← artigos
criatividade & inovação
o que a IA muda no trabalho criativo
A IA barateou o médio. O distinto ficou mais caro.
A IA barateou o médio. O distinto ficou mais caro.
IA generativa aplicada ao trabalho criativo é uma tecnologia de execução, não de julgamento: ela produz o rascunho em segundos e deixa intacto o que decide se o rascunho presta. A Organização Internacional do Trabalho encontrou um em cada quatro trabalhadores no mundo em ocupações com alguma exposição à IA generativa, e apenas 3,3% do emprego mundial no grau mais alto de exposição, no working paper 140, de 2025.
Quase tudo que se publica sobre inteligência artificial e criatividade é profecia. Percentual de empregos que somem, ano em que a máquina ultrapassa o humano, lista de ofícios condenados. Nada disso vem com amostra, tarefa medida ou grupo de controle. É opinião com casa decimal.
Existe outra literatura, bem menor e bem mais chata, que mediu. São experimentos com pessoas reais, tarefas reais e grupo de controle, publicados entre 2023 e 2026. Eles não dizem se o trabalho criativo acaba. Respondem melhor: o que a IA faz com o desempenho de quem trabalha, e com quem.
A resposta é consistente entre estudos independentes e é incômoda. A IA levanta o piso. Quase não mexe no teto. Quem entregava menos ganha muito, quem entregava mais ganha pouco ou perde. O preço relativo do trabalho criativo muda com isso: a execução mediana ficou barata, e o que a execução mediana nunca alcançou ficou caro.
Este texto trata do ofício: o que muda no repertório, no critério e na presença de quem cria. Não trata de busca, de citação por motor de IA nem de jornada de compra.
Os três experimentos mais citados sobre IA e produtividade mediram tarefas, não empregos. Escrita profissional, consultoria e atendimento ao cliente, sempre com grupo de controle e prazo curto. Os ganhos são reais e grandes na tarefa isolada. Nenhum deles mediu o que acontece com uma carreira, uma equipe ou uma marca ao longo de anos.
O primeiro é de Shakked Noy e Whitney Zhang, do MIT, de 2023. Quatrocentos e quarenta e quatro profissionais com formação superior receberam tarefas de escrita típicas da própria ocupação: releases, relatórios curtos, planos de análise e e-mails delicados. Metade teve acesso ao ChatGPT. O tempo médio caiu 37% e a nota dos avaliadores subiu 0,45 desvio-padrão.
O segundo é de Fabrizio Dell'Acqua e coautores, no working paper 24-013 da Harvard Business School, também de 2023. Setecentos e cinquenta e oito consultores de uma consultoria global foram sorteados em três grupos, sem IA, com GPT-4 e com GPT-4 mais treino de prompt, diante de 18 tarefas realistas. Quem tinha IA concluiu 12,2% mais tarefas, 25,1% mais rápido e com qualidade superior.
O mesmo estudo mediu o oposto, e é por isso que ele importa. Numa tarefa desenhada para cair fora do que o modelo faz bem, os participantes com IA tiveram 19% menos chance de acertar. Os autores chamam isso de fronteira irregular: a ferramenta que acelera de um lado da linha atrapalha do outro, e a linha não é visível.
O terceiro é de Erik Brynjolfsson, Danielle Li e Lindsey Raymond, no working paper 31161 do NBER, de 2023. Cinco mil cento e setenta e nove agentes de atendimento passaram a usar um assistente conversacional. A produtividade, medida em casos resolvidos por hora, subiu 14% na média. A média, aqui, esconde o dado que interessa.
O achado mais robusto e menos repetido do assunto é distributivo. Em experimentos independentes, o ganho se concentra em quem tinha o desempenho mais baixo antes da IA. Entre os melhores, o efeito encolhe, some ou inverte de sinal. A ferramenta levanta o piso da execução e quase não move o teto.
No experimento do MIT, a correlação entre o desempenho de um participante na primeira tarefa, sem IA, e o desempenho na segunda caiu de 0,49 no grupo de controle para 0,25 no grupo com ChatGPT. Em português: escrever bem passou a prever menos o resultado. A distribuição de produtividade se comprimiu.
No estudo de atendimento, o AI Index Report 2026, da Stanford HAI, separa os grupos ao resumir o resultado. Os agentes menos experientes ganharam entre 30% e 35%. Os mais experientes praticamente não ganharam nada.
