AI-translated from English; not yet reviewed by a fluent editor. # A utilização de IA está a expandir-se para além da programação. A intensidade é mais difícil de comprovar > Inquéritos indicam uma utilização mais ampla da IA no trabalho, enquanto experiências encontram ganhos e falhas em tarefas específicas. Os dados de utilização ainda não mostram se outras profissões atingirão a intensidade observada na programação. By BIG CHANGE Editorial Published: 2026-10-02T04:10:34.217Z Updated: 2026-10-02T04:10:34.217Z Canonical: https://bigchange.ai/blog/ai-use-beyond-coding-workplace-evidence ![A seated person works at a laptop while holding a blank sheet of paper at a wooden table.](https://bigchange.ai/api/media/file/ai-work-beyond-coding-hero-v2-1.png) AI-generated by OpenAI; BIG CHANGE conceptual editorial illustration. No segundo trimestre de 2026, quase dois em cada cinco adultos empregados nos Estados Unidos disseram ter utilizado IA generativa no trabalho durante a semana anterior. Ainda assim, segundo um [um monitoramento de inquéritos nacionais](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) de investigadores do Federal Reserve de St. Louis, da Vanderbilt e de Harvard, a IA foi utilizada como apoio em 6,3% das horas de trabalho de todos os adultos empregados. O primeiro número conta pessoas; o segundo, o tempo. Nenhum indica se o trabalho foi bem feito, se uma empresa aumentou a receita ou se um posto de trabalho desapareceu. Estas distinções importam quando se pergunta se o resto do mundo do trabalho passará a utilizar IA com a mesma intensidade que os programadores. Os registos das plataformas mostram uma experimentação mais ampla, incluindo nas áreas jurídica, comercial e de marketing. As experiências encontram ganhos reais em algumas tarefas fora da programação. Mostram também que o simples acesso pode ter pouco efeito e que uma resposta bem redigida pode estar errada. ## A grande mudança - **O que mudou:** Os fornecedores de IA relatam agora uma utilização recorrente e atividade de agentes em mais funções empresariais, enquanto inquéritos independentes indicam uma utilização semanal mais ampla entre os trabalhadores dos EUA. - **Por que isso importa:** A utilização aumenta quando as ferramentas se integram nos fluxos de trabalho existentes, mas os ganhos dependem do contexto da tarefa e das verificações. Compradores e trabalhadores precisam de métricas de resultados, além dos números de adoção. - **O que observar:** Utilização repetida em tarefas, qualidade dos resultados verificada e retorno líquido para além da programação. As evidências atuais não determinam quando outras profissões atingirão o nível de utilização da programação nem o que acontecerá ao emprego. ## Os números medem coisas diferentes A [inquérito em Tempo Real da População](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) inquere uma amostra online representativa a nível nacional de adultos dos EUA com idades entre os 18 e os 64 anos sobre a utilização da IA no trabalho. A taxa de utilização durante a semana anterior subiu de 28,2% no terceiro trimestre de 2024 para 39,2% no segundo trimestre de 2026. A proporção estimada de todas as horas de trabalho apoiadas por IA aumentou de 4,1% para 6,3%. No trimestre mais recente, os inquiridos também estimaram que a IA lhes poupou 2,2% do total de horas de trabalho. Este último valor corresponde a uma estimativa retrospetiva do tempo poupado, não a um aumento observado da produtividade ou da receita. A OpenAI observa algo diferente: a atividade entre seus próprios clientes corporativos. Seu [relatório Sinais Empresariais de agosto](https://openai.com/signals/enterprise-data/) indica que, entre fevereiro e junho de 2026, o número de utilizadores semanais ativos do Codex aumentou 108 vezes nas funções jurídicas, 41 vezes nas vendas e no recrutamento e 26 vezes no marketing, face a cinco vezes na engenharia. As taxas partem de bases não divulgadas, pelo que não permitem comparar quantos advogados e engenheiros utilizam IA nem a proporção do trabalho de cada profissão que esta realiza. Em junho, o Codex gerou 64% do total combinado de tokens de saída do Codex e do ChatGPT entre clientes empresariais. Agentes que funcionam durante mais tempo geram mais tokens; essa proporção não equivale à percentagem de trabalhadores nem mede valor. A OpenAI vende estes produtos e tem interesse em demonstrar a sua difusão. Um [estudo separado da OpenAI com mais de 800 mil mensagens do ChatGPT nos EUA](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf), publicado em