Quando Agentes Falam com Agentes, o Trabalho Some: O Aviso da Anthropic

A Anthropic ligou cerca de 9.700 respondentes de pesquisa ao uso real que faziam do Claude entre abril e junho de 2026, e 93% dessas conversas produziram um artefato identificável: código, um documento, uma análise, uma decisão. É a leitura de primeira mão mais limpa que temos sobre o que a IA está de fato fazendo dentro do trabalho de conhecimento. Enterrada no mesmo relatório de 26 de junho está uma frase que devia reordenar a lista de prioridades de qualquer um que toca um programa de IA: interações entre agentes podem se tornar inescrutáveis para humanos. O relatório que prova que a medição finalmente ficou boa é o mesmo que nomeia o momento em que a medição começa a quebrar.

A medição melhorou, e essa é a notícia

O Índice Econômico de junho não é um retoque na metodologia antiga. A Anthropic trocou a janela anterior de amostragem de sete dias por amostragem contínua de hora em hora, e ligou telemetria que preserva privacidade às respostas da pesquisa por meio do CLIO, a camada de análise automatizada deles. O resultado é uma base em que comportamento autorrelatado e comportamento observado ficam lado a lado para as mesmas pessoas. Essa ligação é rara. A maior parte da pesquisa de adoção de IA é ou pesquisa de opinião (o que as pessoas dizem que fazem) ou telemetria (o que os logs mostram), quase nunca as duas, unidas no nível do indivíduo, nessa escala.

O que os dados unidos mostram é concreto. No grupo ligado, 27% relatam economia de custo no uso de IA e 68% relatam ganhos de aprendizado. Mais de um terço, 35% ou mais, espera que a IA assuma a maioria ou quase todas as suas tarefas de trabalho dentro de doze meses. São relatos de pessoas trabalhando, dados a um pesquisador enquanto um registro paralelo do uso real media cada afirmação contra os fatos.

A correlação de destaque é a que merece um tempo de reflexão. As pessoas que mais delegam ao Claude são as mais otimistas sobre o próprio futuro no mercado de trabalho. A Anthropic afirma sem rodeios: quem mais delega é quem mais acredita no rumo da própria carreira. Isso contraria a história reflexa em que automação gera ansiedade. Nesse grupo, quem entrega mais trabalho se sente mais seguro, não menos.

Delegar e otimismo apontam na mesma direção

Há duas leituras honestas dessa correlação, e um operador precisa das duas na mesa. A leitura otimista: delegar é uma habilidade, quem aprende a passar trabalho para um agente vê a própria alavancagem crescer, e projeta isso adiante como segurança de carreira. A leitura cética: otimismo e delegação podem ter uma causa comum, como senioridade, autonomia no cargo, ou trabalhar numa função onde a IA claramente ajuda, e a seta entre os dois não é tão limpa quanto o título sugere.

A base de junho não resolve por completo qual leitura está certa, e a Anthropic não diz que resolve. O que ela consegue fazer é tornar a pergunta respondível ao longo do tempo. Com amostragem contínua e ligação individual, dá para observar se quem delegava muito no trimestre passado segue otimista no próximo, e se a produção medida se sustentou. A correlação de hoje vira uma trajetória testável amanhã. Esse é o avanço real do relatório: instrumentação que transforma um achado em algo que dá para acompanhar trimestre a trimestre.

O aviso de inescrutabilidade é a frase que sustenta tudo

É aqui que o número de 93% e o aviso de inescrutabilidade se chocam. Hoje, 93% do trabalho de IA medido produz um artefato que um humano consegue abrir e ler. O Índice Econômico inteiro funciona porque a saída do trabalho de IA ainda cai num lugar legível para humanos: um pull request, um documento, uma planilha, uma mensagem enviada. A medição é possível justamente porque uma pessoa ainda é o ponto final.

A interação entre agentes remove esse ponto final. Quando um agente chama outro, negocia uma subtarefa, passa estado estruturado e devolve um resultado, os passos intermediários não precisam aparecer como um artefato que alguém leia. O trabalho acontece, o resultado cai, e o raciocínio que ligou os dois fica dentro de uma troca máquina a máquina que nenhum dashboard foi construído para capturar. A Anthropic nomear isso no próprio relatório, sentada sobre a melhor telemetria do setor, é o sinal. Quem tem a visão mais clara está apontando onde a visão fica escura.

Não é preocupação de futuro distante. O mesmo relatório mostra um terço dos trabalhadores esperando que a IA assuma quase todas as suas tarefas dentro de um ano. Tarefas tocadas de ponta a ponta pela IA são exatamente as mais propensas a passar por passos entre agentes. A trajetória que a pesquisa mede e o ponto cego que o aviso nomeia são a mesma trajetória.

Por que telemetria de primeira mão é a única resposta honesta

O instinto, quando o trabalho fica opaco, é exigir mais logging. Esse instinto está certo, mas incompleto. A razão pela qual a Anthropic consegue enxergar até a borda desse problema é que a telemetria dela é de primeira mão: instrumentada na origem, contínua e ligada a resultados reais. Uma empresa que depende de dashboards fornecidos pelo vendor e de resumos feitos depois do fato não vai ver o trabalho entre agentes ficar escuro. Ele simplesmente deixa de aparecer nos números, e os números vão parecer bons, porque o que você não mede não surge como problema. Surge como uma ausência silenciosa.

Telemetria de primeira mão melhor é o que torna a inescrutabilidade mensurável em vez de presumida. Se você instrumenta as fronteiras onde seus agentes chamam outros agentes, a troca vira registro. Se você só observa os pontos finais voltados para humanos, a troca vira boato. O que separa essas duas posturas é uma decisão tomada cedo: instrumentar a fronteira antes de o trabalho se mudar para um lugar onde já não dá para ver.

Faça isso agora

Mapeie onde os passos entre agentes já existem na sua stack, depois instrumente essas fronteiras antes que carreguem trabalho relevante. Encontre cada ponto onde um passo automatizado entrega para outro sem um humano ler o resultado: um agente que chama uma ferramenta que chama outro agente, um fluxo que encadeia chamadas de modelo, um pipeline onde o único checkpoint humano é a saída final. Para cada um, faça uma só pergunta: se essa troca produzisse um resultado intermediário errado ou inseguro, alguma coisa no seu logging atual pegaria? Se a resposta é não, aquela fronteira já está escura, e carrega hoje menos trabalho do que vai carregar no próximo trimestre. Instrumente agora, enquanto o volume é baixo e os padrões são simples. A taxa de 93% de artefatos vale para hoje, e nada garante que valha amanhã. As empresas que mantiverem a IA legível serão as que construíram a telemetria antes de o trabalho parar de passar por mãos humanas.

Fontes

Anthropic. “Anthropic Economic Index, June 2026 Report.” Junho de 2026.

A Victorino ajuda empresas a instrumentar o trabalho entre agentes antes que ele fique opaco: contato@victorino.com.br | www.victorino.com.br