E se a ferramenta de IA ajudasse menos justamente quem mais sabe fazer o trabalho? Foi isso que apareceu em três experimentos controlados sobre atendimento, programação e escrita profissional. No estudo de atendimento, os iniciantes ganharam mais; nos outros dois, os resultados reportados não estabelecem uma comparação direta entre iniciantes e veteranos.
O resultado parece estranho até você separar duas coisas: executar uma tarefa e saber reconhecer o padrão que torna essa tarefa boa. A IA não distribuiu a mesma vantagem para todos. Ela entregou atalhos sobretudo a quem ainda não tinha esses padrões na cabeça.
O ganho apareceu onde faltava experiência
Em 2025, o maior estudo de campo sobre IA generativa no trabalho acompanhou 5.179 agentes de suporte de uma empresa de software. A produtividade média, medida por problemas resolvidos por hora, subiu 14% com um assistente. Mas a média escondia a parte mais interessante: iniciantes ganharam 34%, enquanto os profissionais mais experientes ganharam praticamente nada. Esse resultado observado é forte porque veio de uma amostra grande em trabalho real, embora ainda descreva um contexto específico.
O segundo caso foi um experimento controlado com 95 desenvolvedores. A tarefa levava 161 minutos sem assistente e 71 minutos com assistente, uma redução de 56%, com taxa de sucesso igual ou melhor. Se cada pessoa fizesse cinco tarefas iguais em uma semana, usando esses tempos como premissa, economizaria 450 minutos, ou cerca de 7,5 horas. A conta não prevê o mundo real, mas mostra o tamanho do efeito quando a atividade é bem delimitada.
O terceiro experimento envolveu 453 profissionais de nível superior em tarefas de escrita. Com assistência, o tempo caiu 40% e a qualidade avaliada às cegas subiu 18%. Como os domínios eram diferentes e o padrão se repetiu, a interpretação ganha apoio: a IA parece reduzir parte da distância entre quem já domina um trabalho e quem ainda está aprendendo.
Nenhum dos três estudos encontrou substituição de pessoas. Eles encontraram outra coisa: novatos ficando competentes mais rápido.
O conhecimento que não cabe em um manual
A pesquisa sobre expertise sugere que um veterano não trabalha apenas com regras que consegue explicar. Ele percebe que uma solicitação está mal formulada, escolhe qual detalhe ignorar, identifica uma exceção antes que ela vire problema e sabe quando uma resposta aparentemente correta não serve. Esse conjunto de percepções é conhecimento tácito.
A pesquisa sobre expertise indica há décadas que parte desse conhecimento se forma com prática deliberada. O aprendiz observa exemplos, tenta, recebe retorno, corrige e acumula padrões até que muitas decisões deixem de exigir análise consciente. Um músico experiente não calcula cada movimento do dedo. Um técnico experiente não começa do zero diante de cada falha.
A analogia mais honesta é imaginar a experiência como uma receita que o cozinheiro conhece sem precisar escrevê-la. Um assistente de IA oferece partes dessa receita a quem ainda não a memorizou: sugere uma estrutura, aponta uma solução provável ou completa um passo difícil. A analogia deixa de valer porque o modelo não possui a experiência como uma pessoa possui. Ele reproduz regularidades aprendidas em muitos exemplos, sem compreensão garantida do caso concreto.
Ainda assim, os resultados são compatíveis com a hipótese de um mecanismo relevante. A transferência deixa de depender apenas de um especialista verbalizar tudo o que sabe. O modelo pode apresentar, no momento da tarefa, um padrão que levou anos para outra pessoa desenvolver.
Três áreas, uma mesma explicação
Uma interpretação compatível com o resultado é que o assistente ajudou iniciantes a reconhecer caminhos de resolução já dominados por experientes. Na tarefa de programação estudada, a assistência reduziu o tempo até uma solução com taxa de sucesso igual ou melhor. Na escrita, uma hipótese é que a assistência tenha fornecido estruturas e formulações que reduziram o tempo total da tarefa; o estudo citado não demonstra quais etapas explicam o efeito.
Essas são interpretações bem apoiadas pelos resultados, não observações diretas sobre o que aconteceu dentro da cabeça de cada participante. Os experimentos mediram tempo, produtividade, qualidade e sucesso. Eles não mediram completamente a formação de modelos mentais.
O padrão comum pode ser descrito assim: o assistente engarrafa parte da experiência dos veteranos. Ele não entrega a expertise inteira. Entrega pistas, exemplos e decisões intermediárias que aproximam o iniciante de um resultado competente.
Isso explica por que o ganho diminui entre os especialistas. Quando o padrão necessário já está disponível na memória da pessoa, a sugestão automática acrescenta pouco. Em alguns casos, ainda cria trabalho: o veterano precisa verificar se a resposta está certa, adaptar uma solução genérica ou corrigir uma escolha ruim.
O que esses experimentos ainda não resolvem
Uma pergunta ainda aberta é se a velocidade de execução produz expertise ou apenas melhora o desempenho durante a tarefa. Um iniciante pode entregar um resultado aceitável sem entender por que ele funciona. Se isso acontecer repetidamente, a ferramenta melhora a produção imediata, mas não necessariamente constrói julgamento independente.
A segunda pergunta envolve tarefas sem resposta clara. Os três experimentos trataram atividades com critérios relativamente observáveis: resolver problemas, programar e escrever. Ainda não está demonstrado que o mesmo ganho apareça em decisões estratégicas, investigação científica ou criação de conceitos, onde o principal trabalho é escolher o problema e avaliar alternativas ambíguas.
Também falta saber se o efeito se mantém quando a assistência é retirada. Essa é uma questão central, e os experimentos descritos não a respondem. O aprendiz que sempre recebe um padrão pronto pode acumular exemplos. Também pode deixar de praticar a busca pelo padrão.
Aqui os indícios ainda não permitem escolher entre essas possibilidades. Como hipótese, a IA pode funcionar como um andaime ou como uma bengala; os estudos descritos não distinguem esses efeitos.
A próxima vantagem pode ser saber quando não aceitar
Os resultados não mostram que a IA torna todos especialistas; mostram uma redução de tempo ou aumento de qualidade em tarefas específicas. Uma interpretação possível é que ela comprima uma etapa específica do aprendizado: chegar a uma primeira resposta razoável. Isso muda o lugar onde o iniciante gasta energia. Em vez de lutar para produzir algo minimamente funcional, ele pode comparar alternativas, observar erros e receber retorno mais cedo.
Para aproveitar esse efeito, a prática precisa incluir momentos sem assistência. Uma rotina simples é fazer a primeira tentativa sozinho, pedir ajuda apenas depois, comparar a solução sugerida com a própria e explicar por escrito o motivo de cada mudança. O objetivo não é impedir o atalho. É transformar o atalho em material de estudo.
A especulação mais importante vem depois. Se uma geração inteira aprender com padrões prontos, talvez a formação dos veteranos mude. Podemos ter iniciantes que chegam mais rápido ao desempenho médio, mas praticam menos as etapas lentas que formavam julgamento profundo. Ou podemos ter especialistas mais cedo, porque o tempo economizado é reinvestido em problemas difíceis.
Ainda não sabemos qual caminho prevalecerá. Mas os experimentos ajudam a ampliar a pergunta. O debate não é apenas se a máquina trabalha no lugar da pessoa. É se ela consegue transferir parte do caminho que transforma uma pessoa inexperiente em alguém que sabe por que uma resposta funciona.
