Grandes empresas "boi e cavalo", forçadas a usar IA

Esta vaga de “eficiência com IA” atingiu, ainda assim, os trabalhadores das grandes empresas.

No início, a IA era apenas um brinquedo para um pequeno grupo de entusiastas de tecnologia e pioneiros. Havia quem pagasse uma subscrição com dinheiro do próprio bolso; havia quem trocasse conversas em privado sobre prompts e a tratasse como uma nova ferramenta para melhorar a eficiência — e, de facto, colheram benefícios reais.

Mas agora, a situação mudou. As grandes empresas de internet, tanto no país como no estrangeiro, entraram numa fase de “uso de IA” que é, na prática, uma utilização forçada e implícita. Há quem seja contabilizado diariamente em termos de quantos Tokens consome; há equipas que ligam o uso de IA ao desempenho; há quem seja obrigado a usar prioritariamente ferramentas desenvolvidas internamente pela empresa; e há ainda quem tenha de decompor a própria experiência de trabalho em processos, escrevê-la em Skills e entregá-la à IA para utilização repetida e aprofundada.

Quando “usar IA” e “queimar Tokens” vão tornando-se gradualmente numa forma de avaliação, num conjunto de exigências e até num novo modelo de trabalho, como é que, afinal, estão a viver os trabalhadores das grandes empresas que foram puxados para esta vaga de automatização inteligente?

Nestas duas últimas semanas, conversámos com seis pessoas que trabalham em diferentes empresas e em diferentes cargos. O seu percurso inclui um CIO de uma empresa estrangeira cotada, um desenvolvimento sénior numa grande empresa nacional, programadores júnior que escrevem código, e pessoas não técnicas que fazem operações e assuntos de mercado.

Há quem consiga duplicar a eficiência com IA, encurtando o ciclo de produção dos documentos de requisitos do produto de várias semanas para um dia — ou até uma única pessoa a produzir resultados que antes eram de uma equipa inteira; mas há também quem, para lidar com as exigências de “produção inteligente”, tenha de depurar manualmente um painel de dados simples 80 vezes, transformando a IA, na prática, num estagiário júnior que exige “arrumar os erros” sem parar.

O ambiente de trabalho nas grandes empresas também sofreu uma mudança subtil. Quando aquilo que antes pertencia à experiência individual e aos hábitos de trabalho — se vai decompondo, organizando, carregando e reutilizando — as pessoas que escrevem código com seriedade passam a ser “elementos pouco activos”; e as que depuram prompts com frequência tornam-se o exemplo típico de “adesão positiva a novas tecnologias”. Surgiu ainda uma nova ansiedade: estamos a usar IA, ou estamos a usá-la como combustível, passo a passo transformando-nos em processos que podem ser substituídos?

Nesta experiência de IA conduzida de cima para baixo, há quem se sinta entusiasmado, há quem se sinta exausto, e há quem coopere enquanto fica inquieto. Mas quase todos percebem uma coisa: as engrenagens da era já começaram a girar. Quer sejamos nós a abraçar a mudança de forma activa, quer sejamos forçados a acompanhá-la, o tempo em que o trabalho era puramente dependente de mão-de-obra e de “bater ponto” está a virar a página.

Para entregar um “resultado de IA”, alterei o painel de dados 80 vezes

Bem bem | Operações numa grande empresa de internet do país

Há três semanas, o líder enviou um aviso no grupo: daqui em diante, “encorajar toda a gente a usar IA para melhorar a eficiência”. Não haveria KPI, nem se ligaria ao desempenho, mas na reunião ele enfatizou a todos que, daqui para a frente, toda a saída de trabalho poderia ser primeiro gerada pela IA.

Nesse momento, percebi que era, na verdade, uma exigência implícita.

Há cerca de vinte e tal dias, fomos obrigados de forma unificada a usar a ferramenta de IA desenvolvida pela empresa. O motivo era “segurança dos dados”, mas o problema apareceu rapidamente.

Primeiro, limite de quotas. A empresa fornece a cada pessoa um número limitado de chamadas. Enquanto pensava em como usar IA para concluir o trabalho da forma mais completa possível, ainda precisava de “apertar as contas” com o máximo de parcimónia, como quem “economiza no uso”.

