A IA parou de crescer? O limite é você

Autoria: Rodrigo Celoto · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: português

Vídeo original: A IA parou de crescer? O limite é você · Canal: Rodrigo Celoto · 19:51 · Assistir no YouTube

Tópicos: Agentes de IA, Automação de tarefas e workflows, Avaliação e benchmarks de IA, Mercados e economia

Resumo

O vídeo argumenta que a desaceleração do crescimento da demanda por IA não se deve apenas a orçamento, preços menores ou modelos mais eficientes: os humanos ainda limitam o quanto os agentes conseguem trabalhar. Com base em dados e relatos da Anthropic, o apresentador destaca que agentes passam grande parte do tempo esperando por decisões, revisões e instruções humanas, enquanto cresce a quantidade de trabalho agêntico. Para reduzir esse gargalo, recomenda consolidar instruções em skills, automatizar testes e evals e registrar por escrito o contexto e os processos. A vantagem na era da IA, conclui, dependerá de criar agentes capazes de executar tarefas com autonomia e gerar valor enquanto as pessoas não estão trabalhando diretamente com eles.

Pontos-chave

A demanda por IA pode desacelerar à medida que empresas e usuários se aproximam dos limites atuais de adoção e uso.
A queda do preço por token e o aumento da eficiência dos modelos podem fazer a receita crescer menos mesmo quando o uso de tokens aumenta.
Segundo os dados citados sobre a Anthropic, Claude passa cerca de 80% do tempo esperando por um humano.
Na Anthropic, a produtividade agêntica aumentou: cada hora humana corresponderia a mais seis horas de trabalho de agentes.
O aumento de agentes também eleva a carga de monitoramento, revisão e aprovação dos humanos.
O trabalho técnico pode passar de escrever código diretamente a preparar repositórios para que não técnicos proponham mudanças com segurança.
O apresentador recomenda consolidar instruções em skills, usar evals e amostragem e documentar o contexto do negócio.
O objetivo não é consumir tokens por si só, mas automatizar tarefas que gerem valor com agentes autônomos.

Capítulos

Início	Capítulo	Resumo
00:00	Desaceleração da demanda e gargalo humano	O vídeo apresenta sinais de desaceleração da demanda por IA e propõe que a dependência de humanos limita a expansão do uso.
04:43	O uso de IA na Anthropic	Dados da Anthropic ilustram a escala do trabalho agêntico e a frequência com que os agentes ainda esperam por pessoas.
10:30	A rotina de gerenciar agentes	Relatos de funcionários e a experiência do apresentador mostram o aumento do trabalho de supervisão e a ansiedade de não automatizar mais.
16:11	Como reduzir o gargalo	O apresentador recomenda consolidar instruções em skills, automatizar evals e registrar processos para permitir que agentes trabalhem com autonomia.

Citações

80% do tempo o Claude está esperando por um humano. — 05:14

Um exército de Claudes, cada um pedindo a minha atenção. — 10:30

Decida uma vez e não a cada pedido. — 16:11

O objetivo não é gastar token; o objetivo é resolver tarefas que gerem valor. — 18:48

Conceitos e entidades

Anthropic (empresa): Empresa usada no vídeo como exemplo de uma organização que reorganiza o trabalho em torno da IA.
Claude (modelo): Assistente de IA mencionado como aguardando decisões e instruções humanas em sessões de trabalho na Anthropic.
Opus 5.5 (modelo): Modelo citado como exemplo de maior eficiência no uso de tokens para realizar tarefas.
Elon Musk (pessoa): Empresário mencionado em relação à ideia de abundância proporcionada pela IA.
The Economist (empresa): Publicação citada por uma reflexão antiga sobre pessoas atuando como cuidadoras de robôs.
skills (conceito): Instruções reutilizáveis que permitem aos agentes executar rotinas sem precisar perguntar ou receber as mesmas orientações a cada pedido.
evals (conceito): Avaliações e testes que ajudam a verificar o trabalho dos agentes e a automatizar decisões, deixando a revisão humana para exceções.
autonomia de agentes (conceito): Capacidade dos agentes de executar tarefas sem depender continuamente de instruções, decisões ou aprovações humanas.

