Pergunte ao seu time de marketing se a IA está economizando tempo. Todo mundo vai dizer que sim, e todo mundo vai acreditar nisso. O problema é que essa resposta, sozinha, não vale nada como medida.
Kevin Indig e Amanda Johnson publicaram no Growth Memo uma análise sobre as horas de IA que ninguém está contando nos times de marketing. A tese é simples e incômoda: a IA raramente apaga trabalho, ela move trabalho de fazer a tarefa para construir, aprender e manter a coisa que faz a tarefa. E esse tempo não aparece em nenhum painel.
Não é um argumento contra usar IA. É um argumento a favor de contar direito. Os números que sustentam isso vêm de quatro estudos diferentes, e vale olhar cada um antes de decidir o que o seu time deve construir no próximo trimestre.
O experimento que quebrou a intuição
No fim de 2025, a METR colocou 16 desenvolvedores experientes para executar 246 tarefas reais, metade com ferramentas de IA e metade sem. Antes de começar, eles estimaram que a IA os deixaria 24% mais rápidos. O resultado medido foi o oposto: ficaram 19% mais lentos.
A parte mais reveladora vem depois. Mesmo após ver os próprios tempos de conclusão, os participantes continuaram acreditando que a IA os tinha deixado cerca de 20% mais rápidos. A percepção não se corrigiu diante do dado. Vale a ressalva registrada pelo Growth Memo: a METR repetiu o estudo em 2026 com produtividade maior, embora com resultados admitidamente enviesados.
A implicação prática é direta. Perguntar ao time se a automação interna está economizando tempo produz uma resposta sincera e provavelmente errada. Percepção de velocidade não é medida de velocidade.
Por que marketing está mais exposto que outras áreas
Dados do HubSpot citados na análise apontam que 91% dos líderes de marketing dizem que seus times usam IA, e 66% afirmam que a empresa constrói as próprias ferramentas internas de IA para marketing. Boa parte desses projetos não aparece no plano de marketing nem na ferramenta de gestão de projetos.
Times de growth e de busca orgânica estão entre os primeiros a adotar essas ferramentas, por dois motivos legítimos: entender a tecnologia virou parte de conquistar visibilidade dentro dela, e modelos de linguagem trabalham com linguagem, que é a matéria-prima do marketing. O ponto é que esse aprendizado é trabalho novo empilhado sobre o antigo, e o antigo não encolheu.
A IA não apaga o trabalho. Ela tira o trabalho de fazer a tarefa e o coloca em construir, aprender e manter a coisa que faz a tarefa.
Kevin Indig, no Growth Memo
Workslop: quando o atalho de um vira o prejuízo do outro
O BetterUp Labs, em parceria com o Stanford Social Media Lab, pesquisou 1.150 trabalhadores em tempo integral nos Estados Unidos sobre o que batizaram de workslop: entrega gerada por IA que parece pronta e não é.
41% receberam workslop no mês anterior à pesquisa. Cada ocorrência consumiu, em média, 1 hora e 56 minutos para ser resolvida. A conta estimada pelos pesquisadores chega a cerca de 186 dólares por trabalhador por mês, o que em uma empresa de 10 mil pessoas passa de 9 milhões de dólares por ano.
A dinâmica é a que interessa aqui. Quem enviou economizou 20 minutos. Quem recebeu gastou 2 horas. Em um painel que conta entregas, o remetente parece produtivo. A economia foi consumida na mesa de outra pessoa. E há custo relacional: mais da metade dos respondentes ficou irritada ao receber esse tipo de trabalho, e boa parte passou a ver o colega como menos confiável.
| Estudo | Amostra | Achado central |
|---|---|---|
| METR, fim de 2025 | 16 desenvolvedores experientes, 246 tarefas reais | Esperavam ser 24% mais rápidos com IA, ficaram 19% mais lentos e continuaram acreditando no ganho |
| BetterUp Labs e Stanford Social Media Lab | 1.150 trabalhadores em tempo integral nos EUA | 41% receberam workslop no mês, com 1h56 de retrabalho por ocorrência |
| Workday | 3.200 respondentes entre líderes e empregados | A cada 10 horas economizadas com IA, cerca de 4 voltam como correção e reescrita |
| HubSpot | Líderes de marketing | 91% dizem que o time usa IA e 66% que a empresa constrói ferramentas internas próprias |
O retrabalho já tem tamanho medido
A pesquisa da Workday com 3.200 respondentes, metade líderes e metade empregados, coloca número no fenômeno: para cada 10 horas de eficiência que executivos acreditam ganhar, empregados perdem quase 4 horas corrigindo, ajustando ou reescrevendo saída de IA de baixa qualidade. Cerca de 37% do tempo economizado se dissolve em retrabalho silencioso, e apenas 14% dos empregados disseram alcançar consistentemente resultado líquido positivo com IA.