Depois, instabilidade de capacidades. Escrever textos até que vai, mas assim que envolve análise de dados e lógica complexa, começa a dar erros.

Na semana passada, usei-a para um painel de dados e aquilo deixou-me completamente destroçado.

Este foi um trabalho muito simples: uma ferramenta para analisar dados de clientes e vendas. Antes era trabalho do departamento técnico; agora precisa de ser “algo que toda a gente consegue”. Eu, que tinha usado o Gemini para escrever com sucesso um jogo simples, fui ingénuo a achar que montar um painel de dados também não seria difícil.

Na 1.ª vez, a IA deu-me directamente um modelo de carregamento de dados. Dentro havia sete ou oito campos que não precisava. Tive de os apagar e ajustar manualmente.

Na 13.ª tentativa de “treino”, as dimensões e os dados acabaram por alinhar. Mas a região não mostrava três áreas; e ela ainda explicou que era “filtragem automática de regiões de baixo valor”.

Na 40.ª tentativa, o formato dos dados começou a ficar confuso. Alguns decimais ficavam com 0 casas, outros com 4.

Vim aguentando até à 60.ª alteração. O resultado: ao carregar novos dados, o gráfico não atualizava automaticamente. Os números antigos e os novos ficavam sobrepostos e os dados cresceram quase para o dobro.

Depois de 80 alterações, finalmente cheguei ao último passo em que a exportação para PDF tinha sucesso. Pensei que, por fim, podia respirar de alívio, mas ao abrir o ficheiro, o coração morreu: passei uma tarde inteira para obter uma pilha de caracteres sem sentido.

Calculei cuidadosamente. Quer fosse montar um painel de dados, quer fosse concluir o relatório diário de trabalho, eu ajustei repetidamente a IA, esperando o tempo de “tirar cartas”, até perfazer tempo suficiente para uma pessoa fazer o trabalho duas vezes manualmente. Mas o líder queria ver “produção de IA”; por isso eu tinha de acompanhar esta “funcionária júnior de IA”, fazendo testes e erros de forma contínua.

Para mim, a IA é tanto ferramenta como encargo. Deve ser mais ou menos meio a meio. Ela realmente assume algumas tarefas repetitivas, mas o tempo gasto em depuração, validação e retrabalho ocupa todo o esforço que foi poupado. A sensação mais clara que tenho é que há muitas coisas que eu poderia fazer sozinho até ao fim, mas sou obrigado a dar uma volta e a “fazer uma vez” com IA.

Para conseguir o número de utilizações de IA,

apaguei o código para ela reescrever uma versão

Kevin | Engenheiro numa empresa de e-commerce nos EUA

As utilizações do meu Kiro (assistente interno de programação com IA) ainda não atingiram o mínimo esta semana. Para conseguir, apaguei um trecho de código de validação de parâmetros e entreguei-o directamente ao Kiro para que reescrevesse uma versão. Ele gerou algo que parecia, à primeira vista, bastante bem — mas ficou por tratar uma ramificação de exceção. No fim, lá tive de a corrigir eu mesmo.

Na verdade, eu usava bastante IA para escrever código. Subscrevi o ChatGPT Plus e depois ainda experimentei o Claude. Quando há casos de testes básicos e repetitivos a correr, ou quando é preciso consultar rapidamente uma API pouco usada, pedir à IA para tratar disso realmente poupa imenso trabalho. Na altura, parecia mesmo que dava para melhorar a eficiência. Toda a gente também trocava prompts entre si.

Mas no fim do ano passado, a empresa classificou o Kiro como uma “ferramenta de desenvolvimento nativa de IA recomendada” e definiu metas: até ao fim do ano, 80% dos engenheiros têm de usar o Kiro por semana.

No início dizia-se que era para ajudar toda a gente a usar a ferramenta de forma natural nos projectos. Mas pouco depois, foi lançado internamente um sistema para acompanhar a frequência de uso de IA pelos funcionários. Quem usa, e quem usa pouco — dá para ver tudo no back-end.

O que nos incomoda mais é que o Kiro não é particularmente fácil de usar. Para código “modelo”, testes e adaptação de interfaces, até vai; mas quando entra em chamadas em cadeia, tratamento de estado ou restrições de deploy, o código gerado costuma ser apenas um “produto incompleto”. Por isso, muitos engenheiros pediram para mudar para o Claude Code, defendendo que o Kiro não serve para decisões de engenharia com alta complexidade.

