A citação de Simon Willison sobre a OpenAI de Greg Brockman expõe uma reação negativa contra colegas de trabalho de IA

Greg Brockman descreveu um conflito inesperado dentro da OpenAI: funcionários não gostavam de receber solicitações no Slack enviadas pelos agentes ChatGPT de seus colegas, apesar de aceitarem pedidos humanos idênticos. A citação de Simon Willison sobre a OpenAI capta um problema que modelos melhores, por si só, não conseguem resolver. Um agente pode entregar a mensagem certa e ainda assim prejudicar a relação ao seu redor.

Simon Willison publicou a observação em 1º de agosto, citando o presidente e cofundador da OpenAI. Brockman disse que muitos funcionários da OpenAI conectam o ChatGPT ao Slack. Ele também afirmou que as pessoas respondem de forma diferente quando esses sistemas pedem a colegas ajuda para concluir tarefas.

Essa reação desafia uma promessa central por trás dos agentes no ambiente de trabalho. As empresas esperam que softwares autônomos, isto é, IAs capazes de agir pelos usuários, eliminem o trabalho de coordenação. Ainda assim, delegar a conversa pode fazer uma solicitação razoável parecer impessoal, presunçosa ou injusta.

O conflito não é simplesmente entre humanos e automação. É entre eficiência delegada e responsabilidade humana visível. Os funcionários parecem dispostos a ajudar outra pessoa, mas menos dispostos a se tornarem um recurso invisível gerenciado pelo software dessa pessoa.

Essa distinção importa à medida que OpenAI, Salesforce, Slack e outros fornecedores levam agentes para a comunicação no trabalho. A questão deixou de ser se uma IA consegue enviar uma mensagem útil. É se o destinatário entende quem está pedindo, por que a solicitação importa e quem continua responsável.

O que a citação de Simon sobre a OpenAI realmente revelou

O evento importante não foi um lançamento de produto. Foi a admissão de que uma delegação tecnicamente bem-sucedida pode falhar socialmente.

Na citação original, Brockman descreveu uma diferença comportamental recorrente. Funcionários da OpenAI frequentemente ajudariam um colega que os abordasse diretamente. Eles não gostavam de receber a mesma solicitação quando o ChatGPT desse colega iniciava a interação.

A formulação de Brockman aponta para um padrão interno, não para um estudo controlado. A OpenAI não publicou números de participantes, taxas de resposta, categorias de tarefas ou uma comparação experimental. Portanto, os leitores devem tratar o relato como uma observação informada de dentro da empresa.

Mesmo com essa limitação, o exemplo é incomumente valioso. A OpenAI desenvolve os modelos e sistemas de agentes no centro dessa transição. Seus funcionários também têm forte conhecimento técnico e acesso excepcionalmente direto a ferramentas emergentes.

Se a resistência aparece nesse ambiente, uma alfabetização limitada em IA não pode explicá-la por completo. Presumivelmente, os funcionários entendem o que o ChatGPT está fazendo. A objeção deles diz respeito ao arranjo social criado quando um agente recruta o tempo de outra pessoa.

A solicitação em si pode ser razoável. Um desenvolvedor pode precisar de uma revisão de código, um pesquisador pode precisar de um documento ou um gerente pode precisar de contexto de outra equipe. O destinatário pode fornecer essa ajuda de bom grado quando o colega responsável pede.

Uma solicitação automatizada muda a relação implícita. Ela pode sugerir que um funcionário economizou tempo ao transferir os custos de coordenação para outra pessoa. O remetente evita redigir a mensagem, avaliar a interrupção e reconhecer pessoalmente o favor.

O destinatário ainda realiza o trabalho. Ele precisa interpretar a solicitação, determinar sua prioridade, localizar as informações e decidir se o agente tem autoridade suficiente. A automação reduziu o esforço de um lado, ao mesmo tempo que o preservou do outro.

