Desde pelo menos 2023, o discurso das grandes empresas de tecnologia (Big Techs) tem sido consistente: a inteligência artificial vai automatizar o trabalho tedioso, liberar horas de volta ao funcionário e permitir que as pessoas se concentrem no que é verdadeiramente criativo e significativo. Os líderes compraram essa narrativa. As empresas compraram. As organizações inteiras se reestruturaram em torno da promessa de que a IA finalmente resolveria o problema da produtividade.
Os dados de 2026 contam uma história diferente.
Um estudo de oito meses embutido numa empresa de tecnologia americana de 200 funcionários, conduzido por pesquisadores da UC Berkeley e da Universidade Yale e publicado em fevereiro de 2026, acompanhou o que aconteceu quando funcionários adotaram voluntariamente ferramentas de IA generativa em times de engenharia, produto, design, pesquisa e operações. O resultado não foi a utopia prometida. Foi um padrão que os pesquisadores chamaram de “expansão de capacidade que leva ao crescimento da carga de trabalho, que leva ao burnout”.
O engajamento dos funcionários despencou de 88% para 64% ano após ano, mesmo enquanto a adoção de IA disparava.
Ao mesmo tempo, as empresas que lideram a corrida pela IA, como OpenAI, Anthropic, Meta e Google, relatam histórias internas de um ritmo de trabalho que muitos funcionários descrevem como insustentável. A questão que emerge é simples e incômoda: se a IA vai nos tornar mais produtivos, por que todos estão trabalhando mais?
O que Está Acontecendo Dentro das Grandes Empresas de IA
Anthropic: 80% do Código Escrito por IA, 8x Mais Código por Dia
Os números internos da Anthropic apontam na mesma direção. Mais de 80% do código incorporado ao código-fonte da empresa foi criado pelo Claude em maio de 2026, enquanto o engenheiro típico incorporou oito vezes mais código por dia no segundo trimestre de 2026 em comparação com 2024. A Anthropic adverte que o volume de código superestima o ganho real de produtividade, mas diz que o aumento ainda indica uma aceleração substancial.
Oito vezes mais código por dia é um número extraordinário. E a própria Anthropic, cujo modelo de IA escreve esse código, diz que o volume provavelmente superestima o ganho real. Produzir mais código não é o mesmo que escrever software melhor, resolver problemas mais difíceis ou construir produtos mais valiosos. Mas o ritmo claramente aumentou, e o número de horas necessárias para supervisionar, revisar e integrar esse volume também.
OpenAI: Semanas de 90 Horas em Sprints de Lançamento
Um ex-funcionário técnico da OpenAI disse à BBC que trabalhava aproximadamente 70 horas por semana, às vezes usando os fins de semana para recuperar o atraso. Funcionários da OpenAI e da Anthropic disseram que sprints intensos de lançamento podiam superar 90 horas num período de sete dias.
Setenta horas por semana é o equivalente a trabalhar dez horas por dia, todos os sete dias da semana. Noventa horas em sete dias significa, na prática, não ter fim de semana e trabalhar até a exaustão durante os períodos mais críticos. Isso não é a narrativa da IA libertando o trabalhador. É a narrativa da IA aumentando a demanda a um ponto que o corpo humano luta para acompanhar.
Meta: Transferências Abruptas Para Projetos de IA
Na Meta, um funcionário atual e um ex-funcionário descreveram trabalhadores sendo transferidos abruptamente para projetos urgentes de IA, com algumas tarefas se estendendo por noites e fins de semana. O ex-funcionário do Google Amin Shali disse que as prioridades de IA o afetaram de forma mais indireta.
A transferência abrupta para projetos de IA é um fenômeno que os funcionários descrevem em múltiplas empresas: você tem uma área de responsabilidade definida, constrói expertise ao longo de meses ou anos, e de repente é movido para um projeto de IA urgente que a liderança decidiu priorizar. O custo humano desse processo, perda de contexto, desorientação profissional e sensação de que o trabalho anterior não importava, raramente aparece nos relatórios de produtividade.
Os Números que as Big Techs Preferem Não Discutir
83% em Burnout: O Dado que Deveria Parar Qualquer Gerente
83% dos trabalhadores do conhecimento relatam estar em burnout em 2026. Não desconforto. Não fadiga leve. Burnout. E o maior culpado não é a falta de ferramentas de IA, são as próprias ferramentas.
