A resposta honesta à questão da produtividade
A IA generativa não vai fazer explodir a produtividade da sua equipa de um dia para o outro, e a razão não é o modelo, é tudo o que o rodeia. Esta é a conclusão incómoda assim que se coloca o entusiasmo de 2026 ao lado dos dados e da história económica. A IA ajuda genuinamente na pesquisa, no código repetitivo, nos primeiros rascunhos e na revisão. O erro está em esperar uma multiplicação por dez de um dia para o outro. O estrangulamento é o processo, o discernimento e um imposto de ruído de informação, não a capacidade da ferramenta.
Eu giro uma agência WordPress. Uso estas ferramentas todos os dias. Isto não é uma pose contrária para gerar cliques. É a visão de dentro da entrega, onde a distância entre uma demonstração convincente e um site entregue e fácil de manter é exatamente o ponto onde os ganhos prometidos tendem a evaporar-se. O problema não é o entusiasmo. O problema é o ritmo que esperamos.
Uma tirada de 1987 que não para de regressar
Comecemos pela frase que deu nome ao fenómeno inteiro. Em 1987, o laureado com o Nobel Robert Solow, a escrever no The New York Times, observou que “se vê a era do computador em todo o lado menos nas estatísticas de produtividade”. Havia computadores em todas as secretárias. Os números agregados não se mexiam como os folhetos prometiam. Essa observação semeou aquilo a que os economistas chamam hoje o paradoxo da produtividade, ou o paradoxo de Solow.
Seria cómodo descartar isto como história antiga da era das torres bege. Erik Brynjolfsson, do MIT, não o fez. Num artigo de 1993, cunhou “The Productivity Paradox of Information Technology” e defendeu, com cuidado, que a ausência de ganhos visíveis não significava que a tecnologia fosse inútil. Significava que a medição, o desfasamento e a má gestão escondiam o valor. O seu trabalho mais recente defende que o presente pode rimar com o final dos anos 80: a capacidade é real, o retorno está atrasado, e muita da desilusão inicial é autoinfligida.
Esta é a primeira razão para ceticismo quanto à história da multiplicação por dez de um dia para o outro. Já corremos esta experiência antes, com uma tecnologia de uso geral pelo menos tão consequente como a IA generativa, e a curva de produtividade não dobrou no calendário que os fornecedores queriam.
Eletrificação, ou porque 40 anos é um número a sério
A explicação mais profunda vem do historiador económico Paul A. David. O argumento é frontal: os ganhos reais só chegam quando o mundo à volta de uma tecnologia é reconstruído. O seu exemplo trabalhado é o motor elétrico. As fábricas não ficaram mais produtivas no momento em que trocaram o vapor pela eletricidade. Ficaram mais produtivas quando foram redesenhadas em torno da eletricidade, o que demorou cerca de 40 anos.
A razão é física e organizacional. As fábricas da era do vapor eram construídas em torno de um único motor central e de uma floresta de correias e veios. A verdadeira vantagem da eletricidade, o motor de acionamento individual em cada máquina, só compensou quando os donos das fábricas abandonaram o antigo desenho de vários pisos e construíram instalações de um só piso, onde as máquinas podiam ser dispostas por fluxo de trabalho e não por proximidade ao veio de transmissão. A tecnologia esteve disponível durante décadas antes de os edifícios, a gestão e as práticas de trabalho acompanharem. Só então as estatísticas se mexeram.
Aplique essa lente a uma agência WordPress em 2026. Pode colocar um assistente de IA dentro do editor de blocos hoje. Mas o seu processo de receção, o seu controlo de qualidade, a sua entrega aos clientes, o seu modelo de faturação e a sua definição de “concluído” foram todos desenhados para um mundo em que um humano escrevia cada linha. O motor está na bancada. A fábrica não foi reconstruída.
O número que ninguém cita de volta: cerca de 3 por cento
É aqui que a polémica se torna concreta. Afirmações iniciais, próximas do MIT, faziam circular melhorias de eficiência na ordem dos 40 por cento para o trabalho de conhecimento assistido por IA. Esse número viajou depressa porque justificava orçamentos. Depois, um estudo do National Bureau of Economic Research da primavera de 2025 mediu-o com mais cuidado e concluiu que o ganho médio de eficiência medido nas ferramentas de IA foi de cerca de 3 por cento. Não 40. Três.
Pior para o entusiasmo, o mesmo corpo de investigação concluiu que, em tarefas mais complexas e intensivas em discernimento, a IA por vezes prejudicava a motivação e a qualidade. Isto coincide com o que vejo na prática. Pedir a um modelo que estruture um bloco personalizado, esboce um plano de migração ou resuma o changelog de um plugin: saldo positivo, por vezes considerável. Pedir-lhe que tome uma decisão de arquitetura sobre se um cliente precisa de um front end desacoplado ou de uma stack clássica reforçada: saldo negativo se alguém tratar o resultado como uma resposta em vez de uma posição de partida com que discutir.
