O paradoxo da semana de trabalho da IA: mais automação, até 90 horas de trabalho

O Google News revelou uma forte contradição em 11 de agosto: líderes de IA prometem menos trabalho humano, enquanto alguns trabalhadores de tecnologia relatam semanas que se aproximam de 90 horas. A investigação da BBC retrata uma distância cada vez maior entre o que a IA pode automatizar e como os empregadores usam a capacidade resultante.

O conflito central não é se a IA economiza tempo em tarefas individuais. As evidências mostram cada vez mais que ela pode fazer isso. O conflito diz respeito a quem recebe esse tempo poupado e se os empregadores convertem a eficiência em lazer, maior produção ou equipes menores.

Essa questão agora vai além de algumas startups intensas. Executivos da Meta estão dizendo aos funcionários para reinvestir o tempo viabilizado pela IA em trabalho adicional. Enquanto isso, empresas de todo o setor estão elevando as expectativas de desempenho à medida que os trabalhadores assumem novas responsabilidades relacionadas à supervisão, verificação e correção de IA.

O resultado é uma inversão desconfortável. Uma tecnologia promovida como uma saída do trabalho rotineiro também está ajudando a normalizar metas de produção mais altas e jornadas mais longas. A máquina trabalha mais rápido, mas o dia de trabalho humano não fica automaticamente mais curto.

O que a reportagem do Google News realmente mudou

As reportagens mais recentes transformam um debate abstrato sobre o futuro do trabalho em um conflito atual de gestão.

Durante anos, líderes de tecnologia descreveram a inteligência artificial como uma forma de eliminar tarefas repetitivas. A recompensa esperada parecia simples: as pessoas passariam menos tempo redigindo e-mails, procurando documentos ou produzindo código rotineiro.

Essa promessa não era inteiramente imaginária. A IA generativa pode resumir mensagens, produzir rascunhos iniciais, recuperar informações e sugerir alterações em software. Essas capacidades reduzem o tempo necessário para atividades específicas, especialmente quando a tarefa tem dados de entrada claros e um resultado fácil de revisar.

No entanto, eficiência em tarefas não é o mesmo que uma semana de trabalho mais curta. Um empregador pode reagir a uma tarefa mais rápida reduzindo horas, aumentando a produção, cortando postos de trabalho ou atribuindo tarefas mais complexas. A tecnologia não escolhe entre esses resultados.

A reportagem da BBC, distribuída pelo Google News, coloca essa distinção no centro da história. Alguns funcionários da economia de IA descrevem jornadas que vão do já severo modelo “996”, de 72 horas, a semanas próximas de 90 horas.

O termo 996 refere-se a trabalhar das 9h às 21h, seis dias por semana. Essa jornada totaliza 72 horas antes de considerar deslocamentos, mensagens tarde da noite ou trabalho adicional nos fins de semana.

O Vale do Silício já tratou o 996 como uma característica alarmante da cultura tecnológica chinesa. Em 2021, as autoridades chinesas declararam ilegais as versões obrigatórias dessa jornada. Desde então, startups americanas de IA adotaram o termo como sinal de velocidade, ambição e comprometimento de nível fundador.

A prática não é universal entre empresas de tecnologia. Nem toda jornada longa representa uma exigência formal do empregador. Alguns fundadores trabalham voluntariamente em horários extremos porque detêm participação substancial na empresa e esperam um grande retorno financeiro.

A diferença crucial surge quando esse acordo de fundador se torna uma exigência para funcionários. Trabalhadores assalariados podem assumir a mesma carga de trabalho sem controle, participação acionária ou proteção equivalente contra demissão.

As reportagens sobre a tendência mostram que jornadas longas podem se infiltrar por meio de anúncios de emprego, conversas de recrutamento, normas de desempenho e exemplos dados por executivos. Uma jornada pode ser efetivamente obrigatória mesmo quando nenhuma política usa essa palavra.

