Anthropic mediu quando e como a IA entra no seu trabalho

Quase toda leitura de IA no noticiário de negócios cai num de dois baldes: ou a máquina vai substituir todo mundo, ou é só hype. O novo Índice Econômico da Anthropic, publicado em 26 de junho e batizado de Cadences, é útil justamente porque foge dos dois. Em vez de opinar, ele mede: como as pessoas realmente usam o Claude, hora a hora, o que levam para casa de cada conversa e o que sentem sobre o próprio futuro. Vale ler pela ótica de quem coloca IA em produção, não pela manchete.

A IA seguiu o relógio da vida

A novidade técnica é chata de explicar e reveladora no resultado: a Anthropic passou a amostrar conversas continuamente, todo dia, o que permite ver padrões por hora em vez das antigas fotos de sete dias. O que aparece é a rotina humana desenhada no log de uso.

O uso classificado como pessoal salta de cerca de 35% nos dias úteis para quase 50% no fim de semana. Nos finais de semana, a conversa migra de correspondência de trabalho, texto de marketing e slides para apoio emocional, dúvida médica e conselho de investimento. Hora a hora, o padrão é quase doméstico: gente pede notícia às 7h, receita de comida às 18h, com pico de 2,3 vezes a média, e conselho para dormir nas horas antes do amanhecer. E datas mandam: às vésperas do prazo do imposto de renda nos Estados Unidos, em 14 de abril, as conversas sobre tributo ficaram 8 vezes mais comuns que num dia médio de maio.

Parece curiosidade, mas tem recado operacional. O uso de IA já é infraestrutura de rotina, não novidade de laboratório, e ele respira junto com o negócio: sobe e desce com a semana de trabalho, com o horário e com o calendário. Quem planeja capacidade, custo e suporte de uma ferramenta de IA deveria olhar esse ritmo como olha o de qualquer sistema em produção.

O que as pessoas levam para casa

A segunda novidade é o Claude classificar o artefato de cada conversa, ou seja, o que de concreto sai dali. Em 93% das conversas há um artefato. Os mais comuns são explicações, 17%, documentos e relatórios, 15%, e orientações, 11%. Saídas conversacionais e entregas escritas respondem por cerca de um terço cada, e código e trabalho técnico por cerca de um sexto.

Aqui entra o dado que interessa a orçamento: custo acompanha valor. Tarefa mais complexa consome muito mais computação. Construir um app usa mais de três vezes os tokens da conversa mediana, enquanto uma explicação usa cerca de um quinto. E, em conversas de ocupações mais bem pagas, o Claude produz mais por rodada e o usuário também participa mais. Produção da IA e do humano andam juntas, num padrão que parece mais aumento de capacidade do que substituição. É a evidência empírica do que o Marty Cagan vem dizendo sobre o PM ficar mais essencial, não menos.

A ferramenta importa mais que o modelo

O achado mais prático para quem monta fluxo de trabalho: o grau de autonomia que a IA tem depende mais do produto do que do modelo. Comparando o mesmo tipo de entrega, o Claude Code opera com mais delegação que o chat em 26 de 31 tipos de saída. O exemplo é claro: a conversa mediana que produz um post de blog no chat tem 13 rodadas de ida e volta, enquanto no Claude Code costuma ter uma única instrução.

E não é só efeito de modelo mais forte. Mesmo comparando conversas servidas pelo mesmo modelo, o Claude Code mostra mais autonomia. A lição para quem opera: escolher a superfície certa, chat para trabalho colaborativo, ferramenta agêntica para delegação, muda mais o resultado do que trocar de modelo. Isso conversa direto com a disciplina de medir produtividade de IA com honestidade que o Martin Fowler defende: antes de comparar modelos, veja como o trabalho é de fato feito.

Mais produção da IA não significou menos do humano. Nas tarefas de maior valor, os dois produzem mais juntos. O retrato é de trabalho aumentado, não de trabalho terminado.

O medo e o que os dados dizem sobre ele

A terceira parte é uma pesquisa direta com cerca de 9.700 usuários, linkada ao uso real por método que preserva privacidade. Ela é sincera sobre o medo: mais de um terço acha provável que suas responsabilidades mudem no próximo ano, e 10% veem como provável perder o emprego. A preocupação é maior com o outro do que consigo, e maior ainda com o colega júnior. É um dado que ecoa o que a OCDE apontou sobre empregos na linha de frente da IA.

Mas há um contraponto que vale destacar sem romantizar. Entre esses respondentes, quem usa a IA de forma mais automatizada é o mais otimista sobre pagamento, segurança e empregabilidade no próximo ano, e o que mais diz que suas habilidades ficaram mais valiosas. Quem delega mais relata aprender na mesma taxa dos demais. A Anthropic é honesta ao ressalvar que são autoavaliações e que pode haver seleção, gente entusiasta delega mais, e que habilidade pode atrofiar mesmo com a pessoa achando que aprende. Não é prova de que automatizar faz bem. É evidência de que a associação automática entre delegar e perder valor não se sustenta nos números.

Para quem lidera time colocando IA em produção, o relatório sugere uma postura menos ansiosa e mais concreta. O uso de IA já tem cadência de sistema em produção, o custo acompanha o valor do que se produz e a forma de trabalhar, chat ou agente, pesa mais que a escolha do modelo. E o pânico sobre delegar precisa ser calibrado pelo dado, não pela intuição. A pergunta certa não é se a IA vai fazer o trabalho, é qual trabalho vale delegar e como manter o humano dentro das decisões que importam.

Se você quer desenhar quais tarefas delegar à IA e quais manter com o time, com base em dado e não em medo, fala com a gente no WhatsApp.