Estudo com 12 mil trabalhadores: a IA aumentou a colaboração

Preprint com 12 mil trabalhadores e 13 meses estima que a IA generativa aumentou o tempo de colaboração. Quem verifica a saída da máquina virou gargalo.

02 de novembro de 2026 · 6 min de leitura

A expectativa dominante no debate público sobre inteligência artificial no trabalho de conhecimento é de que a tecnologia reduziria a necessidade de interação entre pessoas. Menos reuniões, menos troca de mensagens, menos tempo gasto em coordenação. Um preprint submetido em 23 de outubro testa essa hipótese com dado comportamental e encontra o contrário.

O trabalho, The Effects of Generative AI on Collaboration and Social Networks Among Knowledge Workers, de Giuseppe Soda, Alessandro Iorio e Leonardo Rizzo, acompanha mais de 12 mil trabalhadores do conhecimento ao longo de 13 meses, durante a implantação escalonada de um assistente de IA (o Microsoft Copilot) em uma organização.

O dado não é declarado em pesquisa. É comportamental, coletado passivamente nos canais de comunicação, o que elimina o problema de pedir às pessoas que estimem quanto tempo passam conversando com colegas.

O que os autores estimam

Os pesquisadores usaram duas estratégias complementares de identificação: um modelo de diferenças em diferenças com adoção escalonada e uma abordagem de efeitos fixos com variável instrumental. Em termos práticos, as duas tentam separar o efeito da ferramenta de tudo o mais que mudou na organização no mesmo período.

A estimativa é de que a IA generativa aumentou o tempo de colaboração nos canais de comunicação e remodelou as redes individuais de cada pessoa.

O resultado tem duas faces que, à primeira vista, parecem contraditórias.

De um lado, quem usou a ferramenta passou a interagir com mais colegas, e a rede ficou menos agrupada. Rede menos agrupada significa menos concentração em pequenos círculos fechados, ou seja, alargamento da estrutura de colaboração. A pessoa passou a falar com gente de outras partes da organização.

De outro, essas mesmas pessoas concentraram uma parcela maior da sua colaboração em vínculos com histórico prévio forte, aprofundando a dependência de colegas em quem já confiavam.

As duas coisas ao mesmo tempo: a rede se alarga na borda e se adensa no centro.

O mecanismo que os autores propõem

A explicação apresentada no resumo é direta: como a saída gerada por IA exige interpretação, verificação e legitimação social, a tecnologia pode aumentar a colaboração em vez de reduzi-la.

Vale separar os três verbos, porque eles descrevem trabalhos diferentes.

Interpretação é entender o que a resposta quer dizer no contexto específico da empresa. Verificação é checar se está correta. Legitimação social é conseguir que outras pessoas aceitem aquela saída como base para uma decisão, o que é um problema político e não técnico.

Nenhum dos três é feito pela ferramenta. Os três são feitos conversando com alguém.

A conclusão dos autores é moderada e cabe registrar nos termos deles: os achados sugerem que, embora a IA generativa mude como as pessoas trabalham, ela pode não substituir as interações entre humanos.

Por que isso importa para quem aprova projeto

A primeira consequência é de premissa de dimensionamento. Projeto de IA justificado por redução de reuniões, de troca de mensagens ou de tempo de coordenação está apostando no sentido oposto ao que este dado sugere. Se o retorno prometido depende dessa redução, o retorno pode não aparecer, e não por falha de execução.

A segunda é de desenho organizacional, e é a mais relevante.

Se o uso de IA concentra colaboração em quem já é de confiança, a carga aumenta sobre um grupo pequeno de pessoas que funcionam como verificadores informais da saída da máquina. São as pessoas a quem os outros recorrem quando não confiam no que leram na tela.

Esse papel não está em organograma nenhum. Não tem tempo alocado, não tem critério definido, não aparece em avaliação de desempenho e não é remunerado como responsabilidade. A Claudim já tratou do mesmo problema por outro ângulo em quem verifica o que a IA promete e no custo de verificação da automação com IA.

A combinação é desconfortável. A empresa acredita que o fluxo está automatizado, e no meio dele existe um gargalo humano invisível, apoiado em três ou quatro pessoas que ninguém escolheu para a função. Quando uma delas sai de férias, o fluxo fica mais lento sem explicação aparente no processo documentado.

A consequência prática é tornar o papel explícito: quem verifica o quê, com qual critério, em quanto tempo, e com qual autoridade para rejeitar. Isso é desenho de processo, não cultura. A disposição das pessoas de confiar na ferramenta, aliás, varia bastante, como mostram os dados da pesquisa Gallup com a Microsoft sobre confiança em IA.

Os limites, que são relevantes

Mais tempo de colaboração não é necessariamente melhor. O estudo mede volume e estrutura de interação, não qualidade da decisão nem produtividade final. O mesmo resultado é compatível com uma leitura negativa: parte desse tempo adicional pode ser puro custo de conferência do que a IA produziu, e não colaboração produtiva.

Essa ambiguidade é real e o próprio achado não a resolve. Interação a mais pode ser sinal de trabalho mais conectado ou sinal de retrabalho distribuído.

É um preprint, submetido há poucos dias e ainda não revisado por pares. Os dados vêm da implantação de uma ferramenta específica de um fornecedor, em uma única organização, o que limita a generalização. A página do arXiv consultada não exibe as afiliações institucionais dos autores nem uma seção de limitações declaradas, que exigiria a leitura do texto completo.

Há ainda uma limitação de medida que vale explicitar: dado de canal de comunicação captura interação registrada em ferramenta. Conversa de corredor, ligação e reunião presencial não entram. Em uma organização com trabalho híbrido, parte do efeito observado pode ser deslocamento de canal, e não aumento real de interação.

O que fica

A leitura mais plausível, a partir do que o estudo mostra, é que a IA não removeu trabalho humano do fluxo de conhecimento. Ela mudou o tipo de trabalho humano que o fluxo exige.

Saiu produção de primeira versão, entrou interpretação, conferência e negociação do que vale como resposta aceitável. O segundo conjunto de tarefas é mais difícil de medir que o primeiro e, por isso mesmo, costuma ficar fora da conta de retorno do projeto.

Continue explorando

Posts relacionados