Agentes de IA mudam o trabalho: dados internos da OpenAI

Em maio de 2026, mais de um quarto das solicitações feitas ao Codex, a ferramenta de agentes de código da OpenAI, correspondiam a tarefas que levariam mais de oito horas de trabalho humano para completar. Um agente de IA é um sistema que opera de forma independente por um período longo, chamando ferramentas e ajustando o próprio percurso até entregar um resultado, ao contrário do chatbot, que responde uma pergunta e espera a próxima. Se você usa IA na sua pesquisa e ainda pensa nela como “aquilo que responde perguntas”, esse dado pede uma atualização.

O levantamento é da própria OpenAI, sobre o próprio uso interno do Codex. Vale ler com essa ressalva em mente: é a empresa relatando o sucesso do próprio produto, não uma auditoria de terceiros. Mesmo assim, o padrão que ela documenta é relevante pra qualquer pesquisadora que acompanha o que a IA está mudando na forma como se trabalha.

O que aconteceu

Até agosto de 2025, o trabalhador médio da OpenAI usava menos de 10% dos próprios tokens de IA no Codex. O resto ia para o ChatGPT, no modelo clássico de pergunta e resposta. A virada aconteceu rápido: hoje, todos os departamentos da empresa, incluindo Jurídico e Recrutamento, adotaram o Codex como ferramenta primária de trabalho.

O dado mais expressivo é a proporção: para o trabalhador médio da OpenAI, o Codex já responde por mais de 85% dos tokens de saída gerados. Entre os usuários ativos do Codex especificamente, essa fatia sobe a 99,8% dos tokens semanais produzidos dentro da empresa. Ou seja, quem adotou o agente praticamente abandonou o modelo de chatbot no dia a dia.

A adoção não foi uniforme por área. Engenharia migrou primeiro, de forma gradual, e hoje o engenheiro médio gera 99% dos próprios tokens de saída com Codex. Jurídico, Financeiro e Recrutamento cruzaram para o uso majoritário do Codex só em abril de 2026, mas de forma muito mais rápida: advogado ou recrutador médio já gera mais de 85% dos tokens no agente.

Por que isso importa pra você

O que muda aqui não é só a ferramenta. É a unidade de trabalho que a IA consegue absorver. Um chatbot processa uma interação curta e isolada. Um agente sustenta uma tarefa longa, com múltiplos passos, sem que alguém precise reformular o pedido a cada etapa. Isso desloca o tipo de trabalho que faz sentido delegar.

Três frentes concretas pra quem está na pós-graduação e usa IA na rotina de pesquisa:

1. Se você usa IA pontualmente (revisar um parágrafo, sugerir uma citação): o salto que a matéria descreve é sobre delegar blocos de trabalho maiores, não sobre fazer a mesma coisa mais rápido. Vale perguntar se há tarefa da sua rotina (organização de dados, triagem de referências, estruturação de planilha) que hoje você faz em etapas curtas e poderia, em tese, virar uma tarefa única e mais longa.
2. Se você trabalha com dados ou código na sua pesquisa: o levantamento mostra que mais de um quarto do trabalho feito por funcionários de áreas não técnicas da OpenAI no Codex era engenharia ou programação. Isso sugere que ferramentas agentivas reduzem a barreira entre “eu preciso de alguém técnico pra isso” e “eu resolvo isso sozinha”, algo relevante se sua pesquisa cruza área humana e ferramenta computacional.
3. Se você orienta ou coordena uma equipe: o dado de que Jurídico e Recrutamento (áreas claramente não técnicas) migraram para o Codex mais rápido que Engenharia levanta a pergunta de quais tarefas do seu grupo de pesquisa hoje dependem de expertise técnica que, com a ferramenta certa, talvez não precisassem depender tanto.

O que essa virada de chatbot para agente muda no método

Esse tipo de mudança toca direto no Método V.O.E. (Velocidade, Organização, Execução Inteligente): um agente que sustenta uma tarefa longa sem supervisão constante afeta especialmente o pilar de Execução Inteligente, que é sobre decidir o que delegar e o que exige atenção humana direta.

Não significa que toda pesquisadora deveria estar rodando agentes de código na tese amanhã. A maior parte do trabalho acadêmico ainda exige julgamento humano em cada etapa, e delegar uma tarefa longa pra uma ferramenta sem revisão intermediária tem risco, e a matéria não avalia esse risco: ela mede adoção, não qualidade do resultado. O que vale reter é o princípio: a diferença entre “IA que responde” e “IA que executa por horas” está deixando de ser hipotética, e isso muda o cálculo de o que vale a pena automatizar.

Onde vejo risco nesse tipo de dado

O que me deixa cautelosa nesse levantamento não é o resultado, é a origem. Ele vem de dentro de uma empresa que vende exatamente o produto que está sendo medido, sobre um público (os próprios funcionários) que trabalha dentro da mesma empresa que desenvolve a ferramenta. Isso não torna o dado falso, mas torna importante não tratá-lo como prova científica independente.

Por outro lado, o padrão descrito (não-desenvolvedores adotando ferramentas agentivas mais rápido que desenvolvedores) é interessante justamente porque contraria a expectativa óbvia. Se ferramentas técnicas passam a ser usadas por quem não tem formação técnica, isso é um sinal real de que a barreira de entrada caiu, e vale acompanhar se esse padrão se repete em relatórios de fontes fora da própria OpenAI, antes de tirar conclusões definitivas pra sua área de pesquisa.

Próximos passos

Se você quer entender melhor onde esse tipo de ferramenta já está mudando rotina de trabalho técnico, aqui vão três direções concretas:

1. Mapeie, na sua rotina de pesquisa, quais tarefas hoje são feitas em pedaços curtos e repetitivos (não em uma única sessão longa), porque é aí que ferramentas agentivas tendem a ter mais impacto.
2. Se você usa alguma ferramenta de IA no dia a dia, teste delegar uma tarefa mais longa e complexa do que o habitual, e avalie o resultado com a mesma exigência crítica que você aplicaria a um assistente humano.
3. Busque, além deste relato interno da OpenAI, fontes independentes que meçam adoção de agentes de IA em contextos de pesquisa e trabalho acadêmico, pra formar um juízo menos dependente de quem vende a ferramenta.

Se você quer ir mais fundo em como times técnicos estão de fato incorporando IA no trabalho real, dá uma olhada em IA nas empresas: onde os times técnicos já confiam nos.

Fonte: How agents are transforming work, OpenAI