Demos a uma ferramenta de IA o controle total de um laptop. Aplicativos pré-configurados. Acesso total à Internet. A pergunta era simples o suficiente para caber num guardanapo: a inteligência artificial pode realmente fazer um trabalho de escritório?
Os executivos certamente pensam assim. Mais de 200 empresas de tecnologia cortaram cerca de 120.000 cargos somente neste ano. Layoffs.fyi rastreia o sangramento, e os nomes nessa lista – Meta, Oracle – citam a IA como o principal fator. O CEO da Cloudflare não mediu palavras depois de demitir 1.100 pessoas. Ele espera que a IA substitua a gestão intermediária, finanças e marketing.
Colocamos esses agentes à prova. E a resposta não é um claro “sim” ou “não”. É um “às vezes” confuso.
Testando agentes de IA em tarefas reais de escritório
Implantamos “agentes” de IA para atuarem como funcionários de escritório. O objetivo era ver se eles conseguiriam tomar decisões autônomas com base em instruções detalhadas. Usamos benchmarks da Carnegie Mellon University e OpenAI para simular ambientes do mundo real. Esses testes usaram planilhas, memorandos e listas de funcionários fabricados, juntamente com instruções cuidadosamente escritas para definir a função da IA e as ferramentas disponíveis.
Executamos esses agentes usando o aplicativo Claude Cowork da Anthropic. Esta configuração permitiu que a IA assumisse o controle do computador. Mas o controle é uma coisa. Competência é outra.
Os agentes se destacavam em tarefas que envolviam escrever programas de computador. Eles lutaram com todo o resto.
A IA pode lidar com nuances humanas e design de interface?
Nosso primeiro teste envolveu a coleta de feedback de colegas no Slack. Criamos bots para imitar colegas de trabalho, alimentando as respostas pré-escritas da IA. O agente conseguiu algumas bolas curvas sem errar um taco. Quando um nome era escrito incorretamente – “Sara” em vez de “Sarah” – ele ainda enviava uma mensagem para a pessoa correta. Quando um participante não respondia, ele não ficava esperando. Registrou o funcionário com pontuação zero e seguiu em frente.
Coisas simples. Mas então lançamos algo complexo nisso.
O agente teve que analisar documentos e identificar cortes de pessoal no orçamento de uma agência governamental. Era necessário decidir quais funções seriam dispensáveis. O resultado? Produziu um relatório de três documentos. Principalmente preciso. Identificou corretamente que as reformas e as demissões poderiam cumprir as metas orçamentais sem despedir ninguém.
Mas cometeu um erro significativo. Ele sinalizou funcionários em licença por demissão. Agrupou todos eles, ignorando o fato de que planejavam retornar.
Enquanto um humano perguntava instintivamente quanto tempo durou a licença, a IA presumiu que eles haviam partido para sempre. Inferiu um corte permanente de uma ausência temporária.
“A IA pode ser menos capaz de substituir o conhecimento tácito, as habilidades e truques idiossincráticos que se acumulam com a experiência.” -Stanford e NBER
Conhecimento tácito. Coisas que você aprende fazendo, não lendo. IA não tem isso. Ainda não.
Por que os agentes de IA preferem codificação a clicar
A IA também engasgou com a navegação básica da interface. Ele teve problemas com a interface do Google Drive. Ele se atrapalhou com planilhas. Quando instruído a modificar um organograma no Preview ou no Google Slits, desistiu imediatamente. Ela decidiu que usar um aplicativo era “muito impraticável” e, em vez disso, escreveu o código.
Graham Neubig, professor da Carnegie Mellon e coautor do projeto AgentCompany, observou que os agentes trabalham de uma “maneira muito desumana”. Eles preferem codificação a interfaces de usuário típicas.
Nosso agente confirmou esse preconceito. Apesar das instruções explícitas para experimentar os aplicativos primeiro, eles nos ignoraram. Após cerca de 30 segundos, mudou para a codificação. Ele reconheceu que era bom em código. Ele reconheceu que era ruim clicar em botões projetados para olhos humanos.
A próxima tarefa reforçou esse padrão. O agente teve que preencher 17 formulários de verificação de I-emprego usando dados de uma planilha. Ele os carregou para o Google Drive.
Novamente, evitou os aplicativos. Ele escreveu código. A solução funcionou bem. Ele ainda adicionou verificações de formatação para números de telefone e IDs de Seguro Social. Isso facilitou o que seria um trabalho tedioso para um humano.
Então parou. Uma etapa trivial para qualquer funcionário de escritório: enviar os PDFs finalizados para a pasta correta do Google Drive. O agente tropeçou. O código tratou a lógica, mas o tratamento da interface falhou.
O veredicto: IA precisa de um chefe humano
Nosso experimento correspondeu a descobertas mais amplas do setor. A Scale AI testou recentemente agentes em projetos freelance reais. O modelo de melhor pontuação produziu resultados prontos para o cliente apenas 16% das vezes.
A IA pode se destacar em tarefas específicas e isoladas. Ele pode lidar com dados estruturados. Ele pode escrever código. Mas ele falha nas partes diferenciadas, intuitivas e com interface pesada da maioria dos trabalhos. Ele não entende a política do escritório. Ele não sabe quando alguém está apenas fazendo uma pausa ou quando desistiu.
Pode agregar valor a certas áreas da força de trabalho. Mas, por enquanto, a IA ainda precisa de um ser humano para protegê-la. Um chefe humano. Alguém para pegar os uploads que travaram. Alguém para corrigir os erros de contratação.
As ferramentas estão cada vez melhores. Mas a distância entre “fazer uma tarefa” e “fazer um trabalho” ainda é grande.
