Quanto mais tempo os funcionários usam IA, maior será suas habilidades e eficiência no trabalho? A aplicação do Claude passou de adotantes iniciais de tecnologia para usuários mainstream, e a natureza do trabalho assistido por inteligência artificial está mudando, assim como seu impacto no mercado de trabalho e na desigualdade econômica também evoluem. Este artigo é uma compilação do mais recente Anthropic Economic Index (Índice Econômico Humano) divulgado pela Anthropic, que fornece um relatório de pesquisa sobre a integração da IA no mercado de trabalho moderno. O relatório baseia-se em dados coletados entre 5 e 12 de fevereiro de 2026, de um milhão de diálogos de consumidores e desenvolvedores de API no Claude.ai, acompanhando mudanças no uso, tendências de adoção geográfica e analisando as mudanças nas tendências de uso pelos usuários e as previsões de retorno econômico futuro.
Programação como principal uso, aumento de diálogos de uso diário por grupos pessoais
O sinal mais evidente nos dados é que o grupo de usuários do Claude está se expandindo de um núcleo de tecnólogos iniciais para um público mais amplo. A programação ainda domina, com profissões relacionadas a computadores e matemática representando 35% das conversas no Claude.ai, mas a concentração de tarefas específicas está diminuindo significativamente.
Essa mudança se deve em parte à migração de tarefas de codificação para APIs, especialmente através do Claude Code, que divide tarefas de programação em múltiplas chamadas de API menores. Mas essa diversificação também reflete a verdadeira expansão do grupo de usuários: diálogos relacionados a uso pessoal no Claude.ai aumentaram de 35% para 42%, principalmente por consultas esportivas, comparações de produtos e questões de manutenção residencial, enquanto diálogos relacionados a tarefas escolares caíram de 19% para 12%, parcialmente devido às férias escolares em alguns países.
A média de horas gastas pelos usuários no Claude diminuiu ligeiramente, mas ainda é superior ao salário médio
Mais usuários comuns começaram a usar o Claude, e o valor médio das tarefas (medido pelo salário médio por hora de trabalhadores nos EUA realizando essas tarefas) caiu um pouco, de US$49,30 para US$47,90 por hora. Isso está de acordo com a curva clássica de adoção de tecnologia: usuários iniciais priorizam tarefas de alto valor (como desenvolvimento de software), enquanto usuários posteriores aplicam a IA em usos mais amplos e simples do dia a dia. Apesar da ligeira queda, os usuários do Claude continuam realizando tarefas que exigem salários e níveis de educação acima da média da força de trabalho dos EUA, destacando que a adoção de IA ainda está concentrada em trabalhadores do conhecimento.
Outros indicadores também mostram uma leve redução na complexidade do uso do Claude.ai: o nível médio de escolaridade necessário para as entradas dos usuários caiu de 12,2 para 11,9 anos; os usuários estão dando maior autonomia à IA, com uma redução de cerca de 2 minutos no tempo necessário para completar tarefas exclusivamente humanas.
Automatização via API em crescimento constante
Embora a tendência do Claude.ai seja mais focada em aplicações aprimoradas (ou seja, IA assistindo, não substituindo o trabalho humano), o desenvolvimento de suas APIs mostra o caminho oposto. Em comparação com novembro de 2025, em fevereiro de 2026, o uso de APIs em duas categorias específicas de fluxo de trabalho aumentou mais de duas vezes.
Automação de vendas e expansão: geração de dados de vendas, qualificação de leads B2B, enriquecimento de dados de clientes e elaboração de e-mails de prospecção.
Monitoramento de mercado, recomendações de investimento, alertas de negociações em tempo real, automação de negociações e operações de mercado.
Esses resultados indicam que casos de uso orientados à automação estão se desenvolvendo mais rapidamente no ecossistema de desenvolvedores do que no ambiente de consumidores, e esse padrão tem um impacto significativo em setores como vendas, finanças e atendimento ao cliente. O relatório aponta que, à medida que tarefas de codificação migram do Claude.ai para APIs, esses trabalhos podem enfrentar uma transformação mais urgente. O aumento na automação via API é considerado um indicador precoce de transformação profissional.