O diagnóstico da Workday é organizacional, não tecnológico: a IA foi colocada sobre funções que nunca foram redesenhadas para acomodá-la, obrigando as pessoas a conciliar produção mais rápida com expectativas inalteradas de precisão e responsabilidade. Um levantamento da Upwork citado pelo Growth Memo detalha o mesmo padrão, apontando checagem e correção de saída como principal fonte de carga extra, embora esse dado específico não tenhamos conseguido confirmar em fonte independente.
Nada disso surpreende quem acompanha o tema. Já mostramos aqui que, na produção de marketing com IA, 88% do conteúdo pede edição humana, e que, nas empresas, o gargalo virou a implementação e não o modelo.
Quem paga a conta dentro do time
Aqui está a parte que mais interessa a quem responde por resultado orgânico. Quando a atenção do time é puxada para construir e manter automações, o trabalho sacrificado costuma ser o de retorno mais lento e atribuição mais nebulosa: produção de conteúdo com profundidade, assessoria digital, presença em comunidade e conteúdo gerado por usuários, campanhas de avaliação em terceiros.
É justamente o trabalho que constrói autoridade de marca e que alimenta as citações que os sistemas de IA usam para recomendar alguém. Como esse retorno leva semanas ou meses, ele vira a fonte flexível de onde se rouba tempo. Nove meses de menções não conquistadas não podem ser recuperados depois. É a mesma lógica de expectativa realista que aplicamos ao discutir a eficácia da GEO à luz de 45 estudos.
Há ainda o efeito de manutenção. Todo fluxo construído internamente cria um pequeno emprego permanente. O modelo muda de versão, a ferramenta integrada lança uma atualização, algo quebra numa terça e atravessa a semana. O dono do fluxo costuma ser quem o construiu, e quando essa pessoa tira férias a tarefa volta a ser manual.
Como medir as horas invisíveis a partir de amanhã
- Crie uma linha explícita de “trabalho de IA” no planejamento do time, separada da entrega. Construir, aprender e manter viram itens visíveis, com estimativa e responsável.
- Meça tempo de tarefa antes e depois, em vez de perguntar percepção. O estudo da METR mostra que a percepção erra até quando o dado está na frente da pessoa.
- Registre o retrabalho. Uma marcação simples em cards revisados por conta de saída fraca de IA já revela padrão em duas semanas.
- Antes de construir, faça três perguntas: existe ferramenta paga que resolve, quem mantém isso em seis meses e o que deixa de ser feito enquanto isso.
- Defina quem é dono de cada automação e o que acontece quando essa pessoa não está. Sem isso, cada fluxo é um ponto único de falha.
A habilidade que separa times bons de times ocupados neste momento é conseguir nomear e defender duas coisas: quando um fluxo de IA faz sentido e quando não faz, e quando a experimentação está aumentando eficiência e quando está drenando o trabalho que gera marca e demanda. Isso é gestão, não tecnologia. E é o que a maioria dos painéis ainda não mostra.
Perguntas frequentes
O que é workslop?
É o termo criado pelo BetterUp Labs com o Stanford Social Media Lab para descrever entregas geradas por IA que parecem prontas mas não são, e que obrigam quem recebe a refazer o trabalho. A pesquisa com 1.150 trabalhadores apontou média de 1 hora e 56 minutos de retrabalho por ocorrência.
A IA realmente deixa os times mais lentos?
Nem sempre, mas o ganho não é automático. No estudo da METR com 16 desenvolvedores e 246 tarefas, os participantes esperavam ser 24% mais rápidos e ficaram 19% mais lentos. A METR repetiu o estudo em 2026 com produtividade maior, ainda que com resultados enviesados segundo a própria equipe.
Quanto do tempo economizado com IA volta como retrabalho?
A pesquisa da Workday com 3.200 respondentes indica que, a cada 10 horas de eficiência percebida por executivos, cerca de 4 horas retornam como correção e reescrita, o equivalente a aproximadamente 37% do tempo economizado.
Devo parar de construir automações internas de IA?
Não. A recomendação é decidir com critério: verificar se já existe solução paga que resolve, definir quem mantém o fluxo ao longo do tempo e reconhecer o que deixa de ser produzido enquanto o time constrói. Construir é legítimo, construir sem contabilizar não é.
Como começar a medir isso sem criar burocracia?
Duas ações resolvem a maior parte: criar uma linha visível de trabalho de IA no planejamento, separada das entregas, e marcar nos cards toda vez que houver retrabalho por saída fraca de IA. Em duas semanas já aparece padrão suficiente para decidir.
