Estranho! A IA fez a eficiência do Vale do Silício multiplicar por 10, mas está a desencadear uma crise mais silenciosa do que a redução a metade do $BTC

No início de 2026, surgiu uma cena intrigante no campo da engenharia de software. Ferramentas de programação AI de nova geração, como o Claude Opus 4.6, estão levando a eficiência dos desenvolvedores a níveis sem precedentes. Dados internos da Microsoft mostram que, após a escolha autónoma de ferramentas, o Claude Code rapidamente se tornou dominante, sendo visto como o caminho de “menor resistência” natural.

Ao mesmo tempo, discussões sobre “esgotamento profissional” começaram a surgir intensamente na comunidade de desenvolvedores. O engenheiro Steve Yegge, que trabalhou na Google e na Amazon, descreveu um fenômeno que chamou de “ataque de sono”: após longas sessões de programação atmosférica, ele adormecia repentinamente durante o dia, sem aviso.

Hoje, cada vez mais engenheiros de software estão a falar abertamente de uma experiência comum: a produção de trabalho aumenta drasticamente, mas a fadiga acumula-se a uma velocidade maior. A tecnologia reduz significativamente o tempo de execução das tarefas, mas não diminui a carga de decisão humana, que, pelo contrário, aumenta.

Yegge aponta que as discussões anteriores sobre “a ajuda limitada da IA no trabalho real” perderam relevância após a implementação do Claude Code com Opus 4.5 e 4.6. Esta combinação reduziu consideravelmente o custo de conversão de problemas em código executável, permitindo que um engenheiro experiente produza várias vezes mais em uma hora do que na metodologia tradicional.

Quando a produtividade aumenta mais de duas vezes, um fenômeno que ele chama de “efeito vampiro” começa a aparecer: a tecnologia deixa de ser apenas uma ferramenta e começa a moldar o ritmo de trabalho e o estado psicológico do utilizador de forma inversa.

O engenheiro de software Xidant Caret detalhou esse processo em seu blog. No artigo “Fadiga de IA é real”, ele relata que, no último trimestre, atingiu o pico de entrega de código na sua carreira, mas também sentiu uma fadiga mental extrema.

Ele descreve uma mudança fundamental no modo de trabalhar. Antes, usava um dia inteiro para focar profundamente numa única questão, mantendo uma linha de raciocínio coerente. Com a IA, passou a lidar com cinco ou seis problemas diferentes simultaneamente. Cada questão, com a ajuda da IA, reduziu seu tempo de resolução para cerca de uma hora. Mas a troca frequente entre problemas criou uma nova carga cognitiva. “A IA não fica cansada entre problemas”, escreve ele, “mas eu fico.”

Caret compara seu novo papel a um “inspetor de controle de qualidade na linha de produção”. As solicitações de revisão chegam continuamente, cada uma exigindo análise, decisão e aprovação. O fluxo nunca para, mas a autoridade de decisão nunca é transferida. Ele fica na posição de juiz, com a IA entregando os casos, enquanto a responsabilidade recai sobre ele.

Um estudo recente fornece uma base empírica para esse fenômeno. Os pesquisadores acompanharam 200 funcionários de uma empresa de tecnologia nos EUA e descobriram que, embora o uso de IA inicialmente aumentasse significativamente a velocidade de conclusão das tarefas, também desencadeou uma reação em cadeia: o aumento da velocidade elevou as expectativas de entrega da organização, levando os funcionários a dependerem mais da IA, o que, por sua vez, ampliou o escopo das tarefas que tentavam resolver, aumentando a densidade de trabalho e a carga cognitiva.

Os pesquisadores chamam esse mecanismo de “expansão do volume de trabalho”. Não é uma expansão impulsionada por comandos, mas um ciclo de retroalimentação auto-reforçada entre aumento de eficiência e ajuste de expectativas.

Sammo Koroshets, designer de produtos digitais, expressou uma situação semelhante nas redes sociais. Ele apontou que há demonstrações de “dez interfaces de usuário geradas em um minuto” sendo repetidamente apresentadas a profissionais e gestores, criando uma norma implícita. Como as ferramentas podem gerar soluções tão rapidamente, a produção de propostas também deve ser rápida.

Porém, esses exemplos raramente mostram os custos de triagem, implementação e coordenação entre departamentos, que continuam a ser responsabilidade humana. A tecnologia encurta o tempo de produção, mas não o tempo de decisão. E este último está se tornando um novo gargalo: a atenção e a força de vontade humanas.

Yegge propõe uma estrutura de análise simplificada. Suponha que um engenheiro, ao dominar uma ferramenta de IA, aumente sua produção por hora em 10 vezes. Quem fica com o valor dessa diferença de 9 vezes? Depende de como o utilizador ajusta sua oferta de trabalho.

Por exemplo, no cenário A, o engenheiro mantém seu horário de trabalho original e entrega toda a produção adicional ao empregador. Assim, o empregador obtém quase 10 vezes mais por um custo de mão de obra constante. O salário do engenheiro não muda proporcionalmente, mas sua carga de trabalho e esforço mental aumentam significativamente. Yegge chama isso de “ser espremido até o limite”.

No cenário B, o engenheiro reduz drasticamente seu horário de trabalho, realizando a mesma quantidade de produção com apenas 10% do tempo. Nesse caso, o valor adicional fica todo para ele, ganhando mais tempo livre. Mas esse equilíbrio é difícil de manter em um ambiente competitivo: se todos adotarem essa estratégia, a produção geral da organização ficará atrás dos concorrentes, colocando sua sobrevivência em risco a longo prazo.

