Desmistificando as Ferramentas de Colaboração em IA: Organizar Relatórios e Conferir Planilhas é o Cenário Mais Comum?

Quando vemos os avanços das ferramentas de colaboração em IA nas notícias, a imagem frequentemente retratada é a de um programador digitando em um terminal de fundo preto, enquanto a IA gera instantaneamente centenas de linhas de código ou corrige automaticamente um bug complexo. Essa narrativa geek moldou a percepção pública sobre as ferramentas de IA: elas parecem ser geradores de código feitos sob medida para o público técnico, distantes das mesas de trabalho das pessoas comuns.

Fonte dos dados: Blog oficial da Anthropic "Como as pessoas estão usando o Claude Cowork"

No entanto, um conjunto recente de dados divulgado pela Anthropic desmantelou diretamente esse filtro.

De acordo com os dados amostrados divulgados no blog oficial da Anthropic, coletados entre 11 e 31 de maio de 2026, a situação de uso mais comum do Claude Cowork não é o desenvolvimento de software, que representa apenas 8,7%. O que ocupa o primeiro lugar é o fluxo de trabalho e operações, com uma participação de 33,4%, com tarefas típicas como organizar relatórios e conferir planilhas; a criação de conteúdo e redação vêm em seguida, com 16,4%, abrangendo a redação de documentos e a criação de apresentações.

Isso significa que, em mais de 90% dos cenários de uso, as pessoas não estão escrevendo código. Em vez disso, elas estão usando as ferramentas de colaboração em IA mais avançadas para lidar com aquelas tarefas diárias mais antigas e triviais do escritório. Por que o que as pessoas mais fazem com IA não é escrever código, mas organizar relatórios e conferir planilhas? Esses dados revelam qual é realmente o papel da IA no ambiente de trabalho.

O Filtro "IA = Escrever Código" Quebrado

Para entender esses dados contrastantes, é preciso primeiro compreender por que o público tem a ilusão de que "IA é principalmente para escrever código".

Nos últimos dois anos, assistentes de programação em IA foram as primeiras aplicações de IA a amadurecer e serem amplamente adotadas. Seja o GitHub Copilot ou vários modelos de geração de código, eles causaram um grande alvoroço na comunidade de desenvolvedores. Escrever código em si possui uma lógica elevada e padrões claros de certo e errado, sendo muito adequado para que os grandes modelos de linguagem possam mostrar suas vantagens. Portanto, a mídia, ao relatar os avanços da IA, frequentemente usa a geração de código como o exemplo mais convincente.

No entanto, os programadores representam apenas uma pequena fração da força de trabalho global. O verdadeiro grande grupo de trabalhadores é composto por profissionais de finanças, administração, recursos humanos, jurídico, vendas e várias operações. O trabalho diário dessas pessoas raramente envolve qualquer código, mas a quantidade de trabalho que elas produzem e o desejo de aumentar a eficiência superam em muito o público técnico.

A participação de 33,4% em fluxo de trabalho e operações reflete a demanda real desse grande grupo. Quando a barreira de entrada das ferramentas de IA é reduzida a um ponto em que não é necessário entender programação para usá-las, os cargos não técnicos rapidamente se tornam a força principal. Eles não precisam que a IA reestruture a arquitetura do sistema; eles precisam que a IA os ajude a compilar as atualizações de progresso que ficaram dispersas em cinco grupos de chat na semana passada em um relatório semanal, ou a conferir as diferenças entre três planilhas Excel em formatos diferentes.

O desenvolvimento de software representa apenas 8,7%, não porque os programadores não usam IA, mas porque a base de cargos não técnicos é muito grande, e seu trabalho diário está repleto de tarefas repetitivas que podem ser assumidas pela IA. As ferramentas de colaboração em IA estão se despindo da aparência de brinquedo geek e se tornando o "estagiário digital" do público de escritório comum.

O Que Realmente Está Acontecendo com os 33,4% de "Fluxo de Trabalho"?