O relatório “The Defensive Job Market: Tech Sentiment in 2026” da Dice, baseado numa pesquisa com mais de 1.000 profissionais de tecnologia americanos, revelou um aumento de quase 50% nos que relataram sentir burnout, de 31% para 46%, com 70% dos profissionais em burnout severo ativamente buscando emprego.
Samsung Abandona o Exynos no Galaxy A18 e Escolhe MediaTek Para o 4G e Qualcomm Para o 5G
IBM: Investimento em 10 bilhões de Dólares em Computação Quântica
Lenovo Atualiza Silenciosamente o Legion Pro 5 16AFR10 Com GPU RTX 5070 De 12 GB E Tela OLED De 240 Hz
Samsung Realiza o Galaxy Unpacked Em Londres E Apresenta o Novo Galaxy Z Fold8 Com Tela Widescreen
74% dos profissionais de tecnologia planejam trocar de empregador no próximo ano, mas apenas 41% se sentem confiantes de que vão encontrar algo melhor. A estabilidade no emprego subiu da 4ª para a 2ª posição entre os motivos para troca, sinalizando que a segurança se tornou um motor primário de mudanças de carreira, não a ambição.
Esse conjunto de dados descreve uma força de trabalho em modo defensivo, não em modo de expansão. Profissionais que se movem não porque encontraram algo melhor, mas porque não aguentam mais onde estão.
O Salto de 11 Pontos em Um Ano
O burnout geral na área de tecnologia saltou 11 pontos percentuais em um único ano. A porcentagem de profissionais de tecnologia relatando burnout significativo foi de 44,7% em 2025 para 55,7% em 2026. Concomitantemente, o otimismo sobre o futuro das funções e carreiras caiu de 54,8% para 48,7% no mesmo período.
Um salto de 11 pontos percentuais em um ano é uma variação enorme para um indicador de bem-estar. É o tipo de mudança que em contextos médicos ou de segurança pública seria tratado como crise, exigindo intervenção imediata. Na indústria de tecnologia de 2026, esse salto está sendo amplamente ignorado em favor de discussões sobre benchmarks de modelos e novos releases.
Noam Segal, que conduziu a pesquisa com 6.000 profissionais de tecnologia, explica: “À medida que enviamos mais rápido do que nunca, passando de alguns commits por dia para 30 commits por dia ou simplesmente fazendo muito mais, de alguma forma isso pode ser divertido, mas estamos esgotando mais do que antes.” Esse aumento de velocidade, combinado com a necessidade constante de aprender novos modelos de IA e frameworks, significa que os profissionais estão assumindo mais tarefas sem trabalhar menos, levando à exaustão.
O Paradoxo da Produtividade: Mais Rápido, Mas Realmente?
O Estudo que Mais Incomoda a Indústria de IA
A METR conduziu o primeiro grande ensaio controlado randomizado de ferramentas de codificação com IA em 2025. Recrutaram 16 desenvolvedores experientes de repositórios open-source com média de 22.000 estrelas e mais de 1 milhão de linhas de código. Os desenvolvedores completaram 246 problemas reais (correção de bugs, features, refatorações), cada um atribuído aleatoriamente para permitir ou proibir ferramentas de IA. O resultado: desenvolvedores com acesso à IA levaram 19% mais tempo para completar as tarefas do que aqueles sem.
O achado mais perturbador foi a lacuna de percepção. Os desenvolvedores esperavam que a IA os acelerasse em 24% antes do estudo. Após experimentar a desaceleração, ainda acreditavam que a IA os havia tornado 20% mais rápidos. A ferramenta principal era o Cursor Pro com Claude 3.5/3.7 Sonnet.
Desenvolvedores 19% mais lentos que acreditam que são 20% mais rápidos. Esse não é um dado pequeno. É uma descoberta sobre como a IA distorce a percepção de desempenho. Quando você usa uma ferramenta que gera código rapidamente, você sente que está progredindo, mesmo que o tempo total para completar a tarefa seja maior por causa das verificações adicionais, das correções de erros no código gerado pela IA e do tempo de comunicação com a ferramenta.
O que é um ensaio controlado randomizado (RCT) no contexto de pesquisa de produtividade? É o padrão mais rigoroso de evidência científica, onde os participantes são distribuídos aleatoriamente entre grupos que recebem ou não recebem a intervenção estudada (neste caso, acesso a ferramentas de IA). Isso elimina os vieses de seleção que afetam outros tipos de estudo. A METR é uma organização de pesquisa sem fins lucrativos especializada em avaliação de capacidades de IA. O fato de ter sido um RCT torna seus resultados mais difíceis de descartar do que pesquisas de opinião ou estudos observacionais.