Esse desequilíbrio explica por que uma redação idêntica não cria uma experiência idêntica. A comunicação no trabalho carrega informações além de seu conteúdo literal. Ela expressa urgência, reciprocidade, status, julgamento pessoal e respeito pela atenção de outra pessoa.

Uma solicitação humana também cria um caminho claro para negociação. O destinatário pode perguntar por que a tarefa importa, explicar prioridades concorrentes ou oferecer uma contribuição menor. Um agente pode apoiar essas trocas, mas sua presença torna os limites menos óbvios.

A documentação atual da OpenAI mostra o quanto a capacidade avançou. O guia do agente do Slack informa que agentes de espaço de trabalho podem responder perguntas, executar tarefas por meio de sistemas conectados, criar arquivos e enviar mensagens agendadas.

Os agentes também podem responder automaticamente em canais públicos. Esse recurso os leva além da assistência privada. Eles se tornam participantes do ambiente de comunicação compartilhado, no qual as equipes coordenam o trabalho e estabelecem expectativas.

A OpenAI alerta que as respostas dos agentes podem ser imprecisas. No entanto, o exemplo de Brockman revela um modo de falha separado. Uma mensagem pode ser precisa, relevante e entregue corretamente, mas ainda gerar ressentimento.

É por isso que a observação de Simon sobre a OpenAI merece mais atenção do que uma publicação rotineira de citação. Ela identifica uma barreira à adoção que avaliações padrão de modelos raramente medem. A precisão não pode revelar se um destinatário se sente respeitado, sobrecarregado ou manipulado.

A mudança é, portanto, conceitual, mas concreta. Os agentes de trabalho estão passando de ajudar seus proprietários para fazer exigências a outras pessoas. Quando esse limite é ultrapassado, a permissão social se torna tão importante quanto a autorização técnica.

A IA no trabalho está se tornando um problema de design de relacionamentos

A implantação de agentes pressiona gestores e equipes de produto a proteger relacionamentos humanos, e não apenas automatizar etapas adicionais.

A primeira geração de IA generativa no ambiente de trabalho operava principalmente em privado. Um funcionário pedia um resumo, rascunho, explicação ou análise. O usuário revisava o resultado e decidia se o compartilharia.

Os agentes alteram esse padrão porque podem agir entre sistemas. Eles podem publicar em canais, contatar colegas, recuperar registros, atualizar documentos e continuar fluxos de trabalho. Sua saída se torna a entrada de outra pessoa antes que o proprietário necessariamente revise cada etapa.

Essa transição leva a governança de IA para o comportamento organizacional cotidiano. As equipes de segurança ainda precisam de controles de acesso e registros de auditoria. Os gestores também precisam de regras sobre quando o software deve contatar uma pessoa e qual identidade deve apresentar.

A documentação de ambiente de trabalho da OpenAI exige que administradores configurem a integração com o Slack. Ela também descreve a autenticação compartilhada, na qual um agente usa conexões gerenciadas centralmente em vez do login privado de um funcionário. Esses controles tratam do acesso técnico, mas não de todas as expectativas sociais.

Um agente autorizado ainda pode interromper a pessoa errada. Pode gerar acompanhamentos desnecessários ou transformar um favor informal em uma tarefa atribuída por máquina. A permissão para entrar em um canal não equivale à permissão para consumir a atenção de todos.

O destinatário também precisa de uma divulgação significativa. Um rótulo visível de bot responde a uma pergunta, mas não à mais importante. Os funcionários precisam saber qual pessoa é responsável pela solicitação e se essa pessoa a revisou.

A responsabilidade afeta como as pessoas interpretam a urgência. Uma mensagem de um colega de confiança carrega o contexto acumulado de colaborações anteriores. Uma solicitação de bot pode eliminar esse histórico e apresentar todas as tarefas com confiança semelhante.

Esse achatamento cria um problema de priorização. Colegas humanos sinalizam incerteza, constrangimento, gratidão ou urgência genuína por meio de pequenas escolhas. Um agente pode imitar esses sinais, mas a imitação não estabelece que o proprietário compartilha esse sentimento.