Tradução completa (pt-BR)

00:00 Nos últimos três anos, a demanda por IA tem crescido exponencialmente. No entanto, nos últimos meses, a demanda por IA tem mostrado sinais de desaceleração, o que tem afetado os mercados pelo mundo. Isso é bastante intrigante. Quer dizer, por que está ocorrendo uma desaceleração do crescimento da demanda por IA? Há vários motivos por trás disso, mas, como todo crescimento, ele provavelmente vai ter uma curva S. Em algum momento, haverá uma desaceleração da

00:32 demanda por IA. E ela pode ter vários motivos. As empresas agora estão mais preocupadas com o orçamento de IA, que estava crescendo exponencialmente, mas talvez o maior motivo de todos seja que nós, humanos, ainda somos um gargalo na utilização da IA, que é o tema deste vídeo. Nós, usuários, ainda estamos impedindo a IA de trabalhar em maior

01:02 volume. Por quê? Porque a maior parte dos processos de IA ainda depende de nós. Isso é um desafio, porque temos que construir processos em que não sejamos o gargalo. E, neste vídeo, vamos discutir quais sinais de desaceleração dessa demanda estamos vendo. A Anthropic tem publicado alguns artigos relacionados ao gargalo da IA, que tem enfrentado de forma

01:35 bastante focada. Alguns desses artigos são muito interessantes, e vamos nos concentrar especificamente no impacto da IA como gargalo e no que tem ocorrido dentro da própria Anthropic. Então, vamos ao artigo. A IA está desacelerando? Que sinais já vemos? O gasto, a receita dessas empresas — ou seja, nosso gasto com tokens — parece ter começado a andar de lado, embora a quantidade de tokens usados tenha

02:06 crescido. Isso é sinal de que o preço unitário do token está caindo e também de que os modelos estão ficando mais eficientes na execução de tarefas. Vimos isso explicitamente com o Opus 5.5, que é capaz de executar a mesma tarefa que os modelos anteriores usando menos tokens. Então, o que vemos? Uma queda no preço dos modelos por unidade de inteligência, aumento na eficiência do gasto com tokens e uma desaceleração da receita.

02:38 Embora o uso de tokens esteja aumentando, há um limite para esse crescimento. Por quê? Porque, se quisermos um mundo de abundância — a abundância da IA, como prega Elon Musk, em que, no futuro, todos vamos viver de uma renda básica porque a IA vai trabalhar para nós —, precisamos que, nesse cenário de abundância, cada pessoa utilize a IA intensamente. Ou seja, que existam IAs pelo

03:09 mundo, agentes de IA trabalhando para nós. Então, isso depende de mais pessoas utilizarem a IA e de cada pessoa utilizá-la mais intensamente: ou seja, da quantidade de pessoas e da quantidade de IA per capita. Esses dois fatores são importantes para que esse mundo prometido, essa terra prometida da abundância da IA, se concretize. E, para nós, pessoalmente, se quisermos aproveitar a era da IA, precisamos conseguir, individualmente,

03:40 fazer com que a IA trabalhe para nós enquanto dormimos. E o que já vemos? 55,9% das empresas nos Estados Unidos já pagam por IA. Há um processo claro de aceleração — é óbvio, porque o máximo é 100%. Então, as empresas já pagam por IA, e esse crescimento tem um limite, que é 100%: a difusão da IA entre as empresas. É claro que há espaço para utilizar mais IA em cada

04:12 empresa. Agora, se olharmos para o material, já vemos que o crescimento ainda possível está na quantidade de IA por pessoa. Só que, para aumentar a quantidade de IA por pessoa, temos que sair da frente da IA e deixá-la trabalhar. Ela precisa ter capacidade de autonomia, algo que ainda não conseguimos alcançar. Então, nós somos o gargalo, que é a principal mensagem deste

04:43 vídeo. A Anthropic publicou este artigo, chamado “Como o emprego está mudando na Anthropic”. Ela usa o próprio exemplo da Anthropic, que talvez seja a empresa que mais utiliza IA no mundo, obviamente. E esse artigo é superinteressante, porque é como se a Anthropic representasse o futuro de todos nós e das empresas em que trabalhamos. A Anthropic, que reorganizou fortemente seu trabalho em torno da IA, pode ser

05:14 uma prévia de como a IA vai remodelar o trabalho, a contratação e a demanda por mão de obra no resto da economia. Quer dizer, a Anthropic é como se fosse o laboratório do mundo. E a que conclusão eles chegaram? Que nós somos o gargalo. Porque, em 80% do tempo, o Claude, em alguma sessão dentro da Anthropic, está esperando por um humano. Ou seja, a IA está esperando algum

05:46 input, alguma decisão do humano para trabalhar. Ou seja, nós somos um gargalo para a IA, mesmo na Anthropic, onde há um alto nível de utilização autônoma dos agentes de IA. Então, mesmo na casa dos melhores modelos de IA, uma IA passa 80% do tempo esperando por um humano. Bom, os números de utilização da IA na Anthropic são impressionantes. Hoje,