Isso torna o debate atual mais relevante do que outra discussão sobre cultura de startups. A IA está mudando a justificativa econômica para o excesso de trabalho. Gestores agora podem alegar que cada funcionário adquiriu capacidade extra, mesmo quando o ganho real de produtividade permanece incerto.

Esta é a mudança que os leitores devem lembrar. A promessa de automação passou de um benefício oferecido aos trabalhadores a um parâmetro usado para avaliá-los.

A IA economiza tarefas, não dias inteiros de trabalho

Um ganho de produtividade só se torna tempo livre quando uma organização protege deliberadamente esse tempo.

Um dos estudos mais robustos sobre IA generativa no trabalho envolveu milhares de trabalhadores do conhecimento usando Microsoft 365 Copilot. Os pesquisadores examinaram como o acesso à ferramenta alterava o comportamento relacionado a e-mails, documentos e reuniões.

O estudo sobre padrões de trabalho, realizado de forma randomizada, constatou que usuários ativos passavam mais de três horas a menos por semana em e-mails. Eles também pareciam concluir documentos mais rapidamente.

No entanto, os pesquisadores não encontraram redução significativa no tempo de reuniões. Os trabalhadores podiam mudar seus hábitos pessoais de e-mail, mas não podiam redesenhar de forma independente uma agenda compartilhada com colegas e gestores.

Essa diferença explica grande parte do paradoxo atual. A IA atua no nível das tarefas, enquanto as horas de trabalho surgem de um sistema organizacional. Uma redação mais rápida não pode encurtar a semana quando reuniões, aprovações, metas e quadro de pessoal permanecem inalterados.

A mesma distinção aparece na pesquisa de 2026 do Boston Consulting Group. Sua pesquisa global abrangeu 11.749 trabalhadores em 14 mercados e vários setores.

Entre os usuários regulares de IA na linha de frente, 42% disseram economizar pelo menos um dia inteiro de trabalho por semana. Ainda assim, 66% receberam orientação limitada ou nenhuma orientação sobre o que fazer com o tempo economizado.

Mais da metade não redirecionou esse tempo para trabalho estratégico. Os resultados sugerem que muitos empregadores implantaram ferramentas sem redesenhar funções ou decidir como os ganhos de produtividade deveriam ser distribuídos.

As conclusões da BCG também mostram que 67% dos entrevistados disseram que a IA assumiu tarefas mais simples. Isso deixou os funcionários lidando com uma parcela maior de trabalho complicado.

Eliminar o trabalho simples pode melhorar um emprego, mas também remove pausas naturais. Uma pessoa pode passar diretamente de uma tarefa que exige muito julgamento para outra, com menos períodos de menor demanda cognitiva.

Quarenta e um por cento dos entrevistados relataram maior desgaste mental associado à IA. Quase metade disse passar mais tempo revisando, corrigindo, gerenciando ou orientando resultados gerados por IA.

Essa carga de verificação às vezes é chamada de botsitting. Um trabalhador recebe um rascunho rápido, verifica suas alegações, corrige seus erros, concilia-o com padrões internos e assume a responsabilidade pelo resultado final.

O processo ainda pode economizar tempo. Também pode tornar cada minuto restante mais exigente. Medir apenas o tempo necessário para gerar um rascunho deixa de considerar a concentração exigida para validá-lo.

Ferramentas de IA criam outro problema de medição. Gestores podem contar facilmente códigos, documentos, tickets ou variações de marketing gerados. Têm mais dificuldade para medir julgamento, manutenção, prevenção de riscos e o custo de corrigir resultados fracos.

Esse desequilíbrio incentiva as empresas a recompensar o volume visível. Os trabalhadores respondem produzindo mais, revisando mais e permanecendo disponíveis por mais tempo.

O funcionário individual não pode resolver isso apenas com a qualidade dos prompts. Uma semana mais curta exige mudanças coordenadas em prazos, estruturas de reunião, quadro de pessoal e avaliação de desempenho.

Sem essas mudanças, os minutos poupados se tornam espaço vazio em um plano de capacidade. A gestão logo preenche esse espaço com outra tarefa.

