# O que é mesmo automatizado, e como saber de antemão

> Que partes do meu trabalho é que a IA leva mesmo, e como posso saber de antemão?

Página: https://flyvolo.ai/pt/notes/what-actually-gets-automated
Publicado: 2026-09-13

Não a dificuldade da tarefa. Não quão bem paga ela é. A propriedade que prevê se uma tarefa se moveu é se algo que não é um ser humano consegue dizer «isso está errado, tenta outra vez», e dizê-lo mil vezes durante a noite sem se cansar.

## O que este artigo não estabelece

A propriedade do árbitro automático explica que tarefas se moveram nos casos que temos; não é uma lei e não prevê. Dois dos registos mais fortes aqui presentes são empresas a publicar sobre a sua própria engenharia, com as suas próprias estimativas do que teria acontecido de outro modo, que ninguém de fora verificou. Nada disto estabelece que alguém tenha perdido um emprego: nenhuma das implementações relata uma alteração de efetivos, e nós também não o fazemos. E o facto de hoje uma tarefa não ter árbitro automático não é segurança: significa que as ferramentas atuais não têm uma forma barata de iterar sobre ela, o que é uma afirmação sobre as ferramentas.

## Duas empresas, duas camadas da pilha, a mesma maquinaria

A Airbnb publicou o relato da migração de quase 3.500 ficheiros de testes de componentes React de um enquadramento de testes para outro: seis semanas contra uma estimativa à mão de um ano e meio, com 75% dos ficheiros resolvidos na primeira leva massiva de quatro horas. A Amazon publicou que moveu dezenas de milhares das suas próprias aplicações Java em produção para uma versão mais recente de Java, estimando o equivalente manual em mais de 4.500 anos de trabalho de desenvolvimento.

Nenhum dos dois é sobre escrever software novo. Os dois são sobre mudar software que já existe e que tem de continuar a funcionar. E os dois resultaram por uma razão que cada empresa enuncia sem rodeios: cada passo do trabalho tem um árbitro automático. O compilador rejeita o que não vai compilar; a bateria de testes apanha a maior parte do que compila e está errado; o analisador de estilo e o verificador de tipos apanham o resto. A Airbnb modelou a migração como uma máquina de estados em que um ficheiro só avança quando passa a verificação anterior, e depois simplesmente tentou de novo: a maioria dos ficheiros acabou em menos de dez tentativas.

É esse todo o truque, e merece ser dito por palavras simples: o modelo não era melhor do que uma pessoa nisto. Foi-lhe permitido errar, barato, milhares de vezes, sem ninguém a ver. Um engenheiro humano não pode errar cem vezes no mesmo ficheiro. Um ciclo pode.

Baseia-se em:
- A Airbnb comunica ter migrado quase 3.500 ficheiros de teste de componentes React do Enzyme para a React Testing Library em seis semanas, contra uma estimativa manual de ano e meio — https://flyvolo.ai/pt/changes/ev-20250314-frontend-developer-1 (fonte: https://medium.com/airbnb-engineering/accelerating-large-scale-test-migration-with-llms-9565c208023b)
- A Amazon diz ter movido dezenas de milhares das suas próprias aplicações Java de produção de Java 8 ou 11 para Java 17 com um agente, e estima o equivalente manual em mais de 4.500 anos de trabalho de desenvolvimento — https://flyvolo.ai/pt/changes/ev-20240801-backend-developer-1 (fonte: https://aws.amazon.com/blogs/devops/amazon-q-developer-just-reached-a-260-million-dollar-milestone/)

## A Airbnb publicou também o teto, que é a coisa mais rara

Três por cento dos ficheiros não foram. A cada um deles tinha sido tentado de novo entre cinquenta e cem vezes antes de a equipa parar e os acabar à mão. Esse número serve mais do que os 97% que tem por cima, porque é uma medição da parte a que a automatização não conseguiu chegar nem sequer quando tentar de novo era quase de graça.

Repara além disso no que a equipa diz que fez a diferença nos ficheiros difíceis: não uma melhor formulação da indicação, mas escolher que ficheiros relacionados pôr à frente do modelo, até cinquenta deles, com indicações a chegar a cem mil unidades de texto. A entrada escassa era saber que partes da base de código eram relevantes. Isso é um juízo sobre o código de uma empresa em concreto, e foi feito pelas pessoas que lá trabalham.

