Workslop: quando a I.A cria mais trabalho em vez de menos

Uma contradição confusa está se desenrolando em empresas que abraçaram ferramentas de IA generativa: enquanto trabalhadores estão largamente seguindo mandatos para adotar a tecnologia, poucos estão vendo ela criar valor real. O número de empresas com processos totalmente liderados por IA quase dobrou no último ano. Uso de inteligência artificial no trabalho dobrou desde 2023. No entanto, um relatório recente do MIT Media Lab descobriu que 95% das organizações não veem retorno mensurável em seus investimentos nessas tecnologias.

Tanta atividade. Tanto entusiasmo. Tão pouco retorno. Por quê?

Pesquisadores do BetterUp Labs em colaboração com o Stanford Social Media Lab identificaram uma possível razão: funcionários estão usando ferramentas de IA para criar trabalho de baixo esforço, com aparência aceitável, que acaba criando mais trabalho para seus colegas. Nas redes sociais, que estão cada vez mais entupidas com posts de baixa qualidade gerados por IA, esse conteúdo é frequentemente chamado de "AI slop". No contexto de trabalho, o fenômeno recebeu o nome de "workslop" — trabalho gerado por inteligência artificial que se disfarça de bom trabalho, mas carece da substância para avançar significativamente uma determinada tarefa.

Como o workslop acontece

À medida que ferramentas de IA se tornam mais acessíveis, trabalhadores conseguem rapidamente produzir output polido: slides bem formatados, relatórios longos e estruturados, resumos aS´parentemente articulados de papers acadêmicos por não-especialistas, código utilizável. Mas enquanto alguns funcionários usam essa capacidade para polir trabalho genuinamente bom, outros a usam para criar conteúdo que é na verdade inútil, incompleto ou faltando contexto crucial sobre o projeto em questão.

O efeito insidioso do workslop é que ele transfere o fardo do trabalho para downstream, exigindo que o receptor interprete, corrija ou refaça o trabalho. Em outras palavras, transfere o esforço do criador para o receptor.

Se você já experimentou isso, provavelmente lembra a sensação de confusão ao abrir tal documento, seguida de frustração — "Espera, o que é isso exatamente?" — antes de começar a se perguntar se o remetente simplesmente usou IA para gerar grandes blocos de texto em vez de pensar direito. Se isso soa familiar, você foi "workslopado".

Os números do problema

De acordo com pesquisa recente com 1.150 funcionários americanos em tempo integral através de indústrias, 40% reportam ter recebido workslop no último mês. Funcionários que encontraram workslop estimam que em média 15,4% do conteúdo que recebem no trabalho se qualifica como tal.

O fenômeno ocorre principalmente entre pares (40%), mas workslop também é enviado para gestores por subordinados diretos (18%). 16% das vezes workslop flui hierarquia abaixo, de gestores para seus times, ou mesmo de níveis mais altos. Ele ocorre em todas as indústrias, mas serviços profissionais e tecnologia são desproporcionalmente impactados.

A diferença conceitual é importante. Descarregar trabalho cognitivo para máquinas não é conceito novo. Em 2006, o jornalista de tecnologia Nicolas Carr publicou um ensaio provocativo na The Atlantic perguntando se o Google estava nos tornando estúpidos. O modelo mental prevalente para descarregamento cognitivo — voltando até as preocupações de Sócrates sobre o alfabeto — é que transferimos trabalho mental difícil para tecnologias porque é mais fácil, por exemplo, buscar algo online do que lembrar.

Diferente dessa terceirização mental para uma máquina, porém, workslop usa máquinas de forma única para descarregar trabalho cognitivo para outro ser humano. Quando colegas recebem workslop, são frequentemente obrigados a assumir o fardo de decodificar o conteúdo, inferir contexto perdido ou falso. Uma cascata de processos de tomada de decisão complexos e trabalhosos pode seguir, incluindo retrabalho e trocas desconfortáveis com colegas.

O imposto invisível

Considere alguns exemplos da pesquisa.

Um contribuidor individual em finanças descreveu o impacto de receber trabalho gerado por IA: "Criou uma situação onde eu tinha que decidir se eu reescreveria eu mesmo, faria ele reescrever, ou simplesmente daria como bom o suficiente."

Um gestor de linha de frente no setor de tecnologia descreveu sua reação: "Foi um pouco confuso entender o que realmente estava acontecendo no email e o que ele realmente queria dizer. Provavelmente levou uma hora ou duas só para reunir todo mundo e repetir a informação de forma clara e concisa."

