consegue apresentar uma conclusão equivocada com uma linguagem clara, estrutura lógica e segurança suficiente para parecer convincente.
Isso torna o pensamento crítico ainda mais importante no ambiente profissional.
Saber escrever um bom prompt pode melhorar bastante os resultados, mas a utilização madura da tecnologia envolve também a capacidade de avaliar aquilo que voltou. A fonte realmente sustenta a conclusão? Alguma informação importante ficou de fora? O modelo está considerando a realidade daquela organização ou apenas apresentando uma resposta provável? A recomendação parece boa porque foi bem escrita ou porque existe evidência para defendê-la?
Há ainda um teste bastante simples que ajuda a separar uma primeira versão de uma entrega: a pessoa que está encaminhando aquele material conseguiria defendê-lo numa reunião sem recorrer à explicação de que “foi a IA que colocou”?
A inteligência artificial pode participar da autoria material de um texto, de uma planilha ou de uma apresentação. A responsabilidade profissional continua existindo depois que o botão “enviar” é apertado.
Isso não significa tratar todos os usos da mesma forma. Um rascunho interno utilizado para organizar ideias não exige o mesmo nível de revisão de uma análise entregue a um cliente. Uma mensagem simples possui um risco muito diferente de uma recomendação que influencia dinheiro, pessoas, saúde, segurança ou reputação. Quanto maior a consequência de um erro, maior deveria ser o cuidado com aquilo que foi produzido.
A grande oportunidade da IA talvez não seja fazer o dobro de coisas
Existe uma maneira particularmente pobre de aproveitar todo ganho de eficiência oferecido pela tecnologia: preencher imediatamente o tempo economizado com mais volume.
O profissional fazia cinco relatórios e agora passa a fazer dez. Produzia quatro apresentações e começa a produzir oito. Respondia vinte demandas e recebe cinquenta porque todos descobriram que ele consegue entregar mais rapidamente.
Pode haver situações em que esse aumento seja realmente positivo. Entretanto, existe uma oportunidade mais interessante quando a tecnologia reduz o tempo gasto em atividades operacionais: utilizar uma parcela desse espaço para realizar melhor aquilo que continua dependendo de reflexão, criatividade e julgamento.
Uma pessoa pode gastar menos tempo formatando uma apresentação e dedicar mais atenção à ideia que precisa defender. Pode resumir centenas de páginas rapidamente e utilizar o restante do tempo para comparar os argumentos encontrados. Pode chegar a uma primeira versão em minutos e usar a hora seguinte para questioná-la.
É nesse ponto que a discussão se aproxima de produtividade de uma maneira mais madura. Produzir mais não é necessariamente o único ganho possível. Produzir melhor, tomar decisões com mais informação e liberar pessoas para trabalhos de maior valor também deveriam fazer parte da conta.
Workslop também corrói a confiança entre colegas
O custo do retrabalho é relativamente fácil de compreender porque envolve horas que podem ser estimadas. Existe outro efeito, mais subjetivo, que pode ser ainda mais prejudicial ao longo do tempo.
A pesquisa da BetterUp com o Stanford Social Media Lab identificou mudanças na maneira como os destinatários passavam a perceber colegas que enviavam materiais classificados como workslop. Aproximadamente metade dos participantes passou a avaliar essas pessoas como menos criativas, capazes ou confiáveis.
O resultado não chega a ser surpreendente. Boa parte das relações profissionais depende de um contrato informal de confiança. Quando um colega entrega uma análise, pressupomos que tenha observado os dados. Quando um gestor apresenta uma recomendação, imaginamos que tenha compreendido minimamente aquilo que está defendendo. Quando recebemos um número, esperamos que alguém tenha verificado sua origem.
A repetição de materiais superficiais quebra esse contrato aos poucos. As pessoas começam a desconfiar de tudo o que chega e passam a revisar o trabalho umas das outras não porque a tarefa exige, mas porque já não sabem quanto cuidado existiu antes do envio.
Nesse momento, a IA deixa de economizar tempo e começa a criar uma nova camada de fiscalização dentro da própria equipe.
