O minuto que virou tarde
Todo mundo que usa IA no trabalho conhece a sensação. Você pede um texto, um código, uma análise. Em dois minutos a máquina devolve algo que parece pronto. O formato está limpo, a estrutura faz sentido, o tom está correto. Parece o fim de uma tarefa que normalmente levaria horas. Só que não é. É o começo de outra.
A tarefa real começa quando você pergunta o que quase ninguém pergunta. Isso está certo? A fonte existe? O número é esse mesmo? O argumento fecha quando você lê com atenção? Quem escreveu originalmente precisava responder por cada frase. Quem publica o que a IA escreveu responde do mesmo jeito. A assinatura é sua, não da máquina.
Este texto é sobre essa segunda tarefa. A revisão. O custo que não aparece no card de crédito da assinatura da IA, mas aparece no tempo da equipe, na credibilidade da marca e, em alguns casos, no advogado que você precisa contratar. A tese é direta. Empresa que adota IA sem protocolo de revisão não ganha velocidade. Ela realoca o tempo para um risco que ninguém está medindo.
O que a pesquisa mostra
Em julho de 2025, o METR publicou um estudo controlado com dezesseis desenvolvedores experientes de open source, trabalhando em repositórios que eles mesmos mantinham. O desenho era rigoroso. Cada desenvolvedor resolveu tarefas reais do próprio projeto, metade com acesso a ferramentas de IA, metade sem. O resultado surpreendeu quem apostava em ganho automático de produtividade. Com IA, as tarefas levaram 19% mais tempo.
O detalhe mais importante do estudo não é o número. É a percepção. Ao final, os desenvolvedores que usaram IA estavam convictos de que tinham trabalhado mais rápido. Eles estimaram uma aceleração de 20%. A realidade era uma desaceleração de 19%. Um gap de 39 pontos percentuais entre o que a equipe sentia e o que acontecia. A sensação de velocidade é real. A velocidade, nem sempre.
A ilusão de velocidade
Por que isso acontece? Porque o tempo de geração é visível e o tempo de validação é invisível. Quando a máquina devolve um código que compila, o cérebro registra tarefa cumprida. O que vem depois, a leitura atenta, a verificação de cada dependência, o teste de cada caminho, parece um complemento. Na prática, é a maior parte do trabalho. E como ninguém registra esse tempo separadamente, a planilha de produtividade conta vitória enquanto o prazo escorre.
O erro que chega confiante
O segundo problema é mais sério. Em fevereiro de 2025, pesquisadores de Stanford publicaram na Journal of Empirical Legal Studies a primeira avaliação empírica preregistrada das principais ferramentas de pesquisa jurídica com IA. Os números: 17% de alucinação no Lexis+ AI, 33% no Westlaw AI-Assisted Research e 43% no GPT-4. E o mais preocupante para quem aposta em solução técnica simples. Mesmo as ferramentas que usam recuperação aumentada de documentos, a chamada RAG, que deveria ancorar a resposta em fontes reais, continuaram inventando ou deturpando citações em uma fração significativa dos casos.
O padrão se repete em outras áreas. Relatórios de engenharia apontam crescimento de código duplicado e queda acentuada de refatoração em projetos que adotaram assistentes de IA em massa. O código chega mais rápido e chega pior. E como está formatado, passa. O problema aparece semanas depois, quando alguém precisa mudar uma linha e descobre que o alicerce era areia.
O custo que não entra na planilha
Nenhuma dessas descobertas é um argumento contra usar IA. São argumentos contra usar IA sem desenhar quem revisa, o quê e com qual critério. O custo real da geração automática se esconde em três linhas que raramente aparecem no orçamento.
A primeira é o tempo de validação. Toda hora economizada na produção precisa ser comparada com a hora gasta na conferência. Em muitos fluxos, a soma é negativa. A segunda é o custo do erro publicado. Um dado inventado em um post de blog pode virar processo quando está em um contrato. Uma citação falsa em uma apresentação comercial pode destruir meses de confiança. O terceiro é o mais silencioso. A equipe que aprende que ninguém revisa para de revisar. O padrão da organização desce. E quando o erro grande chega, não existe mais ninguém olhando.
Empresas que medem só o tempo de geração estão olhando para o recibo do restaurante e ignorando a fatura do mês. A economia real só existe quando o ciclo completo, gerar mais revisar, leva menos tempo do que o processo antigo. Medir só a metade é como cortar o orçamento de manutenção e comemorar o lucro do trimestre.