06:17 para cada hora humana, há o equivalente a mais seis horas de trabalho realizadas por um agente. Ou seja, a utilização agêntica dentro da Anthropic já é impressionante. Isso já mostra aonde se pode chegar: a um nível muito alto de utilização de agentes de IA, como no caso da Anthropic. E há alguns números superinteressantes sobre a Anthropic. O primeiro

06:47 é que hoje a Anthropic faz cinco vezes mais commits por engenheiro do que fazia seis meses atrás. Isso mostra a evolução da utilização de IA pelos engenheiros dentro da própria Anthropic: engenheiros de software, pessoas que trabalham com aprendizado de máquina e com a modelagem em si, ou seja, o pessoal mais técnico. Hoje, eles fazem cinco vezes mais commits do que seis meses atrás. Isso é resultado de muita automação e de

07:21 muito mais agentes trabalhando por pessoa entre os desenvolvedores da Anthropic. Mesmo contratando mais gente, a quantidade de agentes trabalhando por pessoa aumentou drasticamente nos últimos seis meses dentro da Anthropic. E há outro número interessante da Anthropic: a quantidade de sessões de código por mês entre pessoas não técnicas

07:52 saltou de duas para 90 nos últimos seis meses. Isso é interessante porque, cada vez mais, nas empresas que estão sendo bem-sucedidas em IA, a área técnica, a área de desenvolvimento da empresa, está preparando os repositórios de código para que possam ser alterados — ou, pelo menos, para que sejam propostas alterações, as famosas pull requests — por pessoas não técnicas. Então, isso acontece com algumas restrições.

08:23 Pessoas de áreas não técnicas, por exemplo, de marketing ou de design, podem propor mudanças na base de código, que depois passam pelo processo de revisão da equipe técnica, com IA e sem IA. Isso é muito interessante. Se você é uma pessoa técnica, se trabalha com desenvolvimento, não se esqueça disso. Talvez o futuro da engenharia de software não seja necessariamente você desenvolver o software, mas preparar o repositório para que ele possa ser

08:56 usado com segurança e robustez por pessoas não técnicas. Acho que isso talvez seja o futuro da área técnica: fornecer um ambiente, um repositório em que pessoas não técnicas sejam capazes de entregar mudanças. Agora, há algo interessante. A quantidade de mudanças que os agentes estão produzindo é tão grande que são seis horas para cada uma. E eles até dizem aqui que, se

09:28 uma pessoa fosse ler tudo o que os agentes produzem, levaria meia semana. Ou seja, quem cuida de agentes hoje precisa gastar praticamente metade do seu período simplesmente monitorando o que eles estão produzindo. Isso é impressionante. Quer dizer, já estamos começando a atingir o limite, até porque só há uma quantidade limitada de tempo, que pode ser ocupada em 100%. Isso mostra que a capacidade de usar IA tem um certo limite nos processos

10:00 atuais, em que a IA não tem autonomia absoluta para fazer muita coisa. Como ela não tem autonomia, quem define a produtividade total é o gargalo — que, nesse caso, ainda são os humanos, mesmo na Anthropic. E há outro ponto interessante: quais são as consequências para a rotina de trabalho? Como vamos viver no mundo da IA? E aqui há alguns depoimentos interessantes no artigo.

10:30 Um engenheiro descreveu o trabalho como um exército de Claudes, né? Cada um pedindo a minha atenção, né? Outros funcionários disseram que as pessoas estão criando gargalos para os agentes. Ou seja, algumas pessoas reclamam que outras pessoas envolvidas no processo de mudanças dos agentes estão se tornando gargalos, porque têm que decidir, checar e aprovar. Então, nesse processo, para deixar claro, os agentes poderiam avançar mais

11:02 rápido se os humanos não criassem gargalos para eles. Lembrando: 80% do tempo de espera é esperando por um humano. E as pessoas estão dizendo que, cada vez mais, seu trabalho é gerenciar agentes, né? No segundo semestre de 2025, o pessoal dizia que 10% do seu tempo era dedicado a gerenciar agentes. Agora, no primeiro semestre de 2026, esse número saltou para 22%.

11:32 Isso me lembra um artigo que li na The Economist, acho que uns 20 anos atrás, quando a revista especulava sobre o futuro da inteligência artificial. Ela dizia que, num futuro em que a inteligência artificial estivesse realmente difundida pelo mundo, todos nós seríamos babás de robôs. E é exatamente isso que está ocorrendo.