julho, classificou 16,8% das mensagens relacionadas com o trabalho como tarefas associadas a uma profissão diferente da do utilizador. Entre as mensagens suficientemente específicas para serem associadas a uma profissão, a proporção foi de 43,5%. Um [acompanhamento em setembro](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf) concluiu que alguns trabalhadores voltaram a pedir tarefas desse tipo no mês seguinte. São proporções de mensagens entre utilizadores da amostra; a profissão foi inferida a partir de informações de integração empresarial. Os dados mostram o que as pessoas pedem e voltam a pedir, não que tenham concluído a tarefa ou mudado de profissão. O [Índice Econômico de junho da Anthropic](https://www.anthropic.com/research/economic-index-june-2026-report) também analisa a atividade nos serviços do próprio fornecedor. A amostragem mais detalhada capta padrões ao longo do dia de trabalho e distingue a utilização do chat, do Cowork e da API própria. O inquérito associado relacionou os dados de utilização com cerca de 9700 inquiridos do Claude que tinham pelo menos cinco sessões. A Anthropic alerta que estes inquiridos não representam a população ativa: profissionais de informática e matemática correspondiam a cerca de 30% dos participantes, mas apenas a cerca de 4% do emprego nos EUA. As profissões físicas estavam sub-representadas. O anterior [índice de março](https://www.anthropic.com/research/economic-index-march-2026-report) concluiu que as tarefas de informática e matemática correspondiam a 35% das conversas no Claude.ai em fevereiro. Essa é a proporção das conversas num produto, não dos programadores que utilizam IA; a atividade de programação também estava a migrar para a API. O tráfego de um fornecedor pode revelar tarefas e frequência numa plataforma, mas não fornece, por si só, uma taxa de adoção por profissão para toda a economia. ## A produtividade depende da tarefa e das verificações Numa [implementação faseada](https://doi.org/10.1093/qje/qjae044) que envolveu 5 172 agentes de apoio ao cliente, o acesso a um assistente de conversação com IA aumentou, em média, em 15% o número de problemas resolvidos por hora. Os agentes menos experientes e com menos competências melhoraram tanto a rapidez como a qualidade; os mais experientes e competentes ganharam alguma rapidez, mas registaram pequenas descidas de qualidade. Os clientes tornaram-se mais educados e pediram menos vezes para falar com um responsável. O estudo mediu a operação de apoio de uma empresa, onde é possível acompanhar a resolução e o encaminhamento para níveis superiores. Não calculou o retorno para outras equipas de apoio. Uma [experiência em 66 empresas com 7 137 profissionais do conhecimento](https://www.nber.org/papers/w33795) distribuiu aleatoriamente uma ferramenta de IA integrada em aplicações de e-mail, reuniões e escrita. Na segunda metade do estudo, que durou seis meses, os 80% dos trabalhadores no grupo de intervenção que utilizaram a ferramenta passaram menos duas horas por semana no e-mail e reduziram o trabalho fora do horário habitual. Os investigadores não detetaram uma alteração mais abrangente na quantidade ou na combinação das tarefas resultante do acesso individual. Três autores trabalhavam na Microsoft Research e a Microsoft, fabricante da ferramenta, coorganizou a experiência e forneceu telemetria do produto. O resultado diz respeito às empresas participantes, não a todo o trabalho de escritório. Uma [experiência de campo com 758 consultores do Boston Consulting Group](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf), realizada em 2023 e publicada em março de 2026, encontrou trabalho mais rápido e com melhor avaliação em tarefas deliberadamente escolhidas para favorecer os pontos fortes do GPT-4. Num caso diferente, que exigia interpretar evidências de entrevistas, os utilizadores de IA tiveram maior probabilidade de responder incorretamente. O BCG colaborou no estudo, que avaliou exercícios definidos e não resultados entregues a clientes. No [estudo aleatorizado da METR](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) com 16 programadores experientes de projetos de código aberto, a trabalhar em 246 problemas de repositórios que conheciam, as ferramentas de IA disponíveis no início de 2025 aumentaram o tempo de conclusão em 19%. Apesar disso, os programadores acreditavam que as ferramentas os tinham ajudado a trabalhar mais depressa. [Uma tentativa posterior da METR](https://metr.org/blog/2026-02-24-uplift-update/) com ferramentas mais recentes sugeriu ganhos, mas os investigadores