Na classificação oficial, fluxo de trabalho e operações ocupam um terço da participação. Essa expressão, que pode parecer um pouco abstrata, corresponde a imagens extremamente concretas e desgastantes no ambiente de trabalho real.

Organizar relatórios é uma das tarefas mais típicas. Em qualquer organização de tamanho considerável, os relatórios são o sangue que mantém a operação. Relatórios semanais, mensais, atualizações de progresso de projetos, análises de concorrentes, há uma variedade enorme. No entanto, o processo de redação de relatórios muitas vezes é extremamente doloroso. Um gerente de projeto que precisa escrever um relatório semanal deve primeiro acessar o Jira para puxar o status das tarefas, depois perguntar nos grupos de cada departamento sobre questões pendentes, em seguida, abrir o e-mail para verificar o feedback mais recente dos clientes, e finalmente, reunir essas informações fragmentadas em um documento Word, ajustar o formato e adicionar gráficos. Esse processo pode consumir meio dia de trabalho, mas o conteúdo produzido não cria novo valor de negócios, apenas serve para sincronização de informações. O que é ainda mais desgastante é que, se algum líder solicitar uma nova dimensão de estatísticas, todo esse meio dia de trabalho precisa ser refeito.

Conferir planilhas também é um pesadelo para os trabalhadores. Os profissionais de finanças, ao final do mês, precisam lidar com três planilhas: extrato bancário, contas internas e recibos de reembolso. Mesmo que haja uma diferença de um centavo, é necessário verificar linha por linha. Em meio a tantas células, os olhos ficam cansados, mas é preciso continuar olhando, pois, se houver um erro, a conciliação não será aprovada e todo o processo de fechamento do departamento será bloqueado. Os profissionais administrativos, ao conferir a folha de ponto, precisam encontrar relações entre vários pedidos de licença, solicitações de horas extras e registros de ponto. Alguém esqueceu de registrar e apresentou um pedido, alguém viajou e o sistema não registrou, essas situações anômalas precisam ser organizadas manualmente uma a uma. Esse trabalho exige muito da visão, paciência e concentração, mas, se houver um erro, as consequências podem ser graves.

Quando essas tarefas são entregues às ferramentas de colaboração em IA, o processo muda fundamentalmente. O usuário só precisa exportar os registros de cinco grupos de chat e entregá-los à IA, dizendo "extraia o progresso de cada pessoa e classifique por departamento, gerando um esboço de relatório semanal", e em segundos, um rascunho claro aparece. Se o líder quiser mudar a dimensão, basta enviar uma nova instrução, e a IA reorganiza imediatamente. Os profissionais de finanças podem fazer o upload das três planilhas e pedir à IA "encontrar os itens com valores inconsistentes entre essas três planilhas e listar os detalhes". A IA não se entedia e não confunde os pontos decimais; ela pode rapidamente identificar aquelas poucas linhas com valores anômalos em meio a uma grande quantidade de dados.

Por trás desses 33,4%, está o alívio de inúmeros trabalhadores que se libertaram de trabalhos mecânicos sem sentido. Eles não precisam que a IA resolva problemas de pesquisa complexos; eles só precisam que a IA assuma aquelas tarefas repetitivas que consomem suas vidas.

16,4% de "Criação de Conteúdo" e Superando o Medo do Documento em Branco

Logo após o fluxo de trabalho, vem a criação de conteúdo e redação, que representa 16,4%. Esse cenário também está repleto de pontos de dor no ambiente de trabalho.

Muitas pessoas erroneamente acreditam que a criação de conteúdo é apenas uma tarefa para escritores ou criadores de conteúdo, mas em empresas modernas, quase todos os cargos envolvem escrever algo. Vendas precisam escrever propostas, gerentes de produto precisam redigir documentos de requisitos, RH precisa elaborar anúncios de recrutamento, e até engenheiros precisam escrever descrições de soluções técnicas. Para aqueles que não são profissionais da escrita, enfrentar um documento Word ou uma apresentação em branco muitas vezes provoca uma "fobia do documento em branco". Eles não sabem como começar a primeira frase, não sabem como estruturar, e ficam olhando para o cursor piscando por meia hora, enquanto a tela continua vazia.

