HACKER PRO AI

A carregar...

Produtividade com IA: o que as experiências mostram às PME

Uma das experiências mais citadas sobre produtividade com IA juntou 758 consultores da Boston Consulting Group. Num conjunto de tarefas, quem usou GPT-4 terminou 25,1% mais depressa e completou 12,2% mais trabalho. Noutra tarefa, com um grau de dificuldade aparentemente semelhante, aconteceu o contrário: a taxa de respostas certas desceu de cerca de 84,5%, sem IA, para 70,6%, com IA.

Houve ainda um terceiro grupo, que recebeu uma breve introdução à escrita de instruções para a ferramenta. Nessa mesma tarefa, ficou nos 60%.

Estes resultados, publicados em 2026 na revista Organization Science, ajudam a responder a uma pergunta que muitas empresas fazem mal: não é “a IA aumenta a produtividade?”, mas “em que tarefas, para quem e com que controlo?”.

Produtividade com IA: o que se mede com grupo de controlo

Grande parte do que se lê sobre este tema vem de inquéritos, em que as pessoas estimam o tempo que pouparam. Uma experiência com grupo de controlo é diferente: umas pessoas recebem a ferramenta por sorteio e outras não, e depois compara-se o trabalho feito. Três estudos em revistas científicas com revisão por pares são um bom ponto de partida.

  • Consultoria: a experiência acima, com as tarefas dentro das capacidades da ferramenta a registarem também melhor qualidade, entre cerca de 30% e 34% acima do grupo sem IA.
  • Apoio ao cliente: num estudo com 5172 agentes, publicado no Quarterly Journal of Economics, o acesso a um assistente de IA aumentou em 15%, em média, os casos resolvidos por hora.
  • Programação: em três experiências na Microsoft, na Accenture e numa grande empresa norte-americana, com 4867 programadores, as tarefas concluídas subiram cerca de 26%. Os autores avisam que os resultados são ruidosos e a margem de incerteza é grande.

Os ganhos existem e são mensuráveis. Mas são médias, e as médias escondem o mais útil.

Quem ganha mais nem sempre é quem se espera

Nos três estudos, os profissionais com menos experiência ou desempenho inicial mais baixo beneficiaram mais. No apoio ao cliente, melhoraram na rapidez e na qualidade, enquanto os mais experientes tiveram pequenos ganhos de velocidade e pequenas perdas de qualidade. Na programação, os menos experientes adotaram mais a ferramenta e ganharam mais com ela. Na consultoria, os dois grupos melhoraram, mas a metade com pior avaliação inicial subiu mais.

Para uma PME, a consequência é prática. A IA pode encurtar a integração de quem chega e aliviar as equipas seniores de perguntas repetidas. Por outro lado, quem tem menos experiência é também quem tem mais dificuldade em detetar um erro bem escrito. A revisão por alguém que conhece o assunto deixa de ser um pormenor.

O risco está em não saber onde a ferramenta falha

Os autores do estudo da Boston Consulting Group falam numa fronteira irregular: tarefas lado a lado no mesmo processo podem ficar dentro ou fora do que a IA faz bem, sem que isso seja evidente à partida. Os consultores tenderam a confiar demasiado na ferramenta precisamente quando era preciso vigiá-la mais de perto.

O caso do grupo com a introdução às instruções merece cautela: a diferença para o outro grupo com IA tem uma significância estatística fraca e trata-se de uma só tarefa, feita em 2023 com um modelo entretanto ultrapassado. Ainda assim, deixa uma pista. Ensinar a pedir coisas à ferramenta não chega; é preciso ensinar a duvidar do que ela devolve. E como os modelos mudam, aquilo que falhava há seis meses pode funcionar hoje, e vice-versa, o que obriga a repetir os testes.

O que isto significa nas empresas portuguesas

A publicação do Eurostat sobre o uso de IA, com dados de 2025, mostra onde está a distância para a Europa. Nas grandes empresas, a diferença é curta: 49,2% em Portugal contra 55,0% na União Europeia. Nas médias, são 18,2% contra 30,4%. Nas pequenas, de 10 a 49 pessoas, são 9,4% contra 17,0%, pouco mais de metade da média europeia.

O principal travão também é conhecido. Entre as empresas da UE que ponderaram usar IA e não o fizeram, 70,3% apontaram a falta de competências adequadas. Por outro lado, um estudo do Centro Comum de Investigação da Comissão Europeia sobre setores estratégicos, divulgado em outubro de 2026, nota que a adoção se concentra no marketing e nas vendas, quando os maiores ganhos potenciais estão nos processos centrais, como a produção. Os dados do Eurostat vão no mesmo sentido: entre as empresas europeias que usam IA, 34,7% aplicam-na em marketing ou vendas e 20,8% em processos de produção.

Quatro testes antes de automatizar

Nenhuma PME precisa de repetir uma experiência científica, mas pode copiar-lhe a lógica:

  1. Escolher uma tarefa frequente e medir o tempo e o número de erros antes de mudar seja o que for.
  2. Pôr metade da equipa a usar a ferramenta durante algumas semanas e comparar com a outra metade.
  3. Testar a ferramenta com casos cuja resposta certa já é conhecida, incluindo casos difíceis, para descobrir onde falha.
  4. Definir quem revê o resultado, e só automatizar por completo o que passar nos testes de forma consistente.

Este registo também ajuda noutra frente. O artigo 4.º do Regulamento Europeu da IA, na redação dada pelo Regulamento (UE) 2026/1744, em vigor desde 27 de julho de 2026, pede às empresas que adotem medidas para promover a literacia em IA do seu pessoal, tendo em conta a experiência, a formação e o contexto de utilização. Não exige um nível específico de literacia, mas uma formação ligada a tarefas reais e a limites testados responde bem a esse pedido.

É com esta abordagem que a equipa Hacker PRO AI desenha a sua formação para empresas em IA e automação: parte do trabalho de cada equipa, mostra onde a ferramenta ajuda e treina a identificar onde não se deve confiar nela.

Quer saber em que tarefas da sua empresa a IA compensa e onde deve ficar de fora? Marque um diagnóstico gratuito com a equipa Hacker PRO AI, numa reunião online de 40 minutos: marcar diagnóstico gratuito.

Fontes

  • Dell’Acqua, F., McFowland III, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F. e Lakhani, K. R., “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality”, Organization Science, 37(2), 403-423, 2026 (online a 11 de março de 2026): pubsonline.informs.org
  • Brynjolfsson, E., Li, D. e Raymond, L., “Generative AI at Work”, The Quarterly Journal of Economics, 140(2), 889-942, 2025: academic.oup.com
  • Cui, Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S. e Salz, T., “The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers”, Management Science, 2026: pubsonline.informs.org
  • Eurostat, “The use of artificial intelligence (AI) technologies in the European Union: Key results, 2026 edition”, 2026, dados de 2025: ec.europa.eu/eurostat
  • Comissão Europeia, Centro Comum de Investigação, “AI adoption more than doubles in almost every EU strategic sector”, 14 de outubro de 2026: joint-research-centre.ec.europa.eu
  • EUR-Lex, Regulamento (UE) 2026/1744 (Omnibus Digital sobre IA), Jornal Oficial de 24 de julho de 2026: eur-lex.europa.eu
  • EUR-Lex, Regulamento (UE) 2024/1689 (Regulamento da Inteligência Artificial), 13 de junho de 2024: eur-lex.europa.eu