consideraram a estimativa pouco fiável: programadores que não queriam trabalhar sem IA desistiram e a atividade simultânea de agentes dificultou a medição do tempo. Por conseguinte, os estudos não estabelecem um efeito único da programação na produtividade que se aplique a diferentes ferramentas e anos. A programação tem mecanismos de verificação especialmente acessíveis: os repositórios preservam o contexto e as alterações, enquanto compilações, testes e revisões podem revelar falhas. Mesmo aí, um teste aprovado não representa o produto completo. No apoio ao cliente, a resolução de problemas e as reações dos clientes oferecem outros indicadores. Um rascunho de e-mail pode poupar tempo sem alterar a produção da empresa. Uma recomendação jurídica, financeira ou médica exige verificações proporcionais às consequências, e o comprador tem de contabilizar o trabalho de revisão, além do custo da ferramenta. São problemas de medição diferentes; por isso, a utilização, por si só, não demonstra intensidade ou valor equivalentes. ## O trabalho pode mudar antes de os salários refletirem a mudança Na Dinamarca, os investigadores ligaram inquéritos a trabalhadores de 11 profissões expostas e de 7 000 locais de trabalho a registos administrativos. A sua [revisão de março de 2026](https://www.nber.org/papers/w33777) identificou iniciativas de chatbots por parte dos empregadores e alterações nas tarefas relatadas, mas não detetou efeitos nos rendimentos ou nas horas registadas, ao nível dos trabalhadores ou dos locais de trabalho, nos dois anos após o lançamento do ChatGPT; as estimativas excluem efeitos superiores a 2%. Esta conclusão está circunscrita à Dinamarca, às profissões e ao período estudados. Não permite concluir que uma adoção posterior deixará o emprego inalterado. Para um trabalhador, a utilização recorrente pode significar uma maior variedade de tarefas ou menos tempo dedicado ao e-mail. Para um comprador, a questão é saber se todo o fluxo de trabalho produz resultados fiáveis a um custo aceitável. Para quem recebe uma resposta de apoio ou depende de aconselhamento profissional, o que importa é se a resposta é correta e se há alguém responsável por ela. As evidências disponíveis sustentam uma utilização mais ampla para além da programação e ganhos mensuráveis em tarefas selecionadas. Ainda não permitem prever quando outras profissões atingirão a profundidade de utilização da engenharia de software nem determinar um efeito único na produtividade e no emprego. ## Fontes e leituras adicionais - [Monitor de adoção da inquérito em Tempo Real da População, explicado pelo Federal Reserve de St. Louis](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/), 27 de agosto de 2026: utilização semanal nos EUA, horas de trabalho apoiadas por IA e poupança de tempo autodeclarada. Não mede a qualidade dos resultados nem a receita. - [Sinais Empresariais da OpenAI](https://openai.com/signals/enterprise-data/), atualizado a 12 de agosto de 2026: utilização na base de clientes empresariais da OpenAI, com métricas de tokens e de utilizadores semanais ativos. As contagens iniciais das taxas de crescimento não foram divulgadas. - [OpenAI, Trabalho na fronteira](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf), julho de 2026, e seu [acompanhamento de setembro](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf): classificação de mensagens do ChatGPT e recorrência entre utilizadores empresariais da amostra; não mede resultados de trabalho concluído. - [Índice Econômico da Anthropic, Cadências](https://www.anthropic.com/research/economic-index-june-2026-report), 26 de junho de 2026, e [Curvas de aprendizado](https://www.anthropic.com/research/economic-index-march-2026-report), 24 de março de 2026: atividade no Claude, tipos de resultados e um inquérito a utilizadores selecionados. Os denominadores são o tráfego e os inquiridos da Anthropic. - [Brynjolfsson, Li e Raymond, IA generativa no trabalho](https://doi.org/10.1093/qje/qjae044), publicado online a 4 de fevereiro de 2025, na edição de maio do *Quarterly Journal of Economics*: mediu a produtividade dos agentes de apoio, as diferenças por nível de experiência e as reações dos clientes durante uma implementação faseada numa empresa. - [Dillon e colaboradores, Mudanças nos padrões de trabalho com IA generativa](https://www.nber.org/papers/w33795), revisão de novembro de 2025: acesso aleatorizado a ferramentas de IA no trabalho, tempo dedicado ao e-mail e combinação de tarefas nas empresas participantes. Três autores trabalhavam na Microsoft Research