O planeamento de equipas com IA tem agora de responder a uma pergunta prática: como devem os líderes redesenhar a capacidade, a supervisão e o desenvolvimento de perfis em início de carreira quando os agentes conseguem produzir muito mais trabalho do que as pessoas conseguem rever razoavelmente? O estudo interno da Anthropic é um caso operacional útil, não uma previsão para todas as empresas. Mostra porque é que medir apenas a atividade dos agentes não chega. Os responsáveis de operações têm de ligar a produção a qualidade verificada, valor de negócio, risco e saúde do pipeline de talento.

O que mostram os dados internos da Anthropic

No seu relatório de 16 de outubro de 2026, a Anthropic analisou como a sua própria equipa utilizava agentes de IA. Em agosto, as horas de agentes interativos superavam as horas dos colaboradores numa proporção de seis para um. A empresa registou maior produção em código, vendas, contratos e faturas à medida que o uso de agentes se alargava ao trabalho técnico e não técnico.

Esta proporção é impressionante, mas não significa que os agentes tenham substituído seis pessoas por cada colaborador. Horas de agentes e horas de colaboradores são unidades de atividade diferentes. Um agente pode trabalhar depressa, em paralelo ou durante muito tempo e, ainda assim, produzir material que precisa de juízo humano. O volume produzido também não é o mesmo que produção útil, rentável ou segura. Uma minuta de contrato, uma análise de vendas ou uma alteração de código gerada só cria valor quando é exata, relevante e aceite num fluxo real.

A carga de revisão torna esta distinção concreta. A Anthropic estimou que rever toda a produção dos agentes ocuparia cerca de metade da semana de trabalho do pessoal não técnico. Isso muda a restrição. Quando produzir se torna barato e abundante, a atenção pode tornar-se o recurso escasso. As equipas podem criar mais rascunhos, análises e ações do que os gestores ou especialistas conseguem verificar com responsabilidade.

O relatório identifica também uma mudança na composição da equipa técnica da Anthropic. A percentagem de colaboradores técnicos juniores desceu de 21% para 14% desde o início de 2025, enquanto a percentagem de juniores nas contratações técnicas desceu de 27% para 9%. A Anthropic afirma que a contratação técnica continuou a crescer em termos absolutos. Os dados apoiam, portanto, uma mudança de composição numa empresa, e não uma contração geral do emprego técnico.

Transformar a capacidade dos agentes num plano operacional

Um bom plano começa pela procura, não pelo acesso a ferramentas. Identifique o trabalho que a organização tem de concluir, os níveis de serviço que tem de manter e as decisões que continuam a ser responsabilidade de pessoas. Depois decida onde os agentes podem aumentar a capacidade sem enfraquecer o controlo. Isto evita um erro comum: acrescentar automação a todas as tarefas disponíveis e descobrir mais tarde que filas de revisão, exceções e responsabilidades pouco claras se tornaram os novos estrangulamentos.

Os responsáveis de operações podem seguir esta sequência simples:

• Mapear o trabalho por resultado. Agrupe as tarefas em torno de resultados de clientes, receitas, conformidade ou entrega, em vez de funcionalidades de software.

• Classificar o risco e a reversibilidade. Aplique controlos mais leves ao trabalho de baixo risco e fácil de reverter, e exija uma revisão mais rigorosa para decisões jurídicas, financeiras, de segurança ou voltadas para o cliente.

• Definir um orçamento de revisão. Estime quanta atenção humana qualificada cada fluxo precisa e limite a produção automatizada quando essa capacidade se esgotar.

• Atribuir responsáveis concretos. Torne uma função responsável pelos critérios de aprovação, exceções, incidentes e alterações ao fluxo.

• Medir o valor aceite. Acompanhe resultados utilizáveis, tempo de ciclo, taxas de erro, retrabalho e resultados de negócio alcançados, não apenas prompts, tokens ou horas de agentes.

• Proteger o desenvolvimento de competências. Reserve trabalho através do qual os juniores aprendem contexto, juízo e revisão, mesmo quando um agente poderia produzir um primeiro rascunho mais depressa.

