“Cada workflow que o seu time constrói cria um pequeno emprego permanente para mantê-lo. Esses empregos se acumulam com o tempo.” Kevin Indig e Amanda Johnson escreveram isso no Growth Memo neste mês, e o resto do texto é um inventário de empregos que ninguém colocou no organograma.
O dashboard que justificou o orçamento de IA mede o outro lado do livro-caixa. Ele conta as horas que o modelo tirou de uma tarefa. Ele não tem coluna para as horas que o mesmo modelo devolveu: a hora gasta revisando um rascunho, a tarde gasta aprendendo uma ferramenta nova, a sexta-feira recorrente gasta remendando um pipeline que alguém montou meses atrás. Essas horas continuam sendo trabalhadas. Elas são lançadas contra uma pessoa em vez de contra o projeto, então o projeto parece uma vitória e a pessoa parece lenta.
O mesmo formato aparece em marketing, em finanças e em analytics neste mês, em três textos escritos de três mesas diferentes.
As horas que o marketing deixa de contar
O Growth Memo agrega números de outros estudos, então cada um abaixo pertence ao autor original. Eu não voltei às fontes primárias aqui, e o texto é a Parte 1 de 2.
BetterUp Labs e Stanford pesquisaram 1.150 trabalhadores americanos em tempo integral. 41% haviam recebido “workslop” no mês anterior, saída de IA que passa por trabalho pronto. Resolver cada peça levou em média 1 hora e 56 minutos. Em uma empresa de 10.000 pessoas, o número chega a “mais de US$ 9 milhões por ano”.
O número da Workday é a formulação mais limpa da tese: a cada 10 horas que a IA economiza, cerca de 4 voltam em correção e reescrita. A Upwork perguntou a 2.500 líderes e trabalhadores de onde vem a carga adicional. Entre os funcionários que dizem que a IA aumentou o trabalho, 39% apontam para revisar e corrigir a saída, 23% para aprender as ferramentas, e 21% para receber mais trabalho.
A HubSpot reporta que 91% dos líderes de marketing dizem que seus times usam IA, e 66% dizem que a empresa constrói as próprias ferramentas internas de IA para marketing. Dois terços desses líderes descrevem, na prática, uma operação interna de software. Quantas dessas operações têm orçamento de manutenção, escala de plantão, ou uma pessoa cuja descrição de cargo diga “manter a coisa funcionando”? Nenhuma das fontes pergunta, e eu esperaria que a resposta fosse poucas.
Depois vem o número dos desenvolvedores, que o Growth Memo toma emprestado do estudo da METR do fim de 2025: 16 desenvolvedores experientes, 246 tarefas reais. Os desenvolvedores esperavam ser 24% mais rápidos. Medidos, foram 19% mais lentos. Se as pessoas cuja profissão é construir ferramentas perderam tempo construindo com IA, um time de marketing que monta o próprio ferramental nas horas vagas deveria esperar pelo menos o mesmo. O resumo do Growth Memo: “Construir as próprias ferramentas internas de IA é adição, não necessariamente eficiência.”
O pipeline de finanças com um único dono
Brandon Sovran dá nome à acumulação. “Slop-creep é o acúmulo gradual de sistemas, abstrações, funcionalidades e infraestrutura que nunca precisaram existir, viabilizado porque os agentes os tornaram baratos o suficiente para construir antes que alguém pergunte seriamente por quê.”
O mecanismo dele é o atrito, ou a ausência dele. “A implementação costumava ter atrito suficiente para que ideias estúpidas morressem antes de alguém gastar três semanas construindo. Agora você simplesmente constrói a ideia estúpida.” O custo que antes matava um workflow ruim antes de ele existir desapareceu. O que o substitui é um custo que chega depois, diluído, pago por outra pessoa.
O cenário de finanças dele é o que eu colocaria na frente de um CFO. Um pipeline é montado fora do Git. Quem construiu vai embora. O sucessor herda uma pasta de scripts sem entendê-los. Quando algo quebra, o sucessor pede a um agente para remendar, e cada remendo leva o pipeline mais longe de qualquer coisa que o resto da empresa reconheceria como caminho padrão. Minha adição ao cenário dele: nenhum remendo isolado custa o suficiente para disparar uma conversa de reconstrução, e por isso mesmo a conversa de reconstrução nunca acontece.
Sovran cita um estudo da Microsoft Research com a Carnegie Mellon, com 319 trabalhadores do conhecimento e 936 usos reais: “maior confiança na IA foi associada a menos esforço de pensamento crítico.” É um único estudo, e eu o cito como ele reporta. Ele explica por que o sucessor aceita o remendo. O agente soa seguro, o humano para de verificar, e o pipeline deriva mais um passo.