12:03 No limite, à medida que as coisas avancem, todos nós vamos cuidar de agentes o dia inteiro, de robôs. Ou seja, nosso trabalho vai ser trabalhar para os robôs. Eu, por exemplo, a primeira coisa que faço ao acordar, na hora de começar a trabalhar, é escovar os dentes e abrir o computador, né? Abro o computador e vou ver do que os agentes precisam de mim para

12:33 continuar o trabalho. Eles provavelmente trabalharam a madrugada toda, se não houve nenhum gargalo. Caso contrário, há uma série de coisas que eles já estão me pedindo — pediram durante a madrugada, mas eu estava dormindo, então tiveram que ficar parados. Mas eu já libero tudo pela manhã. A primeira coisa que faço de manhã é liberar os agentes que pararam durante a madrugada. E faço isso ao longo do dia; sempre tem um agente precisando de mim. E eu sempre sou o gargalo dos agentes, né? E vejo, no meu próprio caso, que

13:05 a minha demanda por tokens cresceu exponencialmente. Eu uso uma quantidade absurda de tokens. Uso três licenças de 200 dólares e aproveito a totalidade delas. Gasto 100% dos tokens das três licenças. Mas minha demanda cresceu exponencialmente, e agora também vejo uma curva S. Não tenho conseguido aumentar ainda mais. Até gostaria, mas, fisicamente, tem sido difícil, porque é muito difícil para mim construir

13:37 agentes que trabalhem de forma autônoma e dos quais eu não seja o gargalo. Então, claramente, no meu caso, já vejo que a evolução da IA tem sido limitada por mim, como gargalo humano. E isso tem se refletido nas pessoas que são contratadas. No caso da Anthropic, ficou claro o seguinte: a proporção de juniores nas contratações técnicas

14:07 caiu de 27% para 9%. Olha só: caiu de 27% para 9%. Cada vez menos juniores são contratados para cargos técnicos. E, cada vez mais, dentro da Anthropic, a expertise de domínio tem sido menos importante. Quer dizer, não é tanto o conhecimento que você já tem, a sua

14:37 bagagem, que é importante, mas sim a capacidade de julgamento e autonomia. Por quê? Porque o que está sendo valorizado é a sua capacidade de gerenciar agentes, e não a sua capacidade de execução e o conhecimento prévio. E isso é algo interessante: já é um fenômeno do mercado de trabalho no mundo agêntico. Nas palavras dos autores do artigo: “Uma força de trabalho ansiosa e preocupada

15:09 não é uma força de trabalho fazendo o seu melhor.” E essa ansiedade que eles veem na força de trabalho decorre do fato de que todo mundo sente que deveria estar produzindo mais, e todo mundo sente que é o próprio gargalo da IA porque não colocou um agente para trabalhar, porque hoje tem um agente esperando por si, porque deveria ter colocado um agente mais autônomo. Quer dizer, todo mundo está com essa

15:39 sensação, essa ansiedade de que está produzindo menos do que deveria e aproveitando menos o potencial da IA. E esse desafio, essa sensação que já existe dentro da Anthropic, provavelmente é algo que todos nós vamos sentir — se já não estamos sentindo. Eu, particularmente, já fico ansioso por não ter sempre um agente trabalhando enquanto durmo ou enquanto faço outra coisa. Ou seja, sinto que estou perdendo a oportunidade de fazer mais se não houver

16:11 agentes trabalhando por mim. Agora, como resolver esse gargalo? Aqui estão algumas dicas do artigo da própria Anthropic, basicamente três. A primeira: sempre consolide as instruções e as skills. Decida uma vez, não a cada pedido. Quer dizer, não fique sempre instruindo seu agente. Se você não está consolidando as instruções de uma skill, significa que o agente

16:42 sempre vai ter que perguntar a você, ou você vai ter que ensinar o agente toda vez. Quer dizer, consolidar suas instruções em skills é o primeiro passo. Concordo: esse é o básico do básico, que é criar suas skills para que as instruções das suas rotinas já estejam disponíveis para qualquer agente e para que eles trabalhem de forma autônoma. O segundo ponto que eles apresentam são as evals e a amostragem: se você tiver uma forma de

17:13 testar seus agentes, mecanismos de teste e de amostragem, consegue dar autonomia a esses agentes, porque eles podem executar os testes, rodar as evals e, somente quando houver um problema, você revisa. Por exemplo, no processo de mudança de código, todo o processo de testes, CI e CD e revisão tem que ficar cada vez mais automático, com menos intervenção humana como gargalo.