As equipes podem, portanto, desconfiar de solicitações excessivamente polidas. A linguagem pode parecer atenciosa enquanto o processo subjacente transfere esforço sem consulta. Uma redação melhor não resolve a incerteza sobre autoridade e reciprocidade.

Pesquisas sobre IA no trabalho apoiam a preocupação mais ampla, embora não verifiquem diretamente o relato interno de Brockman. Um estudo de 2026 comparou o suporte do ChatGPT com a assistência de um colega humano durante uma tarefa de comunicação corporativa.

Os pesquisadores usaram um experimento de vinhetas com 202 participantes. Eles constataram que o suporte do ChatGPT foi associado a menor satisfação no trabalho do que o suporte de um colega humano nesse contexto específico.

O estudo sobre suporte no ambiente de trabalho relacionou esse resultado a três percepções. Os participantes relataram menor apoio organizacional, menos oportunidade de demonstrar suas habilidades e maior insegurança no emprego.

Essas conclusões não devem ser generalizadas para todas as ocupações ou fluxos de trabalho. O experimento se concentrou em uma tarefa de comunicação sob condições controladas. Ainda assim, seu mecanismo se assemelha muito à tensão observada por Brockman.

A ajuda humana comunica mais do que a conclusão de uma tarefa. Ela pode sinalizar que a organização valoriza um funcionário, que os colegas reconhecem a expertise uns dos outros e que a cooperação será retribuída.

O suporte baseado em agentes pode parecer diferente mesmo quando melhora o resultado. O software não tem o histórico compartilhado que dá à assistência seu significado relacional. Os funcionários podem receber uma resposta sem vivenciar a interação como apoio genuíno.

Isso cria pressão direta sobre compradores empresariais. Uma decisão de compra enquadrada em torno de tarefas concluídas pode deixar de considerar custos de segunda ordem. As equipes podem registrar fluxos de trabalho mais rápidos enquanto enfrentam confiança mais fraca, menor disposição para ajudar ou mais tempo gasto verificando solicitações automatizadas.

Os designers de produto enfrentam a mesma pressão. Eles precisam decidir se os agentes devem falar de forma autônoma, redigir mensagens para aprovação ou operar discretamente por trás de uma interface controlada por humanos.

O padrão mais seguro depende da tarefa. Um resumo de status agendado tem consequências sociais diferentes de pedir a um colega específico que investigue um problema. Tratar ambas as ações como mensagens genéricas ignora suas diferentes exigências sobre a atenção humana.

Organizações que já investem em uma base de conhecimento pesquisável têm outra opção. Um agente pode recuperar conhecimento existente antes de pedir a um colega que o repita.

Essa sequência preserva o valor da automação sem tornar os humanos a alternativa padrão. Ela também cria um limiar mais claro para interrupções. O agente contata uma pessoa apenas quando os registros disponíveis não conseguem resolver a solicitação.

A pressão, portanto, não é rejeitar agentes. É distinguir entre assistência privada, recuperação compartilhada de informações e delegação interpessoal. Cada categoria precisa de permissões e expectativas diferentes.

Eficiência delegada versus responsabilidade humana

A principal troca é simples: um agente economiza tempo para seu proprietário ao consumir a atenção de outra pessoa.

As métricas de produtividade frequentemente acompanham o usuário que inicia a ação. Uma empresa mede com que rapidez esse funcionário conclui uma tarefa ou quantos fluxos de trabalho o agente executa. O esforço de interpretação do destinatário raramente aparece no mesmo painel.

Considere um gerente de produto preparando uma atualização. Seu agente percebe uma estimativa de engenharia ausente e contata um desenvolvedor. O gerente economiza vários minutos, mas o desenvolvedor recebe uma solicitação sem saber se o gerente a revisou.

O desenvolvedor precisa decidir se a estimativa é realmente necessária, se o prazo é real e se responder ao bot cria uma obrigação. O fluxo de trabalho parece eficiente de uma perspectiva, enquanto gera ambiguidade em outra.

