O Uso de IA Pode Fazer com que as Tarefas Demorem Mais, Diz Pesquisa

Nova pesquisa sugere que a IA pode fazer com que as tarefas simples demorem mais, enquanto convence os usuários de que estão se tornando mais produtivos.

Um novo estudo da Stanford, NYU e Princeton descobriu que frequentemente usamos IA mesmo quando é ineficiente; e que para as tarefas menores que compulsivamente delegamos à IA, gastaríamos menos esforço mental e economizaríamos mais tempo se fizéssemos a tarefa nós mesmos.

Em três estudos com seres humanos encomendados para a pesquisa, os autores encontraram que os participantes consistentemente subestimavam o tempo que a IA economizaria para eles em uma tarefa proposta, bem como subestimavam notavelmente o quanto dependiam da IA e realmente a usavam*.

‘No [segundo estudo], buscamos entender por que as pessoas podem usar IA para tarefas simples, apesar de a IA não fornecer benefícios de eficiência. Uma hipótese é que as pessoas estão mal calibradas sobre quanto tempo e esforço a assistência da IA economiza.

‘Para testar essa hipótese, comparamos as previsões das pessoas versus o tempo e esforço reais para concluir essas tarefas com e sem assistência da IA e identificamos ilusões de ganho de eficiência, onde as pessoas superestimam tanto o tempo quanto o esforço que a assistência da IA economiza.

‘Em média, as pessoas previram que a assistência da IA economizaria tempo em 55,7 segundos, quando na verdade economizou apenas 7,5 segundos. Essa miscalibração é particularmente grave nas variantes simples das tarefas, onde as pessoas previram que a assistência da IA economizaria tempo, mas na realidade tornou as tarefas mais lentas para concluir.’

O novo artigo, intitulado A ilusão de ganho de eficiência: as pessoas subestimam a taxa de uso da IA e superestimam seus benefícios em tarefas simples, co-escrito por sete autores das três instituições, também descobriu que o uso anterior da IA parece reforçar o uso futuro da IA, mesmo quando a tecnologia oferece pouco ou nenhum benefício de eficiência real.

Visão geral dos três experimentos usados para testar como as pessoas usam IA para tarefas simples do dia a dia, revelando que os usuários subestimam o quanto dependem da IA, superestimam o tempo que a IA economiza e se tornam mais propensos a usá-la novamente após a exposição anterior. Fonte

Os dados dos três estudos encontraram que as pessoas se tornam mais propensas a usar IA após a exposição anterior, mesmo de maneiras que não são produtivas ou que economizam tempo, ou mesmo que reduzem o estresse (ou seja, gastam menos esforço mental na tarefa)*:

‘Contrariamente à possibilidade de que a experiência melhore a calibração [ou seja, a capacidade de estimar o quão útil é a IA para uma tarefa], identificamos um efeito de transferência de sessão onde o uso inicial da IA aumenta o uso subsequente da IA.

‘Os participantes que inicialmente completaram tarefas com a IA se tornaram ainda mais propensos a optar pela assistência da IA em variantes de tarefas fáceis, mesmo que isso não oferecesse economia de tempo ou esforço em média.’

Em um dos estudos com seres humanos, os autores encontraram que as economias obtidas com o uso da IA eram inteiramente ilusórias:

‘A assistência da IA pode [dar errado]. [Nós] encontramos que as pessoas que escolheram usar a IA gastaram 7,06 segundos a mais do que as pessoas que completaram as tarefas [independentemente] e relataram um esforço maior.’

O estudo foi limitado a tarefas que levavam cinco minutos ou menos, mas pode ressoar com ex-viciados em mecanismos de busca que agora rotineiramente recorrem ao ChatGPT e outras LLMs populares e commodities, em vez de fazerem as tarefas elas mesmas.

Grupos de Estudo

Ao longo dos vários estudos com seres humanos, as tarefas foram elaboradas com base no quadro de necessidades e ações do usuário (TUNA). Os experimentos abrangiam busca de informações; resumo; aritmética; correção ortográfica; reescrita; e outras tarefas de baixa complexidade que poderiam ser concluídas em menos de cinco minutos.