A criação de apresentações é especialmente desgastante. Colocar um monte de texto em um espaço limitado, ajustar o tamanho da fonte, alinhar gráficos, escolher cores, esse trabalho de formatação muitas vezes consome várias vezes mais tempo do que a redação do conteúdo em si. Muitas pessoas passam a noite anterior à apresentação ajustando o formato do PPT, apenas para mover uma caixa de texto dois pixels para a esquerda ou alinhar duas imagens. Após a apresentação, essas apresentações cuidadosamente formatadas muitas vezes ficam em uma pasta e nunca mais são abertas.

Nesse cenário, as ferramentas de colaboração em IA desempenham o papel de "quebradores de gelo". Os usuários não precisam começar a pensar do zero; eles só precisam inserir alguns pontos principais, e a IA pode gerar um rascunho. Para apresentações, os usuários podem fornecer o tema e o conteúdo geral, e a IA gera diretamente uma apresentação com formatação e cores. Embora o rascunho muitas vezes não seja perfeito, ele fornece uma base que pode ser modificada. O trabalho humano passa de "criar algo do nada" para "modificar e aprimorar", reduzindo significativamente a pressão psicológica e a carga de trabalho real. Você só precisa dizer à IA "mude o fundo desta página para azul e coloque em negrito os pontos principais", e ela pode completar instantaneamente, economizando seu tempo de busca por botões na barra de menu.

Essa popularização da criação de conteúdo indica que a IA está nivelando as diferenças nas habilidades de expressão dos trabalhadores. Aqueles que têm lógica clara, mas não são bons em formatação e redação, com a ajuda da IA, também podem produzir documentos e materiais de apresentação de nível profissional.

O Trabalho de Conexão Subestimado

A Anthropic, ao interpretar esses dados, definiu os dois principais cenários de alta frequência como "trabalho de conexão". Esse é um conceito extremamente preciso e perspicaz.

O que é trabalho de conexão? Refere-se a tarefas que impulsionam o projeto, mas raramente aparecem nas descrições de cargos principais. O principal dever de um advogado é fornecer consultoria jurídica e defesa, mas ele pode gastar muito tempo diariamente na padronização de documentos e arquivamento. O principal dever de um gerente de recrutamento é identificar talentos, mas ele pode passar muito tempo organizando reuniões e resumindo feedbacks de várias entrevistas.

Esses trabalhos não geram valor de negócios direto, não serão escritos na coluna de desempenho do resumo anual, mas, se ninguém os fizer, o projeto ficará estagnado e a equipe ficará desorganizada. Eles são o lubrificante que mantém a operação do ambiente de trabalho e também são um buraco negro invisível que consome a energia dos trabalhadores.

Na narrativa tradicional do ambiente de trabalho, sempre focamos na melhoria das habilidades principais, mas raramente prestamos atenção em como otimizar esses trabalhos de conexão. Muitos trabalhadores se sentem exaustos, não porque o trabalho principal seja muito difícil, mas porque estão esgotados por essas tarefas triviais de conexão. Escrever código pode exigir uma concentração intensa, mas conferir planilhas só requer repetição mecânica; essa repetição mecânica consome muito mais a mente das pessoas. É por isso que, quando as ferramentas de colaboração em IA entram em cena, os usuários tendem a terceirizar esse tipo de trabalho.

A IA não substituiu o julgamento legal dos advogados, nem a intuição de recrutamento dos RHs. O que ela assume são os trabalhos mecânicos de "montar e estruturar informações". Ela preenche as lacunas de informação na colaboração entre equipes, permitindo que os advogados se concentrem na análise de casos e que os RHs se concentrem na avaliação de candidatos. A IA se tornou o adesivo que preenche as lacunas da equipe, permitindo que todos concentrem sua energia na parte do trabalho que realmente requer sabedoria e experiência humanas.

