Ethan Mollick: o crepúsculo dos chatbots e a era do gerente

Ethan Mollick não costuma anunciar rupturas. O professor de Wharton que escreve a One Useful Thing, uma das newsletters mais lidas sobre IA no trabalho, ganhou audiência justamente por testar as ferramentas em tarefas reais antes de opinar. Por isso o título do ensaio dele chama a atenção: "O crepúsculo dos chatbots". A tese é que a caixa de conversa, a forma como quase todo mundo aprendeu a usar IA, está deixando de ser o padrão. No lugar dela entra o agente. E, com o agente, muda a habilidade que separa quem extrai valor de quem só gera texto bonito. Para quem coloca IA em produção, o texto é menos uma previsão e mais um manual.

O que ele está dizendo

Mollick parte de uma distinção simples. O chatbot é o modelo em que um não especialista faz uma pergunta e preenche uma lacuna com a resposta. O agente é outra coisa: vem com maquinaria em volta, um arcabouço que dá ao modelo acesso a ferramentas e a um ambiente para agir, e aplicativos feitos para isso, como o Claude Code ou o Codex da OpenAI. A frase que resume o argumento é dura com a nostalgia. Para qualquer tarefa que exija ação sustentada, uso de ferramentas externas ou raciocínio em vários passos ao longo do tempo, diz Mollick, o modelo de chatbot sempre foi um contorno, nunca uma solução.

O salto de capacidade que justifica a virada é concreto. Mollick observa que as organizações que escreveram seus planos de IA antes do fim de 2025 descreviam sistemas capazes de fazer umas poucas horas de trabalho, com taxa de erro alta. Poucos meses depois, ele nota, um agente consegue extrair dezesseis horas ou mais de trabalho a partir de um único comando. Quando a ferramenta pula de duas horas frágeis para dezesseis horas encadeadas, o gargalo deixa de ser a redação do prompt e passa a ser outra coisa.

Essa outra coisa é o coração do ensaio. A melhor forma de usar um agente, escreve Mollick, é pensar em si mesmo como um gerente. A habilidade prática a desenvolver agora não é engenharia de prompt, é definir a tarefa e checar a saída. E aqui ele crava o ponto que incomoda: o que torna o agente útil é saber se o resultado está certo, e saber se o resultado está certo vem de dez anos fazendo aquele trabalho à mão. A expertise, não a profissão inteira, vira o ativo escasso.

Para qualquer tarefa que exija ação sustentada e vários passos, o chatbot sempre foi um contorno. O agente é a forma natural, e usá-lo bem é gerenciar, não digitar prompts.

A nossa leitura

O que Mollick faz de mais valioso é desalojar a habilidade errada do centro da conversa. Passamos dois anos tratando engenharia de prompt como a competência do futuro. O ensaio diz, com todas as letras, que essa fase acabou para o trabalho sério. Se o agente executa dezesseis horas de tarefa sozinho, o valor não está em como você pede, está em como você define o alvo e em como você verifica o que voltou. É um deslocamento de teclado para julgamento.

Isso conversa direto com o que a gente vem defendendo aqui de vários ângulos. Quando Andrej Karpathy diz que a IA automatiza tudo que dá para verificar, ele descreve a mesma fronteira pelo lado técnico: a alavanca não é o modelo, é a sua capacidade de checar. Quando Chip Huyen aponta que avaliar é o gargalo real da IA em produção, ela nomeia justamente a habilidade de gerente que Mollick pede. E quando Kent Beck lembra que ninguém quer agente, todo mundo quer resultado, fecha o triângulo: o agente é meio, o resultado verificado é o fim. Mollick amarra os três num só conselho operacional.

Há um contraponto honesto, e ele mesmo o dá. Agentes não substituem chatbots para tudo. Para a pergunta rápida, o rascunho, a dúvida pontual, o chat continua imbatível pela simplicidade. O erro seria transformar a tese em dogma e agenteizar tudo, inclusive o que se resolve com uma frase. A leitura madura é de portfólio: chat para o leve, agente para o que tem vários passos e precisa agir no mundo. Escolher errado a ferramenta custa caro nas duas direções, ou você complica o simples, ou você espreme o complexo num formato que nunca foi feito para ele.

O aviso mais sério do ensaio é sobre pessoas, não sobre software. Se a habilidade que dá valor ao agente é saber quando a saída está certa, e essa habilidade vem de anos de ofício, então a organização que demitir os juniores e terceirizar todo o julgamento ao modelo está queimando a própria fábrica de especialistas. Daqui a alguns anos, quem vai gerenciar os agentes se ninguém mais fez o trabalho à mão? É a mesma preocupação que aparece quando discutimos o PM nativo de IA que escreve o bom antes de pedir: a IA amplifica quem tem critério e expõe quem nunca o teve.

O que fazer com isso na segunda de manhã

O conselho de Mollick para começar é quase banal de tão prático, e por isso funciona. Pegue um agente de verdade, dê a ele uma tarefa real da sua semana, não um exemplo de brochura, e depois olhe o resultado com atenção e peça mudanças, em vez de simplesmente aceitar ou rejeitar. É gerenciando de fato, com uma tarefa que você conhece a fundo, que você aprende onde o agente rende e onde ele te enrola.

Para o time brasileiro, o desdobramento é claro. Pare de contratar e treinar para escrever prompts e comece a treinar para definir tarefa e verificar entrega. Monte o seu fluxo de trabalho de modo que todo agente tenha um dono humano que sabe checar aquele resultado, e proteja, em vez de dispensar, as pessoas que carregam a expertise que torna a checagem possível. O crepúsculo, no título de Mollick, não é o do trabalho humano. É o da ilusão de que dava para pular a parte difícil de saber o que é bom.

Se você quer montar times que gerenciam agentes de verdade, com donos humanos e critério de verificação em cada fluxo, fale com a AI Boutique no WhatsApp. A gente ajuda a trocar a corrida por prompts pela disciplina de definir tarefa e checar resultado.