A armadilha de volume em analytics
Benn Stancil cita o relato da própria Anthropic: “95% das consultas de analytics de negócio são automatizadas via Claude, com ~95% de acurácia agregada”, e “o resultado é um aumento de 10 a 20 vezes no número de perguntas que as pessoas fazem”. São afirmações do fornecedor, repassadas por Stancil, e devem ser lidas como tal.
Aceite os números e faça a aritmética dele. Um time que respondia 5 perguntas por dia passa a receber 100. O modelo responde 95. O analista continua respondendo 5. A fila do analista não encolheu. O que cresceu foi a pilha de 95 respostas sobre as quais alguém no negócio agora age, a cerca de 95% de acurácia agregada, o que nesse volume dá algo em torno de 5 respostas erradas por dia que ninguém foi designado para pegar (derivado dos números de Stancil, e um número que ele mesmo não reporta).
Analytics manteve as perguntas difíceis e ganhou uma função de QA sem dono.
Três funções, um formato
Marketing construiu ferramentas e herdou manutenção. Finanças construiu um pipeline e herdou os scripts de um estranho. Analytics automatizou as perguntas fáceis e herdou um volume de respostas sem revisor. Em cada caso, o trabalho que sumiu do dashboard reapareceu em um lugar para onde o dashboard não olha, preso a uma pessoa, sem linha de orçamento.
Já escrevemos sobre partes disso. Código criado por agentes que ninguém mantém cobre a versão de engenharia. O workflow como unidade de valor cobre a maioria que nunca redesenhou um workflow. Uma biblioteca de skills sem coletor de lixo cobre o apodrecimento quando um ativo compartilhado fica sem dono, e slop como custo de atenção cobre o que a enxurrada faz com o leitor. Este texto trata da contabilidade. As horas removidas são medidas. As horas movidas seguem sem medição, e trabalho sem medição sempre cai em quem está mais perto dele.
Faça isso agora
Quatro passos, em ordem, e o primeiro é pequeno.
Inventarie os workflows internos de IA. Toda cadeia de prompts, agente, script ou pipeline que alguém construiu para fazer parte do próprio trabalho. Os 66% da HubSpot dizem que a maioria dos times de marketing tem pelo menos um. Espere que finanças e analytics tenham mais do que listam. Liste do jeito que listaria assinaturas de SaaS.
Nomeie um dono por workflow. O time serve de resposta nenhuma. Uma pessoa. Se a resposta for “a pessoa que saiu”, você encontrou o cenário de Sovran dentro do próprio prédio, e ele vai para o topo da lista.
Coloque horas de manutenção em uma linha de orçamento. A proporção da Workday é uma estimativa inicial defensável: a cada 10 horas que um workflow diz economizar, reserve cerca de 4 para revisar, corrigir e reaprender. Se o dono reportar menos, ótimo. Se o dono reportar zero, ninguém está verificando.
Instale um portão de comprar-ou-construir antes da terceira semana de conserto. As três semanas de Sovran eram onde o atrito matava ideias ruins. Recrie esse atrito de propósito. Qualquer workflow caseiro que precisou de conserto em três semanas distintas vai para revisão: manter e financiar, substituir por algo que outra pessoa mantém, ou apagar.
O Growth Memo resume o custo de pular isso em marketing em uma linha: “os 9 meses de citações, menções e avaliações que não foram conquistados este ano não podem ser retroativados.” As horas que um time gastou mantendo as próprias ferramentas foram horas que o mercado não viu. Essa é a fatura do trabalho que se moveu.
Fontes
- Growth Memo (Kevin Indig, Amanda Johnson). “The AI hours nobody on your marketing team is counting.” Setembro de 2026.
- Awaiting Input (Brandon Sovran). “Slop-creep: when building gets cheaper than thinking.” Setembro de 2026.
- Benn Stancil. “How to find insights.” Setembro de 2026.
A Victorino ajuda times de operação a inventariar seus workflows internos de IA, nomear donos e orçar a manutenção que o dashboard deixa de contar: contato@victorino.com.br | www.victorino.com.br
Todos os artigos do The Thinking Wire são escritos com o auxílio do modelo LLM Opus da Anthropic. Cada publicação passa por pesquisa multi-agente para verificar fatos e identificar contradições, seguida de revisão e aprovação humana antes da publicação. Se você encontrar alguma informação imprecisa ou deseja entrar em contato com o editorial, escreva para editorial@victorino.com.br . Sobre o The Thinking Wire →
Se isso faz sentido, vamos conversar
Ajudamos empresas a implementar IA sem perder o controle.
Agendar uma Conversa