A Anthropic publicou ontem o seu “Relatório do Índice Económico” no site oficial.
O relatório analisa não só a forma como as pessoas utilizam a IA, mas também até que ponto esta tecnologia está efetivamente a substituir o pensamento humano.
Desta vez, a Anthropic apresentou uma nova estrutura, denominada “Economic Primitives”, criada para quantificar a complexidade das tarefas, o grau de formação necessário e o nível de autonomia da IA.
Os dados revelam um futuro do trabalho muito mais sofisticado do que as narrativas simplistas de “desemprego” ou “utopia”.
Quanto mais complexa a tarefa, mais rapidamente a IA entrega resultados
Tradicionalmente, considera-se que as máquinas são eficazes em tarefas repetitivas e simples, mas têm dificuldades em áreas que exigem conhecimentos avançados.
Os dados da Anthropic mostram precisamente o contrário: quanto maior a complexidade da tarefa, mais acentuada é a aceleração proporcionada pela IA.
Segundo o relatório, para tarefas que exigem apenas o ensino secundário, o Claude pode multiplicar a velocidade de trabalho por nove.
Quando a complexidade da tarefa atinge o nível de licenciatura, esta aceleração sobe para doze vezes.
Isto significa que funções de escritório que antes exigiam horas de reflexão profunda são agora precisamente onde a IA atinge a máxima eficiência.
Mesmo considerando eventuais erros ou alucinações, a conclusão mantém-se: o aumento de eficiência que a IA proporciona nas tarefas complexas supera largamente o custo de corrigir os seus erros.
É por isso que programadores e analistas financeiros dependem mais do Claude do que operadores de introdução de dados—a IA oferece o maior valor acrescentado em áreas de elevada exigência intelectual.
Colaboração humano–IA durante 19 horas: a “nova Lei de Moore”
A conclusão mais marcante do relatório é o teste à “resistência” da IA—a duração da tarefa, medida com uma taxa de sucesso de 50%.
Referências padrão como o METR (Model Evaluation & Threat Research) mostram que os principais modelos (como Claude Sonnet 4.5) ficam abaixo dos 50% de sucesso ao tratar tarefas que levam duas horas a um humano.
No entanto, os dados reais de utilizadores da Anthropic revelam um horizonte temporal muito mais longo.
Em contextos comerciais de API, o Claude mantém uma taxa de sucesso superior a metade em tarefas que exigem 3,5 horas de trabalho.
Na plataforma de chat Claude.ai, esse valor dispara para 19 horas.
O que justifica esta diferença tão significativa? O fator decisivo é a intervenção humana.
As referências testam a IA isoladamente, mas os utilizadores reais dividem projetos complexos em pequenas etapas e orientam continuamente a IA através de ciclos de feedback.
Este fluxo de trabalho humano–IA estende o limiar dos 50% de sucesso de 2 horas para cerca de 19 horas—um aumento quase dez vezes superior.
Este poderá ser o futuro do trabalho: não uma IA a funcionar de forma autónoma, mas humanos a aprender a potenciá-la em projetos de longa duração.
Mapa global: os pobres aprendem, os ricos produzem
Uma perspetiva global revela uma “curva de adoção” clara e, de certo modo, irónica.
Nos países desenvolvidos, com maior PIB per capita, a IA está profundamente integrada na produtividade e na vida quotidiana.
As pessoas recorrem a ela para escrever código, gerar relatórios e até planear viagens.
Nos países com menor PIB, o papel principal do Claude é o de “professor”, sendo a maioria da utilização dedicada a trabalhos de casa e explicações.
Para além da disparidade de rendimento, este padrão reflete também um fosso tecnológico.
A Anthropic destaca a sua parceria com o governo do Ruanda para ajudar a população a ultrapassar a simples “aprendizagem” e a expandir o uso da IA a aplicações mais amplas.
Sem intervenção, a IA corre o risco de se tornar uma nova barreira: as regiões mais desenvolvidas utilizam-na para multiplicar a produção, enquanto as menos desenvolvidas ficam limitadas ao reforço de conhecimentos básicos.
Riscos no local de trabalho: a sombra da “desqualificação”
A secção mais controversa—e de alerta—do relatório centra-se na “desqualificação”.
Os dados mostram que as tarefas atualmente cobertas pelo Claude exigem, em média, 14,4 anos de escolaridade (semelhante a um bacharelato), bem acima da média económica de 13,2 anos.
A IA está a eliminar sistematicamente os elementos de “elevada exigência intelectual” do trabalho.
Para redatores técnicos ou agentes de viagens, isto pode ser catastrófico.
A IA assumiu tarefas como análise de setores e planeamento de itinerários complexos—funções que exigem capacidade intelectual—deixando aos humanos tarefas menores como esboçar mapas ou recolher faturas.
O emprego sobrevive, mas o “valor acrescentado” é esvaziado.
Existem também beneficiários.
Por exemplo, gestores imobiliários podem voltar a centrar-se em tarefas de elevada componente emocional, como a negociação com clientes e a gestão de stakeholders, depois de a IA tratar do trabalho administrativo repetitivo—isto é “upskilling”.
A Anthropic sublinha que isto é uma projeção baseada nas tendências atuais, não uma conclusão definitiva.
Ainda assim, o aviso é real.
Se a principal competência é lidar com informação complexa, está no centro da tempestade.
Um regresso à “idade de ouro” da produtividade?
Terminemos com uma perspetiva macro.
A Anthropic reviu as suas previsões para a produtividade laboral nos EUA.
Após considerar potenciais erros e falhas da IA, a expectativa é que a IA impulsione o crescimento anual da produtividade entre 1,0% e 1,2% na próxima década.
Isto representa cerca de um terço menos do que a estimativa anterior, mais otimista, de 1,8%, mas não se deve subestimar um ponto percentual.
Basta para devolver o crescimento da produtividade nos EUA aos níveis do boom da internet no final dos anos 90.
E isto baseia-se apenas nas capacidades dos modelos em novembro de 2025. Com o Claude Opus 4.5 a chegar e o “modo melhorado” (em que os utilizadores colaboram de forma mais inteligente com a IA) a tornar-se mainstream, existe um potencial de crescimento significativo.
Conclusão
Ao rever o relatório, sobressai não só o crescente poder da IA, mas também a rapidez com que os humanos se adaptam.
Estamos a passar de uma “automação passiva” para um “reforço ativo”.
Nesta transformação, a IA funciona como um espelho, assumindo tarefas que exigem elevada formação mas que podem ser resolvidas por lógica, e empurrando-nos a procurar valor que os algoritmos não conseguem quantificar.
Numa era de poder computacional excedentário, a competência humana mais rara já não é encontrar respostas—é definir as perguntas.
Aviso legal:
- Este artigo é uma reprodução de [Synced]. Os direitos de autor pertencem ao autor original [Allen]. Para objeções à reprodução, contactar a equipa Gate Learn, que tratará dos pedidos de acordo com os procedimentos estabelecidos.
- Aviso legal: As opiniões e pontos de vista expressos neste artigo pertencem exclusivamente ao autor e não constituem aconselhamento de investimento.
- As versões noutras línguas são traduzidas pela equipa Gate Learn. Salvo referência explícita a Gate, é proibida a reprodução, distribuição ou plágio dos artigos traduzidos.