95% das Empresas Sem Retorno Mensurável
Um relatório do MIT encontrou que 95% das organizações não viram nenhum retorno mensurável sobre seu investimento em IA. A tendência de ver perdas de produtividade antes de ganhos de longo prazo é chamada de “paradoxo da produtividade”.
Kristina McElheran, professora da Universidade de Toronto e pesquisadora do MIT Initiative on the Digital Economy, explicou: “A IA não é plug-and-play. Ela requer mudança sistêmica, e esse processo introduz fricção, particularmente para empresas estabelecidas.”
Esse dado da McKinsey e do MIT contrasta diretamente com o que os CEOs das grandes empresas de tecnologia declaram publicamente sobre ganhos de produtividade. A discrepância entre o que a liderança diz e o que as pesquisas independentes encontram é um dos elementos mais perturbadores do cenário de 2026.
O Problema que Ninguém Quer Admitir: a Atrofia Cognitiva
Quando a IA Faz a Pensar por Você, o que Acontece com Você?
Um estudo da Microsoft Research e da Carnegie Mellon (CHI 2025, 319 trabalhadores do conhecimento) encontrou que maior confiança em ferramentas de IA correlacionava-se diretamente com menos pensamento crítico. Trabalhadores passaram de resolução de problemas para “integração de respostas da IA”: revisar e aprovar, em vez de raciocinar. Os pesquisadores cunharam o termo “convergência mecanizada”: prompts similares produzindo soluções similares, reduzindo a diversidade criativa entre equipes.
A própria pesquisa da Anthropic (janeiro de 2026) testou 52 engenheiros juniores aprendendo uma nova biblioteca. Aqueles que usaram assistência de IA tiveram pontuações 17% menores em testes de compreensão. A habilidade de depuração foi mais afetada, exatamente a habilidade necessária para supervisionar o output gerado por IA. Desenvolvedores que faziam perguntas conceituais à IA pontuavam acima de 65%. Aqueles que delegavam a geração de código integralmente pontuavam abaixo de 40%.
O que é atrofia cognitiva no contexto de uso de IA? É a degradação gradual de capacidades cognitivas específicas que ocorre quando essas capacidades deixam de ser exercitadas porque a IA as substitui. Mohammad Hossein Jarrahi, professor do departamento de Ciência da Informação da Universidade da Carolina do Norte em Chapel Hill, chama isso de “dívida cognitiva”: a capacidade que se erode cada vez que um funcionário deixa a IA lidar com uma decisão que, de outra forma, exigiria julgamento humano. Da mesma forma que músculos que não são usados enfraquecem, capacidades cognitivas que não são exercitadas diminuem com o tempo.
O Relatório Internacional de Segurança de IA de 2026, compilado por pesquisadores de 30 países, encontrou evidências emergentes de que a delegação rotineira de tarefas cognitivas à IA pode afetar negativamente o pensamento crítico e a memória. Trabalhadores estão terceirizando seu pensamento para a IA. Os pesquisadores alertam que a atrofia cognitiva é real e a maioria dos empregadores não está preparada.
96% Desconfiam do Código que Aprovam
Uma pesquisa de 2026 com desenvolvedores confirma esse padrão em produção. 96% dos desenvolvedores relatam que não confiam plenamente no código gerado por IA. Apenas 48% dizem que sempre o verificam antes de fazer o commit. Enquanto isso, a IA já responde por 42% do código submetido e está projetada para atingir 65% até 2027.
Um profissional que aprova código que não entende completamente não está sendo mais produtivo. Está transferindo risco para o futuro. Empresas que empurraram uma adoção agressiva de IA em 2024 e 2025 estão relatando taxas de erro estáveis ou crescentes em trabalho voltado ao cliente, com a maior parte dos incidentes rastreada a funcionários juniores aprovando outputs que não tinham as habilidades para avaliar.
O Mercado de Trabalho Junior que Sumiu
Vagas de nível inicial caíram 35% desde 2023, salários de juniores em empresas expostas à IA caíram 6,3%, e o emprego de desenvolvedores de software entre 22 e 25 anos caiu quase 20% desde seu pico em 2022. O trabalho que costumava treinar esses trabalhadores é exatamente o trabalho que a IA faz melhor.
Isso cria um problema de prazo longo que ninguém na indústria está calculando abertamente: se os trabalhadores juniores não fazem mais as tarefas que os formam como profissionais, de onde virão os seniores daqui a cinco anos? A IA pode estar eliminando não apenas empregos, mas a própria pipeline de formação profissional que a indústria de tecnologia usou por décadas.