Um diretor no varejo disse: "Tive que desperdiçar mais tempo fazendo follow-up na informação e checando com minha própria pesquisa. Depois tive que desperdiçar ainda mais tempo marcando reuniões com outros supervisores para endereçar a questão. Então continuei desperdiçando meu próprio tempo tendo que refazer o trabalho eu mesmo."

Cada incidência de workslop carrega custos reais para empresas. Funcionários reportaram gastar em média uma hora e 56 minutos lidando com cada instância de workslop. Baseado nas estimativas de tempo gasto dos participantes, bem como em seu salário auto-reportado, a pesquisa encontrou que esses incidentes de workslop carregam um imposto invisível de US$ 186 por mês por pessoa.

Para uma organização de 10.000 trabalhadores, dada a prevalência estimada de workslop (41%), isso resulta em mais de US$ 9 milhões por ano em produtividade perdida.

O custo que ninguém contabiliza

Respondentes também reportaram custos sociais e emocionais do workslop, incluindo o problema de navegar como responder diplomaticamente ao recebê-lo, particularmente em relacionamentos hierárquicos. Quando perguntados como se sentem ao receber workslop, 53% reportam ficar irritados, 38% confusos e 22% ofendidos.

O custo mais alarmante pode ser interpessoal. Trabalho de baixo esforço e inútil gerado por IA está tendo impacto significativo na colaboração no trabalho. Aproximadamente metade das pessoas pesquisadas passaram a ver colegas que enviaram workslop como menos criativos, capazes e confiáveis do que viam antes de receber o output. 42% os viram como menos dignos de confiança, e 37% viram aquele colega como menos inteligente.

Isso ecoa a pesquisa recente sobre a penalidade de competência para uso de IA no trabalho, onde engenheiros que supostamente a usaram para escrever um trecho de código foram percebidos como menos competentes do que aqueles que não usaram — e engenheiras mulheres foram desproporcionalmente penalizadas.

Mais ainda, 34% das pessoas que recebem workslop estão notificando colegas de equipe ou gestores desses incidentes, potencialmente erodindo confiança entre remetente e receptor. Um terço das pessoas (32%) que receberam workslop reportam ser menos propensas a querer trabalhar com o remetente novamente no futuro.

Ao longo do tempo, esse imposto interpessoal do workslop ameaça erodir elementos críticos de colaboração que são essenciais para esforços bem-sucedidos na adoção de inteligência artificial no ambiente de trabalho e gestão de mudança.

Por que isso está acontecendo

De certa forma, essa não é uma história nova. Sempre existiu trabalho desleixado. Somos propensos a procrastinação, a atalhos, a nos inclinar para trabalho ocupado em vez de pensamento cuidadoso quando estamos cansados. IA generativa nos dá uma nova tecnologia com a qual nos inclinar para os mesmos velhos maus hábitos — mas agora com o custo adicional de criar mais trabalho para nossos colegas e minar colaboração, em escala.

Uma causa identificada pela pesquisa é que imperativos indiscriminados geram uso indiscriminado. Quando líderes organizacionais advogam por inteligência artificial em todo lugar o tempo todo, modelam falta de discernimento em como aplicar a tecnologia. É fácil ver como isso se traduz em funcionários copiando e colando respostas de IA em documentos sem pensar, mesmo quando ela não é adequada para a tarefa em questão.

IA generativa não é apropriada para todas as tarefas, nem consegue ler mentes. Ela pode transformar positivamente alguns aspectos do trabalho, mas ainda requer orientação e feedback cuidadosos de trabalhadores para produzir outputs úteis em trabalho complexo ou ambíguo.

Além disso, mandatos indiscriminados modelam o comportamento de passar a bola. Enquanto funcionários deveriam ter autonomia em torno de IA, a organização deveria estar trabalhando em suas próprias políticas cuidadosas e recomendações sobre melhores práticas, melhores ferramentas e normas. Se IA é trabalho de todos, também é trabalho dos líderes organizacionais desenvolver orientação para funcionários ajudá-los a usar essa nova tecnologia de formas que melhor se alinhem à estratégia, valores e visão da organização.

Pilotos versus passageiros

Os pesquisadores têm rastreado preditores de adoção de IA generativa através da força de trabalho desde 2023 e descobriram que trabalhadores com uma combinação de alta agência e alto otimismo são muito mais propensos a adotar IA generativa do que aqueles com baixa agência e baixo otimismo. Chamam esses trabalhadores de "pilotos", em oposição a "passageiros". Pilotos usam IA generativa 75% mais frequentemente no trabalho do que passageiros, e 95% mais frequentemente fora do trabalho.