17:44 Mas, para fazer isso de forma robusta, você tem que construir processos de avaliação e teste que os agentes possam executar automaticamente. Caso contrário, você vai ser o gargalo. O terceiro ponto que eles sugerem é registrar as decisões que o agente precisa conhecer. Se você não tem tudo escrito, as coisas não existem para o agente. O contexto específico do seu negócio tem que estar escrito. Então, a gente vive num mundo

18:15 em que a formalização e a documentação dos processos são essenciais: tudo tem que estar instruído, tem que estar escrito, seja numa skill, num documento ou num arquivo de código. Tudo tem que estar escrito. Você está construindo agentes; tem que colocá-los para trabalhar enquanto você dorme. Então, eles têm que trabalhar de forma autônoma, e o humano, né, só entra na retaguarda em caso de exceção. Construir esses agentes

18:48 é o grande desafio. No mundo da IA, vai se sair melhor, proporcionalmente, quem construir mais agentes que trabalhem enquanto você dorme. Obviamente, o objetivo não é gastar tokens; o objetivo é resolver tarefas que gerem valor. Mas, no limite, se você está sempre gastando tokens para gerar valor, quem tiver a capacidade de consumir muitos tokens, ou seja, de executar muitas tarefas

19:19 de forma agêntica, autônoma, vai ser quem mais se beneficiará da era da IA. Então, o grande desafio — e algo a que vamos voltar muitas vezes neste canal — é que todos nós devemos trabalhar arduamente para colocar os agentes para trabalhar de forma autônoma. Quanto mais cada um de nós conseguir colocar esses agentes para produzir enquanto dormimos, melhor vamos nos sair na era da IA.

19:51 Espero que você tenha gostado. Até o próximo vídeo.

Transcrição original

[00:00] Nos últimos três anos, a demanda de IA tem crescido exponencialmente. No entanto, nos últimos meses, a demanda de IA tem mostrado sinais de desaceleração, o que tem afetado os mercados pelo mundo. Isso é bastante intrigante, quer dizer, por que está ocorrendo uma desaceleração, ah, do crescimento da demanda da IA? Tem vários motivos por trás disso, mas como todo crescimento, ele provavelmente vai ter uma curva S. Em algum momento, esse, essa, haverá uma desaceleração da

[00:32] demanda da IA. E ela tem, pode ter vários motivos. As empresas agora estão preocupadas, preocupadas mais com o orçamento de IA que estava crescendo exponencialmente, mas talvez o maior motivo de todos é que nós, humanos, ainda somos um gargalo da utilização da IA, que é o tema deste vídeo. Nós, usuários, ainda estamos impedindo a IA de trabalhar em maior

[01:02] volume. Por quê? Porque a maior parte dos processos de IA ainda dependem, dependem, eh, de nós. Isso é um desafio, porque nós temos que construir processos em que nós não sejamos o gargalo. E aí, nesse vídeo, nós vamos discutir quais os sinais que a gente está vendo de desaceleração dessa demanda. E a Anthropic, que tem liberado alguns artigos, tem soltado alguns artigos relacionados ao gargalo da IA, que ela tem atacado, ah, de forma

[01:35] bastante focada. E alguns artigos são muito interessantes, e a gente vai focar especificamente qual que é o impacto da IA como gargalo e o que tem ocorrido dentro da própria Anthropic. Então, vamos lá ao artigo. A IA está desacelerando? O que que a gente já vê alguns, alguns sinais. O gasto, a receita, né, dessas empresas, que é o nosso gasto com tokens, parece que começou a andar de lado, ainda que a quantidade de tokens usados tenha

[02:06] crescido. Isso é Isso é sinal de que o preço unitário do token está caindo e também os modelos estão ficando mais eficientes para a execução de tarefas e a gente viu isso explicitamente com o Opus 5.5, que é capaz de executar a mesma tarefa que os modelos anteriores utilizando menos token. Então, o que a gente vê então? Uma uma queda de preço dos modelos por inteligência, aumento na eficiência de gasto com tokens e a gente já vê uma desaceleração da receita.

[02:38] Ainda que os tokens usados estejam subindo, há um limite de crescimento desses tokens, né? Por quê? Porque assim, se a gente quiser um mundo da abundância, né, a abundância da IA como pregam Elon Musk, onde no futuro todos vamos viver de uma renda básica, porque a IA vai trabalhar para a gente, a gente precisa, nessa abundância, que cada pessoa utilize IA de forma intensa, ou seja, exista existam IAs aí pelo

[03:09] mundo, agentes de IA, trabalhando pela gente. Então, depende de mais pessoas utilizarem a IA e cada pessoa utilizar IA mais intensamente, ou seja, a quantidade de pessoas e a quantidade de IA per capita. Então, esses dois fatores são importantes para que esse mundo prometido, essa terra prometida da abundância da IA, ela ocorra. E para a gente, pessoalmente, se a gente quiser aproveitar a era da IA, nós, individualmente, temos que conseguir