O retorno do 996 no Vale do Silício eleva as apostas

A corrida pela IA está transformando disponibilidade extrema em um filtro de contratação, e não apenas em uma resposta temporária a emergências.

O trabalho intenso sempre existiu em torno de lançamentos de produtos, incidentes de segurança e sistemas em falha. O padrão mais recente é diferente porque algumas startups anunciam o excesso de trabalho contínuo como seu modelo operacional normal.

Uma jornada 996 exige 12 horas por dia durante seis dias. Alguns relatos descrevem funcionários trabalhando sete dias por semana ou estendendo suas jornadas para além de 72 horas.

Uma investigação no Vale do Silício identificou startups de IA que adotaram abertamente o modelo. A Rilla, que desenvolve software de análise de conversas para prestadores de serviços residenciais, teria dito que quase todos os seus cerca de 80 funcionários seguiam o 996.

Os defensores dessa jornada argumentam que uma breve janela de mercado justifica uma intensidade incomum. Modelos fundacionais mudam rapidamente, empresas estabelecidas estão investindo pesadamente, e produtos concorrentes podem copiar recursos visíveis em poucos meses.

Essa pressão é real. Uma empresa pequena pode acreditar que precisa lançar produtos mais rapidamente do que uma rival maior, com mais recursos de computação, distribuição e capital.

No entanto, a explicação da IA pode ocultar uma decisão convencional de dimensionamento de pessoal. Uma empresa pode contratar pessoas suficientes para uma carga de trabalho sustentável ou contratar menos pessoas e esperar que cada uma cubra um escopo maior.

A IA torna a segunda opção mais fácil de apresentar como progresso tecnológico. Executivos podem descrever uma equipe menor como “nativa em IA”, mesmo quando sua produção depende de muitas horas extras humanas.

O mercado de trabalho reforça essa pressão. Demissões no setor de tecnologia reduziram a sensação de segurança dos funcionários, enquanto a demanda por um grupo restrito de pesquisadores experientes em IA continua intensa.

Trabalhadores fora desse grupo favorecido enfrentam um cálculo difícil. Recusar uma jornada extrema pode parecer falta de comprometimento quando outros candidatos a aceitam.

Anúncios de emprego e chamadas de recrutamento podem tornar a expectativa explícita. A cultura interna pode alcançar o mesmo resultado por meio de promoções, elogios públicos, monitoramento de tempo de resposta ou líderes seniores que permanecem online todas as noites.

O problema vai além do total de horas. Jornadas longas reduzem o tempo disponível para aprendizado, responsabilidades familiares, cuidados médicos e recuperação. Elas também podem restringir a força de trabalho a pessoas que conseguem organizar suas vidas em torno do trabalho.

Esse efeito de seleção traz consequências para os negócios. Uma empresa pode perder funcionários experientes, cuidadores e candidatos que reconhecem que a privação contínua de sono acaba prejudicando o julgamento.

O desenvolvimento de software é particularmente vulnerável. Mais código nem sempre significa mais progresso. Cada recurso adicionado cria obrigações de testes, segurança, manutenção e integração.

A IA pode gerar rapidamente opções de implementação, mas não elimina a responsabilização por falhas em produção. As equipes ainda precisam decidir o que deve ser construído, validar o comportamento e administrar as consequências quando os sistemas falham.

Uma semana de 90 horas pode, portanto, produzir uma explosão enganosa de atividade visível. A empresa registra mais commits e lançamentos enquanto acumula defeitos, responsabilidades pouco claras e dívida técnica.

A produção no curto prazo pode parecer impressionante. Os custos adiados surgem mais tarde, muitas vezes depois que as pessoas que criaram o sistema se esgotaram ou saíram.

A inversão central: a eficiência elevou a meta de trabalho

O efeito mais imediato da IA no ambiente de trabalho costuma ser um teto de desempenho mais alto, não uma menor dedicação de tempo.