Três por cento não é nada de desprezar. Acumulado ao longo de um ano, ao longo de uma equipa, três por cento é dinheiro a sério. Mas três por cento não é uma revolução em torno da qual se reorganiza o plano de contratações num trimestre. É o tipo de ganho que só aparece se mantiver a disciplina para o capturar, e desaparece no momento em que deixa a ferramenta gerar trabalho de que ninguém precisava.
Volume não é valor
O enquadramento mais útil sobre de onde os ganhos vêm de facto está num relatório da EY sobre IA e produtividade. O seu movimento central é separar a produtividade de volume da produtividade de valor. A IA generativa estende a automatização para além das tarefas repetitivas, até ao trabalho de conhecimento e criativo, o que é genuinamente novo. Mas os ganhos que importam, defende a EY, estão na qualidade, na criatividade e na rapidez das decisões, não na produção bruta.
Num modelo otimista, o mesmo relatório coloca o contributo da IA na ordem dos 3 por cento acrescentados ao PIB global até 2033. Repare na data. Não até ao próximo trimestre. Até 2033. Ou seja, mais uma vez, o calendário da mudança de processo, não o das versões dos modelos.
A distinção entre volume e valor é a ideia mais útil na prática, em todo este debate, para uma agência. Se medir a sua adoção de IA pelo número de palavras, rascunhos ou tickets que produz, vai declarar vitória enquanto se afoga em silêncio. Se a medir pela rapidez com que chega a uma boa decisão e pelo pouco que tem de refazer, vai descobrir se está a funcionar.
Três formas como os ganhos se escoam
Ao longo de cada vaga de adoção tecnológica dececionante, repetem-se os mesmos três mecanismos. Vale a pena nomeá-los, porque cada um tem um equivalente WordPress direto.
| Mecanismo | O padrão geral | A versão WordPress 2026 |
|---|---|---|
| Ferramentas sem mudança de processo | Comprar a tecnologia mas manter o fluxo de trabalho antigo, de modo que se torna uma camada dispendiosa por cima da forma como já se trabalhava | Aparafusar um painel de IA a um fluxo inalterado de receção, construção e controlo de qualidade e esperar que se acumule |
| O desfasamento de adaptação | As normas, a regulação e a cultura têm de mudar antes de os ganhos aterrarem, segundo Paul A. David | Equipas, contratos e expetativas dos clientes ainda partem do princípio de que tudo é escrito à mão, de ponta a ponta |
| Efeitos secundários que comem os ganhos | Em 1966, os computadores geravam mais relatórios do que os gestores conseguiam ler | Uma enxurrada de rascunhos, briefings e resumos gerados por IA com pouco valor real, que alguém ainda tem de triar |
A terceira linha é a que eu sublinharia. O problema de 1966 era real: a máquina conseguia gerar mais relatórios de gestão do que qualquer gestor conseguia absorver, pelo que o estrangulamento passou de produzir informação para a ler. A versão de 2026 é a enxurrada de tudo gerado por IA. Pull requests que ninguém reviu por completo. Documentação gerada para satisfazer uma checklist. Texto para clientes esboçado em segundos e depois discutido durante uma hora. O modelo tornou a parte barata mais barata e empurrou o custo para a parte cara: a atenção e o discernimento humanos. É o imposto do ruído de informação, e é invisível em qualquer painel que conte produção.
Dois casos reais da entrega
É fácil concordar com abstrações, por isso aqui ficam dois casos contrastantes do tipo de trabalho que uma agência faz de facto.
Caso um. Uma loja WooCommerce com mais de 30 plugins e um time-to-first-byte na casa dos 1,8 segundos. O dono tinha ouvido dizer que a IA podia “resolver a performance” e queria que apontássemos uma ferramenta contra ela. Usámos IA intensivamente, mas não da forma que ele imaginava. Foi excelente nas partes delimitadas e legíveis: triar que plugins disparavam mais consultas, esboçar a primeira versão de uma camada de cache de transientes, gerar casos de teste para uma suíte de regressão do checkout, explicar um hook de terceiros desconhecido. O que não conseguiu fazer foi decidir que a verdadeira solução era remover onze plugins e reconstruir dois como um pequeno plugin personalizado, porque essa decisão exigia ponderar o roteiro do cliente, as competências internas e a tolerância ao risco. A IA comprimiu os 60 por cento legíveis do trabalho. Os 40 por cento ilegíveis, a parte que era de facto o estrangulamento, não conseguiu tocar. Resultado líquido: mais rápido, sim. Dez vezes mais rápido, não. O discernimento ia sempre ser o fator limitante, e a nossa manutenção e acompanhamento de WordPress é sobretudo discernimento.