O orçamento de revisão merece a mesma disciplina que a massa salarial ou a capacidade de infraestrutura. Se um fluxo consegue gerar 500 itens, mas os revisores qualificados só conseguem avaliar 100, a capacidade prática está mais próxima de 100. A amostragem pode ser adequada para resultados repetitivos e de baixo risco, mas o método de amostragem e as regras de escalonamento devem ser definidos antes de aumentar o volume. Resultados de alto risco podem exigir revisão completa, verificações independentes ou limites à ação autónoma.

As métricas devem acompanhar o trabalho desde a geração até ao resultado. No código, as alterações aceites e os defeitos em produção importam mais do que as linhas geradas. Nas vendas, as oportunidades úteis e a qualidade da conversão importam mais do que as mensagens redigidas. Em contratos e faturas, a precisão, as taxas de exceção, o tempo de resposta e as perdas evitadas são sinais mais fortes do que o número de documentos. É assim que o trabalho operacional com IA se mantém ligado ao desempenho do negócio e não a um teatro de atividade.

Planear funções, contratação e controlos em conjunto

O desenho das equipas não deve tratar o número de pessoas, os agentes e a governação como planos separados. Cada fluxo precisa de um modelo de capacidade que inclua a execução dos agentes, a revisão humana, o tratamento de exceções, a manutenção e a formação. Deve também incluir cenários de falha. Um agente que acelera o trabalho normal, mas gera uma vaga de exceções difíceis, pode apenas deslocar o custo em vez de o eliminar.

Os números sobre juniores no estudo da Anthropic merecem atenção, porque o trabalho de entrada serve muitas vezes dois propósitos: concluir as tarefas de hoje e construir a experiência de amanhã. Se os agentes absorverem a redação, a depuração, a pesquisa ou a análise de rotina, as funções júnior podem perder a repetição através da qual as pessoas aprendem. Retirar esse trabalho sem desenhar uma alternativa pode enfraquecer a sucessão, a mobilidade interna e a futura oferta de revisores.

Uma resposta melhor é redesenhar as funções júnior em torno do juízo supervisionado. As pessoas podem comparar resultados de agentes, investigar exceções, testar pressupostos, documentar decisões e rodar por contextos de clientes ou operacionais. Os gestores devem definir como é a competência em cada nível e verificar se os colaboradores praticam o suficiente para progredir. O objetivo não é preservar indefinidamente trabalho de baixo valor, mas sim a aprendizagem contida no trabalho útil.

Os líderes devem ser cautelosos com conclusões causais. O estudo da Anthropic baseia-se em dados internos e 17 entrevistas, e refere que a adoção de ferramentas não foi aleatória. Equipas e pessoas que usaram agentes podem diferir das que não usaram de formas que também afetam a produção e a contratação. O relatório pode orientar hipóteses e controlos, mas não prova que a adoção de agentes tenha causado, por si só, cada mudança observada.

Para efeitos de planeamento, use cenários em vez de um único pressuposto de produtividade. Um cenário conservador pode assumir ganhos modestos na produção aceite e grandes necessidades de revisão. Um cenário central pode refletir melhorias observadas em fluxos selecionados. Um cenário de alta capacidade pode testar o que acontece quando a produção dos agentes cresce mais depressa do que a supervisão. Para cada cenário, especifique necessidades de contratação, capacidade de revisão, custos de controlo e os indicadores que desencadeariam uma mudança. Reveja o modelo à medida que surgem mais dados.

O que deve medir o planeamento de equipas com IA?

Meça a capacidade no ponto do trabalho aceite e valioso. Um bom painel de indicadores combina tempo de ciclo, qualidade, retrabalho, exceções, incidentes e resultados de negócio com as horas humanas necessárias para revisão. Acrescente indicadores de pessoas, como contratações por nível, progressão, aquisição de competências e amplitude de supervisão dos gestores. Assim, os compromissos tornam-se visíveis. Produzir mais depressa pode valer a pena, mas não se os defeitos, os atrasos de revisão ou as lacunas de competências crescerem mais depressa.

O estudo da Anthropic aplica-se a todas as empresas?

Não. Descreve uma empresa de IA com a sua própria equipa, ferramentas e padrões de adoção. As conclusões são um convite a testar fluxos locais, não referências universais. Os líderes devem realizar pilotos controlados, comparar resultados aceites com uma referência inicial e analisar quem adota as ferramentas. Escale apenas quando o valor, a capacidade de controlo e o desenvolvimento dos colaboradores se mantiverem credíveis em conjunto.