Redução da disparidade regional nos EUA, aumento da desigualdade global
No âmbito doméstico, a tendência de uso nos EUA está reduzindo a disparidade regional: a diferença na taxa de uso per capita do Claude entre os estados diminuiu, passando de 30% em agosto de 2025 para 24% em fevereiro de 2026. A base de uso nos estados também está caindo, indicando que estados com menor adoção estão se aproximando. No entanto, a velocidade dessa convergência diminuiu; na velocidade atual, pode levar de 5 a 9 anos para que o uso per capita nos estados alcance um equilíbrio, ao contrário da previsão anterior de 2 a 5 anos.
No cenário global, a disparidade está se ampliando: a desigualdade na adoção de IA entre países está crescendo. Os 20 países com maior uso per capita de IA aumentaram sua participação de 45% para 48%. A diferença entre países de alta renda e alta conectividade à internet está se aprofundando, levantando preocupações sobre o aumento do fosso global na adoção de IA.
A desigualdade na aplicação global da IA reflete um padrão mais amplo de “desigualdade econômica na IA”: se os adotantes precoces em países de alta renda obtêm uma proporção desproporcional de ganhos de produtividade, isso pode agravar as disparidades econômicas existentes.
Experiência aprimora a competência em IA
Uma descoberta particularmente relevante e relacionada a políticas é a forte ligação entre a experiência do usuário e a eficácia da IA. A equipe de pesquisa analisou os padrões de uso de diferentes grupos de usuários (com base no tempo de uso na plataforma) e comparou “usuários experientes” (com pelo menos seis meses de registro) com novos usuários.
Usuários experientes trabalham de forma diferente
Usuários de longo prazo não apenas usam o Claude com maior frequência, mas também de forma mais eficiente. Eles tendem a colaborar com o Claude em iterações, propõem tarefas mais complexas e precisam de menos comunicação repetida para obter as informações necessárias.
Tarefas principais incluem pesquisa em IA, operações com Git, revisão de textos e captação de financiamento para startups
O relatório revela que, a cada ano de uso, a complexidade educacional das entradas aumenta quase um ano de aprendizado. Isso indica que os usuários estão realmente aprimorando suas habilidades de prompts de IA ao longo do tempo, não apenas fazendo perguntas mais experientes.
Após controlar fatores como tipo de tarefa, idioma, modelo utilizado e origem do usuário, a taxa de sucesso dos usuários experientes na conversa é 4 pontos percentuais maior que a dos novatos. Isso demonstra que a prática leva ao domínio, e a experiência no uso de IA se traduz em aplicações mais eficazes.
Dados também mostram que usuários experientes tendem a fazer escolhas de tarefas mais alinhadas com suas habilidades. As tarefas com maior tempo médio de permanência incluem pesquisa em IA, operações com Git, revisão de textos e captação de financiamento para startups. Tarefas com menor tempo de permanência incluem criação de haicais, visualização de resultados esportivos e recomendações gastronômicas, características típicas de uso de lazer e exploração.
Desenvolvedores de API usam Opus em projetos de computação e matemática
O relatório também indica que usuários, especialmente desenvolvedores de API, estão se tornando mais cautelosos na escolha de modelos de implantação. Para usuários do Claude.ai, Opus (o modelo mais potente) foi selecionado em 55% das tarefas de computação e matemática, mas apenas em 45% das tarefas educacionais. A cada US$10/hora adicionais de valor da tarefa, a proporção de usuários do Claude.ai usando Opus aumenta em 1,5 pontos percentuais, enquanto na API essa proporção sobe 2,8 pontos percentuais.
Na API de desenvolvedor, o grau de ajuste entre modelo e tarefa é duas vezes maior do que em produtos de consumo, indicando que usuários profissionais otimizam custos e funcionalidades.
