A Lógica da Promessa: Como a Anthropic Chegou a 80%?

Vamos aos fatos, como apresentados pela própria Anthropic em seu estudo de 25 de novembro de 2025. A premissa é simples: a empresa analisou um conjunto de cem mil conversas reais e anônimas com sua inteligência artificial, o Claude. O objetivo era quantificar o impacto da IA na produtividade. Para isso, o próprio Claude foi encarregado de uma tarefa curiosa: estimar quanto tempo um profissional humano levaria para completar as tarefas discutidas nessas conversas, com e sem a ajuda da IA.

O resultado, segundo o relatório assinado por Alex Tamkin e Peter McCrory, é que as tarefas analisadas levariam, em média, 90 minutos para serem concluídas sem assistência artificial. Com o Claude, o estudo alega uma redução média de tempo de 80%. A lógica é direta: se uma tarefa que leva uma hora e meia passa a ser feita em cerca de 18 minutos, o ganho de eficiência é monumental. A empresa ainda traduziu isso em custos, estimando que o trabalho mediano realizado com o Claude custaria cerca de 54 dólares em mão de obra profissional.

Teste de Sanidade: Os Números Resistem à Realidade?

Aqui, a análise precisa ser forense. Se uma empresa que vende martelos publica um estudo dizendo que seus martelos são os melhores, um ceticismo saudável é necessário. A Anthropic, ciente disso, incluiu uma seção de validação. Eles compararam as estimativas de tempo do Claude com um banco de dados de tarefas de desenvolvimento de software do JIRA, que continha tanto as estimativas dos desenvolvedores humanos quanto o tempo real gasto.

O resultado? Verdadeiro ou falso? A resposta é... depende. O estudo afirma que as estimativas do Claude tiveram uma correlação 'direcionalmente informativa' e 'apenas um pouco pior' que a dos próprios desenvolvedores. Um desenvolvedor humano, com todo o contexto do projeto, atingiu uma correlação de 0.50 com o tempo real; o Claude, com apenas o título e a descrição da tarefa, chegou a 0.44. Parece bom, mas o próprio relatório admite uma falha lógica importante: o modelo tende a superestimar tarefas curtas e subestimar tarefas longas. Isso comprime a realidade, tornando os resultados médios potencialmente menos confiáveis. Se a IA não consegue estimar com precisão os extremos, então a média pode ser uma ilusão estatística.

O Efeito Dominó: Do Código à Economia Inteira

A parte mais ousada do estudo é a extrapolação desses dados para toda a economia dos EUA. Usando um método padrão conhecido como teorema de Hulten, a Anthropic projetou que, se suas estimativas estiverem corretas e a adoção da IA for universal nos próximos 10 anos, o crescimento anual da produtividade do trabalho nos EUA poderia aumentar em 1.8%. Considerando que a taxa recente tem sido de 1.8%, isso representa, na prática, uma duplicação.

Quem seriam os maiores beneficiados? O estudo aponta para os desenvolvedores de software, que sozinhos responderiam por 19% do ganho total de produtividade. Gestores, analistas de marketing e atendentes de suporte ao cliente também veriam ganhos significativos. Por outro lado, setores como restaurantes, construção e varejo teriam um impacto mínimo, refletindo a natureza do trabalho que, por enquanto, a IA não consegue acelerar. É uma divisão que espelha de perto a estrutura de muitos mercados, incluindo o brasileiro, onde os serviços de tecnologia e gestão também são centrais.

O Grande 'Depende': As Limitações que o Marketing Esquece

Todo bom contrato tem letras miúdas, e o estudo da Anthropic não é exceção. A própria empresa lista uma série de limitações que transformam a promessa de dobrar a produtividade em uma hipótese com muitos asteriscos. Vamos analisar os pontos como cláusulas de um acordo:

  • Estimativas Imperfeitas: A empresa admite que as previsões do Claude não são perfeitas e que falta validação em cenários reais para além do teste com tickets de software. A IA não vê o trabalho que acontece fora da janela de chat.
  • Taxonomia Limitada: O trabalho real é mais complexo do que uma lista de tarefas do O*NET (o sistema de classificação de ocupações usado no estudo). Conhecimento tático, relacionamentos e julgamento não são medidos.
  • Reestruturação Ignorada: As maiores revoluções tecnológicas não vieram de acelerar tarefas antigas, mas de reorganizar completamente o trabalho. O estudo não prevê como as empresas podem se reestruturar para usar a IA.
  • Viés de Seleção: Os dados vêm de pessoas que já usam o Claude. É provável que elas o utilizem para tarefas em que a IA já é boa, criando um viés positivo nos resultados.

Em resumo, a proposição da Anthropic é fascinante. A possibilidade de um salto tão grande na produtividade é algo que economias globais não veem há décadas. Contudo, a evidência apresentada, embora detalhada, é autorreferencial. Se a premissa é um modelo de IA estimando seu próprio impacto com base em dados selecionados, então a conclusão deve ser tratada como um cenário otimista, não como um fato comprovado. O veredito final, portanto, não é 'verdadeiro', mas 'inconclusivo'. A revolução da produtividade pode estar a caminho, mas este estudo é mais um trailer promocional do que o documentário completo.