Documentos de Advogados e Feedbacks de RH: Recriação de Cenários Reais

Para entender melhor esse modo de colaboração, podemos olhar para dois cenários típicos de conexão entre equipes listados oficialmente.

O primeiro cenário é o advogado lidando com documentos. Na indústria jurídica, o formato e a conformidade dos documentos têm requisitos extremamente altos. Diferentes tribunais têm regras específicas sobre a formatação, fonte e até espaçamento das petições. Um advogado, ao concluir um parecer jurídico, pode precisar gastar uma ou duas horas verificando se o formato está em conformidade, se os artigos citados estão corretamente referenciados e se cabeçalhos e rodapés estão uniformes. Esse trabalho não requer lógica jurídica, apenas paciência e atenção, mas para um advogado que acabou de passar por um dia intenso de audiências, essa verificação trivial é um verdadeiro tormento mental.

Agora, os advogados podem entregar os documentos às ferramentas de colaboração em IA, instruindo-as a "verificar e ajustar este documento de acordo com o formato padrão de um determinado tribunal". A IA automaticamente identifica formatações que não estão em conformidade e as corrige, podendo até detectar erros de formatação nas citações legais. Os advogados mantêm seu julgamento jurídico mais central e suas estratégias de defesa, enquanto entregam o trabalho mecânico de verificação de formato ao estagiário digital. Isso não apenas economiza tempo, mas também reduz o risco de erros de formatação que poderiam levar à devolução do documento pelo tribunal devido a negligência humana.

O segundo cenário é o gerente de recrutamento resumindo feedbacks de várias entrevistas. Em um processo de recrutamento típico, um candidato pode passar por entrevistas com RH, técnica, de negócios e final. Cada entrevistador deixa um feedback em formato de texto livre no sistema. Alguns entrevistadores escrevem detalhes, outros apenas algumas frases, alguns focam em habilidades técnicas, outros no estilo de comunicação. Antes de tomar a decisão final, o gerente de recrutamento precisa ler todos esses feedbacks dispersos e de estilos variados, extrair informações-chave, como as vantagens técnicas do candidato e os riscos de compatibilidade cultural, e então resumir em um relatório para os executivos. Se houver muitos candidatos, só de ler os feedbacks pode ser cansativo e é fácil perder detalhes importantes.

Agora, o gerente de recrutamento pode importar todos os feedbacks das entrevistas para a IA, pedindo-a para "extrair as avaliações de cada entrevistador sobre as habilidades técnicas do candidato e resumir consensos e divergências". A IA pode fornecer um resumo estruturado em segundos, como "três entrevistadores reconheceram sua capacidade em banco de dados, mas há divergências em relação ao estilo de gestão de equipe". O gerente de recrutamento ainda mantém o julgamento final sobre a identificação de talentos e a decisão de contratação, mas o processo de tratamento da informação foi enormemente reduzido. Ele não precisa mais ler palavra por palavra aqueles feedbacks longos, mas pode tomar decisões com base nos pontos extraídos pela IA.

Esses dois cenários revelam uma regra comum: a implementação da IA em cargos não técnicos não visa roubar seus empregos, mas sim ajudá-los a remover obstáculos no fluxo de trabalho, permitindo que eles cheguem mais rapidamente às partes centrais que realmente requerem sabedoria e experiência humanas.

De "Esperando Respostas na Tela" a "Executando na Nuvem Durante a Noite"

Essa mudança na tendência de uso também impõe novas exigências à forma dos produtos de IA. Se a IA fosse apenas usada para lidar com tarefas altamente interativas como escrever código, uma caixa de diálogo seria suficiente. Mas se a IA precisa lidar com tarefas como organizar relatórios e conferir planilhas, que consomem tempo e não requerem atenção constante, o modelo tradicional de caixa de diálogo parece muito pesado.

Usuários não técnicos não precisam ficar olhando para a tela enquanto a IA digita palavra por palavra. Eles precisam de um fluxo de trabalho assíncrono, onde "designam uma tarefa e depois vão fazer outras coisas, voltando para ver os resultados". Assim como você não ficaria em cima de um estagiário enquanto ele organiza documentos, mas deixaria que ele fizesse o trabalho e depois trouxesse para você ver.

