Machine learning melhora produtividade, mas evidências são incertas
São Paulo — InkDesign News —
A crescente integração de machine learning (aprendizado de máquina) nas práticas diárias das empresas levanta questões sobre seu impacto real na produtividade. Pesquisas recentes indicam que o papel da AI pode ser mais complexo do que se imaginava.
Contexto da pesquisa
Com a produtividade do trabalho na Austrália atingindo o menor índice em 60 anos, o governo iniciou discussões sobre como a inteligência artificial pode melhorar essa situação. O primeiro-ministro Anthony Albanese anunciou uma mesa-redonda sobre produtividade para explorar esses caminhos.
Método proposto
A pesquisa envolvendo AI geralmente utiliza métodos como Redes Neurais Convolucionais (CNN) e Processamento de Linguagem Natural (NLP) para analisar dados e prever parâmetros de produtividade. Por exemplo, um estudo realizado em 2025 com 776 profissionais da Procter & Gamble indicou que “indivíduos aleatoriamente designados para usar AI tiveram desempenho equivalente a uma equipe de duas pessoas sem suporte de AI” (“individuals randomly assigned to use AI performed as well as a team of two without”).
“A eficiência em tarefas com AI se mostrou significativamente superior na maioria dos casos”
(“efficiency in tasks with AI has been significantly superior in most cases”).— Pesquisador, Procter & Gamble
Resultados e impacto
Embora muitos estudos tenham indicado um aumento médio de produtividade, como o aumento de 14% na resolução de problemas por agentes de suporte ao cliente, questionamentos surgem sobre o verdadeiro impacto da AI. Um levantamento com 2.500 profissionais revelou que 77% sentem que a carga de trabalho aumentou com a adoção de ferramentas de AI. Para 47%, não estavam certos de como desbloquear os benefícios de produtividade da tecnologia.
Os dados atuais mostram que a AI gera benefícios, mas também traz desafios, como a necessidade de verificar e corrigir saídas, além do custo associado ao treinamento da tecnologia. Enquanto as empresas exploram formas de integrar AI nas suas operações, a necessidade de uma infraestrutura robusta e skills adequados se torna evidente.
Os próximos passos envolvem não apenas a otimização de tarefas rotineiras, mas a exploração de como a AI pode tornar os processos mais criativos e inovadores no futuro.
Fonte: (TechXplore – Machine Learning & AI)