Baseia-se em:
- A Airbnb comunica ter migrado quase 3.500 ficheiros de teste de componentes React do Enzyme para a React Testing Library em seis semanas, contra uma estimativa manual de ano e meio — https://flyvolo.ai/pt/changes/ev-20250314-frontend-developer-1 (fonte: https://medium.com/airbnb-engineering/accelerating-large-scale-test-migration-with-llms-9565c208023b)

## O caso inverso: tira o árbitro e a direção inverte-se

Um ensaio controlado aleatorizado feito pela METR deu a dezasseis mantenedores experientes de código aberto 246 problemas reais em bases de código que eles conheciam bem. Com ferramentas de 2025 ficaram 19% mais lentos. Acreditavam que tinham ido 20% mais rápidos. A mesma tecnologia, aplicada a um trabalho em que a resposta certa não é verificável mecanicamente e quem programa já tem o contexto, moveu o número na outra direção, e moveu a perceção dessas pessoas na direção contrária à medição.

Essa última parte é a razão por que neste sítio aquilo que alguém declara sobre si próprio não é prova. As pessoas do ensaio tinham experiência, tinham motivação, e enganavam-se sobre a própria velocidade em cerca de quarenta pontos percentuais.

Baseia-se em:
- Um ensaio aleatorizado da METR com 16 programadores experientes de código aberto sobre 246 problemas reais concluiu que demoraram 19% mais com ferramentas de IA do início de 2025, enquanto acreditavam ter sido 20% mais rápidos — https://flyvolo.ai/pt/changes/ev-20250710-junior-software-developer-2 (fonte: https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/)

## Quatro referenciais dizem o mesmo a partir do outro lado

O Spider 2.0 coloca perguntas de dados de empresa sobre armazéns reais: mil colunas, vários dialetos de SQL, documentação e um repositório de projeto onde é preciso procurar. Um agente de código resolveu 21,3% delas, contra 91,2% na versão académica da mesma tarefa. O Beaver, construído a partir de registos de consultas de armazéns empresariais reais, deixa um modelo de linguagem sem mais nada em zero onde os referenciais públicos dão entre 80 e 90. Nas 537 perguntas do Finance Agent Benchmark, escritas por especialistas sobre documentos regulamentares recentes, os melhores modelos ficam muito aquém de um analista.

O GDPval, da OpenAI, que recolhe entregáveis reais de 44 profissões e põe especialistas do setor a avaliar às cegas a produção do modelo contra eles, publica o declive sem rodeios: a taxa de vitórias é mais alta nas tarefas de zero a duas horas e desce de forma sustentada à medida que a tarefa se alonga. Quanto mais tempo dura uma tarefa, maior é a parte dela que consiste em decisões que nada consegue verificar antes do fim.

Nenhum destes números diz seja o que for sobre quão inteligente é um modelo. Dizem onde é que o árbitro deixa de funcionar. Quando a resposta certa depende de qual das tabelas desta empresa é a verdadeira, ou de qual de duas definições de uma métrica o negócio usa de facto, ou do que o cliente queria dizer de facto, não há nada que o possa dizer a não ser uma pessoa.

Baseia-se em:
- Em 632 fluxos de trabalho de dados de empresa retirados de armazéns reais, um agente de código resolveu 21,3% — contra 91,2% no benchmark académico anterior, Spider 1.0 — https://flyvolo.ai/pt/changes/ev-20241112-data-engineer-1 (fonte: https://arxiv.org/abs/2411.07763)
- No Beaver, um teste de referência de texto para SQL construído a partir de registos reais de consultas de armazéns de dados de empresas, um LLM simples teve zero e uma montagem agêntica chegou a cerca de 10%, contra 80-90% e mais nos testes públicos — https://flyvolo.ai/pt/changes/ev-20260720-data-analyst-2 (fonte: https://cacm.acm.org/blogcacm/if-you-think-you-can-do-real-world-text-to-sql)
- No Finance Agent Benchmark — 537 perguntas escritas por especialistas sobre documentos recentes entregues à SEC — o melhor modelo, o o3 da OpenAI, chegou a 46,8% de acerto a 3,79 dólares por consulta — https://flyvolo.ai/pt/changes/ev-20250520-financial-analyst-3 (fonte: https://arxiv.org/abs/2508.00828)
- O teste de referência GDPval da OpenAI recolheu entregas reais de agentes de compras e pôs especialistas do setor a classificar às cegas o resultado dos modelos face a elas — https://flyvolo.ai/pt/changes/ev-20251005-procurement-specialist-1 (fonte: https://arxiv.org/pdf/2510.04374)