Mas talvez ainda mais importante, dados os achados sobre workslop, é como pilotos usam IA generativa. Pilotos são muito mais propensos a usar IA para ampliar sua própria criatividade, por exemplo, do que passageiros. Passageiros, por sua vez, são muito mais propensos a usar IA para evitar fazer trabalho do que pilotos. Pilotos usam IA propositalmente para alcançar seus objetivos.

A distinção é crucial. Mesma ferramenta, mindsets diferentes, resultados opostos. Um grupo usa IA como multiplicador de capacidade. O outro grupo usa como mecanismo de evasão. O workslop vem desproporcionalmente do segundo grupo.

O paradoxo da colaboração

Muitas das tarefas requeridas para trabalhar bem com IA — dar prompts, oferecer feedback, descrever contexto — são colaborativas. O trabalho de hoje requer cada vez mais colaboração, não apenas com humanos mas também, agora, com IA. A complexidade da colaboração só se aprofundou.

Workslop é um excelente exemplo de novas dinâmicas colaborativas introduzidas por inteligência artificial que podem drenar produtividade em vez de amplificá-la. Nossas interações com IA têm implicações para nossos colegas, e líderes precisam promover dinâmicas humano-IA que apoiem colaboração.

Colaboração fluida em 2026 deve incluir as formas como incorporamos produtos de trabalho de IA em nossos workflows comuns, a serviço de resultados compartilhados, em vez de como veículo para esquivar responsabilidade de forma subversiva. Essa é uma nova fronteira crítica de comportamentos de cidadania organizacional que vai diferenciar entre empresas que maximizam o valor da IA e aquelas que churnam através de atividade de IA sem impacto.

O que líderes podem fazer

Workslop pode parecer sem esforço para criar mas cobra um pedágio da organização. O que um remetente percebe como brecha se torna um buraco do qual o receptor precisa se desenterrar.

Líderes farão melhor ao modelar o uso pensado de IA que tem propósito e intenção. Estabelecer guardrails claros para seus times em torno de normas e uso aceitável. Enquadrar IA como ferramenta colaborativa, não atalho. Incorporar um mindset de piloto, com alta agência e otimismo, usando IA para acelerar resultados específicos com uso específico. E manter os mesmos padrões de excelência para trabalho feito por duos humano-IA biônicos quanto por humanos sozinhos.

A ironia é palpável. Empresas implementaram inteligência artificial para aumentar produtividade. Em muitos casos, conseguiram o oposto: uma nova categoria de trabalho de baixa qualidade que parece bom na superfície mas transfere esforço de quem produz para quem recebe. O ganho de eficiência do criador se torna custo de ineficiência para o sistema.

A pergunta que importa

A questão para qualquer organização implementando IA não é apenas "nossos funcionários estão usando?" É "como estão usando, e qual é o efeito líquido no sistema?"

Se você está medindo adoção de IA por volume de uso, está medindo a coisa errada. Volume de uso pode significar produtividade ampliada ou pode significar workslop em escala. A diferença está em mindset, treinamento, normas e — crucialmente — liderança que modela o comportamento correto.

Os 95% de organizações que não veem retorno mensurável em investimentos de IA provavelmente não estão falhando por causa da tecnologia. Estão falhando porque não distinguiram entre uso de IA que cria valor e uso de IA que apenas transfere trabalho de uma pessoa para outra. Automação de trabalho desleixado em escala não é produtividade. É workslop industrializado.

E workslop, como qualquer imposto, é pago por alguém. Neste caso, pelos colegas que precisam decodificar, corrigir e refazer trabalho que nunca deveria ter sido enviado na forma que foi.

Fontes: Este artigo foi baseado em "AI-Generated 'Workslop' Is Destroying Productivity" publicado na Harvard Business Review (Setembro 2025), escrito por Kate Niederhoffer (Chief Scientist da BetterUp), Gabriella Rosen Kellerman (Chief Product e Innovation Officer da BetterUp), Angela Lee (doutoranda em Stanford), Alex Liebscher (Research Scientist da BetterUp Labs), Kristina Rapuano (Research Scientist da BetterUp Labs) e Jeffrey T. Hancock (Professor de Comunicação em Stanford e Diretor do Stanford Social Media Lab). Pesquisa baseada em survey com 1.150 funcionários americanos em tempo integral, dados do MIT Media Lab e estudos longitudinais do BetterUp Labs.

Leia o artigo completo da HBR aqui: https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity

Na Annexo, acreditamos que IA deveria multiplicar capacidade, não transferir trabalho. A diferença entre os dois está em intenção, treinamento e padrões — não na ferramenta.