A Divisão da Força de Trabalho: Dois Mundos em Uma Mesma Empresa
O levantamento anual de 2026 de Noam Segal e Lenny Rachitsky, com 6.000 profissionais de tecnologia, revelou uma força de trabalho dividida em dois mundos. Uma metade se sente amplificada pela IA: mais capaz, mais confiante, mais animada do que em qualquer momento de sua carreira. A outra metade se sente abalada por ela: menos segura do seu valor e de se ainda há um lugar para ela.
Quando perguntados como trabalhar com IA mudou como se veem como profissionais, 49% disseram “Amplificado (consigo fazer mais, e melhor)”. 27,4% disseram “Redefinido (meu papel está mudando de forma, mas não vejo isso claramente como positivo ou negativo)”. 13,9% disseram “Desestabilizado (não tenho certeza de onde estou ou o que é realmente meu)”. 5% disseram “Diminuído (me sinto menos essencial ou valioso)”.
Esse é um retrato surpreendentemente honesto de como a IA está fragmentando a identidade profissional. Quase metade dos trabalhadores de tecnologia se sente amplificada. Mas quase metade não se sente assim, e a combinação de desestabilização, redefinição e diminuição forma um bloco de mais de 46% que não está vivendo a narrativa positiva que os CEOs promovem nos seus earnings calls.
O levantamento identificou quatro arquétipos emocionais entre trabalhadores de tecnologia: o Energizado, o Conflitado, o Desorientado e o Ressentido. O Ressentido é o trabalhador que sente que foi forçado a adotar IA não porque ela o ajuda, mas porque a empresa decidiu que ela é estrategicamente importante. Esse perfil é o que mais preocupa os pesquisadores de bem-estar organizacional, porque o ressentimento é o estágio que precede a demissão ou o colapso.
O Medo que Ninguém Esperava Dominar: Não é Desemprego, é “Apodrecimento Cognitivo”
O principal medo em tecnologia em 2026 não é a perda de emprego para a IA, é o “apodrecimento cognitivo” (em inglês, cognitive rot): o medo de que confiar demais na IA vai deteriorar as próprias habilidades a ponto de o profissional se tornar incapaz de pensar de forma independente.
Esse resultado de pesquisa é inesperado e revelador. Todos os debates públicos sobre IA giram em torno da substituição de empregos. Mas quando pesquisadores perguntaram diretamente aos trabalhadores de tecnologia o que os preocupa mais, a resposta não foi “vou perder meu emprego para um modelo”. Foi “vou perder a capacidade de fazer meu trabalho sem um modelo”.
A diferença é sutil, mas profunda. A primeira preocupação é sobre o mercado de trabalho. A segunda é sobre identidade profissional. Um engenheiro de software que não consegue mais depurar código sem assistência de IA ainda tem um emprego, talvez, mas quem ele é como profissional mudou fundamentalmente.
A Questão Distributiva: se a IA Economiza Horas, Quem Fica com Elas?
Existe uma pergunta que raramente aparece nos press releases e nas apresentações de investidores, mas que é, talvez, a mais importante de toda essa discussão:
A OpenAI propôs um resultado para esses ganhos de eficiência. Sua Política Industrial para a Era da Inteligência sugere incentivar ensaios de semana de 32 horas ou de quatro dias quando a IA reduz cargas de trabalho rotineiras e custos operacionais, com horas recuperadas potencialmente se tornando semanas permanentemente mais curtas ou folgas remuneradas. Essa pode ser a questão mais importante sobre produtividade da IA: se essas ferramentas realmente podem devolver horas de trabalho humano às empresas, quem fica com essas horas?
A história das revoluções de produtividade anteriores, desde a industrialização até a automação dos anos 1980, sugere que os ganhos de eficiência raramente são distribuídos automaticamente. Eles precisam ser conquistados, negociados ou legislados. Em 2026, a maioria dos funcionários de tecnologia não está em condições de negociar: estão em modo defensivo, preocupados com layoffs, trabalhando mais, e experimentando uma das maiores quedas de otimismo sobre o futuro que esse setor já registrou.
Apenas 34% dos profissionais de tecnologia não foram afetados por layoffs, queda de 56% em 2023. 29% esperam cortes futuros em seus empregadores atuais. Quatro em cada dez respondentes estão preocupados com a perda do emprego.
Quando sua segurança está em jogo, é muito difícil negociar sobre quem fica com as horas que a IA economiza. A tendência natural, e o que os dados de 2026 sugerem que está acontecendo, é que essas horas são simplesmente preenchidas com mais trabalho.