Há razões para ninguém confiar tanto no código gerado por IA. No fim do ano passado, uma equipa sofreu um grande acidente ao correr um código criado com o Kiro. Depois desse incidente, as aprovações de mudanças de código com participação da IA apertaram visivelmente.

Ainda assim, sinto uma certa confusão. As pessoas que se dedicam de forma séria a estudar a lógica de base e a optimizar código central à mão não são tão activas no sistema de rastreio; em contrapartida, quem depura prompts com frequência torna-se o exemplo típico de “adesão positiva a novas tecnologias”.

Eu achava que o valor dos engenheiros era resolver aqueles problemas realmente complexos. Mas agora, muitas vezes, o que eu faço é escrever prompts, vigiar os resultados gerados e corrigir as armadilhas que ele deixa. O que mais me preocupa não é apenas o facto de a forma de trabalho ter mudado; é que, se isto continuar assim durante muito tempo, a minha capacidade de implementar do zero e de investigar problemas complexos vai enfraquecendo aos poucos.

Escrever Skills por toda a gente equivale a “eliminar” a própria função

Kelly | Desenvolvimento backend numa grande empresa de internet de Pequim (série de cargos 8)

Como programadora backend, desde o ano passado que já uso IA com elevada frequência no trabalho, principalmente ferramentas internas de programação sem código.

Por volta do Ano Novo Chinês deste ano, o ambiente geral de aplicação de IA na empresa tornou-se de repente muito mais agressivo. Agora, todos os funcionários conseguem ver no sistema quanto Token consomem diariamente, e a frase que o meu superior directo me diz com mais frequência é: “Este assunto pode ser experimentado com IA.”

Neste momento, a empresa não tem avaliações claras sobre consumo de Tokens, mas cada departamento tem os seus próprios critérios.

No meu departamento, mais concretamente, recentemente incentivaram toda a gente a escrever Skills. Foi pedido que se faça um levantamento completo da experiência diária de trabalho, fluxos de trabalho, detalhes técnicos e problemas comuns, e depois se documente, transformando-o em Skills.

O Leader olha principalmente para dois indicadores: a quantidade de Tokens consumidos diariamente pela ferramenta interna “lagosta” e o volume de produção de Skills. Quanto a esta última, o departamento até tem metas de avaliação muito claras: é exigido que se produza semanalmente, de forma obrigatória.

Além disso, actualmente, 50% das necessidades de desenvolvimento do departamento são obrigadas a ser geradas por Agent. Isto significa que os elos de produto, desenvolvimento e teste são praticamente ignorados, e o requisito passa a ser produzir de ponta a ponta usando a “lagosta”.

Esta proporção de50% vai ainda** a aumentar gradualmente**** ao longo do ano, com o objectivo de**** até ao final de2026 alcançar**** a automatização total.**

Quanto ao custo de uso de Tokens, em termos da nossa série técnica, os Tokens do Claude Opus neste departamento têm margem suficiente. Não existe exigência de usar ferramentas internas. Mas a maioria dos outros departamentos tem quotas limitadas para o Opus. O excesso fica por conta do próprio. Já os Tokens de ferramentas internas e de modelos próprios não têm limite.

Depois de a empresa se tornar totalmente orientada para IA, o meu tempo de trabalho ficou ainda maior**.** Não é porque a carga aumentou, mas porque toda a gente está a competir na escrita de Skills, e tu também não tens escolha senão competir.

Por exemplo, no grupo do nosso departamento, depois das 23:00 ainda há colegas a partilhar Skills que acabaram de escrever. Às vezes, quando vejo alguém do mesmo grupo escrever um Skills que é bastante prático, fico extremamente ansiosa.

Esta ansiedade vem, por um lado, do facto de o departamento ter uma avaliação da produção de Skills, e por outro, do receio de que os Agents de IA estejam a substituir o trabalho humano dia após dia.

Na prática, ao resolver um problema isolado, a IA nem sempre é mais eficiente do que um backend experiente. Os fluxos simples em que se escreve Skill não são estáveis: é preciso gastar muita energia a depurar e a modificar; além disso, o consumo de Tokens é elevado. Mas quando os Skills vão ficando cada vez melhores, a IA começa a ultrapassar os humanos — e a executar com um custo muito baixo.