Experiência em uso de IA pode criar vantagem competitiva no trabalho
As descobertas sobre a curva de aprendizado são as mais impactantes: se usuários experientes sempre se saem melhor ao executar tarefas semelhantes, a ferramenta de IA pode estar ampliando, e não reduzindo, a lacuna de habilidades na força de trabalho. Trabalhadores que adotaram IA cedo e a usam há meses ou anos podem já ter estabelecido uma vantagem de produtividade duradoura.
Essa é uma via direta para o que economistas chamam de “mudança tecnológica orientada por habilidades”: novas tecnologias aumentam os salários de trabalhadores qualificados, mas podem também eliminar empregos de baixa qualificação. Os trabalhadores mais vulneráveis à disrupção da IA podem ser justamente aqueles que mais se beneficiam dela.
Automatização via API acelera silenciosamente
O aumento de duas vezes na automação de vendas e operações de negociação via API é um sinal importante: esses não são casos hipotéticos, mas exemplos de implantação em larga escala no ambiente de produção. Relatórios anteriores já indicaram que posições de vendas e atendimento ao cliente dependem bastante de IA; agora, essas posições estão implementando fluxos de trabalho automatizados concretos. Políticas públicas e planejadores de força de trabalho devem ficar atentos a essa tendência.
Adoção de IA global avança para grupos de alta renda, EUA se iguala lentamente
Embora os EUA estejam caminhando para uma maior convergência regional, a tendência global de adoção de IA é oposta. A participação de países de alta renda no uso per capita de Claude está crescendo continuamente. Se a produtividade gerada por IA se concentra nas economias já ricas, o impacto na desigualdade internacional pode ser severo, especialmente para países que ainda não estão preparados para usar amplamente as ferramentas de IA.
Empresas devem investir em treinamento de competências em IA
Para as empresas, a estratégia mais prática de implementação de IA é simples: quanto mais tempo e prática os funcionários dedicarem ao uso de IA, maior será sua produtividade. Se há uma relação tão forte entre experiência e sucesso, oferecer projetos estruturados de uso contínuo de IA, além de treinamentos em estratégias de prompts e casos de uso, pode aumentar significativamente a eficiência. Os dados mostram que a proficiência em IA não é inata, mas uma habilidade que se desenvolve com uso constante.
O que o índice econômico significa para emprego e economia
À medida que a IA se torna mais difundida, os benefícios iniciais para os desenvolvedores estão diminuindo, e os primeiros adotantes tendem a concentrar-se em aplicações de alto valor e alta qualificação. Com a tecnologia se tornando mais acessível, a IA está sendo incorporada em mais usos cotidianos. Isso é um sinal de maturidade tecnológica, mas também um alerta: o período de vantagem relativa máxima para os primeiros desenvolvedores pode estar chegando ao fim.
Quem mais se beneficia da IA? Quando?
Os retornos econômicos da IA não são distribuídos de forma uniforme. Trabalhadores experientes, altamente qualificados e que continuam investindo na tecnologia obtêm retornos mais significativos. À medida que a IA se torna uma ferramenta comum para trabalhadores do conhecimento, melhorar a capacidade de aplicação de IA das organizações pode se tornar uma das políticas econômicas mais importantes na próxima década.
Usuários iniciais de IA não são apenas os primeiros a usar, mas também os mais eficazes. No mundo onde a IA pode aumentar drasticamente a produtividade de quem sabe usá-la, a “experiência em IA” se torna uma nova vantagem competitiva. O relatório “Índice Econômico Humano” de março de 2026 pinta um quadro complexo da transformação econômica impulsionada pela IA, na qual ferramentas como o Claude estão sendo cada vez mais utilizadas no mercado de trabalho.
Fonte: Relatório do Índice Econômico Humano – Curva de Aprendizado (24 de março de 2026)
Relatório original: anthropic.com/research/economic-index-march-2026-report
Autores: Maxim Massenkoff, Eva Lyubich, Peter McCrory, Ruth Appel, Ryan Heller