Yegge afirma que o estado ideal fica entre esses extremos. Mas, na estrutura organizacional atual, o controle do ajuste do ritmo não é simétrico. As organizações tendem a empurrar a agulha para o lado A, enquanto o indivíduo precisa exercer uma força contrária.

Esse quadro transforma a questão da eficiência tecnológica em uma questão de distribuição. A IA não altera o fato fundamental de que o valor é criado pelo trabalho, mas muda a escala do valor criado por unidade de trabalho. Quando essa escala sofre um salto, o equilíbrio de distribuição é inevitavelmente afetado.

Yegge recorda sua experiência na Amazon em 2001. Na época, sua equipe enfrentava uma alta pressão de entregas, com retorno altamente incerto. Em uma discussão, escreveu uma fórmula para colegas: $ / hora. Explicou que o numerador (salário fixo anual) dificilmente muda a curto prazo, mas o denominador (horas trabalhadas) tem uma grande flexibilidade. Propôs mudar o foco de “como ganhar mais” para “como trabalhar menos”.

Vinte e cinco anos depois, Yegge acredita que essa fórmula ainda se aplica na era da IA. A diferença é que a IA amplifica drasticamente o impacto das mudanças no denominador sobre o numerador, mas o controle individual sobre o denominador não aumentou na mesma proporção.

Joseph Amosev, usuário de redes sociais, responde a essa questão de outro ângulo. Observa que a maioria dos profissionais de sucesso em áreas criativas, incluindo escritores, designers e pesquisadores, trabalha efetivamente não mais que quatro horas por dia. O restante do tempo é dedicado a recuperação, lazer e input. Não é uma questão de eficiência, mas de limites fisiológicos da atividade cognitiva.

Se a IA dividir ainda mais o “trabalho” do “trabalho efetivo”, talvez precisemos redefinir não a forma de usar as ferramentas, mas a duração do “dia de trabalho”.

Yegge admite que também faz parte do problema. Com mais de quarenta anos de experiência, liderou grandes equipes, lê rápido e dispõe de tempo e recursos para experimentos técnicos. Pode passar dezenas de horas usando Claude Code para construir um sistema funcional e publicá-lo. Seus resultados são amplamente divulgados, e alguns gestores os veem como o padrão que um engenheiro deve alcançar.

Ele escreve: “Empregadores provavelmente vão começar a olhar para mim, e para esses tipos fora do comum, e dizer: ‘Ei, todos os meus funcionários podem fazer o mesmo’.”

Nas redes sociais, alguns pioneiros já compartilham abertamente sua intensidade de uso de IA: há quem diga que sua organização paga milhares de dólares por mês por algumas contas; há quem mostre dezenas de sessões de diálogo simultâneas. Essas ações, além de atrair atenção da comunidade técnica, criam uma referência implícita na gestão. Yegge chama isso de “padrão de beleza irrealista”.

Ele reconhece que não é representativo, que seu ritmo de trabalho é difícil de reproduzir para a maioria, e até ele mesmo não tem certeza se consegue manter a longo prazo. Mas, ao falar em conferências ou escrever livros, a mensagem que transmite (pelo menos na recepção) é: “Isso é possível.”

Lhe questiona Joseph Ashoff, que vê a interação atual com a IA como um espelho das dificuldades de identificar limites nas relações humanas. Muitas pessoas têm dificuldade em reconhecer e expressar seus limites, e essa incapacidade é transferida para a relação homem-máquina. As ferramentas não param por iniciativa própria nem percebem a fadiga do usuário. Quando a tecnologia amplia continuamente suas capacidades, a habilidade de reconhecer seus limites se torna ainda mais escassa.

Yegge propõe uma recomendação concreta: que o dia de trabalho efetivo na era da IA seja reduzido para três ou quatro horas. Não é um número rigorosamente validado, mas uma inferência baseada na experiência. Sua observação é que a IA automatiza muitas tarefas executivas, deixando para o ser humano atividades de alto nível como decisão, julgamento e reestruturação de problemas. Essas atividades consomem muito mais atenção e recursos emocionais do que tarefas de execução, e são difíceis de serem comprimidas ou recuperadas por paralelismo.

Durante uma visita a um parque tecnológico, Yegge viu um ambiente que chamou de “ajuste do scale” — espaço aberto, luz natural abundante, áreas de descanso e socialização, onde os funcionários podem alternar livremente entre trabalho e recuperação. Ele não tem certeza se esse equilíbrio será mantido após a plena integração da IA.

Mas tem certeza de que o modelo atual, que apenas aumenta a densidade de produção por hora sem ajustar o tempo de trabalho, é insustentável. Ele não vê mais a questão como “IA é um vampiro”, mas como “preciso entender melhor meus limites”.

No final, Yegge afirma que está tentando diminuir o ajuste do scale. Reduziu atividades públicas, recusou muitos convites, deixou de perseguir cada nova trilha tecnológica. Continua escrevendo, construindo produtos e trocando ideias com colegas. Mas também fecha o computador à tarde, passeia com a família. Não sabe até onde pode puxar o ponteiro de volta, mas tem certeza de que a direção está correta.

Para o conjunto dos profissionais, essa questão ainda não entrou na agenda coletiva. A narrativa da produtividade com IA ainda domina, e o cansaço é tratado de forma fragmentada e individualizada. Mas sinais crescentes indicam que essas duas curvas estão se cruzando: a tecnologia encurta o caminho das tarefas, mas não o dia de trabalho. As ferramentas compartilham a execução, mas não a responsabilidade. A eficiência aumenta a velocidade de entrega, mas também o consumo. E, ao nos dizerem constantemente “pode ir mais rápido”, talvez o que mais precisamos ouvir é: podemos ir mais devagar?