AI "rouba o pão", grandes despedimentos no Vale do Silício! Engenheiros de primeira linha revelam a verdade: a eficiência da IA é severamente superestimada, humanos são forçados a tornarem-se revisores, volume de trabalho é 10 vezes maior do que antes

Em 2026, o setor tecnológico do Vale do Silício enfrentou uma onda contínua de despedimentos. Em janeiro, a Amazon confirmou que iria despedir cerca de 16 mil funcionários; em fevereiro, a empresa de tecnologia financeira Block cortou quase metade da sua força de trabalho; em março, a Meta foi revelada como planejando despedir 16 mil empregados.

A ansiedade de que a IA substitua os trabalhadores de escritório varre o mercado de trabalho.

No entanto, um artigo publicado pelo engenheiro de software da Ona, Siddhant Khare, intitulado «A fadiga por IA é real, mas ninguém fala sobre ela», gerou um amplo debate na mídia global e entre os leitores.

Ele revelou a enorme disparidade entre a aplicação prática da IA e as suas visões idealizadas. Acredita que a melhoria de eficiência trazida pela IA está superestimada, enquanto os trabalhadores estão a cair na «fadiga por IA».

Recentemente, Siddhant Khare, numa entrevista exclusiva ao «Diário Econômico» (doravante NBD), afirmou que, enquanto desenvolvedor de infraestruturas de agentes de IA, recomenda às pessoas que mudem os seus hábitos de uso da IA para evitar ficarem presas num ciclo de geração, revisão, re-geração e re-revisão.

Fonte da imagem: conta social do entrevistado

«Com a IA, a carga de trabalho das pessoas é dez vezes maior do que antes»

NBD: Quais são, na sua opinião, as causas da «fadiga por IA»?

Siddhant Khare: A «fadiga por IA» é, na essência, um problema estrutural. A IA aumenta várias vezes a eficiência na geração de código, textos, documentos, etc., mas a eficiência na fase de revisão e validação não acompanhou esse ritmo. As pessoas continuam a ser o principal gargalo do processo de trabalho, tendo de lidar com uma carga de trabalho dez vezes maior.

É como uma fábrica que substitui uma máquina de estampagem por uma que trabalha dez vezes mais rápido, mas a inspeção final na linha de produção permanece com um único inspetor. Com uma capacidade de produção muito maior, a carga de trabalho do inspetor dobra, mas a taxa de produtos defeituosos mantém-se inalterada, levando ao colapso final daquele que suporta toda a pressão de revisão.

No âmbito do trabalho baseado em conhecimento, a IA apenas automatizou a produção, sem automatizar a revisão. A maioria dos gestores empresariais não percebe esse problema. Eles apenas olham para os dados superficiais: mais entregas de código, mais documentos produzidos, maior volume de emails enviados, relatórios mais elaborados, mas o cansaço físico e mental dos funcionários é ignorado.

NBD: As pessoas pensavam que a IA poderia aumentar a eficiência, então por que é que a carga de trabalho aumentou tanto?

Siddhant Khare: O aumento de produtividade proporcionado pela IA não se traduziu em mais tempo livre para os funcionários, mas sim numa maior expectativa de desempenho por parte das empresas, elevando o «padrão de qualidade» do trabalho.

Antes da IA, um engenheiro de software submetia cerca de 20 pedidos de pull request (PR) por semana, o que era considerado normal. Com a ajuda da IA, a sua capacidade teórica de produção aumentou para 50, e a empresa passou a estabelecer esse número como novo padrão.

Todo conteúdo gerado pela IA depende de revisão humana. Como mantenedor de projetos open source, tenho uma experiência particularmente marcante. Antes, eu lidava com cerca de 20 a 25 PRs de código por semana; agora, esse número disparou para mais de cem, sendo a maioria gerada por IA, e cada pedido precisa de uma revisão minuciosa.

«Usar ferramentas de programação com IA, na prática, diminui a eficiência em 19%»

NBD: Quais valores da IA são mais frequentemente superestimados? E quais custos são subestimados?

