Download E-mail Enviar Há quase dois mil anos, o filósofo romano Sêneca, um dos grandes mestres do estoicismo, escreveu em sua obra-prima “Sobre a Brevidade da Vida”: “Não é que tenhamos pouco tempo de vida, mas que desperdiçamos muito dele… A vida é suficientemente longa, e nos foi dada com generosidade de sobra para realizar as maiores coisas, se a empregássemos bem.”
Essa constatação milenar parece escrita para a nossa época, em que a promessa da Inteligência Artificial é, no fundo, a de que a máquina assumiria o trabalho repetitivo e nos devolveria nosso tempo. Pouco mais de três anos depois da popularização das ferramentas generativas, vale perguntar se a promessa foi cumprida, e por quê, para tanta gente, o que chegou no lugar do tempo livre foi uma sensação profunda de esgotamento. A lei econômica mais atual do que nunca A resposta talvez não esteja na tecnologia, mas em um padrão identificado há mais de um século e meio. Em 1865, na Inglaterra vitoriana, o economista britânico William Stanley Jevons observou algo contraintuitivo: à medida que as máquinas a vapor ficavam mais eficientes no uso do carvão, o consumo de carvão não caía, como seria o raciocínio mais lógico, mas subia. Estabeleceu-se assim o paradoxo de Jevons: quando um recurso se torna mais barato e mais eficiente, não o usamos menos. Usamos muito mais. Volte para os dias de hoje: o nosso “carvão” agora é a cognição. A IA tornou mais barato escrever, analisar, programar, resumir, e, pela lógica de Jevons, o resultado não seria menos trabalho cognitivo, mas uma explosão dele. É exatamente o que se vê: a unidade que mede esse consumo de IA, o token, o fragmento de texto que os modelos processam e cobram (uma espécie de taxímetro do pensamento das máquinas), está explodindo em consumo. Quando “usar mais IA” virou status Surgiu até um termo para isso: tokenmaxxing, a prática de maximizar o consumo de tokens como se o volume fosse, em si, prova de produtividade. No início de 2026, veio à tona que a Meta mantinha um ranking interno, apelidado de “Claudeonomics”, que classificava funcionários pelo volume de tokens consumidos; o usuário no topo teria usado 281 bilhões de tokens em um único mês, recebendo títulos como “Token Legend”. OpenAI e Shopify mantinham práticas semelhantes. Usar mais IA, de forma visível, virou maneira de ostentar dedicação no trabalho. Mas a pergunta incômoda é: mais tokens significam mais valor? A própria onda de tokenmaxxing começou a sofrer um contragolpe quando líderes de tecnologia perceberam que consumo não é desfecho, e que agentes rodando em círculos, prompts inflados e modelos caros para tarefas triviais geram muita atividade e pouco resultado. A métrica media o esforço da máquina, não o que ela entregava. Há ainda um custo mais sutil, que recai sobre o humano. Um estudo da Microsoft Research com a Carnegie Mellon University, apresentado na conferência CHI de 2025, ouviu 319 profissionais do conhecimento e analisou 936 usos reais de IA. A conclusão desafia a intuição: a IA não eliminou o trabalho cognitivo, apenas o deslocou. O esforço migrou da produção para a verificação, a integração e a supervisão. Antes você escrevia o texto; agora instrui, lê, desconfia, corrige, checa a fonte, ajusta o tom. A atividade mudou; a carga, não, e, em tarefas complexas, muitas vezes aumentou. Quando a conta chega Por que, então, o tokenmaxxing fracassou? Por duas razões. A primeira é óbvia, e foi a que o presidente e COO da Uber, Andrew Macdonald, apontou em uma entrevista recente. Falando sobre os bilhões de dólares que as empresas gastam em IA e o impacto concreto no negócio, ele disse: “essa ligação ainda não existe”, ainda mais depois que os funcionários perceberam que dava para burlar a métrica. A segunda razão é menos óbvia, e nos leva de volta a Jevons e ao carvão. Mesmo com o preço por token caindo, o gasto total continua subindo, porque tokens mais baratos simplesmente liberam muito mais uso. Desde o início de 2022, o número de tokens processados por trimestre aumentou cerca de 17 mil vezes, segundo dados do Exponential View, um crescimento de ordens de magnitude mais íngreme que a Lei de Moore. E os agentes de IA jogam lenha na fogueira: transformam um único pedido humano em dezenas de passos autônomos rodando em segundo plano. E aqui aterrissamos de novo em Sêneca. Para nos sentirmos ocupados, preenchemos o tempo que a IA nos devolve com ainda mais atividade, e, com isso, gastamos cada vez mais. Até o ponto em que Arvind Jain, CEO da empresa de IA corporativa Glean, foi à CNBC e disse que era a primeira vez em que se lembrava de uma tecnologia custar o mesmo que as pessoas. Diante disso, a Meta tirou o ranking do ar. A Microsoft cancelou assinaturas do Claude Code em várias divisões de produto, segundo o The Verge. A Uber queimou todo o seu “orçamento de tokens” de 2026 nos primeiros quatro meses do ano, em boa parte com o Claude Code. E o CEO da Salesforce, Marc Benioff, afirmou que só a conta da empresa com a Anthropic deve chegar a cerca de US$ 300 milhões neste ano. O tokenmaxxing não saiu barato. Mas o custo mais alto do tokenmaxxing não é financeiro, é humano. O tempo reconquistado é imediatamente preenchido, e a conta aparece na saúde de quem usa a IA. O relatório Workforce State of Mind 2026, da Headspace, baseado em pesquisa da YouGov com 724 trabalhadores, encontrou 92% deles vivendo o que os pesquisadores chamam de “tensão crônica”, não o colapso agudo do burnout, mas um peso mental que nunca desliga. A adoção de IA aparece como um dos principais motores dessa fadiga de mudança, e 44% admitem que o esgotamento já comprometeu seu próprio julgamento ao usar essas ferramentas. No Brasil, o retrato é ainda mais nítido. O país encerrou 2025 com mais de 530 mil afastamentos do trabalho por transtornos mentais, recorde da série histórica do Ministério da Previdência Social. Mais especificamente, os afastamentos por burnout cresceram 823% nos últimos quatro anos no Brasil. Não é coincidência que quatro anos atrás, justamente, se popularizou a IA generativa com a chegada do ChatGPT. A tese, então, se inverte. A IA não está nos devolvendo tempo; o paradoxo de Jevons faz com que cada gota de eficiência seja convertida em mais demanda. E o volume, de tokens, de texto, de output, morreu como sinal de valor. A virada: seletividade como vantagem competitiva É assim que a habilidade rara do futuro também se inverte. Não será produzir mais com a IA, qualquer um fará isso, e em excesso. Será a seletividade: decidir o que não fazer, o que não automatizar, o que não gerar. Num mundo de abundância cognitiva infinita, o recurso escasso volta a ser o discernimento humano sobre onde vale a pena gastar atenção. Para as empresas, isso tem uma implicação concreta e quase herética em 2026: parar de medir a adoção de IA pelo consumo e passar a medi-la pelo impacto. Não quantos tokens um time queimou, mas quantos problemas resolveu; não quanto conteúdo produziu, mas quanto do que produziu de fato importou. É, aliás, a mesma correção que os próprios líderes de tecnologia começam a fazer ao abandonar os rankings de tokens. O sinal de maturidade não é o gráfico de consumo subindo, mas sim a coragem de deixá-lo cair. O post Por que (até agora) a IA não tem devolvido tempo, mas exaustão apareceu primeiro em MIT Technology Review - Brasil.