Como trabalhador, toda a gente sabe que, no contexto de a empresa incentivar toda a gente a escrever Skills, esconder-se e não produzir bons Skills não vai resultar. Mas transformar todas as próprias competências e experiência em SOP e em Skills — na realidade — está também a aproximar o dia em que a IA substitui mesmo toda a gente.

A melhoria da eficiência através de IA é inegável. Mas quando a eficiência aumenta, isso também significa que não são necessárias tantas pessoas. Neste momento, os canais internos de “entrada de trabalho” já foram encerrados. O que vai acontecer no futuro, as grandes empresas de tecnologia do Vale do Silício já deram a resposta.

“Uso forçado de IA”, mas eu avancei e ganhei na equipa

Chen Yu | Engenheiro de protocolos de comunicação numa empresa de telemóveis do país

Nos últimos seis meses, a nossa empresa tem estado a “competir em IA”. Desde Outubro do ano passado, as ferramentas ficaram disponíveis, as despesas com quotas foram reembolsadas, e incentivaram toda a gente a usar. No nosso departamento, por exemplo, cada pessoa tem uma quota de utilização definida mensalmente para Cursor. Se não for usada, isso é visto como “desperdício de recursos”,** a conta pode ser recuperada;**** se for usada muito, mas sem produção a acompanhar, vai ser classificado como uso abusivo**** e também será lembrado.**

Por isso, não dá para não usar; mas também não dá para usar mal. Com essa tendência, é inevitável existir pressão. Já houve quem, por não querer dedicar tempo a aprender IA, e também por estar num estado de trabalho pouco bom, tenha sido optimizado.

A minha compreensão de “usar IA” é diferente da de muita gente. Abusar da IA e desperdiçar tantos Tokens não vale o dinheiro: mais vale comprar um jogo. IA não é “quanto mais, melhor”; é preciso usar da forma certa. Eu geralmente separo um ou dois dias por semana para estudar, com foco em como fazer a IA adaptar-se melhor ao meu trabalho e ajudar-me a ser mais eficiente.

O meu cargo é engenheiro de protocolos de comunicação. Escrever código ocupa apenas uma pequena parte; a maior parte do tempo é lidar com dados dos utilizadores, analisar logs do sistema, etc. Antes, quando analisávamos problemas de “travamento” dos telemóveis dos utilizadores, às vezes era claramente a rede do operador que causava o problema, mas mesmo assim tínhamos de investigar passo a passo. Uma grande quantidade de esforço era consumida a filtrar informação sem valor.

Agora, a IA pode ajudar-me a localizar primeiro rapidamente e a eliminar interferências irrelevantes, para eu me concentrar no que realmente precisa de optimização. No ano passado inteiro,** a minha produção global aumentou de forma muito visível e o meu desempenho ficou relativamente mais alto na equipa.**

Mas, para ser honesto, a IA ainda não está a um nível capaz de substituir pessoas. A taxa de acerto na análise de logs ronda apenas 60%, e é necessário confirmar manualmente. Para melhorar a capacidade da IA, temos de continuar a escrever regras e a optimizar a lógica. Por isso, no meu último semestre, o volume de trabalho aumentou. Mas este processo é, ele próprio, “educar” a IA para ela servir as pessoas.

Nestes dois anos, também senti claramente que a empresa tem recrutado menos pessoas. E penso que, por trás disso, deve haver impacto da IA. Quando tenho amigos à volta a preparar-se para mudar de emprego, eu tento aconselhá-los a compensar e reforçar, com urgência, competências relacionadas com IA. Mesmo com o mesmo nível técnico, o uso de IA pode abrir uma diferença muito grande em entrevistas e em salário. Agora, as plataformas obrigam-te a aprender — mas isso também é uma forma de te preparar cedo para a concorrência profissional.

Eu sempre achei que a IA não existe para substituir pessoas; é apenas uma nova ferramenta de competição entre pessoas.

Nós** não**** fizemos despedimentos,**** mas a eficiência tem de aumentar**** de 3 a**** 5 vezes

Ming Lu | CIO de uma empresa cotada** na Austrália

Como CIO, talvez eu seja das primeiras pessoas na empresa a ser “nativo de IA”.