O primeiro estudo comparou a disposição dos participantes para usar IA contra seu comportamento real durante a conclusão da tarefa, investigando se as pessoas entendem com precisão sua própria dependência da assistência da IA.

O segundo se concentrou em ganhos de eficiência percebidos versus reais, comparando as expectativas dos participantes sobre economia de tempo e esforço reduzido contra os tempos de conclusão medidos e a carga de trabalho relatada durante a conclusão da tarefa com e sem assistência da IA.

O terceiro examinou se a exposição anterior à IA mudou a tomada de decisão posterior, rastreando se os participantes que haviam completado tarefas com a IA se tornaram mais propensos a confiar na IA novamente durante tarefas subsequentes.

Pensando Demais – Uso de IA em Tarefas Simples

Para entender se as pessoas estimam com precisão sua própria dependência da IA, os participantes do estudo em uma sessão foram solicitados a concluir quatro tarefas, com a opção de usar assistência da IA para cada tarefa. O nível em que os participantes realmente usaram a IA foi comparado com sua própria estimativa anterior de quanto pensavam que usariam, com uma dissonância significativa evidente nos resultados:

Os participantes consistentemente subestimaram o quanto usariam a IA para tarefas simples, com a lacuna se ampliando em prompts mais fáceis, onde o uso real da IA subiu para 38% contra uma taxa prevista de 20%, sugerindo que a delegação habitual à IA se estende muito além da própria consciência dos usuários.

Os autores afirmam:

‘Descobrimos que [as pessoas] de fato usaram a IA significativamente mais do que a taxa prevista em média. Em média, os participantes relataram que usariam a IA em 33% das tarefas, mas a taxa populacional de uso da IA é de 47% (β = 1,07, p < 0,001).

‘Essa lacuna é maior para variantes de tarefas fáceis (β = 0,69, p < 0,001): os participantes previram uma taxa de uso da IA de 20%, mas a taxa real de uso da IA foi de 38% (β = 1,42, p < 0,001), quase dobrando a taxa de preferência declarada.’

Os experimentos se concentraram em tarefas de baixo esforço que muitas pessoas agora rotineiramente delegam à IA, mesmo quando fazer isso pode ser desnecessário. Os participantes foram solicitados a realizar atividades simples que envolviam lembrança de fatos, aritmética, correção ortográfica, reescrita de passagens curtas, resumo de texto e respostas a perguntas básicas de raciocínio, com algumas tarefas exigindo apenas algumas palavras ou uma frase para concluir.

O estudo também incluiu versões ligeiramente mais difíceis das mesmas atividades, permitindo que os pesquisadores comparassem se o uso da IA mudava à medida que o trabalho se tornava mais desafiador.

Benefícios de Economia de Tempo da IA Superestimados

No segundo estudo, os participantes foram divididos em dois grupos separados, com um grupo primeiro estimando quanto tempo e esforço mental a IA economizaria em uma série de tarefas, enquanto o outro grupo realmente completou essas mesmas tarefas, com ou sem assistência da IA. As tarefas novamente se concentraram em atividades de baixa complexidade que envolviam aritmética, reescrita, lembrança de fatos, resumo, correção ortográfica e exercícios de raciocínio curtos.

O objetivo era comparar as expectativas das pessoas sobre a produtividade da IA com o que realmente aconteceu quando o trabalho foi realizado. De acordo com o artigo, os participantes consistentemente superestimaram o quanto a IA os ajudaria, particularmente em tarefas mais fáceis, onde muitos presumiram que a IA reduziria drasticamente a carga de trabalho e o tempo de conclusão.

Em vez disso, os resultados medidos frequentemente mostraram ganhos mínimos, e em alguns casos, como mencionado anteriormente, o uso da IA realmente retardou os participantes. O artigo relata que as pessoas esperavam que a assistência da IA economizasse quase um minuto em média, enquanto a economia de tempo real observada foi de apenas alguns segundos.