O debate interno da Meta ilustra essa mudança. O diretor de tecnologia Andrew Bosworth teria dito aos funcionários que o tempo economizado com IA deveria ser destinado a realizar mais trabalho para os usuários.

Segundo a cobertura da reunião de funcionários da Meta, Bosworth disse que usou uma hora extra para produzir mais. Mais tarde, ele se desculpou por responder de forma dura demais a um funcionário que perguntou sobre mais tempo livre.

Sua resposta tornou a lógica de gestão excepcionalmente visível. Quando a IA cria uma hora, a empresa vê nova capacidade produtiva. O funcionário pode ver uma oportunidade de descanso ou de encurtar o dia.

Nenhum desses resultados decorre automaticamente da tecnologia. A organização escolhe qual reivindicação tem prioridade.

Esse é o principal conflito por trás da matéria do Google News: a eficiência da IA elevou as expectativas mais rapidamente do que alterou os acordos de trabalho. Os trabalhadores continuam responsáveis por suas funções anteriores enquanto absorvem novas metas de produção.

O padrão se assemelha a um antigo efeito econômico. Quando um recurso se torna mais barato ou mais eficiente, as organizações frequentemente consomem mais dele em vez de manter o consumo constante.

A IA reduz o custo de produzir um rascunho, protótipo ou análise. As empresas respondem solicitando mais rascunhos, mais protótipos e mais análises.

Um profissional de marketing que antes criava três conceitos de campanha agora pode ser solicitado a criar 20. Um desenvolvedor que antes implementava uma abordagem pode gerar cinco alternativas e depois compará-las.

Uma equipe de suporte pode responder a mais tickets sem reduzir sua jornada. Os gestores enxergam maior produtividade, enquanto os trabalhadores vivenciam um ritmo operacional mais acelerado.

As ferramentas também podem ampliar o que conta como trabalho razoável. Tarefas antes rejeitadas por exigirem muito tempo entram no backlog quando a IA torna uma primeira versão barata.

Cada economia local cria uma nova solicitação. A carga total de trabalho cresce mesmo quando cada unidade exige menos tempo.

Essa dinâmica enfraquece a alegação de que a IA produz naturalmente mais tempo livre. Maior produtividade pode sustentar jornadas mais curtas, mas apenas se os trabalhadores receberem parte desse ganho.

Historicamente, essa distribuição dependeu de negociação, regras trabalhistas, condições competitivas de contratação e escolhas de gestão. Novas máquinas, por si só, não instituíram fins de semana, proteções contra horas extras ou licença remunerada.

O mesmo princípio se aplica à IA generativa. Uma empresa precisa decidir se a eficiência sustenta remuneração maior, menos horas, melhor qualidade, produção adicional ou redução de pessoal.

A maioria das organizações combinará esses resultados. A questão importante é a proporção e se os funcionários têm alguma influência sobre ela.

As empresas também enfrentam uma armadilha de coordenação. Um empregador pode querer jornadas sustentáveis, mas temer perder velocidade para um rival que exige 996.

Esse medo pode criar uma escalada em todo o setor. Cada empresa estende as horas porque presume que os concorrentes fazem o mesmo, mesmo quando o trabalho resultante tem menor qualidade.

A corrida se torna especialmente intensa quando investidores recompensam o rápido crescimento de usuários ou receita. Os custos de manutenção de longo prazo permanecem menos visíveis do que um produto lançado neste trimestre.

A IA então desempenha dois papéis. É o objeto da competição e a justificativa para exigir mais produção das pessoas que a constroem.

O Que os Números de Produtividade Não Provam

Nem o testemunho dos trabalhadores nem o entusiasmo dos executivos comprovam que jornadas extremas geram valor empresarial duradouro.

Os relatos de jornadas de 72 e 90 horas merecem atenção, mas não descrevem todas as empresas de IA. Funcionários de startups que falam publicamente podem representar locais de trabalho particularmente severos.

Da mesma forma, participantes de pesquisas que relatam economizar oito horas não comprovam que seus empregadores ganharam oito horas de produção valiosa. A economia de tempo autodeclarada pode diferir da produtividade observada, da qualidade ou do desempenho financeiro.

