Agentes da Anthropic geram seis horas de trabalho por hora humana, e o design virou a linha de defesa

Em 16 de outubro, quatro pesquisadores da Anthropic publicaram How employment is changing at Anthropic, um estudo sobre como os próprios agentes da empresa mudaram o trabalho interno. A decisão que importa aqui não é técnica, é de produto: diante de agentes que produzem mais do que qualquer pessoa consegue ler, a Anthropic optou por desenhar sistemas de julgamento sobre o que merece atenção, em vez de simplesmente empilhar mais automação.

Os números do estudo, analisados pelo UX↳UX33 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025UX, IA e Front-End: quando experiência, inteligência e código se encontram para criar o futuro digitalProduto & UX · jul 2025Novidades em UX/UI para 2025: O futuro do design de experiências digitaisProduto & UX · abr 2025Ver tudo em Produto & UX → Collective em texto de Patrick Neeman, dão a medida do problema. Em agosto de 2026, agentes dirigidos por funcionários já registravam seis horas de trabalho para cada hora humana. As sessões de agente ficavam cerca de 80% do tempo ociosas, esperando alguém responder. E mesmo para quem não escreve código, ler tudo o que os agentes produziram tomaria mais de meia semana de trabalho.

A decisão por trás do número: atenção virou orçamento finito

O economista Herbert Simon previu isso em 1971, bem antes de qualquer agente existir. Em Designing Organizations for an Information-Rich World, ele descreveu o custo de qualquer excesso de informação assim:

Uma riqueza de informação cria uma pobreza de atenção.

A wealth of information creates a poverty of attention.Herbert Simon, economista e cientista cognitivo

Gloria Mark, pesquisadora da UC Irvine, mediu o quanto essa pobreza já tinha avançado antes da IA generativa↳IA generativa81 conteúdosIA Generativa: 5 alternativas para começar a usar em 2025AI · jan 2025Gartner Revela o Futuro da IA GenerativaAI · jul 2024IA Generativa: Pesquisa global aponta Brasil como segundo país mais otimista com a tecnologiaAI · mar 2024Ver tudo em AI →. Seus estudos entre 2016 e 2020 encontraram uma média de 47 segundos de permanência numa tela, contra dois minutos e meio registrados no primeiro estudo dela, em 2004, segundo reportagem da universidade.

A Anthropic converteu a saída dos agentes em tempo de leitura do mesmo jeito que um time de produto mediria qualquer outra métrica de engajamento: tokens de saída virando palavras, a 250 palavras por minuto. O resultado cruzou meia semana de leitura mesmo em áreas que não escrevem código. Isso transforma tempo de leitura em orçamento, igual a tempo de carregamento de página: algo que um time define e defende, não algo que cresce sozinho conforme a IA fica mais produtiva.

O design da fila: por que todo alarme no mesmo volume falha

Um engenheiro da Anthropic comparou gerenciar agentes a cuidar de duas crianças ao mesmo tempo: uma pede uma caixinha de suco, outra está sangrando, e as duas chegam no mesmo volume. Hospitais já resolveram esse problema, e a solução deles é um case direto de design de interação.

O relatório de 2013 da Joint Commission sobre segurança de alarmes de equipamentos médicos estimou que entre 85% e 99% dos alarmes clínicos não exigem nenhuma intervenção. A equipe para de ouvir, o que a literatura chama de fadiga de alarme, e o banco de dados↳Banco de dados134 conteúdosSQL ou NoSQL: eis a questão!!Data · mar 2020Banco de dados: como organizar e dar segurança para milhões de dados de loteriasData · mai 20215 serviços gratuitos na cloud para bancos de dados PostgresData · fev 2025Ver tudo em Data → da própria comissão registrou 80 mortes ligadas a alarmes entre janeiro de 2009 e junho de 2012.

A resposta dos hospitais foi criar níveis de prioridade, padrões silenciosos para leituras de rotina e um responsável nomeado por cada alerta. Mark Weiser e John Seely Brown, do Xerox PARC, descreveram o objetivo em 1996 em The Coming Age of Calm Technology: tecnologia que se move da periferia da atenção para o centro, e volta, só quando precisa.

A maioria das interfaces de agente pula a periferia e joga todo pedido direto no centro. Na própria Anthropic, os agentes publicam majoritariamente em canais reservados para o trabalho entre Claude e humanos, o que mantém as conversas entre pessoas legíveis. É uma decisão de produto equivalente a dar ao agente a obrigação de justificar uma severidade antes de interromper alguém.

A tela de revisão é o produto, não um detalhe

Na Anthropic, código escrito por agente foi removido ou revertido na mesma taxa que código escrito à mão pelos mesmos engenheiros, ainda que os autores do estudo alertem que erros de agente podem ser mais difíceis de notar. O risco maior não é técnico, é perceptivo.

No estudo Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, de 2025, a METR mediu 16 desenvolvedores experientes que esperavam ganhar 24% de velocidade usando IA e, na prática, levaram 19% mais tempo. A expectativa de ganho é o que faz revisão virar carimbo automático.

Andrej Karpathy fez o mesmo ponto em junho de 2025, na palestra de abertura da Y Combinator sobre como o software está mudando outra vez. Para ele, o modelo gera e a pessoa verifica, então esse ciclo entre os dois precisa rodar o mais rápido possível, com o modelo sempre mantido sob coleira curta, sem autonomia além do que a revisão consegue acompanhar.