É por isso que a qualidade da utilização não deveria ser tratada apenas como uma habilidade técnica. Ela também interfere na colaboração e na reputação profissional.
A empresa precisa medir o que acontece depois que o conteúdo é gerado
Existe uma mudança bastante simples que pode melhorar a forma como organizações avaliam seus projetos de inteligência artificial: acompanhar o fluxo completo.
Uma entrega produzida em metade do tempo representa um bom resultado quando também mantém ou aumenta qualidade. Quando o documento precisa voltar diversas vezes, gera dúvida no cliente ou exige horas adicionais de outros profissionais, a economia inicial precisa ser relativizada.
Isso vale para praticamente qualquer área. Marketing pode medir velocidade de produção, mas também deveria acompanhar qualidade e performance. Atendimento pode observar redução no tempo de resposta sem perder de vista satisfação e resolução. Desenvolvimento de software pode celebrar código produzido mais rapidamente, desde que erros e manutenção não aumentem. Recursos Humanos pode automatizar etapas, mas precisa observar a experiência das pessoas envolvidas.
O uso de IA passa a fazer mais sentido quando existe uma relação clara entre a tecnologia e algum resultado desejado. Talvez seja velocidade. Talvez seja redução de erros, aumento de qualidade, melhor acesso à informação ou simplesmente o desaparecimento de uma atividade repetitiva que consumia tempo demais.
A revisão da OIT chama atenção justamente para esse aspecto. Ganhos tecnológicos não se transformam automaticamente em ganhos organizacionais. O resultado depende de como tarefas, responsabilidades e processos são reorganizados depois que a tecnologia entra em cena.
A empresa que apenas acrescenta IA ao mesmo processo ruim pode acabar produzindo o mesmo problema com muito mais velocidade.
Três palestrantes para discutir inteligência artificial depois da fase do encantamento
A conversa corporativa sobre IA está amadurecendo. Há poucos anos, uma palestra poderia surpreender simplesmente mostrando o que uma ferramenta generativa era capaz de produzir. Hoje, boa parte dos profissionais já teve algum contato com esses recursos e as perguntas começam a ficar mais interessantes.
Dentro do cast da Palestras de Sucesso, Diogo Cortiz possui uma combinação particularmente adequada para esse debate porque aproxima inteligência artificial, ciência cognitiva, comportamento e tomada de decisão. Professor da PUC-SP, trabalha também questões relacionadas a ética, governança e uso responsável da tecnologia. É um perfil que permite sair da discussão sobre ferramenta e entrar na qualidade das decisões tomadas com auxílio dela.
Genesson Honorato chega ao tema pela relação entre tecnologia, comportamento, cultura e estratégia. Seu trabalho chama atenção para capacidades humanas que ganham relevância justamente em ambientes cada vez mais automatizados, como pensamento crítico, criatividade, sensibilidade e consciência sobre as consequências das decisões. O workslop encaixa bem nessa perspectiva porque mostra o que pode acontecer quando a capacidade de gerar aumenta mais rapidamente do que a capacidade de avaliar.
Já Marcelo Nóbrega acrescenta uma visão de gestão e transformação organizacional. Com uma longa trajetória executiva em Recursos Humanos e atuação relacionada a inteligência artificial e futuro do trabalho, permite discutir aquilo que está por trás da adoção: liderança, treinamento, métricas, cultura e desenho dos processos.
Os três ajudam a levar o debate para uma etapa mais madura. A questão já não precisa ser descobrir se uma empresa deveria utilizar inteligência artificial, mas entender como reconhecer quando essa utilização realmente melhora o trabalho.
Quanto mais fácil fica produzir, mais importante se torna escolher
Há uma certa ironia em tudo isso. A tecnologia mais avançada disponível para produzir conteúdo em segundos está devolvendo valor a atividades bastante antigas: ler com atenção, verificar informação, cortar o que não serve, questionar uma conclusão e pensar antes de entregar.