Os usuários podem designar uma tarefa à IA antes de sair do trabalho, como "extraia os dados principais de dez relatórios de pesquisa da indústria coletados esta semana e gere uma tabela de resumo". Então, o usuário pode desligar o computador e ir almoçar ou descansar. A IA executará essa tarefa em segundo plano na nuvem, sem precisar que o dispositivo esteja online.

Quando encontrar um ponto que requer julgamento humano, a IA fará uma pausa e enviará uma solicitação de confirmação ao celular do usuário. Por exemplo, se a IA descobrir que há dois conjuntos de dados conflitantes ao processar uma planilha, ela enviará uma mensagem perguntando qual deve ser considerado. Na manhã seguinte, o usuário pode aprovar a decisão no metrô a caminho do trabalho, e uma tabela perfeita já estará pronta. Essa evolução de "caixa de diálogo" para "agente de fundo" permite que a IA realmente se integre ao ritmo diário dos trabalhadores. Ela não é mais uma ferramenta que requer tempo específico para uso, mas sim um assistente que pode trabalhar silenciosamente em segundo plano.

Esse mecanismo assíncrono é especialmente importante para cargos não técnicos. Seu trabalho muitas vezes é repleto de interrupções e reuniões, tornando difícil ter longos períodos de tempo para sentar-se em frente ao computador e interagir com a IA com frequência. A execução em segundo plano e a aprovação móvel reduzem a carga mental de usar a IA, tornando mais fácil pedir ajuda à IA, como enviar uma mensagem no WeChat.

Um Atlas de Dados Imperfeito e Lições para Pessoas Comuns

Claro, esses 1,2 milhão de dados de conversas não são um retrato perfeito do ambiente de trabalho. A oficialidade também reconhece algumas limitações dos dados.

Primeiro, os dados são classificados por tipo de tarefa, e não por título de cargo do usuário. Isso significa que não sabemos exatamente quantos dos 33,4% de fluxo de trabalho são feitos por RH e quantos por finanças. Ao rotular, o sistema de automação pode ter agrupado funções como marketing, RH e finanças sob "fluxo de trabalho" de forma muito ampla.

Em segundo lugar, a amostragem foi feita com um limite fixo por hora, e não por proporção fixa de fluxo. Isso significa que a taxa de uso durante os horários de pico pode ter sido ligeiramente subestimada. Além disso, cerca de 5% das conversas pertencem a usos pessoais não relacionados ao trabalho, como assistentes pessoais, hobbies ou até mesmo conversas de companhia, e não são um retrato puramente do ambiente de trabalho.

Mas mesmo com essas lacunas, esses dados ainda oferecem insights valiosos sobre a realidade.

Para o público de escritório comum, a maior lição é reexaminar seu fluxo de trabalho. Não pergunte se a IA pode substituir suas habilidades principais; pergunte-se quantas tarefas de conexão existem em seu fluxo de trabalho que ninguém quer fazer, mas que precisam ser feitas.

Se você gasta mais de 20% do seu tempo diariamente em movimentação de informações, ajustes de formato e conferência de planilhas, então você é o público-alvo mais preciso para as ferramentas de colaboração em IA. Você não precisa aprender engenharia de prompts complexa; basta descrever à IA a tarefa repetitiva que você mais odeia fazer e ver se ela pode ajudá-lo a completar um rascunho.

A desmistificação das ferramentas de colaboração em IA reside no fato de que elas descem do pedestal para a mesa de trabalho. Elas não são feitas para resolver problemas de pesquisa que exigem inteligência excepcional; elas são feitas para resolver aquelas tarefas triviais do dia a dia que exigem paciência e esforço. Quando 33,4% do uso está lidando com fluxo de trabalho, isso indica que as pessoas já encontraram a aplicação mais prática da IA atualmente: libertar as pessoas do trabalho mecânico e permitir que elas façam o que realmente precisam fazer.