Caso dois. Um site Elementor que ruiu sob um pico de tráfego de uma campanha. Aqui a tentação era deixar a IA gerar uma parede de recomendações de “otimização”, e ela tê-lo-ia feito de bom grado. É precisamente a armadilha do ruído de informação. Um modelo produz vinte sugestões plausíveis, dezoito genéricas e duas que importam, e agora uma pessoa sénior tem de gastar o seu recurso mais escasso, a atenção, a separar o sinal do ruído de aparência confiante. A vitória veio de um humano decidir fazer cache de forma agressiva na edge e adiar os widgets mais pesados do construtor de páginas, usando depois a IA apenas para esboçar a implementação. O pensar foi a parte lenta. O escrever foi a parte rápida. A IA acelerou o escrever.
O padrão em ambos: a IA é um multiplicador nas partes do trabalho que nunca foram a limitação. A limitação é o discernimento, e o discernimento não tem um botão de dez vezes mais.
O que isto significa para o WordPress 7.0 e as funcionalidades de IA
O WordPress 7.0 chega com capacidades de IA nativas, mais profundas na superfície de edição e de fluxo de trabalho do que tudo o que veio antes. Isso é genuinamente útil, e não estou a argumentar contra. Estou a argumentar contra o ritmo que as pessoas esperam dele.
Se tratar as funcionalidades de IA do WordPress 7.0 como uma camada a aparafusar ao seu processo atual, vai obter o resultado de 1966: mais rascunhos, mais sugestões, mais “conteúdo”, e uma equipa a gastar em silêncio o tempo recuperado a rever material que nunca deveria ter sido gerado. É o mecanismo um e o mecanismo três a funcionar em conjunto.
Se, em vez disso, o tratar como uma razão para redesenhar o fluxo de trabalho, tal como os donos das fábricas acabaram por redesenhar em torno do motor elétrico, os ganhos são reais e duradouros. Em concreto, isso significa decidir de antemão que tarefas a IA rascunha, quais um humano tem de rever antes de seja o que for ser entregue, e quais simplesmente se recusa a automatizar porque o custo do discernimento é precisamente o ponto. Significa medir o tempo de ciclo e a taxa de retrabalho, não a contagem de palavras nem o débito de tickets. Significa ser honesto que o valor de um programador WordPress se está a deslocar para as decisões que a IA não consegue tomar, e não para longe delas.
A definição de preço conta a mesma história. Os clientes assumem por vezes que a IA deveria tornar tudo mais barato porque escrever é mais barato. Escrever nunca foi a parte cara. A arquitetura, a postura de segurança, o orçamento de performance, a conformidade de acessibilidade, a decisão sobre o que não construir: é esse o trabalho, e é por isso que a nossa definição de preço se mantém individual e não uma mercadoria à palavra. A IA baixa o custo das tarefas legíveis e eleva o valor relativo das ilegíveis.
Então o que deve fazer de facto
Nada disto é um argumento para ignorar a IA. É um argumento para acertar o ritmo e as medições. Se tivesse de comprimir a análise sénior numa mão-cheia de regras operacionais:
- Adote a IA primeiro para as tarefas delimitadas e legíveis: pesquisa, código repetitivo, primeiros rascunhos, esqueletos de testes, revisão de código e de conteúdo. É aí que os ganhos medidos vivem de facto.
- Redesenhe o processo envolvente antes de esperar retornos acumulados. A ferramenta é o motor elétrico. Ainda tem de reconstruir a fábrica.
- Orce explicitamente o imposto do ruído de informação. Cada peça de trabalho gerada por IA é um rascunho cuja revisão custa atenção humana. Se rever custar mais do que escrever, perdeu.
- Meça valor, não volume. O tempo de ciclo, a taxa de retrabalho e a rapidez de decisão dizem-lhe se a IA está a ajudar. As contagens de produção não lhe dizem nada de útil e adulam-no até à complacência.
- Mantenha humanos nas decisões de discernimento. Em tarefas complexas e intensivas em discernimento, os dados do NBER mostram que a IA pode prejudicar a qualidade. Trate o seu resultado como um argumento a testar, nunca como uma resposta a entregar.
O que está em causa é o ritmo, não a ferramenta
O paradoxo da produtividade não é uma previsão de que a IA falha. Os computadores de Solow acabaram por aparecer nas estatísticas, décadas depois, quando o mundo se reorganizou em torno deles. O desfasamento de Brynjolfsson resolveu-se. O motor elétrico de David refez a indústria, quarenta anos depois. A tecnologia foi real de cada vez. A desilusão foi sempre sobre esperar o ganho no calendário do departamento de marketing, em vez do calendário da mudança organizacional.
A IA generativa em 2026 é a mesma forma de história. Cerca de 3 por cento medidos hoje, plausivelmente muito mais no início da década de 2030, mas apenas para as equipas disciplinadas o suficiente para reconstruir o seu processo em torno dela e honestas o suficiente para contar valor em vez de volume. O problema nunca foi o entusiasmo. O problema é o ritmo que esperamos. Acerte o ritmo e o paradoxo não é um aviso. É um roteiro.
Última atualização: 31 de maio de 2026.