Em algumas tarefas mais simples, os usuários da IA realmente levaram mais tempo para concluir do que as pessoas que completaram o trabalho independentemente:

Previsão versus tempo e esforço mental reais durante a conclusão da tarefa com e sem assistência da IA, revelando a ‘ilusão de aceleração’ proposta no artigo, na qual os participantes consistentemente acreditavam que a IA economizaria muito mais tempo do que realmente fez. Os tempos de conclusão da tarefa com assistência da IA foram substancialmente mais longos do que os previstos, enquanto as estimativas para a conclusão da tarefa independente permaneceram muito mais próximas dos resultados observados.

O estudo também examinou o esforço mental percebido. Os participantes frequentemente acreditavam que a IA tornaria as tarefas muito mais fáceis; no entanto, a redução medida no esforço cognitivo foi muito menor do que o esperado. O artigo caracteriza isso como uma ‘ilusão de ganho de eficiência’, na qual as pessoas sistematicamente superestimam tanto a velocidade quanto a utilidade da assistência da IA durante o trabalho simples do dia a dia.

Uso de IA Aprofunda a Ilusão

O último dos três estudos foi projetado para testar se mesmo a exposição breve à IA muda a tomada de decisão posterior. Os participantes foram divididos em vários grupos e primeiro passaram por uma ‘fase de exposição’, onde alguns completaram tarefas fáceis com assistência da IA; alguns completaram tarefas mais difíceis com assistência da IA; e outros completaram as mesmas categorias de tarefas independentemente, sem IA. Um grupo de controle separado pulou a fase da tarefa inteiramente.

Posteriormente, todos os grupos entraram em uma segunda ‘fase de teste’, desta vez recebendo novas e mais fáceis tarefas e permitindo que decidissem por si mesmos se usariam ou não a IA. As tarefas novamente se concentraram em tarefas de baixa complexidade (ou seja, reescrita, aritmética, lembrança, correção ortográfica, resumo e exercícios de raciocínio curtos) que poderiam ser concluídas em apenas alguns minutos.

O artigo relata que os participantes que já haviam usado a IA durante a fase de exposição se tornaram substancialmente mais propensos a confiar na IA novamente após:

Os pesquisadores encontraram que os usuários anteriores da IA selecionaram a assistência da IA com muito mais frequência durante a fase de teste posterior do que os participantes que haviam completado tarefas independentemente:

Os participantes que haviam usado a IA durante a fase de exposição se tornaram substancialmente mais propensos a confiar na IA novamente durante tarefas posteriores, apesar de o uso anterior da IA frequentemente não ter produzido ganhos significativos em velocidade ou redução de esforço mental. O painel esquerdo mostra que os usuários anteriores da IA selecionaram a assistência da IA com muito mais frequência durante a fase de teste posterior do que os participantes que haviam completado tarefas independentemente. O painel direito ilustra a ‘ilusão de aceleração’ proposta no artigo, na qual a exposição anterior à IA aumentou a crença dos participantes de que o trabalho com assistência da IA era mais rápido e eficiente, mesmo que os tempos de conclusão medidos frequentemente mostrassem pouco benefício e, às vezes, um desempenho mais lento. 

A exposição repetida à IA é relatada como distorcendo o julgamento dos participantes sobre se a IA era realmente útil: as pessoas que já haviam usado a IA se tornaram menos propensas a concordar que as tarefas poderiam ser concluídas mais rapidamente sem ela, apesar dos resultados medidos frequentemente mostrarem pouco benefício e, em alguns casos, tempos de conclusão mais lentos.

Os pesquisadores argumentam que isso cria as condições para um ‘ciclo de reforço’, no qual o uso da IA aumenta a dependência futura da IA, enquanto simultaneamente enfraquece a capacidade dos usuários de julgar se a tecnologia está melhorando a produtividade de fato.

Conclusão

Opinião Muitos leitores que adotaram a IA para tarefas pequenas podem, como eu, se sentir familiarizados com as conclusões do novo artigo.

Pessoalmente, minha obsessão por automatizar tarefas repetitivas precede o atual boom da IA por várias décadas. Então, como agora, a pergunta permanece: o esforço necessário para configurar e/ou manter a automação excede o esforço estimado (somente humano) em apenas fazer a tarefa, sem automação?

