IA Rompeu o Vínculo Entre Output e Competência

Por quase toda a história da vida profissional, output funcionava como proxy de competência. Um documento limpo significava que alguém entendia o assunto. Um pull request que rodava significava que alguém sabia programar. Um deck bem feito significava que alguém tinha pensado o argumento. O proxy era grosseiro, mas funcionava. Para produzir algo bom, você precisava saber alguma coisa.

A IA quebrou esse vínculo.

O artefato continua igual por fora. O documento está limpo. O pull request compila. O deck está polido. O que mudou foi a relação entre a superfície e o que está embaixo dela. Output não carrega mais evidência confiável da competência de quem produziu, porque o motor de produção agora é externo, disponível para qualquer pessoa, e indiferente a se o humano que apertou o botão entende o que saiu.

Isso não é reclamação sobre qualidade. É uma mudança estrutural. O sinal que líamos no artefato sumiu. E os sistemas que construímos sobre esse sinal, code review, peer review, filtros de contratação, moderação de comunidade, documentos internos, estão vazando valor todos ao mesmo tempo.

Três Camadas do Mesmo Sintoma

O desacoplamento aparece em três escalas diferentes, e cada uma parece um problema separado até você ver as três juntas.

Dentro das organizações, aparece como documentos polidos que ninguém lê. O ensaio Appearing Productive in The Workplace descreve a dinâmica com precisão. O custo de produzir caiu para perto de zero. O custo de ler ficou igual. Então memorandos ficam mais longos, decks ficam mais densos, status updates se multiplicam, e o leitor marginal desiste mais cedo. O autor cita pesquisa do NBER mostrando que iniciantes ganham cerca de 33% de produtividade com IA enquanto especialistas mal se beneficiam. O mesmo ensaio traz o caso da Deloitte, que devolveu US$440 mil de um relatório governamental por causa de citações alucinadas. O output parecia competente. A verificação faltou. Ninguém checou.

Em comunidades abertas, a mesma dinâmica aparece como inundação. O post AI Slop Is Killing Online Communities documenta como fóruns, issues do GitHub e CFPs de conferências estão sendo soterrados por contribuições de baixo esforço geradas por IA. Cada uma, individualmente, é plausível. No agregado, consomem a atenção dos mantenedores e contribuidores que faziam essas comunidades valerem a pena. O sinal de que uma pergunta merecia resposta, um humano gastou tempo formulando ela, não vale mais. Os mantenedores então respondem tudo e queimam, ou triam com dureza e perdem os recém-chegados que precisavam de ajuda de verdade.

Em times de engenharia, a mesma dinâmica aparece como mudança de restrição. O ensaio The Bottleneck Was Never the Code nomeia o que times rodando agentes de código estão descobrindo: o limite não é mais a velocidade com que você escreve o código. O limite é o quão claramente o time consegue definir o que o sistema deve fazer, quem é dono de cada decisão, e como essa intenção viaja de um agente para o próximo. Geração é barata. Coerência é cara.

Três camadas, um sintoma. A competência de quem produzia ficava embutida no artefato. Agora precisa ser reconstruída por quem lê.

O Custo Real do Desacoplamento

Se output fosse apenas um pouco menos confiável como sinal de competência, isso seria problema de calibração. Não é. É uma inversão de quem paga o custo.

Antes, quem produzia pagava. Escrever um documento cuidadoso era caro. Escrever código ruim era caro. Postar um comentário pensado num fórum dava trabalho. A assimetria significava que output de baixa qualidade era filtrado na origem. A maior parte do que chegava em você tinha sobrevivido ao filtro de alguém decidindo que valia o tempo dele produzir.

Agora, quem lê paga. O custo de produzir está perto de zero, então o filtro de quem produz sumiu. Cada leitor, revisor, mantenedor, gestor de contratação, cliente, regulador, tem que fazer o trabalho de verificação que antes acontecia antes da publicação. E o volume de coisa para verificar subiu uma ordem de magnitude no mesmo período.

Esse é o sentido real de “AI slop”. Não é que o output seja ruim. Boa parte é razoável. É que o custo de avaliar se é razoável foi transferido de uma pessoa para muitas, e as muitas não têm tempo.

Por Que a Verificação É Onde a Competência Tem Que Morar

A resposta honesta para isso é desconfortável para qualquer pessoa cuja identidade está ligada a produzir coisas. A competência que importava quando produzir era caro (escrever bem, codar limpo, desenhar com cuidado) ainda é útil, mas não é mais onde mora a alavancagem. A alavancagem subiu e desceu da geração. Subiu para definir o que o sistema deve produzir. Desceu para verificar se o que foi produzido serve para o propósito.

O ensaio do thetypicalset.com coloca isso de forma clara para o caso da engenharia. A restrição agora é coerência organizacional e contexto compartilhado. Agentes de código escrevem código mais rápido do que um time consegue decidir o que construir. A habilidade que diferencia, então, não é mais velocidade de digitação ou memória de sintaxe. É a capacidade de especificar intenção com precisão suficiente para que o motor de geração produza algo útil, e ler o output com criticidade suficiente para pegar o que ele errou.

A mesma lógica vale para documentos, designs, copy de marketing, drafts jurídicos, modelos financeiros. A competência está na especificação e na verificação, não nas teclas digitadas entre as duas.

Isso tem implicação organizacional que a maioria das empresas ainda não absorveu. Se verificação é o gargalo, então capacidade de verificação, o número de pessoas que conseguem ler com criticidade, julgar o que é bom, e bancar a decisão, é a restrição de output, não capacidade de geração. Contratar mais gente que sabe prompt não move o ponteiro. Contratar gente que sabe distinguir uma resposta boa de uma errada com cara de confiante move.

O Teste Prático

Existe um diagnóstico simples para saber se sua organização cruzou para a era do gargalo de verificação. Pegue qualquer artefato produzido com IA na semana passada, um memorando, uma mudança de código, um e-mail para cliente, um slide. Pergunte: quem pegaria o erro se ele estivesse errado?

Se a resposta for “quem produziu não pegaria, quem revisa não tem tempo, e o sistema não tem checagem automática”, você tem a mesma exposição que produziu o reembolso da Deloitte. O output parecia competente. Ninguém verificou. O custo chegou depois, em dinheiro ou em confiança.

A correção não é produzir mais devagar. O motor de produção não volta. A correção é casar capacidade de verificação com volume de geração, de propósito e estruturalmente, e tratar verificação como o trabalho que de fato cria valor, não como overhead.

Isso significa promover quem pega erros, não só quem entrega. Significa orçar tempo de revisão com o mesmo cuidado que tempo de construção. Significa escrever especificações precisas o suficiente para serem conferidas, em vez de vagas o suficiente para reivindicar vitória de qualquer jeito. E significa aceitar que um memorando que ninguém lê, uma feature que ninguém verificou, ou um comentário em que ninguém confia, não é output. É passivo com superfície polida.

As organizações que entenderem isso primeiro vão parecer mais lentas por um trimestre ou dois. Depois, vão parecer as únicas cujo trabalho ainda significa alguma coisa.

---

Fontes

• nooneshappy.com. “Appearing Productive in The Workplace.” Maio de 2026.
• rmoff.net. “AI Slop Is Killing Online Communities.” Maio de 2026.
• thetypicalset.com. “The Bottleneck Was Never the Code.” Maio de 2026.

A Victorino ajuda organizações a reconstruir capacidade de verificação antes que o volume de output esconda a perda: contato@victorino.com.br | www.victorino.com.br