Antes da empresa formalizar uma estratégia de IA, eu já tinha começado a usar ferramentas de IA com muita frequência. Por a empresa ter uma parceria longa com a Microsoft, foi muito cedo que integraram o Copilot; mais tarde, integraram também o Copilot com o Claude no sistema interno de trabalho. Sem exagero, digo que hoje quase todo o meu trabalho central já foi feito pela IA, e a eficiência duplicou.

Mas, no início da implementação interna das ferramentas de IA, a progressão não correu bem.

No começo, adoptaram uma estratégia de incentivo: deram a todos os departamentos e funcionários permissões e quotas quase ilimitadas para o uso do Copilot. Mas os resultados não foram muito evidentes; houve até resistência nos departamentos de desenvolvimento de software e UX.

Essas equipas não rejeitavam as ferramentas de IA. Também estavam dispostas a usar a IA para trabalhos auxiliares, como escrever pequenos trechos de código ou gerar esboços de design. Mas, no geral, não queriam ir mais longe — por exemplo, permitir que a IA se intrometa no fluxo central do SDLC (ciclo de vida do desenvolvimento de software). Esta mentalidade é compreensível: as pessoas aceitam que a IA ajude, mas não querem ser lideradas pela IA.

Contudo, dentro do quadro estratégico da empresa, olhar para a IA apenas como um verificador sintáctico não é suficiente. Queremos a reconfiguração dos processos.

Por isso, no início deste ano, eu e o CTO definimos uma nova estratégia de IA: exigimos que cada departamento enviasse um roteiro de IA até ao final de abril e definimos um mecanismo de avaliação rigoroso — cada gestor tem de submeter três iniciativas de IA (AI Initiatives), e ser classificado trimestralmente de acordo com a implementação. Também começámos a monitorizar a quantidade de Tokens e a avaliar a taxa de utilização de IA; quem tiver valores consistentemente baixos a longo prazo pode entrar num plano de melhoria de desempenho (PIP).

Depois do ajuste, o efeito foi imediato.

As mudanças mais visíveis foram no desenvolvimento de software. Antes, a formação de um documento de requisitos de produto (PRD) exigia várias rondas de comunicação entre o product manager e a equipa de desenvolvimento, com um ciclo que chegava a semanas ou até um a dois meses. Agora, um gestor de projecto consegue produzir em um dia: o PRD inclui tanto explicações em Markdown como imagens de protótipos da interface. A fase mais demorada, o “zona cinzenta” no arranque do projecto, foi muito comprimida.

Hoje, também o meu foco de trabalho mudou. Todos os dias, gasto muito tempo em reuniões com gestores de cada departamento para discutir em que etapas a IA pode entrar. Ao mesmo tempo, eu próprio construí um ambiente Claude de agentes múltiplos: primeiro passo um grande esforço em brainstorming com a IA, para decompor o nível de detalhamento da solução; no fim, peço à IA para a concretizar.

A IA fez com que eu passasse mais tempo em “como pensar o problema com clareza”. Se o PRD não estiver suficientemente sólido ou a lógica comercial não estiver clara, a execução da IA vai totalmente descarrilar. E isto também obriga-nos a pensar mais sobre a essência da lógica comercial.

Claro que existe o outro lado do aumento de eficiência, e é duro: os postos de trabalho podem diminuir. Embora o conselho de administração da empresa tenha decidido não despedir de imediato, foi pedido que a eficiência de cada funcionário aumente de 3 a 5 vezes. Além disso, já suspendemos a contratação de novos recursos nas áreas de análise de dados, desenvolvimento de programas e análise financeira. Esta pode também ser uma coisa que todas as empresas vão acabar por ter de enfrentar.

Eu não sinto que sou dominado pela IA. Pelo contrário, sinto uma sensação de controlo sem precedentes. Agora, a verdadeira pressão está sobre as pessoas em funções cujas tarefas são altamente padronizadas e fáceis de substituir directamente por IA. Em contrapartida, aqueles com fortes capacidades de análise de necessidades e de planeamento de topo são, paradoxalmente, os que estão em vantagem.

Depois de usar IA, o meu trabalho** na verdade**** ficou ainda mais ocupado**

Yun Tian | Desenvolvimento sénior numa grande empresa de topo do país

Sou das primeiras pessoas que usei IA pagando do meu próprio bolso: a despesa mensal em várias ferramentas ronda os 500 dólares. Do GPT a vários modelos de nicho. O que é realmente bom, compro logo um pacote anual; o que é mais “experiência”, experimento primeiro por um pacote mensal.

