Líderes de pensamento
A fadiga por IA é real. Mas não é o que você pensa

Pontos-chaveA fadiga por IA é um cansaço temporário de treinamento decorrente da aprendizagem de…
Ver mais
- A fadiga por IA é um cansaço temporário de treinamento decorrente da aprendizagem de uma nova habilidade cognitiva, não uma condição permanente.
- O esgotamento atinge o pico durante as fases intermediárias da adoção da IA, antes que vias mentais eficientes se formem.
- Os líderes devem gerenciar essa carga cognitiva como um treinador, e não recuar da adoção da IA.
Uma narrativa está ganhando força e atraindo muita atenção: a IA está nos esgotando. Engenheiros entregam mais código do que nunca e se sentem pior do que nunca. A expressão “fadiga por IA” está circulando, e os comentários se multiplicam.
Um engenheiro de software escreve no Business Insider que o último trimestre foi o mais produtivo e o mais exaustivo para ele. Steve Yegge, que literalmente escreveu um livro sobre vibe coding, diz ao The Pragmatic Engineer que tira cochilos durante o dia e limita o trabalho efetivamente realizado com apoio de IA a três horas. Fundadores de startups chegam ao limite às duas da tarde. Uma das publicações mais compartilhadas deste mês alerta que a IA tem um “efeito vampírico” sobre quem mais a utiliza.
Mas há algo que ninguém parece perceber: quem relata mais fadiga não são os céticos. São os defensores mais convictos.
Os engenheiros que estão presos no primeiro nível da escala de adoção de Yegge, aqueles que ignoram completamente a IA, se sentem bem. Talvez um pouco ansiosos, mas não esgotados. Quem chega em casa acabado são os que estão nos níveis cinco, seis e sete: os que mergulharam de cabeça, executam vários agentes, orquestram fluxos de trabalho complexos e entregam resultados em velocidades que nunca imaginaram.
Esse padrão deveria nos dizer alguma coisa. E, na minha opinião, ele mostra que “fadiga por IA” é um diagnóstico inteiramente equivocado.
Seu problema não é fadiga. É treinamento.
Pense na primeira vez em que você fez levantamento terra. Não com um peso especialmente alto. Apenas o movimento em si. Na manhã seguinte, você acordou com a sensação de que seu corpo inteiro havia sido desmontado e remontado de forma errada. As pernas doíam. As costas doíam. Músculos cuja existência você desconhecia se manifestaram da maneira mais desagradável possível.
Se alguém tivesse medido seu desempenho naquele dia, o resultado teria sido péssimo. Você mal conseguia se sentar sem fazer uma careta de dor. Poderia ter concluído, com alguma razão, que o levantamento terra é insustentável, que o corpo humano não foi feito para isso e que o custo supera o benefício.
Mas, é claro, seis meses depois você está levantando o dobro do peso e se sentindo bem depois. Seu corpo criou novas vias. Adaptou-se. O movimento que antes exigia todo o seu esforço consciente se tornou automático. A dor muscular não significava que você estava quebrado. Significava que estava construindo algo novo.
É exatamente isso que está acontecendo com o trabalho apoiado por IA.
A carga cognitiva sobre a qual ninguém fala
Quando você escreve código da maneira tradicional, seu cérebro executa um programa muito bem praticado. Você já fez isso milhares de vezes. Conhece as combinações de teclas, os padrões e os ritmos da depuração. É como dirigir no trajeto diário até o trabalho: tecnicamente complexo, mas tão familiar que você consegue fazê-lo enquanto pensa no jantar.
O trabalho apoiado por IA é uma tarefa cognitiva fundamentalmente diferente. Você já não escreve código. Orienta, avalia, decide, alterna o contexto entre vários agentes, revisa resultados que não escreveu e mantém em mente a intenção do projeto arquitetônico enquanto a IA faz escolhas de implementação que precisam ser validadas em tempo real.
Isso não é fazer o mesmo trabalho mais depressa. É um trabalho inteiramente diferente. E seu cérebro ainda não criou vias eficientes para realizá-lo.
