Workslop: Quando o Trabalho “Feito com IA” Vira Retrabalho Para a Sua Equipe

Nos últimos meses, um termo batizado por pesquisadores de Harvard e Stanford virou pauta obrigatória em comitês de RH e em salas de diretoria: workslop. Ele descreve um problema silencioso que a corrida por “produtividade com IA” criou dentro das empresas — conteúdo gerado por inteligência artificial que parece pronto, bem formatado e completo, mas que carece de profundidade, contexto ou utilidade real. Quem recebe esse material não economiza tempo: perde. E o efeito colateral mais caro não aparece na planilha de custos de licenças de IA — aparece na confiança entre colegas.

O que os números mostram — e por que o Brasil não é exceção

Um estudo da Harvard Business Review em parceria com a BetterUp Labs e o Social Media Lab de Stanford, publicado em setembro de 2025 com 1.150 profissionais americanos, deu contorno estatístico ao problema: 40% dos entrevistados já receberam workslop de um colega, e em média 15,4% de todo o conteúdo que recebem se qualifica como tal. Cada incidente exige, em média, 1 hora e 56 minutos de correção. Multiplicado pela força de trabalho, isso representa um custo médio de US$ 186 por funcionário por mês — em uma empresa de 10 mil pessoas, mais de US$ 9 milhões por ano em produtividade perdida.

O dano não é só de tempo. Entre quem recebeu workslop, 53% relataram irritação, 42% passaram a ver o colega como menos confiável, e cerca de metade considerou o remetente menos criativo, capaz ou confiável do que antes. Ou seja: o custo reputacional dentro da equipe pode pesar mais do que o custo de produtividade.

O Brasil segue o mesmo padrão. Uma pesquisa da Read AI com 501 profissionais brasileiros, feita em outubro de 2025, mostrou que quase três em cada quatro já usam IA no trabalho — mas 70% dizem perder tempo revisitando anotações ou buscando decisões antigas porque a informação ficou fragmentada entre ferramentas sem padrão. O sintoma muda de nome, a causa é a mesma: falta de critério, não excesso de tecnologia.

Por que equipes bem-intencionadas produzem retrabalho disfarçado de produtividade

A pesquisa aponta duas causas centrais, e nenhuma delas é falta de talento ou de boa intenção. A primeira é o mandato organizacional vago: líderes pedem para “usar IA para ganhar produtividade” sem especificar em quais tarefas, com qual nível de revisão obrigatória e com qual critério de qualidade. A segunda é a sobrecarga: sob pressão de prazo, colaboradores usam a IA como atalho para “tirar algo da frente” e repassam o material adiante sem o filtro que dariam ao próprio trabalho.

• Pressão por volume de entregas, sem tempo redistribuído para revisão humana
• Ausência de um padrão claro sobre onde a IA pode gerar rascunho e onde exige dono humano antes de circular
• Formatação impecável cria falsa sensação de qualidade — o julgamento crítico relaxa quando o texto “parece” profissional
• Quem recebe corrige em silêncio em vez de sinalizar o problema, então a liderança nunca vê o custo real

Como transformar “usem IA” em um padrão real de qualidade

Nenhuma das medidas eficazes contra o workslop envolve proibir a IA — envolve dar padrão a ela, o mesmo princípio de governança que estrutura frameworks como o Gartner AI Roadmap. Na prática, isso significa:

• Definir, por processo (não por bom senso individual), onde a IA pode gerar rascunho livre e onde exige revisão humana obrigatória antes de circular
• Criar um checkpoint de revisão explícito nos rituais de time, em vez de assumir que “todo mundo revisa antes de enviar”
• Medir qualidade da entrega — não apenas volume ou velocidade de uso de IA — como métrica de adoção
• Dar às equipes permissão explícita para sinalizar workslop como dado de processo, sem que isso vire crítica pessoal
• Liderança modelando o comportamento: revisar e assumir a autoria do que a própria liderança compartilha com apoio de IA

O risco real por trás do workslop não é a tecnologia — é a ambiguidade. Empresas que tratam isso como problema de processo e governança, e não como questão de ferramenta, evitam pagar o imposto invisível do retrabalho e preservam o que a IA deveria estar protegendo: o tempo e a confiança da equipe.