Uma mensagem humana envolve um custo pequeno, mas significativo. O remetente para, considera o destinatário, explica a necessidade e assume a responsabilidade pela interrupção. Esse esforço funciona como um filtro contra solicitações de baixo valor.

A automação elimina grande parte desse atrito. Reduzir o atrito ajuda quando a ação é rotineira e consensual. Pode gerar demanda excessiva quando a ação consome julgamento humano escasso.

Isso é comparável à automação de calendários. Softwares de agendamento facilitam a marcação de reuniões, mas um uso descuidado pode transferir todo o inconveniente para os convidados. A tecnologia não determina se a interação parece justa; a prática ao seu redor determina.

Os agentes ampliam esse efeito porque podem gerar solicitações em escala. Um funcionário pode delegar muitas conversas sem vivenciar pessoalmente a interrupção de cada destinatário. Pequenos desequilíbrios podem se acumular em uma grande organização.

A declaração de Simon, da OpenAI, também questiona o design antropomórfico, que atribui à tecnologia linguagem ou comportamento semelhantes aos humanos. Um tom mais amigável pode aumentar a usabilidade, mas também pode ocultar quem tomou a decisão por trás da mensagem.

Se um agente escreve “Eu agradeceria sua ajuda”, quem está expressando gratidão? O sistema não tem interesse pessoal na relação. O proprietário pode se sentir grato, mas o destinatário não consegue saber se a frase reflete atenção humana.

Uma atribuição clara pode reduzir essa ambiguidade. Uma mensagem poderia informar que um agente identificou informações ausentes e que um funcionário identificado aprovou a solicitação. Também poderia oferecer um caminho direto até o proprietário.

A aprovação, por si só, não resolverá todos os casos. Uma pessoa pode aprovar muitas mensagens geradas sem avaliar o peso que elas impõem. Um design útil deve tornar visível o custo para o destinatário antes de a solicitação ser enviada.

Por exemplo, um agente poderia mostrar ao seu proprietário quem já foi contatado, com que frequência essa pessoa ajudou e se a resposta existe em outro lugar. Poderia recomendar perguntar em um canal compartilhado em vez de direcionar repetidamente uma única especialista.

O sistema também poderia separar perguntas informativas de atribuições de trabalho. Perguntar onde fica um documento é diferente de solicitar duas horas de análise. A segunda ação exige negociação humana explícita.

Os destinatários também precisam de controle. Eles devem poder recusar, redirecionar, silenciar ou exigir confirmação humana sem precisar discutir com um software. Uma recusa deve chegar ao proprietário responsável, em vez de acionar uma persuasão automatizada interminável.

A identidade deve permanecer estável durante toda a conversa. Se um agente inicia uma thread, o proprietário não deve assumir silenciosamente enquanto preserva a ambiguidade. Os participantes devem saber se cada mensagem veio de um software, de uma pessoa ou de um rascunho revisado.

A responsabilização se torna especialmente importante quando o agente comete um erro. Se ele informa incorretamente um prazo ou solicita trabalho não autorizado, o destinatário não deveria precisar investigar qual prompt, integração ou modelo produziu a instrução.

Um proprietário identificado deve resolver o problema. A organização também precisa reter histórico suficiente para entender a ação. Caso contrário, a comunicação delegada enfraquece a responsabilidade exatamente no momento em que a automação amplia o alcance.

O Slack apresentou publicamente um futuro com maior presença de agentes. Uma reportagem da Axios citou um executivo do Slack prevendo que os trabalhadores poderiam, eventualmente, conversar com agentes tão frequentemente quanto com colegas humanos.

A previsão sobre o ambiente de trabalho com agentes também registrou a preocupação concorrente. Especialistas alertaram que uma interação dominada por máquinas pode enfraquecer o comportamento social, enquanto profissionais descreveram os agentes como inconsistentes e propensos a erros.

