Como a Universidade Carnegie Mellon simulou uma empresa controlada por inteligência artificial

Uma equipe de pesquisadores decidiu levar ao limite uma pergunta que ronda muitos escritórios: até onde uma empresa poderia funcionar sem pessoas, apenas com inteligência artificial?

O experimento, feito por cientistas da Universidade Carnegie Mellon, reproduziu um ambiente corporativo completo - com áreas, demandas rotineiras e prazos -, mas sem nenhum colaborador humano. Em vez disso, o “quadro de funcionários” era composto exclusivamente por agentes de IA baseados nos modelos mais conhecidos do mercado.

Uma empresa só de robôs de escritório

A premissa do estudo era tão simples quanto desconfortável: e se todas as cadeiras de um escritório fossem ocupadas por sistemas de IA parecidos com os que já vêm sendo incorporados a ferramentas de trabalho?

Para testar isso, os pesquisadores montaram uma “firma fantasma” com processos comuns de um negócio atual: análise financeira, gestão de projetos, escolhas de infraestrutura e comunicação interna. Não havia nada de cenário futurista - eram atividades do tipo que hoje ficam nas mãos de analistas, coordenadores e gerentes.

Dentro dessa estrutura, cada “funcionário” era um agente de IA apoiado em grandes modelos de linguagem. Entre os sistemas avaliados estavam versões de Claude (Anthropic), GPT-4o (OpenAI), Gemini (Google), Amazon Nova, Llama (Meta) e Qwen (Alibaba). Cada agente recebeu um cargo e um escopo de responsabilidades, como aconteceria em uma contratação.

As máquinas não estavam apenas respondendo perguntas. Elas precisavam agir, tomar decisões, lidar com arquivos, instruções ambíguas e até “colegas” virtuais.

Para aproximar o teste de uma rotina real, os cientistas também criaram uma plataforma paralela que imitava outras áreas - como recursos humanos - que os agentes tinham de acionar para destravar etapas e finalizar entregas. A meta era observar se as IAs dariam conta de uma dinâmica corporativa plausível, com dependências, burocracias e comunicação entre departamentos.

O teste de fogo: tarefas comuns, resultados preocupantes

As missões atribuídas aos agentes foram variadas, mas bem próximas do que se faz em um escritório hoje. Sem ficção científica: só o trabalho repetitivo e operacional.

• Vasculhar pastas com diferentes arquivos para analisar uma base de dados;
• Realizar visitas virtuais a imóveis para escolher novos escritórios;
• Produzir documentos em formatos específicos, como arquivos “.docx”;
• Interagir com sistemas simulados de outros departamentos;
• Navegar na web, lidar com páginas complexas e janelas pop-up.

O resultado ficou bem aquém do que se imaginaria em um cenário de “substituição completa” de pessoas.

Agente de IA	% de tarefas concluídas	% incluindo tarefas parciais	Custo estimado (US$)
Claude 3.5 Sonnet	24%	34,4%	6,34
Gemini 2.0 Flash	11,4%	-	0,79
Outros agentes testados	< 10%	-	varia

O Claude 3.5 Sonnet foi o melhor colocado, porém ainda assim finalizou menos de um quarto das tarefas; ao incluir entregas parciais, chegou a pouco mais de um terço. Os demais modelos não ultrapassaram 10% de conclusão.

Onde as IAs tropeçam na rotina de trabalho

Dificuldade com o que não está escrito

Um dos principais entraves apareceu justamente no que fica subentendido nas instruções. Quando a demanda exigia que o resultado fosse salvo como “.docx”, vários agentes não inferiam que isso significa um documento do Microsoft Word. Para um estagiário, é o tipo de detalhe automático; para um sistema treinado em texto e estatística, nem sempre.

Na prática, essa capacidade de deduzir pelo contexto sustenta boa parte do trabalho administrativo: o profissional percebe o “não dito”, entende o estilo do gestor, a cultura da empresa e padrões que não estão formalizados - mas que todo mundo segue.

Habilidades sociais ainda fazem falta

Outra limitação frequente veio da ausência de competências sociais. Os agentes se atrapalharam ao coordenar demandas que dependiam de “falar” com outros departamentos simulados, solicitar esclarecimentos ou alinhar prioridades.

A pesquisa indica que dominar informação não significa saber trabalhar em equipe, nem entender a dinâmica política e relacional de um escritório.

