A inteligência artificial deixou de ser apenas um produto vendido pela Anthropic e passou a reorganizar o trabalho dentro da própria empresa. Um relatório divulgado pela companhia e analisado pelo TechCrunch mostra mudanças na composição das equipes, no ritmo de contratação e na forma como profissionais lidam com tarefas produzidas por modelos de linguagem. O retrato é útil porque ajuda a separar a promessa de produtividade do trabalho real necessário para revisar, coordenar e responder pelo que a IA entrega.
O ponto central da reportagem é uma contradição que aparece em muitas empresas que adotam IA: produzir mais código, contratos ou propostas comerciais não significa automaticamente produzir mais valor. A automação pode acelerar a primeira versão de uma tarefa, mas também cria uma fila de decisões humanas. Para quem trabalha com tecnologia no Brasil, essa é uma pista importante sobre quais habilidades tendem a ganhar peso nos próximos meses.
O que mudou na força de trabalho da Anthropic
Segundo os dados apresentados pela empresa, a participação de profissionais em início de carreira nas áreas técnicas caiu de 21% para 14% desde o começo de 2025. Entre as novas contratações técnicas, a redução foi ainda mais forte: a fatia de pessoas em nível júnior passou de 27% para 9%. A leitura mais direta é que a empresa está contratando menos pessoas para as tarefas iniciais que costumavam servir como porta de entrada em engenharia e operações.
A Anthropic também informou que as equipes técnicas representam uma parcela menor de sua força de trabalho, de 61% para 56%. A companhia relaciona essa mudança à expansão de funções de negócio e ao fato de ferramentas de programação com IA permitirem que profissionais não técnicos criem software. Isso não significa que programadores deixaram de ser necessários. Significa que o ponto de partida para construir uma automação ficou mais acessível a outras áreas, enquanto a revisão, a arquitetura e a segurança continuam exigindo experiência.
Mais código não é sinônimo de melhor produto
Um dos cuidados mais importantes do relatório é a ressalva de que mais código por pessoa não prova que o produto ficou melhor. A métrica mostra volume, não qualidade, confiabilidade ou impacto para o cliente. Um agente pode criar dezenas de arquivos em poucos minutos, mas alguém ainda precisa entender os requisitos, testar os casos de erro, avaliar o custo da infraestrutura e decidir se aquela solução deve entrar em produção.
A companhia afirma que também observou aumento de vendas por representante e maior processamento de contratos. Ao mesmo tempo, reconhece que produtividade depende de uma combinação de velocidade e resultado. Essa distinção serve para qualquer equipe que esteja medindo o uso de IA apenas pelo número de documentos gerados ou pelo total de tarefas concluídas.
O novo trabalho é coordenar uma fila de agentes
Em uma pesquisa interna realizada em abril de 2026, 27% dos funcionários disseram que ficaram mais produtivos com Claude. Outros 20% afirmaram que seu trabalho mudou de fazer tarefas para gerenciar Claudes. A imagem é parecida com a de uma pessoa responsável por acompanhar vários assistentes ao mesmo tempo: cada modelo entrega algo diferente, faz perguntas e pode exigir correções.
Essa coordenação envolve definir escopo, limitar permissões, conferir fontes, comparar respostas e registrar decisões. Em desenvolvimento de software, inclui revisar alterações, executar testes automatizados e manter o histórico do que foi aceito ou descartado. Em vendas ou jurídico, pode significar verificar se um resumo omitiu uma condição importante. A IA reduz o custo de começar, mas aumenta a importância de saber quando interromper, pedir evidências ou voltar para uma etapa manual.
A atenção humana virou gargalo
O relatório descreve a atenção e o julgamento humanos como um possível gargalo. Modelos geram uma quantidade grande de texto, código e sugestões, e o ganho de velocidade desaparece quando a equipe não consegue ler e organizar esse material. Essa observação muda a pergunta mais útil para quem está adotando IA: não é apenas quantas tarefas o modelo executa, mas quantas decisões a equipe consegue revisar com qualidade.
Um fluxo sustentável precisa de limites. Uma equipe pode começar com tarefas de baixo risco, exigir revisão humana para mudanças que afetam clientes e manter registros de prompts, arquivos alterados e decisões. Também vale criar uma lista de falhas conhecidas, porque a memória do sistema não substitui a documentação do projeto. Sem esses controles, a organização pode trocar trabalho repetitivo por um trabalho invisível de fiscalização que não aparece nas métricas.
Por que as reuniões aumentaram
Mesmo com mais automação, o tempo de reunião por funcionário subiu 20% na comparação anual. Entre profissionais técnicos, o aumento foi de 16%. A Anthropic associa esse movimento à necessidade de confiança, responsabilidade e coordenação presencial ou síncrona. A lógica faz sentido: quando mais pessoas podem criar software ou modificar processos com ajuda de modelos, a empresa precisa alinhar objetivos e definir quem responde pelo resultado.
Isso não é uma defesa automática de reuniões longas. É um alerta para desenhar rituais melhores. Reuniões de alinhamento podem ser substituídas por documentos curtos, revisões assíncronas e registros de decisão, mas momentos de definição de prioridade e avaliação de risco continuam importantes. A economia de tempo obtida com a IA só aparece quando a organização também melhora seu processo de comunicação.
O que profissionais brasileiros podem aprender
O caso da Anthropic sugere quatro habilidades práticas. A primeira é formular problemas com clareza, porque agentes trabalham melhor quando recebem objetivos, restrições e critérios de aceitação. A segunda é revisar saídas, com atenção a testes, segurança, direitos autorais e dados pessoais. A terceira é entender o funcionamento do sistema o suficiente para identificar limites de contexto, custos e permissões. A quarta é comunicar decisões para outras pessoas, em vez de tratar a resposta do modelo como uma autoridade.
Para estudantes e profissionais em início de carreira, a queda de contratações júnior não deve ser lida como motivo para abandonar a área. Ela indica que tarefas básicas podem ser automatizadas e que portfólios precisam demonstrar raciocínio, depuração, documentação e capacidade de trabalhar com ferramentas. Saber explicar por que uma solução falha pode se tornar mais valioso do que apenas produzir a primeira versão dela.
Uma mudança de organização, não só de ferramenta
A notícia do TechCrunch é relevante porque mostra a IA em um ambiente que conhece profundamente a tecnologia. Mesmo ali, a adoção não elimina a necessidade de pessoas, reuniões e responsabilidade. Ela desloca o trabalho para camadas de supervisão, integração e decisão. Empresas brasileiras que estão começando a usar agentes podem aproveitar essa experiência para criar métricas mais honestas, treinar equipes e evitar a fantasia de que cada modelo funcionando equivale a um funcionário autônomo.
O relatório também deixa uma pergunta aberta: se a entrada no mercado fica mais difícil e as equipes dependem de mais julgamento, como formar profissionais capazes de assumir responsabilidades maiores? A resposta passa por educação prática, mentoria e tarefas que permitam aprender com revisão humana. O futuro do trabalho com IA não será medido apenas pela quantidade de automações, mas pela qualidade das escolhas feitas depois que a automação termina.
Fonte original: TechCrunch, Anthropic says its workforce has become less junior and is spending more time in meetings.
