A OpenAI divulgou um estudo detalhado sobre a mudança no comportamento de seus colaboradores, revelando que a interação com modelos de inteligência artificial deixou de ser centrada em chatbots para focar em agentes autônomos. Segundo o documento, essa transição reflete uma mudança mais ampla na forma como o trabalho é executado, com a substituição de tarefas pontuais por processos de longa duração que exigem múltiplas etapas de execução.
O fenômeno, documentado no artigo "The Shift to Agentic AI: Evidence from Codex", aponta que o uso desses agentes cresceu mais de cinco vezes no primeiro semestre de 2026. A tendência é particularmente notável entre funcionários de áreas não técnicas, como os departamentos jurídico e de recrutamento, que passaram a utilizar o Codex como sua principal ferramenta de trabalho, marcando uma ruptura com o modelo tradicional de interação via chat.
A evolução das ferramentas de trabalho
Historicamente, a interação com modelos de linguagem era limitada a consultas rápidas e geração de respostas diretas. A transição para agentes autônomos altera essa dinâmica ao permitir que a IA assuma o controle de fluxos de trabalho que, anteriormente, exigiriam horas ou dias de supervisão humana. A OpenAI destaca que, desde agosto de 2025, o uso do Codex por funcionários não desenvolvedores disparou, com aumentos exponenciais em diversos setores internos.
Essa mudança não é apenas uma curiosidade operacional, mas um indicador do potencial de escala dessas ferramentas. A capacidade de delegar tarefas complexas para sistemas que operam de forma contínua permite que trabalhadores sem formação técnica realizem automações, transformações de dados e análises que antes eram restritas a engenheiros de software. A adoção interna de 97,9% do quadro de funcionários do Codex sublinha a centralidade dessa tecnologia na rotina da empresa.
Mecanismos de eficiência e custo
O movimento para agentes autônomos possui implicações financeiras claras. Tarefas de longa duração consomem significativamente mais tokens do que interações simples, o que, teoricamente, aumenta a receita da companhia. Em um cenário onde a OpenAI enfrenta desafios financeiros estruturais, a migração para fluxos de trabalho que exigem mais processamento pode ser vista como uma estratégia para otimizar a monetização de sua infraestrutura tecnológica.
Além disso, o uso de agentes altera a métrica de produtividade. Enquanto um chatbot responde a uma pergunta, um agente conclui um projeto. A análise sugere que, embora a verificação e o deploy de código gerado por IA ainda demandem tempo humano, a velocidade de geração de outputs, que cresceu 13 vezes no departamento jurídico da OpenAI, aponta para uma reconfiguração profunda dos fluxos de trabalho internos.
Implicações para o mercado
Para o ecossistema de tecnologia, a mudança sinaliza um futuro onde a competência técnica será menos sobre escrever código e mais sobre orquestrar agentes autônomos. Empresas que conseguirem integrar essa cultura de agentes em seus processos não técnicos poderão observar saltos de produtividade similares aos relatados pela OpenAI. Reguladores e pesquisadores de trabalho devem observar essa transição com atenção, dado que a automação de tarefas intelectuais complexas pode redefinir a demanda por competências profissionais.
No Brasil, onde a adoção de ferramentas de IA generativa em empresas de serviços tem crescido, o modelo da OpenAI serve como um estudo de caso sobre a viabilidade da transição de chatbots para agentes. A questão central passa a ser a governança desses sistemas: como garantir que a automação de tarefas multietapas seja segura e auditável em ambientes corporativos que exigem conformidade rigorosa.
O futuro da interação homem-máquina
Permanece incerto se o crescimento do uso de agentes será sustentável fora do ambiente controlado da OpenAI ou se a complexidade da implementação limitará a adoção em larga escala por organizações tradicionais. A eficácia desses sistemas em tarefas que exigem julgamento humano crítico ainda é um ponto de debate constante no setor.
Acompanhar os próximos desdobramentos sobre a eficácia real desses agentes em comparação com o esforço humano é essencial. O mercado buscará entender se a produtividade gerada compensa o custo computacional crescente e se essa transição de fato democratiza a tecnologia ou apenas cria novas camadas de dependência técnica. Com reportagem de Brazil Valley
Source · The Register