Essas tarefas não têm o mesmo impacto visual de uma demonstração em que uma inteligência artificial produz vinte páginas diante dos olhos de uma plateia, mas provavelmente serão responsáveis por uma parte importante da qualidade do trabalho nos próximos anos.
Quanto mais barata se torna a produção de conteúdo, menor é o valor de simplesmente produzir alguma coisa. O diferencial começa a migrar para a capacidade de reconhecer aquilo que merece ser produzido, o que precisa ser corrigido e o que deveria ser descartado antes de ocupar o tempo de outra pessoa.
A IA pode fazer uma primeira versão em cinco minutos, e isso é um avanço extraordinário. O problema aparece quando a economia obtida por quem gera o material se transforma silenciosamente em uma hora de retrabalho para quem o recebe.
Tecnologia boa deveria retirar trabalho desnecessário do caminho. Quando apenas muda esse trabalho de endereço, talvez a produtividade seja mais aparente do que real.
Perguntas frequentes sobre workslop
O que é workslop?
Workslop é o nome usado para materiais produzidos com inteligência artificial que parecem completos e profissionais, mas ainda possuem problemas de contexto, profundidade, qualidade ou utilidade. Quem recebe esse tipo de entrega muitas vezes precisa realizar uma parcela significativa do trabalho que deveria ter sido feita antes do envio.
Workslop é a mesma coisa que uma alucinação de IA?
Não. Uma alucinação envolve informações incorretas ou inventadas pela ferramenta. Um material pode estar factualmente correto e ainda ser workslop quando é excessivamente genérico, repetitivo, pouco útil ou transfere para o destinatário a tarefa de descobrir o que realmente importa.
A inteligência artificial aumenta ou diminui a produtividade?
As pesquisas disponíveis apontam ganhos de produtividade em diferentes atividades, mas o resultado depende do tipo de tarefa, da experiência de quem utiliza a ferramenta e da forma como a empresa organiza o trabalho. Avaliar apenas o tempo de geração pode esconder retrabalho produzido em outras etapas.
Por que o workslop acontece dentro das empresas?
Entre os fatores estudados aparecem pressão pela adoção de IA, falta de critérios claros de utilização, sobrecarga e ausência de padrões de qualidade. Quando a organização cobra uso sem explicar qual resultado deseja, utilizar a ferramenta pode acabar se tornando um objetivo em si mesmo.
Como uma empresa pode reduzir esse problema?
É importante estabelecer responsabilidades sobre as entregas, ensinar avaliação crítica dos resultados, indicar onde a tecnologia realmente gera valor e acompanhar retrabalho, erros e qualidade, além da simples frequência de utilização.
Vale a pena obrigar funcionários a utilizar inteligência artificial?
Estimular aprendizado e experimentação pode trazer benefícios, mas transformar a quantidade de uso numa métrica isolada tende a ser pouco útil. A utilização precisa estar conectada a um problema, a um processo ou a um resultado que faça sentido para a organização.
Como saber se a IA realmente melhorou um processo?
A avaliação precisa considerar o fluxo completo. Além do tempo economizado, vale observar qualidade, erros, retrabalho, satisfação de clientes ou usuários, velocidade da decisão e impacto sobre o resultado final.
Fontes e referências
BetterUp Labs + Stanford Social Media Lab — Workslop: The Hidden Cost of AI-Generated Busywork
https://www.betterup.com/workslop
BetterUp — The Hidden Costs of Workslop
https://www.betterup.com/blog/hidden-costs-workslop
Harvard Business Review — Why People Create AI “Workslop” and How to Stop It
https://hbr.org/2026/01/why-people-create-ai-workslop-and-how-to-stop-it
SHRM — Navigating AI in the Workplace: 2026
https://www.shrm.org/topics-tools/research/navigating-ai-in-the-workplace
Gallup — AI and Workplace Productivity
https://www.gallup.com/workplace/713063/ai-workplace-productivity.aspx
International Labour Organization — The impact of GenAI on jobs, productivity and work organization
https://researchrepository.ilo.org/esploro/outputs/encyclopediaEntry/The-impact-of-GenAI-on-jobs/995703566902676