Os que amam automatizar podem acabar automatizando por automatizar, mesmo que leve anos ou décadas para que qualquer retorno (em termos de tempo economizado) seja evidente; e isso muda o contexto da atividade de ‘otimização’ para ‘hobby’.

Não há nada de errado com isso, desde que você não esteja se enganando sobre ganhos reais sendo feitos. No entanto, este é um mau hábito que tentei resistir nos últimos anos; e a opção de usar a IA, ultimamente, parece propensa a exacerbá-lo, pois mesmo resultados ruins ou não ótimos podem ser obtidos muito mais rapidamente do que, por exemplo, quando se criam macros em JavaScript e outras linguagens.

Indicadores Enganosos

O que o artigo negligencia um pouco é a tensão entre serendipidade ou resultados afortunados via IA versus a predominância de becos sem saída e tentativas frustradas de adaptar chatbots da IA, como o ChatGPT, às próprias necessidades – em um fluxo de trabalho que pode ser confiável, mesmo diante de atualizações forçadas para novas versões que podem não operar da mesma maneira que a versão na qual o fluxo de trabalho ou rotina foi condicionada.

Um resultado ‘mágico’, portanto, é aquela ocasião em que a IA resolve o problema de forma fácil e racional.

Por exemplo, toda vez que reviso um artigo, preciso imprimi-lo e inevitavelmente tenho que escrever números de página em negrito no topo, pois geralmente estão ausentes ou em tipo pequeno na parte inferior. Pedir ao ChatGPT para produzir um script em Python que adicionaria um número de página grande e em negrito no topo provou ser um resultado incrivelmente rápido, pois agora posso arrastar um PDF do Arxiv para um arquivo .BAT e ter uma nova versão com números de página proeminentes em 2-3 segundos:

Numeração de página evidente adicionada a PDFs via um script em Python escrito pela IA.

Além de um minuto ou dois de discussão sobre se o Windows tem uma fonte Arial Black nativa e separada (não tem mais), isso foi possivelmente o resultado mais rápido que a IA já criou algo persistentemente e regularmente útil para mim.

Argumenta-se que esse tipo de ‘avanço’ ou ‘vitória fácil’ dá uma falsa impressão da verdadeira capacidade da IA de economizar tempo e/ou esforço mental, pois tendemos a dar ênfase indevida a essas instâncias: nossa tendência natural a suprimir memórias dolorosas ou negativas e a reutilizar ou centralizar memórias mais felizes significa que instâncias bem-sucedidas em que a IA resolve tarefas pequenas de forma útil acabarão como um farol que estamos propensos a perseguir, mesmo contra a tendência da evidência estatística, como demonstrado no novo artigo, e mesmo contra nossa própria experiência de que essas ‘vitórias fáceis’ são a exceção e não a regra.

Há provas crescentes, além do novo artigo, de que nos enganamos sobre a utilidade da IA. Em 2025, um estudo mostrou que os desenvolvedores que usavam a IA estavam levando 19% mais tempo; e outra oferta mais recente confirma a mensagem subjacente do novo artigo discutido neste artigo – que economizar tempo leva tempo.

Sería útil se pesquisas desse tipo pudessem ser traduzidas em um (inevitavelmente impulsionado pela IA) estudo de tempo e movimento clássico, permitindo-nos insights reais sobre a extensão com que a IA realmente nos economiza – ou nos custa – tempo.

Finalmente, o estudo é excepcional em outro aspecto importante, pois ao menos tenta quantificar ‘esforço mental’ em relação ao uso da IA em tarefas menores. À medida que a atenção se concentra cada vez mais na ‘intensidade’ do trabalho auxiliado pela IA, precisamos urgentemente de unidades de medida confiáveis que possam quantificar a extensão com que as exigências e peculiaridades da IA nos esgotam ou nos desgastam, a um custo geral de qualidade do trabalho e aptidão para o trabalho.

* Formatação é dos autores, do artigo original. Qualquer citação inline convertida em links por mim.

Publicado pela primeira vez no sábado, 23 de maio de 2026