## O que acontece quando o trabalho sai sem árbitro

Tribunais federais dos Estados Unidos sancionaram advogados por peças construídas sobre citações de acórdãos que não existem: uma multa de 5.000 dólares num caso, a revogação da inscrição noutro. Uma lista de leituras de verão distribuída por sindicação saiu no Chicago Sun-Times e no Philadelphia Inquirer com livros que nunca foram escritos. As legendas em alemão da Crunchyroll para a estreia de um anime continham a frase «o ChatGPT disse…». O Supremo Tribunal da Florida alterou entretanto as suas regras para que assinar uma peça seja em si mesmo uma declaração sobre a autoridade legal nela citada.

Não são falhas engraçadas, são a mesma estrutura dos acertos. Onde o passo de verificação era mecânico, a máquina fê-lo. Onde o passo de verificação era uma pessoa, e se retirou essa pessoa precisamente para poupar a verificação, o erro chegou ao mundo lá fora — e então o árbitro passou a ser um tribunal, uma redação ou um regulador, depois do facto e a um custo muito mais alto.

Baseia-se em:
- Um tribunal federal dos EUA multou dois advogados e a sua sociedade em 5.000 dólares por uma peça que citava seis acórdãos inexistentes gerados pelo ChatGPT, notando que usar uma ferramenta de IA fiável não é em si indevido — https://flyvolo.ai/pt/changes/ev-20230622-lawyer-1 (fonte: https://www.courtlistener.com/docket/63107798/54/mata-v-avianca-inc/)
- Um tribunal federal do Wyoming multou três advogados e revogou a admissão pro hac vice de um deles depois de um requerimento apresentado citar nove acórdãos, oito dos quais não existiam — https://flyvolo.ai/pt/changes/ev-20250224-lawyer-3 (fonte: https://storage.courtlistener.com/recap/gov.uscourts.wyd.64014/gov.uscourts.wyd.64014.181.0_1.pdf)
- O Supremo Tribunal da Florida altera a Regra 2.515(d)(2): assinar uma peça equivale a declarar que as fontes jurídicas citadas existem e estão corretas, com sanções possíveis, com efeitos a 15 de junho de 2026 — https://flyvolo.ai/pt/changes/ev-20260528-lawyer-2 (fonte: https://flcourts-media.flcourts.gov/content/download/2489374/opinion/Opinion_SC2026-0673.pdf)
- O Chicago Sun-Times e o Philadelphia Inquirer publicaram uma lista sindicada de leituras de verão com livros que não existem; o jornal disse que o colaborador usou uma ferramenta de IA e que a secção não foi revista — https://flyvolo.ai/pt/changes/ev-20250518-journalist-1 (fonte: https://www.nbcnews.com/tech/tech-news/chicago-sun-admits-summer-book-guide-included-fake-ai-generated-titles-rcna208325)
- As legendas em alemão da Crunchyroll para a estreia de um anime continham a frase «o ChatGPT disse…»; a empresa afirmou que um fornecedor externo tinha usado legendas geradas por IA em violação do contrato — https://flyvolo.ai/pt/changes/ev-20250701-translator-2 (fonte: https://www.engadget.com/entertainment/streaming/crunchyroll-blames-third-party-vendor-for-ai-subtitle-mess-145621606.html)

## No trabalho físico, o que é delimitado e repetido vai primeiro

A mesma forma aparece fora do software. O corte da relva é a única tarefa de espaços verdes em que as máquinas são agora usadas em escala: o conselho nacional de parques de Singapura diz que as empresas de jardinagem pouparam 80% das horas de trabalho depois de passarem para corta-relvas robóticos autónomos, e o conselho de Nashville contratou corta-relvas robóticos para os seus parques. Um relvado tem limites que se podem indicar a uma máquina e um resultado que qualquer pessoa vê. As bebidas feitas num posto fixo são o caso seguinte: na Coreia do Sul funcionam comercialmente cafés com baristas robô, e um estudo com 300 dos seus clientes concluiu que o ambiente e a novidade os atraíam. Cortar o cabelo é o contrário: cada cabeça é diferente e só uma pessoa diz se o corte está certo, e os robôs encontrados apenas penteiam e dão forma ao cabelo, um deles em perucas.

Baseia-se em:
- Empresas de paisagismo registaram 80% de poupança em horas-homem depois de passarem para corta-relvas robóticos autónomos, disse o conselho nacional de parques de Singapura — https://flyvolo.ai/pt/changes/ev-20230329-landscaper-1 (fonte: https://www.nparks.gov.sg/news/news-detail/nparks-rolls-out-new-model-of-greenery-management-for-parks-and-streetscape-that-leverages-suite-of-digital-tools-developed-with-landscape-industry)
- Corta-relvas robóticos alugados para o seu departamento de parques foram aprovados pelo conselho de Nashville num contrato de cinco anos com um valor estimado de 2.000.000 dólares — https://flyvolo.ai/pt/changes/ev-20250218-landscaper-2 (fonte: https://webapi.legistar.com/v1/nashville/matters/18569)
- Os clientes de cafetarias com robôs baristas na Coreia do Sul foram atraídos pelo ambiente e pela novidade, concluiu um inquérito a 300 visitantes de quatro cadeias em funcionamento — https://flyvolo.ai/pt/changes/ev-20211031-bartender-4 (fonte: https://doi.org/10.1007/s11628-021-00467-4)
- Um sistema robótico de penteado treinado em simulação transferiu a competência para perucas, relataram investigadores, que consideram o cuidado do cabelo difícil para robôs por causa da sua estrutura fina — https://flyvolo.ai/pt/changes/ev-20251007-hairdresser-3 (fonte: https://arxiv.org/abs/2510.06199)

## Nos ofícios da construção, quem se mexe primeiro é a fábrica

Na carpintaria, o trabalho que sai da obra vai para as fábricas, não para robôs na obra. A Agência Florestal do Japão indica que 94 % das casas de estrutura de pilares e vigas usaram em 2024 ligações pré-cortadas em fábrica, e o instituto de estatística da Alemanha conta como pré-fabricadas em fábrica 22,2 % das habitações concluídas em 2024. A automação dentro da fábrica também não é garantia: a Katerra, cuja fábrica tinha linhas de estruturas de madeira altamente automatizadas, declarou cerca de 2,78 mil milhões de dólares de prejuízos antes de pedir a insolvência.

Baseia-se em:
- O pré-corte em fábrica chegou a 94 por cento das casas de madeira de pilar e viga em 2024, relatou a Agência Florestal do Japão no seu livro branco — https://flyvolo.ai/pt/changes/ev-20260602-carpenter-2 (fonte: https://www.rinya.maff.go.jp/j/kikaku/hakusyo/r7hakusyo/attach/pdf/zenbun-19.pdf)
- As casas construídas em fábrica representaram 22,2 por cento dos edifícios residenciais concluídos na Alemanha em 2024, relatou o serviço federal de estatística — https://flyvolo.ai/pt/changes/ev-20250728-carpenter-4 (fonte: https://www.destatis.de/DE/Presse/Pressemitteilungen/2025/07/PD25_N039_31.html)
- Uma fábrica com linhas altamente automatizadas de paredes de estrutura de madeira e de asnas pertencia a um construtor que perdeu cerca de 2,78 mil milhões de dólares e pediu a falência, declarou a Katerra em tribunal — https://flyvolo.ai/pt/changes/ev-20210607-carpenter-6 (fonte: https://storage.courtlistener.com/recap/gov.uscourts.txsb.450026/gov.uscourts.txsb.450026.37.0.pdf)

## O que fazer com isto na segunda-feira

Pega na tua própria lista de pendentes e marca em cada ponto o que te diria que está terminado: um visto verde que aparece sem ti, ou uma pessoa a olhar para aquilo. A primeira lista é a que está prestes a ficar mais barata, seja qual for o teu setor. Saber que tamanho tem essa lista dentro do teu próprio trabalho vale mais do que qualquer percentagem publicada, e mais ninguém a pode calcular por ti.

Depois olha para a segunda lista e faz uma pergunta mais incómoda: a verificação que fazes é visível para quem decide o teu orçamento? O padrão que se repete nestes registos é que o passo de revisão é a primeira coisa a ser cortada, porque não produz nenhum entregável — e a sua ausência só se nota dois trimestres depois.

Mais: https://flyvolo.ai/llms.txt