A observação de Brockman torna esse debate mais preciso. As pessoas não estão rejeitando toda interação com software. Elas distinguem entre um agente que as ajuda e um agente que as recruta para ajudar outra pessoa.

Essa diferença deve orientar as decisões de produto. A automação pessoal não deve receber automaticamente autoridade interpessoal. Um sistema capaz de enviar uma mensagem ainda precisa de um motivo legítimo para representar seu proprietário.

As Evidências São Sugestivas, Não Completas

Brockman identificou um alerta crível, mas as evidências públicas não estabelecem quão disseminada ou duradoura é a reação.

O relato da OpenAI não apresenta medições básicas. Não sabemos quantos funcionários conectaram o ChatGPT ao Slack, quantos destinatários se opuseram ou quais tipos de tarefas provocaram a resposta mais forte.

A expressão “as pessoas realmente não gostam” transmite uma impressão clara, não um resultado quantificado. Ela pode descrever resistência generalizada, reclamações recorrentes de um grupo menor ou um padrão concentrado em equipes específicas.

O design das tarefas pode explicar parte da reação. Funcionários podem aceitar perguntas automatizadas de status, mas ressentir solicitações abertas que exigem julgamento. Pedir um link existente é diferente de convidar alguém a depurar o projeto de outra equipe.

O comportamento do agente também importa. Os destinatários podem reagir negativamente porque as mensagens são prolixas, chegam em horários inadequados, são repetitivas ou não são suficientemente transparentes. O problema pode não ser apenas a delegação.

A hierarquia no trabalho cria outra incerteza. Um agente atuando em nome de um executivo sênior pode carregar autoridade implícita, mesmo que a mensagem pareça opcional. Funcionários podem sentir que não conseguem ignorá-la, sem ter uma relação humana por meio da qual negociar.

O mesmo agente atuando em nome de um par pode gerar uma resposta diferente. Equipes com forte confiança podem tolerar a automação porque os colegas já entendem as intenções uns dos outros. Equipes recém-formadas ou distribuídas podem exigir contato humano mais explícito.

As expectativas culturais também variarão. Algumas organizações dependem fortemente de comunicação escrita assíncrona. Outras usam a conversa para manter coesão, resolver incertezas e reconhecer contribuições individuais.

O estudo de 2026 sobre suporte com ChatGPT oferece evidências úteis, mas não recria a delegação autônoma no Slack. Os participantes responderam a cenários hipotéticos de trabalho, e não a relações de longo prazo com colegas e agentes reais.

Sua amostra de 202 participantes sustenta análises dentro desse experimento. Ela não pode determinar se os funcionários se adaptam após uso contínuo ou se um design de interface melhor altera o resultado.

Um estudo separado sobre Slack, reportado pela Associated Press, ilustra como a adoção no ambiente de trabalho já era desigual. Pesquisadores realizaram entrevistas com 5.000 trabalhadores que usam computadores e os agruparam em cinco perfis de IA.

Apenas metade pertencia aos dois grupos que já usavam IA regularmente ou de forma discreta. A pesquisa sobre IA no ambiente de trabalho descreveu entusiasmo, ansiedade, resistência, culpa e incerteza, em vez de uma resposta compartilhada.

Essa pesquisa antecede a atual integração entre OpenAI e Slack e não deve ser tratada como uma medida direta da aceitação de agentes. Ela mostra, porém, que a IA no trabalho chega a um ambiente emocionalmente dividido.

A divulgação pode criar outro paradoxo. Ocultar o agente reduziria o atrito imediato, mas enganaria os destinatários sobre a autoria. Identificar cada mensagem automatizada protege a transparência, mas torna impossível ignorar a delegação.

A resposta não pode ser fazer com que agentes personifiquem seus proprietários de maneira mais convincente. Essa abordagem pode melhorar as taxas de resposta no curto prazo ao explorar a confiança existente. Também enfraqueceria a participação informada e tornaria erros posteriores mais danosos.