Em resumo: uma tela de revisão bem desenhada mostra o que mudou ao lado do que existia antes, o que o agente checou e o que pulou, e de onde veio cada alegação. Coloca a mudança mais arriscada em primeiro lugar e registra quanto tempo a revisão de cada item tomou, para que o time enxergue o próprio imposto de leitura em vez de só senti-lo.

Context engineering: escrever a decisão uma vez só

Um funcionário da Anthropic continuou recebendo pedidos de camiseta e caneca meses depois de trocar de função, porque seu nome ficou registrado num documento antigo sobre brindes da empresa. Agentes raciocinam a partir do que as pessoas deixam escrito, nada além disso.

Tobias Lütke, CEO da Shopify, deu nome a essa disciplina em junho de 2025: engenharia de contexto, a habilidade de decidir o que fica disponível para o agente ler antes de qualquer tarefa, como registrou Simon Willison. A própria Anthropic trata isso como orçamento em Effective context engineering for AI agents: o contexto de um modelo é finito, do mesmo jeito que o tempo de leitura de uma pessoa é finito.

A tabela abaixo resume quanto essa prática já mudou a rotina interna da Anthropic num ano:

Para times de design e pesquisa, registrar decisão não é novidade: repositórios de pesquisa e justificativas de design sempre existiram, só que pouca gente abria. Agora todo agente lê cada página, o que muda o padrão de atualização dessas fontes de verdade.

O cargo que ninguém desenhou: virar chefe de agente

Um quinto dos funcionários entrevistados pela Anthropic em abril de 2026 disse que seu cargo mudou de produzir para gerenciar Claudes, com colaboradores individuais tomando decisões de nível de vice-presidência. Peter Drucker já via essa mudança chegando em 1967, em The Effective Executive, quando escreveu que todo trabalhador do conhecimento numa organização moderna é, na prática, um executivo, se for responsável por uma contribuição.

A Microsoft deu nome a essa função em The 2025 Annual Work Trend Index: agent boss. O trabalho sobre o trabalho, como especificações de execuções com múltiplos agentes, painéis de pipeline e loops onde um agente revisa o outro, cresceu de 10% para 22% das sessões interativas entre o outono de 2025 e a primavera de 2026, conforme a tabela acima.

Ethan Mollick chama isso de gestão comum, só que aplicada em escala nova; o escasso, segundo ele, é saber o que pedir. Designers e pesquisadores já carregam esse repertório de gestão, mas a camada de ferramentas que organiza pedidos de agente ainda nasce improvisada, em painel caseiro, sem ninguém desenhando de propósito.

O ponto cego: quem nunca entra pela porta

O dado mais difícil do relatório é sobre quem deixou de ser contratado. A participação de juniores nos departamentos técnicos da Anthropic caiu de 21% para 14% desde o início de 2025, e as contratações técnicas juniores caíram de 27% para 9%.

A Anthropic não é exceção isolada. Erik Brynjolfsson e colegas de Stanford, em Canaries in the Coal Mine?, encontraram queda relativa de 13% no emprego de pessoas entre 22 e 25 anos nas ocupações mais expostas a IA. Nem todo executivo concorda com essa direção: o CEO da AWS↳AWS20 conteúdosE-mails de verificação com AWS SES + Lambda (Node.js) e Terraform: do zero ao envioDevSecOps · out 2025Codex na AWS: chegada do agente da OpenAI à nuvem da AmazonDevSecOps · abr 2026Salesforce e AWS ampliam colaboração em IA, CRM e marketplaceDevSecOps · nov 2023Ver tudo em DevSecOps →, Matt Garman, chamou substituir juniores por IA de a coisa mais idiota que já ouviu, em agosto de 2025, argumentando que juniores custam menos e usam mais as ferramentas, e que sem eles ninguém terá aprendido nada daqui a dez anos.

Lisanne Bainbridge já avisava disso em 1983, em Ironies of Automation: automatize a maior parte de um trabalho e a pessoa fica só com a parte mais difícil, a supervisão, sem ter acumulado a prática que constrói esse julgamento. Reconstruir vagas de entrada em torno de revisão, com um júnior dando o primeiro parecer sobre a saída do agente e um sênior explicando cada vez que discorda, é uma forma de manter esse aprendizado sem abrir mão da produtividade.

A pergunta que fica para quem desenha produto

Em 1950, UAW e General Motors assinaram o Tratado de Detroit, um acordo em que o sindicato cedeu espaço de gestão da fábrica em troca de ganhos previsíveis para os trabalhadores. O estudo da Anthropic busca o mesmo tipo de acordo, com participação acionária ampla, um sistema de alerta antecipado para funções em risco e prioridade para realocar pessoas em vez de demitir.

Poucos times de produto definem política salarial. Mas todo time que desenha o que um agente mostra, quando ele interrompe e como funciona a revisão está, sem perceber, decidindo se o novo cargo de gerente de agente vem com autoridade real ou só com um botão de aprovar. A pergunta que vale levar para o próprio roadmap é simples: se o volume semanal de saída dos agentes de um fluxo, dividido por 250 palavras por minuto, superar as horas que qualquer pessoa tem numa semana, esse fluxo tem um problema de design, não um problema de capacidade.

Fonte: UX Collective