O Que os Pesquisadores Dizem Que Pode Ajudar
Limitar, Não Eliminar
Pesquisadores que estudaram os efeitos cognitivos da IA dizem que os empregadores precisam levar a atrofia cognitiva a sério. A solução não é parar de usar IA, é usar a IA deliberadamente, reservando espaço para que os funcionários continuem praticando raciocínio independente em áreas críticas para seu desenvolvimento profissional.
Uma analogia útil vem do setor de aviação. Pilotos de aviões modernos trabalham com sistemas altamente automatizados que podem voar o avião sozinhos na maior parte do tempo. Mas a regulamentação exige que os pilotos façam pouso e decolagem manuais regularmente, justamente para prevenir a atrofia das habilidades críticas que precisam existir quando o sistema automático falha. A indústria de tecnologia ainda não desenvolveu um equivalente para o trabalho de conhecimento.
Proteger a Pipeline de Formação
Conhecimento onde raciocínio, julgamento e síntese são o produto central, incluindo direito, finanças, consultoria, software e jornalismo, envolve funções onde a IA pode fazer 30% a 40% da carga de trabalho, exatamente na zona de perigo para o pipeline de formação. O trabalho que costumava treinar esses trabalhadores é o trabalho que a IA faz melhor.
Se a IA faz o trabalho que formava os juniores, e os juniores não precisam mais ser contratados porque a IA faz esse trabalho, o problema não aparece imediatamente. Ele aparece em cinco ou dez anos, quando as empresas percebem que sua força de trabalho sênior envelheceu e não há pipeline de profissionais intermediários para substituí-los.
O Gestor como Variável Decisiva
A qualidade do gestor permanece o fator mais forte de burnout e um dos fatores mais fortes de tudo mais. Gestores com horizontes de tempo mais curtos empurraram maiores taxas de utilização de IA do que funcionários que estavam pensando em suas próprias trajetórias de carreira de uma década. O sinal de produtividade de curto prazo (output de IA parece rápido e limpo) substitui o sinal de capacidade de longo prazo (a capacidade da equipe de raciocinar independentemente está declinando).
Em outras palavras: o problema não é só tecnológico. É de estrutura de incentivos. Um gestor medido por métricas trimestrais vai maximizar utilização de IA. Um gestor medido pelo desenvolvimento de carreira de longo prazo da equipe vai calibrar essa utilização de forma diferente. As empresas que não mudarem suas estruturas de incentivos de gestão não vão resolver o problema de burnout mudando as políticas de uso de IA.
A Pergunta que a Indústria Está Evitando
Os dados de 2026 são claros o suficiente para formular a pergunta central com precisão: a corrida pela IA está, neste momento, tornando o trabalho pior para uma proporção significativa dos funcionários que a vivem por dentro.
O burnout aumentou. O otimismo diminuiu. A percepção de segurança caiu. Habilidades cognitivas críticas estão sendo atrofiadas por falta de uso. O mercado de trabalho junior minguou. E a força de trabalho está se dividindo em dois grupos que experienciam a mesma tecnologia de formas diametralmente opostas.
Nada disso significa que a IA não gera valor real. Significa que o modelo atual de implementação, caracterizado por pressão para adoção máxima, sem proteção deliberada das capacidades humanas, sem redistribuição dos ganhos de tempo e sem ajuste das estruturas de incentivos de gestão, está falhando para uma parcela enorme dos trabalhadores.
A questão mais importante sobre produtividade de IA não é se essas ferramentas podem dar de volta horas de trabalho humano às empresas. A questão é quem fica com essas horas.
Em 2026, a resposta para a maioria dos funcionários parece ser: as horas ficam com a empresa. E essa é a resposta que vai continuar alimentando o burnout, a atrofia, a divisão e o modo defensivo que os dados desta pesquisa documentam tão detalhadamente.
Fontes e Referências
- Digital Trends: Tech giants are gaga over AI, but employees say the AI race is making their jobs harder
- Lenny’s Newsletter: How tech workers are feeling in 2026: a workforce splitting in two
- Shibumi: AI Fatigue Statistics 2026: Data on Burnout, ROI & Tool Sprawl
- The Daily Drift (Medium): AI Was Supposed to Give You Your Time Back. Instead, It’s Burning You Out
- Dice / Business Wire: The Defensive Job Market: Tech Sentiment in 2026
- Built In: Why AI Is Increasing Workplace Burnout
