Em meio a promessas grandiosas sobre inteligência artificial, Murilo Moura Alencar, C-Level e board member, examina que as decisões mais seguras costumam se apoiar em algo menos empolgante e mais útil: estudos controlados, que medem o efeito da tecnologia em situações reais de trabalho. Eles existem, ainda são poucos e mostram um quadro mais interessante do que a simples ideia de que a IA melhora tudo. Para gestores, conhecer esses resultados ajuda a separar expectativa realista de promessa comercial.
O padrão que emerge é o de ganhos expressivos em algumas tarefas e resultados piores em outras. A seguir, três áreas em que as evidências são mais claras e uma lição que atravessa todas elas.
Atendimento ao cliente
Um estudo conduzido por Erik Brynjolfsson, da Universidade Stanford, com colegas do MIT, acompanhou mais de 5 mil agentes de atendimento de uma empresa de software. Murilo Alencar comenta que a pesquisa descobriu que os profissionais que passaram a contar com um assistente de IA resolveram, em média, cerca de 14% mais casos por hora.
O dado mais revelador está na distribuição desse ganho. Os agentes menos experientes melhoraram muito mais, porque o sistema transmitia a eles as práticas dos colegas mais habilidosos. Para os mais experientes, o efeito foi pequeno. A ferramenta funcionou, na prática, como uma forma de acelerar o aprendizado. Os pesquisadores também registraram melhora no tratamento dado pelos clientes aos atendentes e menor rotatividade da equipe.
Programação de tarefas bem definidas
Num experimento conduzido por pesquisadores ligados ao GitHub e à Microsoft, desenvolvedores receberam a mesma tarefa: criar um pequeno servidor web. Os que usaram o assistente de programação Copilot terminaram cerca de 55% mais rápido do que o grupo sem a ferramenta.
Murilo Alencar pondera que o resultado vale para tarefas delimitadas, com objetivo claro e pouco contexto prévio. Em sistemas grandes e complexos, que exigem conhecer anos de decisões anteriores, outros estudos encontraram ganhos bem menores, ou até perda de velocidade. O tipo de tarefa importa tanto quanto a ferramenta. Por isso, empresas que extrapolam o resultado de experimentos simples para toda a rotina de desenvolvimento tendem a superestimar o ganho.
Trabalho de consultoria e análise
Um estudo de pesquisadores da Harvard Business School com consultores do Boston Consulting Group, publicado em 2023, trouxe a nuance mais importante. Em tarefas dentro das capacidades do modelo, como criar ideias de produtos e redigir textos, os consultores com IA produziram resultados de qualidade cerca de 40% superior.
Numa tarefa escolhida justamente por estar fora do alcance da ferramenta, porém, quem usou IA teve desempenho pior do que quem trabalhou sem ela. Os autores chamaram esse fenômeno de fronteira irregular: a IA é excelente em algumas tarefas e falha em outras que parecem semelhantes, sem que o usuário perceba facilmente onde está o limite. O risco maior apareceu justamente quando os consultores confiaram demais na resposta.
A lição que atravessa os estudos
Apesar das diferenças de setor e de método, o ponto comum entre essas pesquisas é que o valor da inteligência artificial depende do encaixe entre ferramenta, tarefa e pessoa. Ganhos grandes aparecem quando a tarefa está dentro das capacidades do modelo e quando o usuário sabe avaliar o resultado.
Para Murilo Moura Alencar, isso muda a forma como empresas deveriam adotar a tecnologia. Em vez de distribuir ferramentas indiscriminadamente e esperar ganhos uniformes, vale mapear quais tarefas estão dentro da fronteira, testar com dados próprios e ensinar as equipes a reconhecer quando a resposta da IA merece desconfiança, sobretudo em decisões de maior impacto. A tecnologia é poderosa, mas não de forma igual em todos os lugares, e saber onde ela funciona é hoje uma competência estratégica.