Um protocolo de revisão que não vira gargalo
O caminho não é proibir a IA nem criar uma esteira de aprovação de dez assinaturas. É desenhar uma revisão proporcional ao risco. Quatro decisões bastam.
1. Defina o que a IA pode escrever sozinha
Nem todo texto tem o mesmo peso. Uma primeira versão de e-mail interno não carrega o mesmo risco que uma proposta comercial ou uma análise com números de faturamento. Classifique os tipos de saída por impacto. Risco baixo, revisão leve de formato e tom. Risco médio, checagem de fatos e leitura completa. Risco alto, validação por quem responde pelo assunto, ponto final. Quando tudo tem o mesmo fluxo, nada tem revisão de verdade.
2. Separe quem gera de quem valida
A mesma pessoa que pediu o texto à IA não deve ser a única que aprova a publicação. Não por desconfiança. Por limitação humana. Quem viu a máquina produzir tende a ler o que esperava ver. Um segundo par de olhos encontra em cinco minutos o que o autor passou meia hora sem notar. Em times pequenos, isso pode ser um colega de outra área, um gestor, qualquer pessoa que não participou da geração.
3. Revise pelo risco, não pela gramática
O corretor ortográfico já cuida da vírgula. A revisão humana deve ir onde a IA erra de verdade. Fatos, fontes, números, datas, nomes, afirmações técnicas. Uma lista curta de checagem específica vale mais que uma leitura genérica de passar os olhos. Se a IA citou um estudo, abra o estudo. Se ela deu um percentual, procure a origem. Oito minutos de verificação evitam o reparo que custa oito meses.
4. Meça o ciclo completo
A métrica certa não é quanto tempo a IA economizou na geração. É quanto tempo a tarefa inteira levou, do pedido ao resultado aprovado. Quando você mede o ciclo completo, descobre onde o tempo está indo. Às vezes a IA realmente acelera. Às vezes está só deslocando o trabalho para uma etapa que ninguém estava contando. Sem o número completo, a decisão sobre onde usar IA é superstição.
Quando dá para relaxar
Existe espaço para revisão mais leve. Textos descartáveis, rascunhos que vão passar por nova rodada, ideias de brainstorming que ninguém vai publicar. Ali, o custo do erro é quase zero e a velocidade da IA é puro ganho. O problema não é relaxar nesses casos. É relaxar no contrato, no número do relatório, na afirmação pública que vai assinar a reputação da empresa.
A regra operacional é simples. Se ninguém responde pelo que está escrito, a IA não deveria tê-lo escrito sozinha. Se alguém responde, essa pessoa precisa ter tempo e autoridade para revisar. Tudo o que está entre esses dois polos é a zona onde o custo oculto mora.
FAQ
Revisar tudo não elimina a vantagem da IA?
Não. Elimina a vantagem apenas onde ela nunca existiu, nos casos onde a geração rápida criava retrabalho maior. Nos fluxos bem desenhados, o ciclo completo ainda é mais rápido que o processo manual. E sem o risco de publicar algo que ninguém verificou.
Como estimar o tempo real de revisão?
Meça durante duas semanas. Marque o tempo de geração e o tempo de validação em cada tarefa com IA. A soma é o custo real. A maioria das equipes descobre que revisa menos do que deveria e que o tempo de validação varia muito mais que o de geração. Com esses números em mãos, dá para dimensionar o protocolo com critério.
E se o erro da IA for pequeno e passar despercebido?
Pequeno em um post interno, ok. Pequeno em um contrato, numa peça fiscal ou num dado divulgado ao mercado, não. O tamanho do erro não é o critério. O tamanho da consequência é. É por isso que o protocolo classifica por risco e não por extensão do texto.
Ferramenta de checagem automática resolve?
Ajuda e deve ser usada. Mas lembre do estudo de Stanford. As ferramentas com recuperação de documentos, desenhadas exatamente para reduzir alucinação, continuaram errando em parcela relevante dos casos. Checagem automática é mais uma camada, não a camada final. A última palavra continua sendo de quem assina.
Referências
- Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (2025), METR
- Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools (2025), Stanford Law School, Journal of Empirical Legal Studies
- AI Coding Tools Developer Productivity Paradox: METR 19% Slower Study Analysis (2025), Particula Tech
Se este conteúdo fez sentido para a sua operação, acompanhe mais sobre IA e tecnologia com critério no Instagram: @felipebelloni.