[03:40] fazer com que a IA trabalhe para a gente, trabalhe para a gente enquanto a gente dorme. E o que que a gente já vê, né? 55.9% das empresas nos Estados Unidos já pagam por IA. E há um processo claro de aceleração, é óbvio, porque o máximo é 100%, então as empresas já pagam para a IA e esse crescimento ele tem um limite que é o 100%, essa difusão da quantidade de empresas que utilizam IA. Lógico que tem espaço para utilizar mais IA ah em cada

[04:12] empresa, né? Agora, se a gente olhar aqui, a gente a gente já vê do material que onde o crescimento ainda cabe é na quantidade de IA por pessoa. Só que para a gente aumentar a quantidade de IA por pessoa, a gente tem que sair da frente da IA, deixar IA trabalhar, e ela precisa ter uma capacidade de autonomia que hoje a gente ainda não consegue ah ainda, né? Então, nós somos o gargalo, que é o é é é a principal mensagem desse

[04:43] vídeo, né? Anthropic, ela ela liberou um artigo que é esse daqui, que é How Employment is Changing at Anthropic. Então, ela usa o próprio exemplo da Anthropic, que talvez seja a empresa que mais utiliza IA no mundo, né, por óbvio. E esse artigo é superinteressante porque é como se a Anthropic representasse o futuro de todos nós e das empresas que a gente trabalha. Anthropic, Anthropic, que reorganizou fortemente seu trabalho em torno da IA, pode ser

[05:14] uma prévia de como a IA vai remodelar o trabalho, a contratação e a demanda por mão de obra no resto da economia. Quer dizer, Anthropic é como se fosse o laboratório do mundo, né? E e o que que eles chegaram à conclusão? Que nós somos o gargalo. Porque 80% do tempo o Claude, em alguma sessão dentro da Anthropic, está esperando por um humano. Ou seja, a IA está esperando algum

[05:46] input, alguma decisão do humano para ela trabalhar. Ou seja, nós somos um gargalo para IA, mesmo na Anthropic, onde você tem um alto nível de utilização autônoma dos agentes de IA. Então, mesmo na casa dos melhores modelos de IA, 80% do tempo tem uma IA esperando por um humano, né? Bom, os números são impressionantes de utilização da IA na Anthropic. Hoje,

[06:17] cada hora humana tem um equivalente, tem proporcionalmente mais seis horas trabalhadas por um agente. Ou seja, a utilização agêntica dentro da Anthropic já é impressionante. Então, isso já mostra onde que dá para chegar, quer dizer, um nível de utilização de agentes de IA muito alto, que é o caso da Anthropic. E aqui tem uns números superinteressantes, ah, para a Anthropic, que a primeira,

[06:47] que é hoje, hoje a Anthropic faz cinco vezes mais commits por engenheiro do que do que seis meses atrás. Isso mostra a evolução dentro da própria [limpando a garganta] Anthropic da utilização de IA pelos engenheiros, aqui são os engenheiros de software, o pessoal que trabalha com machine learning, nos próprios, na própria modelagem, o pessoal bem técnico, eles hoje, ah, comitam cinco vezes mais que seis meses atrás. Isso é resultado de muita automação e de

[07:21] muito mais agentes trabalhando por humano dentro dos desenvolvedores da Anthropic. Mesmo eles contratando mais gente, a quantidade de agentes trabalhando, ah, por humano aumentou dramaticamente nos últimos seis meses lá dentro da, da Anthropic. E o número interessante da Anthropic, que é a quantidade de sessões de código por mês entre não técnicos

[07:52] saltou de dois para 90 nos últimos seis meses. Isso é interessante, porque cada vez mais, as empresas que estão sendo bem-sucedidas em IA, a área técnica, a área de desenvolvimento da empresa está preparando os repositórios de código para que eles sejam alterados, pelo menos para propor alterações, as famosas pull requests, por não técnicos. Então, é com algumas restrições

[08:23] áreas não técnicas, por exemplo, um um pessoal de marketing, o pessoal de design, pode criar mudanças propostas na base de código que depois passa pelo processo de revisão, né, com IA e sem IA da equipe técnica. Isso é muito interessante. Se você é uma pessoa técnica, se você é desenvolvimento, não se esqueça disso. Talvez o futuro da engenharia de software não será você necessariamente desenvolver o software, mas para você preparar o repositório para que ele seja

