A adoção acelerada de ferramentas de IA no Reino Unido, embora massiva, enfrenta um gargalo operacional inesperado. Segundo o relatório "The Work AI Index: UK 2026", elaborado pelo Work AI Institute, braço de pesquisa da Glean Technologies, 90% dos trabalhadores britânicos utilizam IA em suas funções, mas apenas 18% percebem um ganho real no desempenho das organizações. O fenômeno, batizado de "botsitting", descreve o tempo gasto pelos funcionários na supervisão, correção e integração de sistemas que falham com frequência.

O estudo, que ouviu 1.500 trabalhadores digitais, revela que, embora a automação economize cerca de 12 horas semanais, os colaboradores desperdiçam quase metade desse tempo — 5,8 horas em média — refazendo tarefas ou alimentando sistemas com contextos que deveriam ser nativos. A leitura aqui é que a IA, em vez de eliminar o trabalho braçal, deslocou a carga cognitiva para uma camada de monitoramento constante e pouco produtiva.

O custo oculto da supervisão

A ineficiência no uso da IA decorre da fragilidade dos sistemas atuais, que falham em mais de um terço das sessões, exigindo reinicializações ou reprocessamento completo. O "botsitting" envolve carregar janelas de contexto com informações repetitivas, verificar alucinações e validar respostas que, à primeira vista, parecem corretas, mas carecem de precisão. Trabalhadores tornam-se, na prática, uma camada de integração manual para ferramentas que deveriam ser autônomas.

Essa dinâmica gera um paradoxo: a busca por velocidade resulta em retrabalho. Quando o funcionário falha em identificar um erro da IA, o prejuízo é transferido para outros departamentos, criando um efeito cascata de ineficiência. A expectativa de que APIs e protocolos como o Model Context Protocol resolveriam a interoperabilidade ainda não se traduziu em ganhos práticos de produtividade para o usuário final.

A fadiga da diligência

A necessidade constante de vigilância gera um desgaste que compromete a qualidade do trabalho. O relatório indica que 70% dos usuários admitem aceitar a primeira resposta da IA que parece "boa o suficiente", reduzindo o rigor na verificação de fontes e lógica. Esse comportamento sugere que a fadiga do "botsitting" leva à negligência, onde o trabalhador prefere o caminho de menor resistência a arriscar um ciclo infinito de novos prompts.

Empresas que investiram massivamente em IA encontram-se diante de um novo overhead operacional. A tecnologia, que deveria atuar como alavanca de produtividade, acaba exigindo uma disciplina operacional rigorosa que muitas organizações ainda não possuem. O sucesso da implementação, portanto, não reside apenas na adoção da ferramenta, mas na capacidade de medir se o resultado final é, de fato, superior ao que era produzido anteriormente.

Riscos em áreas críticas

O Reino Unido lidera a adoção de IA em setores de alta complexidade, como decisões de recursos humanos, onde 40% dos trabalhadores relatam que a tecnologia já participa de avaliações de desempenho. Embora haja uma aceitação maior do que nos EUA para o uso de IA em promoções e contratações, a aplicação em demissões permanece restrita devido a regulações trabalhistas mais rígidas, que tornam o processo de desligamento mais complexo para as empresas.

Essa confiança institucional na IA, embora seja vista como um diferencial competitivo, impõe desafios éticos e operacionais significativos. A transição da IA de uma ferramenta de geração de conteúdo para um motor de decisão em áreas sensíveis exige um nível de governança que vai além do uso casual, sob o risco de automatizar vieses e erros que, se não supervisionados, podem trazer passivos jurídicos consideráveis.

O futuro da produtividade

O cenário aponta para uma fase de maturação necessária onde o foco das empresas deve migrar da quantidade de ferramentas para a qualidade da integração. A pergunta que permanece é se o mercado conseguirá evoluir para sistemas que realmente reduzam a carga cognitiva humana, ou se o "botsitting" se tornará uma função permanente e indesejada no cotidiano corporativo.

O que observar daqui para frente é se a pressão por eficiência forçará desenvolvedores a priorizar a confiabilidade em vez de apenas novas funcionalidades. A transformação real, como sugere o relatório, só ocorrerá quando a IA deixar de criar mais trabalho e passar, efetivamente, a eliminá-lo.

Com reportagem de Brazil Valley

Source · The Register