Estudos em nível de tarefa oferecem evidências mais controladas, mas suas conclusões continuam limitadas. Copilot reduziu o tempo gasto com e-mails para usuários ativos durante uma implementação inicial. Isso não estabeleceu que todo trabalhador, ferramenta ou empresa obterá o mesmo resultado.

A pesquisa também mostrou por que ganhos individuais podem não transformar o trabalho completo. Reuniões e processos coordenados mudaram menos do que atividades que os trabalhadores controlavam de forma independente.

Por isso, líderes empresariais não devem tratar uma estimativa geral de produtividade como uma cota para todas as funções. Um engenheiro, advogado, designer e vendedor enfrentam diferentes custos de erro e fluxos de trabalho.

O desempenho da IA também varia dentro de uma mesma profissão. Um modelo pode produzir um primeiro rascunho útil para uma função rotineira, mas falhar diante de um sistema desconhecido ou de um requisito ambíguo.

O tempo de revisão aumenta quando o resultado parece plausível, mas está incorreto. Os trabalhadores precisam examinar os detalhes precisamente porque uma linguagem fluente pode ocultar erros.

Um volume maior agrava esse risco. Quando as equipes geram mais material, precisam revisar mais material. Um gargalo pode migrar da criação para a verificação sem desaparecer.

Também há uma diferença entre produção e resultado. Mais código não cria necessariamente um produto mais confiável, assim como mais mensagens de vendas não garantem mais clientes.

A pesquisa da BCG oferece um alerta útil. Sessenta por cento dos participantes disseram que o padrão para um trabalho considerado suficientemente bom aumentou, enquanto 72% disseram que as habilidades exigidas mudaram.

Apenas 36% acreditavam ter recebido capacitação adequada. Essa lacuna submete os trabalhadores a novas expectativas sem uma preparação equivalente.

Ela também complica as alegações sobre excesso de trabalho voluntário. Um funcionário pode formalmente escolher jornadas longas enquanto reage a demissões, padrões incertos ou medo de ser substituído.

Jornadas extremas podem parecer consensuais em um contrato e coercitivas na prática. A distinção depende do poder de negociação, das alternativas de emprego e das consequências de recusar.

Nada disso prova que culturas exigentes de startups sempre fracassam. Pequenas equipes construíram produtos importantes durante períodos de trabalho intenso, e alguns funcionários aceitam conscientemente riscos em troca de participação acionária e experiência.

O salto sem respaldo ocorre quando líderes tratam esforço excepcional como um sistema operacional permanente. Uma corrida tem um ponto de chegada. Uma cultura de urgência contínua não.

O excesso de trabalho sustentado cria seus próprios pontos cegos. Equipes exaustas podem parar de questionar prioridades porque entregar se torna a única medida aceita de comprometimento.

Elas também podem se tornar dependentes da produção da IA justamente quando a fadiga torna a verificação cuidadosa mais difícil. Essa combinação eleva riscos operacionais, jurídicos e de segurança.

A conclusão responsável é mais restrita do que a alegação mais forte de qualquer lado. A IA pode economizar tempo significativo, e alguns trabalhadores de tecnologia ainda cumprem jornadas extremas.

Esses fatos podem coexistir porque produtividade e tempo livre são resultados separados. Sistemas de gestão os conectam, não o software.

O Que Trabalhadores e Empregadores Devem Observar em Seguida

As próximas evidências virão do desenho das cargas de trabalho, da retenção e das métricas de qualidade, e não de outra demonstração dramática de IA.

O primeiro sinal é se as empresas alteram formalmente as expectativas de desempenho. Os líderes devem divulgar se as economias proporcionadas pela IA reduzem o quadro de pessoal, ampliam metas de produção ou sustentam jornadas mais curtas.

Uma política não precisa garantir que cada hora economizada se transforme em folga. Ela deve explicar como o benefício é compartilhado e quais métricas impedirão que o trabalho oculto desapareça.