Siddhant Khare: A estimativa mais comum e equivocada é a velocidade de implementação da IA e o aumento imediato de eficiência. Muitas empresas caem num erro comum, pensando que, ao fornecerem ferramentas de suporte de IA aos seus funcionários, verão um salto de produtividade em poucas semanas, mas os dados reais mostram o contrário.

A plataforma de análise de eficiência de engenharia e produtividade DX realizou uma pesquisa abrangente com mais de 450 empresas e 120 mil desenvolvedores. Os resultados indicam que, mesmo com 93% dos desenvolvedores a utilizarem ferramentas de programação com IA, o aumento real de eficiência é de apenas 10%, e dificilmente há avanços posteriores.

Os testes comparativos do instituto METR, especializado em avaliação de modelos e análise de riscos, revelam uma realidade ainda mais dura: desenvolvedores que usam ferramentas de IA tiveram uma redução de 19% na eficiência real de trabalho, embora subjetivamente sintam que a velocidade aumentou 24%.

O custo que as empresas mais subestimam é, primeiramente, o trabalho humano de revisão de conteúdo gerado por IA, que quase nenhuma delas inclui na sua planificação de custos de trabalho, pois essa revisão é demorada e exaustiva. Em segundo lugar, está a questão do reconhecimento profissional dos funcionários: quando a maior parte do trabalho é feita por IA, funcionários que antes obtinham satisfação pelo seu conhecimento especializado podem começar a sentir-se apenas como inspetores de linha de produção. Essa discrepância de identidade é difícil de quantificar, mas pode levar à perda de talentos de forma direta.

«Revisar conteúdo de IA é mais cansativo do que fazer você mesmo»

NBD: Muitas pessoas de escritório pensam que usar IA é, na verdade, treinar a IA para substituir-se a si mesmas. Essa preocupação é válida? Quais cargos são mais facilmente substituíveis e quais são mais resistentes?

Siddhant Khare: A maioria dos trabalhadores comuns não está a treinar diretamente grandes modelos de IA. Quando usam ferramentas como ChatGPT ou Copilot no dia a dia, o conteúdo que inserem não é automaticamente utilizado para treinar a próxima geração de modelos, e a maioria dos contratos de uso dessas plataformas proíbe explicitamente essa prática. A ideia de «treinar uma IA para substituir-se a si mesmo» não é tecnicamente correta.

O verdadeiro impacto da IA no mercado de trabalho não é uma substituição massiva de pessoas, mas uma redefinição de cargos, um aumento substancial na intensidade do trabalho e uma transferência de tarefas centrais. Os empregos mais facilmente substituíveis são aqueles que produzem resultados padronizados, com requisitos de qualidade baixos e tarefas repetitivas, como redação de rascunhos, entrada de dados básicos, geração simples de código ou elaboração de relatórios padronizados — tarefas que só precisam de «ser suficientes».

Por outro lado, os cargos mais difíceis de substituir são aqueles que exigem compreensão global, sensibilidade estética e julgamento independente, como arquitetura de sistemas, definição de estratégias de produto, negociações comerciais, criação de conteúdos criativos, etc. O valor central dessas funções nunca foi a execução manual.

Na verdade, a maioria dos profissionais encontra-se numa zona intermediária. O trabalho não desaparece de um dia para o outro, mas exige uma transformação.

NBD: Como é que você vê a mudança no valor central dos funcionários?

Siddhant Khare: Essa mudança já está a acontecer de forma concreta, embora a maioria das avaliações de desempenho das empresas ainda não tenha acompanhado esse ritmo.

No futuro, os engenheiros mais valiosos não serão aqueles que escrevem código mais rápido ou produzem mais, mas sim aqueles que conseguem perceber rapidamente se uma solução de IA é compatível com o sistema global e se a abordagem faz sentido. Essa capacidade de julgamento depende de uma experiência de longo prazo na indústria e de uma visão sistêmica ampla, não sendo algo que se adquira apenas otimizando prompts.

O valor do trabalhador está a migrar: de uma ênfase na quantidade de produção para a qualidade do julgamento; de uma competição por velocidade de execução para uma competição por profundidade de reflexão. No futuro, os funcionários mais insubstituíveis serão aqueles que conseguem discernir com precisão o certo do errado e fornecer razões claras e fundamentadas — essa capacidade de julgamento é o núcleo do valor.