[08:56] utilizável de forma segura, robusta por não técnicos. Eu acho que isso daqui talvez seja o futuro da área técnica. Prover um ambiente, um repositório em que não técnicos sejam capazes de de de entregar mudanças. Agora é uma coisa interessante. A quantidade a quantidade que os agentes estão produzindo de mudanças é tão grande, tão grande que é 6 horas para 1 hora e aí eles até colocam aqui que se

[09:28] colocasse um humano para ler tudo que os agentes produzem, né, demora meia semana. Ou seja, quem está cuidando de agente hoje precisa gastar praticamente metade do seu período simplesmente para monitorar o que os agentes estão produzindo. Isso é impressionante, quer dizer, você já está começando a bater no limite, até porque só tem uma dá para ocupar 100%. Isso mostra que a capacidade de usar IA tem um certo limite nos processos

[10:00] atuais em que a IA não tem a autonomia absoluta para muita coisa. Dado que ela não tem autonomia, quer dizer, quem define a quantidade total de produtividade quem é o gargalo, que no caso ainda são os humanos mesmo na Anthropic. E aí, o o o outro ponto interessante, qual que é a consequência para a rotina de trabalho, como que a gente vai viver no mundo da IA, né? E aqui tem algumas testemunhas, são testemunhas interessantes, né, nesse artigo.

[10:30] Um engenheiro descreveu o trabalho como um exército de Clods, né? Cada um pedindo a minha atenção, né? Outros funcionários disseram que as pessoas estão gargalando os agentes, ou seja, algumas pessoas tão reclamando que outras pessoas que participam do processo das mudanças dos agentes, elas tão se tornando gargalo, porque elas têm que decidir, elas têm que checar, elas têm que aprovar. Então, nesse processo, os agentes, para ficar claro aqui que para eles que a IA poderia andar mais

[11:02] rápido se não fosse os humanos gargalando estes agentes. Lembrando, 80% do tempo de espera esperando por humano. E aí, a as pessoas tão falando aqui que cada vez mais o seu trabalho é gerenciar agentes, né? Então, em no segundo semestre de 25, o pessoal dizia que era 10% do seu tempo era gerenciar agentes, agora no primeiro semestre de 26, esse número saltou para 22%.

[11:32] Isso me lembra um artigo que eu li na The Economist, eu acho que já faz uns uns 20 anos atrás, quando se estava especulando a a a The Economist que fez um artigo se especulando sobre o futuro da inteligência da inteligência artificial e ela colocava que num futuro onde a inteligência artificial realmente tivesse difundida pelo mundo, todos nós seríamos babás de robôs. E é exatamente isso que tá ocorrendo.

[12:03] No limite, à medida que as coisas avancem, nós todos vamos vamos cuidar de agentes o dia inteiro, de robôs, ou seja, nosso tempo vai ser trabalhar para os robôs. Eu, por exemplo, a primeira coisa que eu faço, ó, ao acordar, a hora que eu vou trabalhar, vou lá, escovo o dente, vou vou começar a trabalhar, já abro o meu computador, né? Eu abro o meu computador e vou ver o que os agentes precisam de mim para

[12:33] continuar o trabalho. Eles provavelmente trabalharam a a madrugada toda, se se se não se não teve nenhum gargalo, do contrário, tem uma série de coisas que eles já estão me pedindo, me pediram na madrugada, mas eu estava dormindo, então eles tiveram que ficar parados, mas eu já libero pela manhã. A primeira coisa que eu faço pela manhã é liberar os agentes que pararam durante a madrugada. E isso eu faço durante o dia, sempre tem um agente precisando de mim. E sempre eu sou o gargalo dos agentes, né? E eu vejo no meu no meu próprio caso que

[13:05] a minha demanda de tokens, ela cresceu exponencialmente. Eu utilizo uma quantidade absurda de tokens. Eu utilizo três licenças de 200 dólares e uso a totalidade. Eu gasto 100% dos tokens das três licenças. Mas minha demanda cresceu exponencialmente, mas agora eu vejo uma curva S também. Eu não tenho tido a capacidade de aumentar ainda mais. Eu até gostaria, mas fisicamente tem sido difícil, porque é muito difícil para mim construir

[13:37] agentes que trabalham de forma autônoma em que eu não seja o gargalo. Então, claramente, a evolução da IA para mim, eu já vejo no meu caso, ela tem sido limitada por mim como gargalo humano. E isso tem se refletido no nas pessoas que são contratadas. No caso da Anthropic, ficou claro aqui que é o seguinte, júnior nas contratações técnicas,

[14:07] o percentual de juniores na na contratação nas contratações técnicas caiu de 27% para 9%. Olha isso, caiu de 27 por cento para nove por cento, cada vez contratando menos juniores nas nas contratações técnicas. E cada vez mais dentro da Anthropic, a expertise de domínio tem sido menos importante, quer dizer, não é tanto o conhecimento que você já tem, a sua