As organizações precisam de evidências além das contagens de adoção. O alto uso pode refletir pressão da gestão, e não aceitação dos funcionários. Tempos de resposta rápidos podem ocultar frustração ou conformidade desnecessária.

Métricas melhores incluiriam solicitações ignoradas, escalonamentos humanos, reclamações, correções, contatos repetidos e satisfação dos destinatários. As equipes também deveriam comparar solicitações redigidas por agentes com solicitações enviadas de forma autônoma.

As evidências mais fortes viriam de testes controlados no ambiente de trabalho. Pesquisadores poderiam variar a aprovação do proprietário, a divulgação da identidade, a carga da tarefa, a hierarquia e o histórico da relação. Em seguida, poderiam medir conclusão, confiança e disposição para colaborar novamente.

Até que esses dados apareçam, o relato de Simon, da OpenAI, deve permanecer um alerta, e não uma lei universal. Ele identifica um mecanismo plausível alinhado a pesquisas relacionadas. Não prova que toda mensagem autônoma prejudica as relações no trabalho.

Essa distinção importa porque uma reação exagerada também tem custos. Proibir toda comunicação por agentes impediria automações úteis, incluindo canais de ajuda acessíveis, relatórios rotineiros e recuperação mais rápida de informações.

A resposta prática é a experimentação delimitada. As empresas podem permitir a participação de agentes em situações de baixo risco, exigindo revisão humana para solicitações que imponham trabalho significativo a outra pessoa.

Elas devem publicar os limites antes da implementação. Os funcionários precisam saber quando um agente pode contatá-los, que autoridade ele possui, como recusar e quem resolve disputas.

Sem essas regras, cada destinatário precisa inventar uma política a cada interrupção. Essa incerteza transforma um recurso de produtividade em atrito organizacional.

Três Sinais Mostrarão se os Colegas de IA Podem Conquistar Confiança

A próxima fase será decidida pelos controles de produto, pelo comportamento dos destinatários e por resultados mensuráveis nas relações.

O primeiro sinal é se a OpenAI e outros fornecedores adicionam controles mais robustos de aprovação humana para solicitações interpessoais. As ferramentas atuais já oferecem suporte à configuração de canais, agendas, menções e respostas automáticas.

O recurso decisivo distinguiria a assistência geral em canais da delegação direcionada. Um administrador ou proprietário poderia exigir revisão sempre que um agente pedisse a um funcionário identificado que realizasse trabalho substancial.

Esse controle reforçaria a interpretação de Brockman se os clientes o adotassem amplamente. Isso mostraria que as organizações reconhecem solicitações interpessoais como uma categoria distinta de risco.

Uma adoção fraca apontaria em outra direção. As equipes poderiam concluir que a divulgação e as permissões existentes oferecem proteção suficiente. Mensagens rotineiras de agentes poderiam se tornar socialmente normais por meio da exposição repetida.

O segundo sinal é o comportamento dos destinatários. As empresas devem acompanhar taxas de resposta, recusas, silenciamentos, escalonamentos e pedidos de confirmação humana em diferentes categorias de tarefas.

Uma alta taxa de conclusão, por si só, é insuficiente. Funcionários podem cumprir solicitações de que não gostam, especialmente quando o agente representa um gestor ou colega influente. Satisfação e disposição para colaborar novamente importam tanto quanto velocidade.

O argumento de Brockman ganha força se solicitações autônomas produzirem mais reclamações ou menor cooperação futura do que mensagens humanas revisadas. Ele enfraquece se a diferença desaparecer após controlar a qualidade da mensagem e a carga da tarefa.

O terceiro sinal é se as organizações medem os efeitos nas relações junto com a produtividade. A maioria dos programas de agentes começa com tempo economizado, tarefas concluídas ou redução do volume de suporte.

Essas métricas favorecem o proprietário do agente e a organização compradora. Elas não capturam se o sistema transfere trabalho, reduz o reconhecimento ou enfraquece a confiança entre colegas.