O caso mais desconfortável vem de fora do trabalho criativo. A METR acompanhou, em 2025, dezesseis desenvolvedores experientes resolvendo 246 tarefas em repositórios que eles próprios mantinham. Com IA, levaram 19% mais tempo. Antes do estudo, esperavam ganhar 24% de velocidade. Depois de medidos, ainda achavam que tinham ficado 20% mais rápidos.
A percepção de ganho sobreviveu à medição do contrário. Boa parte do entusiasmo do mercado com IA é feita dessa matéria: sensação de velocidade, não velocidade verificada.
Nos Estados Unidos, o emprego de desenvolvedores de software entre 22 e 25 anos caiu perto de 20% desde 2024, enquanto o quadro dos mais velhos seguiu crescendo. É o efeito de piso visto pelo outro lado: quando a máquina entrega o desempenho de um iniciante, a vaga de iniciante perde função econômica. Fonte: Stanford HAI, AI Index Report 2026, capítulo de economia.
A frase não é retórica, é um mecanismo medido. Quando muita gente pede ideias ao mesmo modelo, cada pessoa produz um texto melhor do que produziria sozinha e todas produzem textos mais parecidos entre si. A qualidade individual sobe. A variedade do conjunto cai. O preço do que continua diferente sobe junto.
Anil Doshi e Oliver Hauser publicaram o experimento que isola esse efeito. Duzentos e noventa e três escritores foram divididos em três grupos: noventa e cinco escreveram sozinhos, cem receberam uma ideia gerada por IA e noventa e oito receberam cinco. As histórias foram avaliadas por leitores independentes.
O resultado individual foi positivo. Com uma ideia de IA, a novidade avaliada subiu 5,4%. Com cinco, subiu 8,1%. A utilidade subiu 3,7% e 9,0%. E o ganho, de novo, se concentrou embaixo: entre os escritores com menor pontuação num teste padronizado de pensamento divergente, a novidade subiu 10,7% e a qualidade da escrita chegou a 26,6%.
O resultado coletivo foi negativo. As histórias feitas com apoio de IA eram significativamente mais parecidas umas com as outras do que as escritas sem apoio. Cada autor ficou melhor. O conjunto ficou mais estreito.
Para uma empresa, a unidade de análise não é o texto isolado, é o conjunto. Se a sua marca, a concorrente e a agência dela usam os mesmos modelos com pedidos parecidos, o denominador comum sobe e a variância cai. O que era difícil de fazer diferente ficou raro. Raridade tem preço.
A regra prática decorre do mecanismo, não do gosto. Use IA onde a convergência não custa nada e evite-a onde a convergência custa tudo. Transcrição, variação, versão, tradução, primeira estrutura e checagem toleram resultado médio. Território de marca, ângulo editorial e escolha do que não fazer não toleram.
Três coisas continuam caras porque não são tarefa. Repertório é o acervo de referências que permite reconhecer o que já existe. Critério é a capacidade de descartar o que está correto e ainda assim errado. Presença é o trabalho que só acontece com corpo no mesmo lugar. Nenhuma das três cabe num pedido de texto.
A evidência a favor do critério é o número mais negativo da literatura. Os 19% de queda na chance de acerto fora da fronteira, medidos em Harvard, não descrevem falha do modelo. Descrevem a falha de quem não soube dizer onde o modelo servia. Quanto melhor a ferramenta fica na execução, mais caro fica o erro de escopo.
A evidência a favor do repertório é o mecanismo de homogeneização. Um modelo devolve o centro da distribuição do que já foi escrito. Só quem tem referência fora dele reconhece que está diante do centro. Sem repertório, a pessoa acha que recebeu uma ideia. Com repertório, percebe que recebeu a média de mil ideias parecidas.
A evidência a favor da presença é econômica e vem da casa. O report de tendências da amano organiza uma de suas oito seções em torno de uma observação simples: quanto mais rápido o mundo fica, mais vale o que pede tempo. Quando o custo marginal de produzir conteúdo cai para perto de zero, resiste o que não pode ser feito em série.
Isso é coerente com o que a OIT mede. A instituição trabalha com graus de exposição, e só o grau mais alto implica potencial de automação da ocupação inteira. A maior parte da exposição está nos graus intermediários, onde a tecnologia muda a composição das tarefas e deixa a ocupação de pé. A palavra da OIT para isso é aumento de tarefas, não substituição.
A literatura boa deste assunto é boa e pequena. Ela mede tarefas de minutos ou horas, em amostras de dezesseis a cinco mil pessoas, em horizontes de semanas. Nada disso autoriza extrapolação para carreiras, setores ou décadas. Quem estende esses números até 2030 está fazendo outra coisa, não ciência.