Cada decisão ainda é consciente. Cada revisão exige esforço ativo. Você monitora a qualidade, mantém o contexto entre frentes de trabalho paralelas e faz constantemente avaliações criteriosas dos resultados da IA. Por isso, três horas desse trabalho podem deixá-lo mais esgotado do que oito horas de programação tradicional. É o equivalente cognitivo da sua primeira semana na academia.
A curva de adoção é, na verdade, uma curva de exaustão
O modelo de oito níveis de Yegge para a adoção de IA corresponde quase perfeitamente a uma curva de exaustão, embora eu não ache que essa tenha sido a intenção dele.
Nos níveis um e dois, você mal usa IA. Um preenchimento automático aqui, uma pergunta ali. Pouca carga cognitiva. Pouca fadiga.
Do terceiro ao sexto nível, você está em águas profundas. Deu mais autonomia ao agente, revisa menos linha por linha e mais o conjunto, executa vários agentes e precisa se orientar constantemente em um fluxo de trabalho que não existia dezoito meses atrás. É aí que as energias se esgotam. Esse é o levantamento terra pesado.
Nos níveis sete e oito, algo interessante começa a acontecer. Você construiu sistemas de orquestração. A IA trabalha com mais autonomia. Você aprendeu no que confiar e o que verificar. Descreve os resultados desejados e se afasta. Matt Shumer descreve exatamente isso: dizer à IA o que construir, sair por quatro horas e voltar para encontrar o trabalho concluído. A adaptação está começando a se consolidar.
A exaustão não se distribui de maneira uniforme. Ela atinge o pico no meio, justamente onde a maioria dos primeiros usuários está agora. É por isso que a fadiga parece universal: entre as pessoas que mais falam sobre IA, há uma proporção excessiva de quem está na parte mais difícil da curva de aprendizado.
Ninguém escreveu artigos sobre “fadiga ao dirigir”
Você se lembra de quando aprendeu a dirigir? Na primeira vez em que entrou no fluxo de uma rodovia, provavelmente segurou o volante como se sua vida dependesse disso. E, para ser justo, dependia mesmo. Voltou para casa completamente esgotado depois de trinta minutos ao volante. Seu cérebro havia trabalhado no limite: conferir os espelhos, controlar a velocidade, antecipar as ações dos outros motoristas e interpretar as placas. Tudo ao mesmo tempo e tudo de maneira consciente.
Hoje você dirige por uma hora enquanto ouve um podcast sem prestar muita atenção e come um sanduíche. A tarefa não mudou. Você mudou. Seu cérebro criou vias neurais eficientes para dirigir, transformando o que antes exigia plena atenção consciente em processos de segundo plano.
Ninguém escreveu textos de opinião sobre a “fadiga ao dirigir” como uma crise existencial. Ninguém sugeriu que os carros têm um “efeito vampírico” sobre seus condutores. Entendíamos intuitivamente que a exaustão era temporária. Era o custo de aprender algo novo.
É essa a parte que falta no debate atual. A “fadiga por IA” é tratada como uma condição permanente, uma característica fundamental da tecnologia, quando na verdade é um custo de transição. É dor muscular de treinamento, não uma doença crônica.
Por que isso importa mais do que o conforto
Essa distinção não é apenas semântica. A forma como você diagnostica o problema determina o que fará para enfrentá-lo.
Se a fadiga por IA é uma característica permanente da tecnologia, o limite de três horas de Yegge é o teto para sempre. As empresas deveriam planejar suas atividades contando com engenheiros que só conseguem ser produtivos por uma fração do dia. O “efeito vampírico” é o preço de entrada, e temos de conviver com ele.
Mas, se for dor muscular de treinamento, a estratégia muda completamente. Você gerencia a carga. Aumenta-a aos poucos. Não falta à academia porque está dolorido. E, sobretudo, não pressupõe que a exaustão de hoje será a mesma de amanhã.
Os engenheiros que atravessarem essa fase e criarem vias cognitivas para orientar o trabalho da IA, revisar no nível adequado de detalhamento e preservar a intenção arquitetônica entre frentes de trabalho paralelas acabarão fazendo isso com a mesma naturalidade com que dirigem. O limite de três horas passará para cinco e, depois, para sete. Não porque estarão trabalhando mais arduamente, mas porque o trabalho deixará de exigir o mesmo tipo de esforço.