Uma avaliação crível deve perguntar aos dois lados sobre a interação. O remetente economizou tempo? O destinatário entendeu a solicitação, aceitou sua legitimidade e soube quem era responsável?

Indicadores de longo prazo também importam. As equipes podem examinar se especialistas recebem mais demandas automatizadas, se os funcionários se comunicam diretamente com menos frequência e se desacordos não resolvidos migram para fora dos canais oficiais.

Esses resultados separarão a ampliação da substituição. A ampliação usa IA para preparar as pessoas para uma colaboração melhor. A substituição coloca software entre as pessoas e trata a relação como uma sobrecarga evitável.

A direção preferida de Brockman parece clara na citação. A IA deve devolver tempo às pessoas ou melhorar o tempo que passam juntas. Ela não deve se tornar uma camada permanente que afasta colegas.

Essa posição é notável porque a OpenAI se beneficia quando agentes assumem mais atividades no ambiente de trabalho. Reconhecer esse limite social sugere que uma maior autonomia dos agentes não é automaticamente o objetivo desejado.

O desafio de produto é preservar a responsabilização sem restabelecer toda a carga administrativa. Redigir uma solicitação cuidadosa pode ser automatizado. Decidir impor trabalho a um colega muitas vezes deve continuar sendo uma decisão humana.

A recuperação de conhecimento oferece uma linha divisória útil. Um agente deve pesquisar registros aprovados, resumir o contexto relevante e identificar informações ausentes antes de entrar em contato com outra pessoa. A automação conquista confiança quando evita interrupções desnecessárias.

Quando a ajuda humana continuar necessária, o responsável deve aparecer na conversa. Uma breve explicação pessoal pode estabelecer propósito, responsabilidade e gratidão. O agente ainda pode organizar o contexto e registrar o resultado.

É improvável que a expressão OpenAI Simon se torne um termo de busca natural fora desta citação específica. Ainda assim, a questão subjacente moldará a IA empresarial muito além de uma única publicação.

Fornecedores estão projetando agentes como colegas de trabalho, assistentes e mão de obra digital. Os funcionários julgarão esses sistemas por meio de interações diárias, não por rótulos de produto. Cada solicitação automatizada se torna um teste de autoridade e respeito.

Portanto, o agente mais bem-sucedido pode ser menos visível do que as demonstrações atuais sugerem. Ele prepararia informações, eliminaria trabalho repetitivo e ajudaria uma pessoa a se comunicar com clareza. Não buscaria crédito por substituir a relação.

Organizações que implantam agentes no Slack devem começar com uma pergunta prática: esta ação economiza tempo coletivo ou apenas o tempo do responsável? Essa pergunta revela fluxos de trabalho que apenas transferem esforço.

Em seguida, elas devem dar aos destinatários controle significativo. Uma pessoa deve poder solicitar confirmação humana sem penalidade e recusar uma tarefa gerada por máquina sem entrar em um debate com a máquina.

Por fim, as equipes devem revisar os resultados abertamente. Se os funcionários sentirem que os agentes estão atribuindo trabalho sem responsabilização, a implementação precisa ser reformulada, independentemente de suas estatísticas de conclusão.

A citação de OpenAI Simon Willison não define o futuro dos colegas de trabalho de IA. Ela fornece um padrão melhor para avaliá-los. O objetivo não é maximizar a comunicação automatizada, mas realizar um trabalho mais útil com menos relações prejudicadas.

Antes de permitir que um agente entre em contato com um colega, pergunte o que o software elimina e o que ele transfere. Exija um responsável identificado, divulgação clara e um caminho fácil de volta à conversa humana. Em seguida, meça a experiência do destinatário com o mesmo cuidado dedicado ao tempo economizado pelo remetente. Se o agente do seu ambiente de trabalho não consegue preservar consentimento, contexto e responsabilização, mantenha-o subordinado à pessoa que ele atende. A IA conquista um lugar no trabalho quando dá às pessoas mais atenção umas para as outras, não quando transforma colegas em pontos finais de um fluxo de trabalho automatizado.