Três limites merecem estar escritos. O primeiro é de validade externa: tarefa não é emprego. Concluir 12,2% mais tarefas em um dia não diz nada sobre quantos consultores uma firma contrata em cinco anos. O segundo é de horizonte: nenhum dos experimentos acompanhou os mesmos participantes por tempo suficiente para observar perda ou ganho de habilidade.
O terceiro é de fonte. A maior parte dos números de adoção corporativa e de retorno financeiro da IA vem de consultorias e fornecedores que vendem implantação de IA. O AI Index da Stanford, ao reportar adoção organizacional, se apoia em pesquisa da McKinsey, que tem prática comercial de IA. O número não é inválido, mas é intenção declarada, não comportamento medido.
Há ainda um limite na própria tese deste texto. A ligação entre homogeneização medida em experimento com escritores recrutados e homogeneização de marcas no mercado é inferência de mecanismo, não resultado medido. Ninguém publicou estudo controlado sobre perda de distinção de marca por uso de IA.
E vale desmontar a família de números mais repetida do assunto. Toda projeção do tipo "tantos por cento dos empregos vão desaparecer" que circula em apresentação de mercado não tem grupo de controle, tarefa medida nem ano-base declarado. A OIT publica exposição de ocupações a tarefas, que é outra coisa, e diz isso com todas as letras.
O trabalho criativo não acaba. Ele muda de andar. A execução desce, porque ficou abundante e barata. Sobem as três coisas que a execução nunca produziu sozinha: saber o que já foi feito, saber o que descartar e estar presente onde a decisão acontece. É uma mudança de composição, não de existência.
Para quem contrata, a consequência é de critério de compra. Pagar por volume de peças deixou de fazer sentido econômico, porque volume ficou barato. Faz sentido pagar por escolha, ângulo, acervo e presença. Um orçamento que ainda precifica hora de execução compra o que a máquina passou a fazer por quase nada.
Para quem cria, a consequência é de formação. O piso subiu, e a diferença entre um trabalho aceitável e um trabalho médio deixou de existir como argumento de venda. O que sobrou de escasso está acima disso e não se adquire por atalho: se forma com repertório, erro corrigido e tempo em ofício.
A frase que resume o período é curta. A IA barateou o médio e encareceu o distinto. Quem vende médio vai competir com um custo marginal perto de zero. Quem vende distinto acabou de ficar mais raro, e raridade sempre se resolve no preço.
Nenhum estudo com método declarado sustenta isso. A OIT, em seu índice de exposição ocupacional de 2025, encontrou um em cada quatro trabalhadores no mundo em ocupações com alguma exposição à IA generativa, mas apenas 3,3% do emprego mundial no grau mais alto. Exposição alta significa mudança de tarefas, não eliminação da ocupação.
Depende da tarefa e do experimento. Noy e Zhang, do MIT, mediram 444 profissionais em tarefas de escrita e encontraram queda de 37% no tempo e alta de 0,45 desvio-padrão na qualidade avaliada. Dell'Acqua e coautores mediram 758 consultores e encontraram 12,2% mais tarefas concluídas e 25,1% mais velocidade.
O iniciante, em todos os experimentos que separaram os grupos. Em atendimento ao cliente, o ganho ficou entre 30% e 35% para os agentes menos experientes e foi mínimo para os mais experientes. Em escrita, a correlação entre desempenho anterior e resultado caiu de 0,49 para 0,25.
Porque a convergência é medida. No experimento de Doshi e Hauser com 293 escritores, quem recebeu ideias de IA produziu histórias avaliadas como mais novas e mais bem escritas, e ao mesmo tempo mais parecidas entre si do que as escritas sem IA. A qualidade individual sobe e a variedade do conjunto cai.
Use onde a convergência não custa nada e evite onde ela custa tudo. Transcrição, variação, tradução, primeira estrutura e checagem toleram resultado médio. Território de marca, ângulo editorial e escolha do que não fazer, não. A regra de escopo vale mais que a ferramenta escolhida.
Trabalha no encontro entre estratégia, comunicação, negócios, conteúdo e relações. Foi CEO do LIDE Paraná, diretor executivo da Paraná Business e publisher da TOPVIEW.
O tema não termina aqui.
A página-pilar deste conjunto: economia criativa, experiência, design e cidade.
O outro lado da mesma mudança: o que a máquina lê e como ela escolhe o que citar.
Quem é o comprador brasileiro de alto padrão e como ele decide, camada por camada.