Enquanto isso, os engenheiros que lerem sobre a “fadiga por IA” e decidirem permanecer no nível dois, confortáveis, em terreno conhecido e sem se esgotar, se encontrarão em uma situação muito pior.
Não porque deixaram de acompanhar uma tendência, mas porque nunca começaram o treinamento pelo qual todos os outros já passaram.
O verdadeiro risco: confundir dor muscular com lesão
Quero deixar algo bem claro. Há uma diferença entre a dor muscular do treinamento e uma lesão de verdade, e ela também se aplica aqui.
Se você faz “vibe coding” por catorze horas diárias, dorme quatro horas e vive à base de adrenalina porque a novidade é inebriante, isso não é treinamento. É excesso de treinamento. E, assim como na academia, o excesso de treinamento não constrói nada. Ele destrói você.
A observação de Yegge sobre três horas é valiosa como sinal das necessidades atuais de recuperação, não como um teto permanente. No início do treinamento, você precisa de mais descanso entre as sessões. À medida que se adapta, consegue suportar um volume maior. Quem sofre esgotamento não é quem faz três horas de trabalho concentrado com apoio de IA. É quem não consegue parar porque o ciclo de feedback é envolvente demais. Trata-se exatamente da dinâmica das máquinas caça-níqueis sobre a qual já escrevi.
A resposta não é evitar a academia, e sim treinar com inteligência: sessões intensas, recuperação de verdade e progressão gradual.
Uma previsão que ninguém mais está fazendo
Eis o que eu acho que acontecerá nos próximos doze a dezoito meses.
A narrativa da “fadiga por IA” atingirá o pico em algum momento deste ano. Haverá mais artigos, mais lamentações preocupadas e, provavelmente, alguns engenheiros conhecidos que anunciarão publicamente uma “pausa nas ferramentas de IA”. Isso parecerá uma reação contrária significativa.
Depois, essa narrativa desaparecerá discretamente. Não porque as pessoas deixaram de usar IA, mas porque os primeiros usuários terminaram de se adaptar. Para quem já trabalha assim há um ano e meio, o limite de três horas parecerá uma lembrança distante. Essas pessoas orientarão fluxos de trabalho de IA como antes escreviam laços for: sem pensar nisso.
E a distância entre quem atravessou a fase de dor muscular e quem não a atravessou será enorme. Não porque as habilidades em IA são raras, mas porque a própria adaptação, a capacidade de pensar em orientação, avaliação e orquestração em vez de implementação linha por linha, terá se tornado natural para um grupo e completamente estranha para o outro.
A pior reação à dor muscular do treinamento sempre foi a mesma: parar de ir à academia.
O que isso significa para os líderes
Se você lidera uma equipe de engenharia agora, entenda o que realmente está vendo. Seus engenheiros mais produtivos também são os mais cansados. Isso não é uma contradição. É o sinal mais claro ao seu alcance de que a adaptação está em andamento.
Não reaja diminuindo a adoção de IA. Tampouco finja que a fadiga não é real. Reaja como um bom treinador: gerencie a carga de treinamento. Espere sessões intensas e concentradas de trabalho apoiado por IA, seguidas de recuperação genuína. Permita que as pessoas trabalhem em uma jornada que parece reduzida enquanto desenvolvem novas habilidades cognitivas. A produção continuará sendo várias vezes maior do que antes.
As empresas que acertarem nisso terão equipes adaptadas até o fim do ano. As que ignorarem a fadiga ou recuarem da IA em resposta a ela acabarão com o pior dos dois resultados: engenheiros exaustos que nunca superaram a parte mais difícil da curva.
Não estamos vivendo os efeitos colaterais de uma nova tecnologia. Estamos nas primeiras semanas de treinamento para uma nova forma de trabalhar. A dor muscular prova que isso está funcionando. Encare o processo, gerencie a carga e confie que seu cérebro, como qualquer outro sistema adaptativo da natureza, fará o que sempre fez.
Ele se adaptará.