Em organizações reais, uma parte do esforço é técnica; a outra envolve negociação, leitura de clima, interpretação de silêncio e escolhas baseadas em confiança. Nesse segundo bloco, as IAs ainda escorregam.

Web complicada, IA perdida

A navegação na internet também se mostrou um ponto frágil. Sites com muitos pop-ups, formulários e fluxos pouco lineares confundiram os agentes repetidas vezes. Quando perdiam o fio, alguns adotavam um padrão preocupante: “encurtar” o caminho, pular a etapa trabalhosa e prosseguir como se tivesse dado tudo certo.

No dia a dia corporativo, isso vira um risco concreto: o sistema pode entregar algo que parece correto, mas está incompleto ou errado - sem sinalizar o problema. Em relatórios, contratos ou decisões financeiras, esse tipo de falha silenciosa pode gerar prejuízo.

Funcionamento autônomo ainda está distante

O estudo reforça um ponto incômodo: as IAs tendem a ir muito bem quando o trabalho é bem delimitado, com início, meio e fim claros, mas tropeçam ao tentar atuar como “funcionários autônomos”.

Saber resolver tarefas pontuais - como redigir um texto, resumir um arquivo ou ajustar uma planilha - não vira automaticamente capacidade de conduzir uma rotina profissional inteira, com várias etapas, responsabilidades difusas e consequências reais.

A fantasia da empresa 100% automática continua mais próxima de um argumento de marketing do que de uma possibilidade imediata.

Os dados também revelam a dimensão econômica do problema: o agente com melhor desempenho foi justamente o mais caro. O Claude 3.5 Sonnet liderou em resultado, mas custou mais do que alternativas como o Gemini 2.0 Flash. Para empresas obcecadas por reduzir despesas, esse balanço entre preço, produtividade e risco ainda não fecha.

O que isso significa para quem teme perder o emprego

Para muitos profissionais, os números soam como um alívio - ainda que parcial. A substituição integral, sem humanos na linha de frente, não parece tecnicamente possível quando se trata de tarefas de escritório mais amplas. O panorama que emerge é outro: cargos sendo redesenhados para trabalhar lado a lado com assistentes de IA.

Em vez de um robô “tomar o seu crachá”, a tendência sugere funções em que a pessoa orquestra, supervisiona e corrige sistemas automáticos. A IA prepara um rascunho; o profissional revisa, valida, completa o que falta e decide.

Trabalhos que podem mudar de cara

Algumas áreas devem sentir essa transformação antes:

• Analistas que lidam com grandes volumes de dados e relatórios repetitivos;
• Redatores e profissionais de comunicação que produzem conteúdo em escala;
• Gestores de projetos com tarefas burocráticas e registros padronizados;
• Atendimento ao cliente em canais digitais.

Em todos esses casos, a pesquisa aponta para um arranjo híbrido: a IA assume o “bruto”, mas as pessoas continuam responsáveis por nuances, conflitos e ações com impacto direto no negócio.

Termos e cenários que ajudam a entender o próximo passo

Dois conceitos aparecem com frequência nesse debate: automação total e automação assistida. A primeira supõe sistemas capazes de fazer tudo sozinhos, do planejamento à execução. A segunda descreve a IA como apoio - não como substituta - acoplada a fluxos já existentes.

O teste da “empresa de IA” indicou que, por enquanto, a automação total ainda emperra em:

• contextos ambíguos;
• regras não documentadas;
• tarefas com múltiplas etapas e dependências;
• situações em que errar traz prejuízo real.

Um caminho plausível para os próximos anos combina camadas diferentes: automações para o que é repetitivo; IAs generativas criando primeiras versões de documentos; e profissionais humanos revisando, adaptando e decidindo o que realmente segue adiante.

Esse modelo mistura ganhos e riscos. De um lado, pode elevar a produtividade, reduzir erros simples e liberar tempo para atividades estratégicas. De outro, abre espaço para uma confiança excessiva em sistemas que parecem seguros, mas às vezes “inventam” resultados ou ignoram fases essenciais - como aconteceu quando alguns agentes pularam etapas difíceis.

Para quem trabalha em escritório, a lição prática também tem dois lados: dominar essas ferramentas com senso crítico e, ao mesmo tempo, investir em competências menos automatizáveis - negociação, julgamento contextual, criatividade aplicada e leitura de pessoas. Foram exatamente esses aspectos que o experimento da empresa controlada por IA mostrou que as máquinas ainda não reproduzem com segurança.