Neste momento, a nossa empresa não tem requisitos obrigatórios sobre a quantidade de Tokens. Dentro do pressuposto de conformidade, usa-se o que for mais útil; as equipas decidem em conjunto o que consideram mais benéfico para o trabalho. Agora, o meu consumo mensal de Tokens ronda aproximadamente 3 a 4 mil milhões.

Mas mesmo assim, o meu tempo de trabalho continua a aumentar.

A razão é simples: usar IA não é apenas “deixar que faça o trabalho”; é preciso primeiro montar o sistema. Tal como ao construir um arranha-céus é necessário primeiro erguer andaimes, nós precisamos primeiro de construir um sistema para definir os limites de utilização da IA e reduzir a sua taxa de erro; e até depois de a IA falhar, “limpar os estragos” atempadamente, controlando o âmbito do impacto. Este trabalho é muito mais complicado do que simplesmente usar IA para melhorar eficiência. É como fazer uma função que equivale a dois trabalhos. Adaptar-me a estes novos requisitos levou-me bastante tempo.

Quanto ao problema de “consumo de Tokens incluído nos KPI”, que hoje em dia é comum ver muita gente preocupada no mercado, eu tenho uma visão diferente.

Pelo que tenho visto junto de chefes ou responsáveis de negócio, ninguém está desinteressado de IA. Todos têm medo de perder este momento. As duas grandes empresas de topo que conheço são aquelas que exigem que os funcionários usem apenas os seus próprios modelos, e não permitem o uso de Claude, ChatGPT e outras ferramentas.

Na verdade, eu não entendo bem por que algumas empresas querem incluir o consumo de Tokens nos KPI. É uma forma de pensar com o menor peso para a gestão, mas mede mal o núcleo do valor.

Mas, por outro lado, eu acho razoável definir um “limiar mínimo”. Se num ambiente actual, um funcionário não queima Tokens e recusa totalmente usar IA, isso por si só indica que lhe falta a consciência de reformar o próprio fluxo de trabalho.

Quanto a saber se a introdução de IA levaria a uma grande redução de contratação ou a despedimentos em massa, acho que o mercado global de emprego, em geral, segue as regras da revolução industrial.

A lógica de recrutamento nas grandes empresas nunca foi apenas olhar para quantas pessoas são necessárias para “fazer trabalho”. Em vez disso, considera a sustentação de lucros e a estratégia de talentos. Trazer talentos que entendem de IA, mesmo que ainda não se usem de imediato, é ocupar uma posição com antecedência. Já para pequenas e médias empresas, a IA reduz os custos de arranque e de desenvolvimento. Antes, 100 pessoas faziam o que hoje 10 pessoas conseguem fazer.

Conheço um empreendedor que não tem formação técnica. Ele, sozinho, durante meio ano, usando IA, conseguiu construir uma plataforma completa de educação ToB. No passado, pelo menos seria necessário um grupo de cem pessoas para fazer algo assim. Quando o custo social de tentativa e erro está a diminuir, é inevitável que, a curto prazo, se sintam dores de ajuste nos postos de trabalho. Mas no longo prazo, o bolo de todo o mercado aumenta e surgem mais equipas novas e mais oportunidades.

As funções altamente padronizadas e repetitivas serão certamente atingidas; mas as funções que exigem pensamento profundo, planeamento criativo e integração de recursos — essas, pelo contrário, tendem a ficar mais valorizadas com a IA. As rodas da era não esperam por ninguém. Alguns cargos antigos serão inevitavelmente eliminados, mas a porta do novo mundo está, lentamente, a abrir-se.

Fonte deste artigo: Dingjiao One

Aviso de risco e cláusulas de isenção de responsabilidade

        Existem riscos no mercado; invista com cautela. Este artigo não constitui aconselhamento de investimento pessoal, e não considera os objectivos de investimento específicos, situação financeira ou necessidades particulares de utilizadores individuais. Os utilizadores devem considerar se quaisquer opiniões, pontos de vista ou conclusões neste artigo estão de acordo com as suas condições específicas. Ao investir com base nisto, a responsabilidade é sua.