«A origem da fadiga é a incerteza que a IA traz»

NBD: Em comparação com ondas anteriores de automação, por que é que a IA é mais propensa a causar fadiga?

Siddhant Khare: A principal razão é que as ferramentas de automação anteriores eram determinísticas, enquanto a IA é repleta de incertezas.

Antigamente, com comandos iguais e entradas iguais, obtinha-se sempre a mesma saída, e erros eram imediatamente reportados; mas a IA é diferente: com o mesmo prompt, pode gerar conteúdos completamente diferentes, e mesmo quando comete erros, as suas expressões são extremamente convincentes e confusas. Os erros da IA são muitas vezes difíceis de detectar: o código pode funcionar normalmente, o texto parecer fluente, o formato do relatório estar correto, mas numa página pode estar escondido um erro factual, numa linha uma falha lógica, ou numa seção uma informação fictícia.

Esses erros silenciosos exigem uma atenção constante, o que, a longo prazo, é altamente cansativo. Além disso, a IA imita de forma avançada o estilo de expressão humana. Revisar conteúdos gerados por IA requer quase o mesmo esforço cognitivo que criar algo do zero.

NBD: Se a saída da IA não pode ser totalmente confiável, mas é necessário utilizá-la em escala, como podemos preencher essa «lacuna de confiança»?

Siddhant Khare: Infelizmente, a maioria das empresas adota a pior abordagem possível: tratar a revisão humana como a única etapa de controle de qualidade.

As empresas que fazem melhor, criam um sistema que chamo de «mecanismo de contrapressão» (backpressure). Simplificando, antes do conteúdo de IA passar para a revisão humana, um mecanismo de feedback automatizado intercepta e filtra a maior parte dos erros evidentes, reduzindo a carga de trabalho dos revisores.

«As tarefas mais importantes muitas vezes não precisam de IA»

NBD: Diante da pressão de trabalho e do desgaste mental causados pela IA, como devem os trabalhadores de escritório aprender a conviver corretamente com ela?

Siddhant Khare: Recomendo três estratégias.

Primeiro, não usar IA em tarefas onde o «pensar em si mesmo é o valor». Por exemplo, ao elaborar estratégias, o valor está na reflexão, não na digitação. Usar IA para pular essa reflexão enfraquece o seu trabalho. A IA é mais adequada para tarefas repetitivas onde o resultado importa mais do que o processo.

Segundo, estabelecer limites claros para o tempo dedicado à revisão. Se gastar mais de duas horas por dia a revisar outputs de IA, há um problema no fluxo de trabalho, seja por prompts pouco claros, falta de contexto, regras de trabalho pouco rigorosas ou ausência de mecanismos automáticos de verificação. Nunca aceite a «revisão ilimitada de tudo que a IA produz» como norma de trabalho.

Terceiro, proteger o seu tempo de trabalho profundo. A IA cria um ciclo vicioso de geração, revisão, re-geração e re-revisão, interrompendo continuamente a atenção. É fundamental reservar um período sem usar IA. As tarefas mais importantes geralmente não dependem de prompts, mas sim de reflexão independente.

NBD: Como devem as pessoas que já dependem da IA mudar esse hábito?

Siddhant Khare: O primeiro passo é alterar o modo como usam a IA.

Hoje, muitas pessoas, ao enfrentarem um problema, automaticamente abrem o ChatGPT. Ainda antes de pensar de forma independente, já deixam a IA gerar uma resposta.

É preciso inverter essa ordem. Primeiro, pensar de forma autónoma, definir claramente o objetivo do trabalho, e só então decidir se é necessário usar a IA. Muitas vezes, uma folha em branco e vinte minutos de reflexão profunda independente produzem resultados melhores.

A ansiedade em relação à IA nasce, na essência, do sentimento de perda de controlo. Quando a IA está constantemente a gerar conteúdo e a dar sugestões, sente-se que se é apenas um executor passivo. Mas, ao retomar o controlo de «quando e se usar a IA», a sensação de domínio volta, a ansiedade diminui, e é possível escapar verdadeiramente da fadiga por IA.