e a Microsoft coorganizou a experiência. - [Dell'Acqua e colaboradores, Navegando a fronteira tecnológica irregular](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf), experiência realizada em 2023 e publicada a 11 de março de 2026: mediu rapidez, qualidade avaliada e erros em diferentes exercícios de consultoria. - [Experimento de programação da METR](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) e [atualização de fevereiro de 2026](https://metr.org/blog/2026-02-24-uplift-update/): evidências aleatorizadas sobre programação e problemas de seleção no estudo posterior. - [Humlum e Vestergaard, Águas paradas, correntes rápidas](https://www.nber.org/papers/w33777), revisão de março de 2026: inquéritos a trabalhadores e locais de trabalho dinamarqueses ligados a registos administrativos de horas e rendimentos. ## Sources - [A IA generativa economiza tempo no trabalho?](https://fredblog.stlouisfed.org/2026/08/does-generative-ai-save-time-at-work/) — Inquérito online representativo dos EUA: utilização na semana anterior, horas de trabalho apoiadas por IA e poupança autodeclarada; não verifica a qualidade dos resultados nem a receita. - [Sinais empresariais](https://openai.com/signals/enterprise-data/) — Telemetria empresarial da OpenAI: utilizadores do Codex por função e combinação de tokens. Bases não divulgadas e agentes que geram muitos tokens limitam as inferências. - [Trabalho na fronteira: como a IA está ampliando o que as pessoas fazem no trabalho](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf) — Classificação da OpenAI de mais de 800 mil mensagens de trabalho; a proporção de mensagens associadas a outras profissões não equivale a trabalho concluído. - [Trabalho na fronteira: como trabalhadores estão descobrindo novas formas de trabalhar](https://cdn.openai.com/pdf/work-at-the-frontier-report-202609.pdf) — Estudo de recorrência da OpenAI com utilizadores selecionados; pedidos repetidos não demonstram que o trabalho tenha sido reformulado. - [Índice Econômico da Anthropic: Cadências](https://www.anthropic.com/research/economic-index-june-2026-report) — Padrões de utilização do Claude e inquérito não representativo a cerca de 9700 utilizadores selecionados. - [Índice Econômico da Anthropic: Curvas de aprendizado](https://www.anthropic.com/research/economic-index-march-2026-report) — Amostras de fevereiro de 2026 do Claude.ai e da API. Os 35% relacionados com programação correspondem à proporção das conversas no Claude.ai. - [IA generativa no trabalho](https://doi.org/10.1093/qje/qjae044) — Estudo publicado na QJE (edição de maio de 2025) com 5 172 agentes na operação de apoio ao cliente de uma empresa: aumento médio de 15% nas resoluções por hora. Os ganhos concentraram-se nos trabalhadores menos experientes; os mais competentes registaram pequenas descidas de qualidade. Os clientes tornaram-se mais educados e pediram menos vezes para falar com um responsável. O estudo não estima o retorno geral nem os efeitos no emprego. - [Mudanças nos padrões de trabalho com IA generativa](https://www.nber.org/papers/w33795) — Edição de maio de 2025 do NBER, revista em novembro de 2025 (dia não indicado). Experiência aleatorizada com 7 137 trabalhadores em 66 empresas. Três autores trabalhavam na Microsoft Research; a Microsoft fabricou a ferramenta, coorganizou a experiência e forneceu telemetria. - [Navegando a fronteira tecnológica irregular](https://www.hbs.edu/ris/Publication%20Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf) — Exercícios controlados com consultores associados ao BCG, realizados em 2023 e publicados na Organization Science a 11 de março de 2026; ganhos e erros dependentes da tarefa, não resultados para clientes. - [Estudo de produtividade de programadores da METR no início de 2025](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) — Estudo aleatorizado do início de 2025 com 16 programadores e 246 problemas; as ferramentas disponíveis na altura aumentaram o tempo em 19%, numa amostra restrita. - [Atualização do experimento de produtividade de programadores da METR](https://metr.org/blog/2026-02-24-uplift-update/) — Os investigadores explicam por que motivo as estimativas posteriores de aceleração não são fiáveis devido à seleção e à medição do tempo. - [Águas paradas, correntes rápidas](https://www.nber.org/papers/w33777) — Edição de maio de 2025 do NBER, revista em março de 2026 (dia não indicado). Estudo dinamarquês com inquéritos e dados administrativos que encontra efeitos iniciais nulos e circunscritos nos rendimentos e nas horas registadas.