IA no trabalho: contexto de arquivos ganha espaço na disputa

A inteligência artificial já aparece em 21% das tarefas de um emprego típico, segundo o AI & Economy ATLAS, estudo contínuo do Google que analisa, de forma anonimizada, como as pessoas usam a tecnologia. À medida que os modelos avançam e se aproximam em capacidade, empresas passaram a disputar outro elemento: o acesso ao contexto necessário para executar tarefas. Na prática, esse contexto pode estar em planilhas, apresentações, contratos, e-mails e outros documentos do dia a dia.

Antes de fazer uma pergunta à IA, o usuário pode precisar localizar a ata de uma reunião, encontrar informações sobre o cliente, procurar documentos relacionados e explicar os padrões de comunicação da empresa. O tempo gasto nessas etapas não costuma aparecer em comparações entre modelos, que normalmente avaliam qualidade das respostas, capacidade de raciocínio e desempenho em benchmarks. A comparação entre modelos permanece relevante, mas, no trabalho cotidiano, parte do resultado também depende das informações disponíveis para a ferramenta. Em tarefas como resumir uma ata, comparar fornecedores, preparar um follow-up ou analisar uma apresentação comercial, o modelo precisa identificar quais informações considerar.

É nesse ponto que as integrações com serviços de armazenamento e ferramentas de trabalho ganham importância. Quanto menos etapas para localizar, exportar e enviar um documento, menor o trabalho de preparação. Se uma tarefa exige dez minutos para reunir informações e dois para analisá-las, reduzir as etapas de preparação pode ter impacto maior sobre o tempo total do que uma pequena melhora na qualidade da resposta. Isso não significa, porém, que mais integrações produzam resultados melhores: o acesso a documentos também envolve segurança, permissões, políticas corporativas e custo.

O tipo de informação necessária influencia a escolha da ferramenta. Para descobrir quanto um concorrente cobra, é preciso localizar informações públicas, comparar fontes e verificar a origem dos dados; ferramentas de pesquisa na internet, como Perplexity e recursos de pesquisa aprofundada do ChatGPT, podem ser mais adequadas. Já uma análise sobre a queda da margem de um contrato pode depender de documentos internos; nesse cenário, NotebookLM, ChatGPT e Claude podem ser utilizados de outra maneira. A diferença não está apenas no modelo, mas também nas fontes às quais ele tem acesso.

Para empresas, a avaliação envolve outros fatores além do preço da assinatura. Treinamento, integração com sistemas existentes, segurança, governança e tempo de trabalho entram na conta. Uma ferramenta mais cara pode fazer sentido se reduzir trabalho manual; contratar várias plataformas pode limitar o ganho se os funcionários precisarem transferir informações entre sistemas. Há ainda uma consequência de longo prazo: documentos, históricos e fluxos de trabalho podem ficar associados a uma plataforma, tornando uma eventual troca mais complexa, com custos de migração, adaptação e reconstrução de processos.

Felipe Matos, CEO da 10K Digital e especialista em IA, afirma que ainda existe uma distância entre ter acesso à tecnologia e incorporá-la aos processos. Para ele, o uso dessas ferramentas não precisa se limitar à substituição de atividades humanas: "A tecnologia também pode abrir espaço para aquilo que depende essencialmente das pessoas: trocar ideias, tomar decisões em conjunto, construir relações, negociar, criar e resolver problemas mais complexos." Na avaliação de qual é a melhor IA, o acesso ao contexto, a integração com ferramentas e o tempo de preparação de cada tarefa entram na conta.