Nunca houve tantas ferramentas de automação. Agentes de IA que conseguem ler sua caixa de entrada, resumir suas reuniões, redigir suas respostas, escrever seu código, organizar sua semana. Todo mês, mais uma onda.
E ainda assim a maioria das pessoas com quem conversamos continua fazendo o mesmo trabalho manual, repetitivo e desgastante que fazia dois anos atrás.
Por quê?
Passamos os últimos meses tentando responder a essa pergunta. Sentamos com 22 pessoas de diferentes funções, setores e níveis de habilidade. Cerca de três quartos tinham formação técnica. O restante, não. Aproximadamente metade trabalhava com tecnologia. A outra metade, não.
Perguntamos como era o trabalho delas. O que era difícil. O que elas gostariam de poder mudar.
O que encontramos foram quatro barreiras que aparecem repetidamente, não importa o que a pessoa faça da vida ou quão técnica ela seja. Três delas são pessoais. A quarta é estrutural. Juntas, elas explicam por que a automação, apesar de ser a categoria mais prometida em software por duas décadas, ainda é em grande parte aspiracional para a maioria das pessoas.
São estas.
Barreira 1: você não consegue enxergar o que está quebrado
A primeira coisa que nos surpreendeu: quando perguntávamos às pessoas o que era difícil ou frustrante no trabalho delas, a maioria nos dava queixas vagas e genéricas. "Equilibrar prioridades." "Comunicação." "Estou só ocupado." Nada específico. Nada acionável.
Então tentamos uma pergunta diferente: "Se você pudesse passar uma varinha mágica e consertar uma coisa no seu fluxo de trabalho atual, o que seria?"
De repente, dor vívida. Tarefas específicas. Coisas que elas detestavam. As mesmas pessoas que tinham dado de ombros cinco minutos antes agora tinham três respostas cada uma.
Uma das pessoas que entrevistamos nos disse:
"Pois é, eu estou alinhado. Já tive um monte de conversas. Mas só manter todo mundo a par é uma parte tão tediosa do trabalho."
Outra, descrevendo um processo trimestral:
"Seria com certeza eliminar esse acompanhamento manual. Toma tempo demais. É feito quase todo trimestre. E é tipo o tempo, a semana em que isso é feito, geral, todo mundo odeia."
Uma terceira entrevistada descrevendo uma tarefa recorrente:
"Às vezes recebo um pedido da loja física pedindo para eu alinhar com o estoque online. O pedido é tão... não é padronizado. Às vezes fornecem os IDs de loja corretos. Às vezes o ID da loja tem que ser maiúsculo, mas fornecem em minúsculo. O formato não está certo. Tenho que calibrar manualmente todos os formatos para garantir que estejam corretos, colocar na máquina e clicar no botão."
Nenhuma dessas pessoas tinha pensado nessas tarefas como automatizáveis até fazermos a pergunta certa. Elas vinham fazendo isso por meses ou anos. Aquilo era simplesmente o trabalho.
Isso não é uma falha pessoal. É como a atenção funciona. Tarefas repetitivas se dissolvem no segundo plano. Seu cérebro para de sinalizá-las como dignas de atenção porque são previsíveis. O desconforto de fazê-las vira "segunda-feira".
Você não consegue automatizar o que não consegue nomear. E a maioria das pessoas não consegue nomear o que está quebrado no próprio trabalho sem ajuda.
Essa é a barreira um.
Barreira 2: você não sabe por onde começar
Digamos que você de fato enxergue o que está quebrado. Você sabe exatamente qual tarefa drena a sua semana. Você até tem acesso a ferramentas de IA que provavelmente dariam conta dela.
Mesmo assim, a maioria das pessoas trava.
O problema: possibilidades demais, nenhum ponto de partida específico. Paralisia de decisão aplicada à automação. Quando você pode automatizar qualquer coisa, muitas vezes não automatiza nada.
Uma pessoa nos disse:
"Como você, tipo, direciona a IA para fazer isso? Como você monta a mensagem para a IA fazer isso? Acho que leva tempo aprender a ser mais específico sobre isso."
Ela sabia que a IA era capaz. Só não sabia como apontá-la para o próprio trabalho.
Outro entrevistado colocou de forma mais direta:
"Não acho que fique muito claro pela interface o que mais dá para fazer. Porque quando você só escreve um prompt, eu fico tipo, 'ah, eu tenho que pensar no que eu preciso'. Mas eu não tenho realmente uma opção, né? Não sei o que mais isso consegue fazer. