A Anthropic divulgou um relatório detalhando como grandes modelos de linguagem estão sendo utilizados por organizações e indivíduos. A análise abrangeu um milhão de interações de consumidores no Claude.ai e um milhão de chamadas de API empresariais, todas datadas de novembro de 2025. Os dados foram coletados a partir de observações diretas, sem recorrer a amostras de tomadores de decisão ou pesquisas genéricas.
O uso da IA da Anthropic concentra-se em um número limitado de tarefas, com as dez mais comuns representando quase um quarto das interações de consumidores e um terço do tráfego de API empresarial. A criação e modificação de código são as principais aplicações, indicando que o valor do modelo está fortemente associado a essas funções específicas. Isso sugere que implementações amplas de IA podem não ser tão eficazes quanto aquelas focadas em tarefas comprovadamente eficientes.
No âmbito do consumidor, a colaboração, onde os usuários interagem com a IA em conversas virtuais, é mais prevalente do que a automação de fluxos de trabalho. Já nas empresas, a automação é mais comum, visando economia de custos. No entanto, a eficácia da automação diminui em tarefas mais complexas, que requerem maior tempo de processamento. Tarefas longas tendem a ter taxas de conclusão mais baixas, a menos que sejam divididas em etapas menores e geridas individualmente.
Embora a IA possa aumentar a produtividade do trabalho em até 1,8% ao ano, o relatório sugere que esse número deve ser ajustado para 1-1,2% devido à necessidade de validação e correção de erros. Os ganhos dependem se a IA complementa ou substitui o trabalho humano, com a complexidade das tarefas sendo um fator crucial. A relação entre a sofisticação das instruções dadas aos modelos de linguagem e o sucesso dos resultados é quase perfeita, destacando a importância do uso adequado da IA.
A implementação de IA é mais eficaz em áreas específicas e bem definidas. Sistemas que combinam IA e interação humana superam a automação total em trabalhos complexos. A confiabilidade e o trabalho adicional necessário em torno da IA reduzem os ganhos de produtividade previstos. As mudanças na composição da força de trabalho dependem da mistura de tarefas e sua complexidade, não de funções específicas.
Slug: uso-ia-sucesso-anthropic