[14:37] bagagem que é importante, mas sim a capacidade de julgamento e autonomia. Por quê? Porque o que tá sendo valorizado é a sua capacidade de gerenciar agentes e não a sua capacidade de execução e conhecimento prévio. E isso é uma coisa interessante que já é um fenômeno do do no mercado de trabalho do do do mundo agêntico. Nas palavras dos autores do artigo, “uma força de trabalho ansiosa e preocupada

[15:09] não é uma força de trabalho fazendo o seu melhor”. E essa ansiedade que eles estão colocando na força de eh que eles veem na força de trabalho é decorrente que assim, todo mundo sente que deveria tá produzindo mais e todo mundo sente que ele próprio é o gargalo da IA porque ele não colocou um agente para trabalhar, porque tem hoje um agente esperando por ele, porque os agentes eles deveriam ter colocado um um agente mais autônomo, quer dizer, todo mundo está com essa

[15:39] sensação, essa ansiedade de que tá produzindo menos que deveria e aproveitando menos o potencial da IA. E esse desafio, essa essa sensação que já ocorre dentro da Anthropic, provavelmente é uma sensação que todos nós viveremos, se já não estamos vivendo em algum momento. Eu, particularmente, já me sinto ansioso de não ter sempre um agente trabalhando enquanto eu durmo, enquanto eu tô fazendo outra coisa, ou seja, eu sinto que eu tô perdendo a oportunidade de fazer mais se não tem

[16:11] agentes trabalhando por mim, Agora, como resolver esse gargalo? E aqui tem algumas dicas do artigo da própria Anthropic, que são basicamente são três dicas. A primeira, olha, sempre consolide as instruções e os skills. Decida uma vez e não a cada pedido, quer dizer, não fique sempre instruindo seu agente. Se você não tá consolidando as instruções de uma skill, significa que o agente

[16:42] sempre vai vai ter que perguntar para você ou você vai ter que ensinar o agente toda vez, quer dizer, você consolidar suas instruções em skills é o primeiro passo. Concordo, esse é o básico do básico, que é construir as suas skills para que as instruções das suas rotinas já estejam dadas para qualquer agente, para que eles trabalhem de forma autônoma. O segundo ponto que eles colocam aqui são as evals e a amostragem, que é a seguinte, se você tiver forma de

[17:13] testar os seus agentes, quer mecanismos de teste, de amostragem, você consegue você consegue fazer que esses agentes tenham autonomia, porque aí eles podem rodar os testes, rodar as evals e só em casos de problema, você você você revisa. Então, por exemplo, o processo de mudança de código, todo o teste, CI e CD, todo o processo de revisão tem que ficar cada vez mais automático e menos humano como gargalo.

[17:44] Mas para você conseguir fazer isso de forma robusta, você tem que construir processos de avaliação e teste que possam ser executados de forma automática pelos agentes, do contrário você vai ser gargalo. O terceiro ponto que eles sugerem é as decisões onde o agente lê, né? Assim, se você não tem tudo escrito, as coisas não existem para o agente. O contexto que é específico do seu negócio tem que estar escrito. Então, a gente vive num mundo

[18:15] onde a formalização, a escrita dos processos e tem que estar instruído, tem que estar escrito, seja numa skill, seja num documento, seja num arquivo de código, tudo tem que estar escrito. Você está construindo agentes, você tem que colocar agentes para trabalhar enquanto você dorme. Então eles tem que trabalhar de forma autônoma e o humano, né, entrar na retaguarda somente em caso de exceção. E construir esses agentes,

[18:48] este é o grande desafio. Vai vencer no mundo da IA proporcionalmente quem construir mais agentes que trabalham enquanto você dorme. Obviamente que o objetivo não é gastar token, o objetivo é resolver tarefas que gerem valor. Mas no limite, se você está sempre gastando token para gerar valor, quem tiver a capacidade de consumir muito token, ou seja, de executar muitas tarefas

[19:19] de forma agêntica, de forma autônoma, é quem vai se beneficiar mais da era da IA. Então o grande desafio e o que a gente vai voltar aí nesse canal muitas vezes é todos nós devemos trabalhar arduamente para colocar os agentes para trabalharem de forma autônoma. Quanto mais cada um de nós tivermos a capacidade de colocar esses agentes para que produzam enquanto a gente dorme, melhor a gente vai dar, a gente vai dar

[19:51] certo na era da IA. Espero que você tenha gostado. Até o próximo vídeo.