Revisar a produção do modelo deve contar como trabalho. O mesmo vale para corrigir código gerado, documentar decisões, resolver esforços duplicados e lidar com mudanças de contexto.

Os trabalhadores precisam manter um registro dessas atividades porque medidas simples de produção podem representar incorretamente sua contribuição. Uma base de conhecimento de engenharia pesquisável pode preservar decisões, correções e contexto técnico sem transformar cada contribuição em uma contagem de código.

O segundo sinal é a retenção. Se organizações que priorizam a IA perderem consistentemente profissionais experientes, jornadas extremas provavelmente estarão consumindo capacidade mais rápido do que a criam.

A rotatividade importa mais do que histórias dramáticas sobre fundadores individuais. Funcionários experientes carregam conhecimento dos sistemas, contexto dos clientes e compreensão de falhas anteriores.

As empresas devem comparar rotatividade, licenças médicas, taxas de incidentes e aceitação de contratações entre equipes com diferentes expectativas em relação à IA. Essas comparações podem revelar se a produção adicional é sustentável.

Os funcionários também devem examinar cuidadosamente as descrições de vagas. Termos como “alta intensidade”, “mentalidade de fundador” e “sempre disponível” podem comunicar exigências reais de jornada sem indicar um total de horas.

Candidatos podem perguntar como as equipes lidam com fins de semana, emergências, revisão de IA e períodos após grandes lançamentos. As respostas são mais informativas do que uma promessa ampla de equilíbrio entre vida pessoal e trabalho.

O terceiro sinal é a produtividade ajustada pela qualidade. As empresas precisam medir se a produção assistida por IA resiste à revisão, chega aos clientes e permanece sustentável de manter.

Indicadores úteis incluem defeitos, retrabalho, incidentes de segurança, retenção de clientes e tempo gasto corrigindo material gerado. Um grande aumento de produção significa pouco se equipes posteriores descartam ou consertam esse material.

O mesmo padrão deve se aplicar a alegações de redução do trabalho. Um tempo menor de elaboração não representa uma semana de trabalho mais curta quando o funcionário gasta a diferença em reuniões ou validação.

Profissionais do conhecimento podem se proteger preservando evidências do trabalho concluído, das decisões revisadas e do trabalho invisível por trás dos resultados finais. Um fluxo de trabalho de IA pessoal pode ajudar a documentar esse registro sem acrescentar outro longo ritual de relatórios.

O quarto sinal é se grandes empregadores seguem o enquadramento da Meta. Se mais executivos instruírem explicitamente os trabalhadores a reinvestir todo o tempo economizado, o dividendo de produtividade continuará fluindo para a produção.

Se os empregadores começarem a testar jornadas reduzidas enquanto acompanham serviço e qualidade, a promessa de uma semana de trabalho mais curta ganhará evidências. Até lá, ela continua sendo uma proposta de política, não uma consequência técnica.

O sinal final é a atenção regulatória. As atuais regras sobre salários, horas extras, saúde e segurança no trabalho não foram elaboradas em torno de metas de capacidade gerada por IA.

As autoridades não precisam de uma nova definição de inteligência artificial para investigar trabalho não remunerado ou jornadas coercitivas. Precisam de registros confiáveis que mostrem quando os funcionários trabalharam e o que os empregadores esperavam.

O Google News continuará trazendo histórias sobre modelos mais rápidos e estimativas maiores de produtividade. Os leitores devem ir além do número da manchete e perguntar o que aconteceu com o tempo economizado.

Os funcionários trabalharam menos horas, produziram mais, supervisionaram máquinas ou cobriram postos que desapareceram? A qualidade melhorou após a revisão, ou a empresa simplesmente se moveu mais rápido?

Essas perguntas determinam se a IA se torna uma tecnologia genuinamente poupadora de trabalho ou outro instrumento para intensificar o trabalho. A resposta não virá de um benchmark. Ela surgirá das jornadas, escolhas de pessoal e proteções que as organizações adotarem agora.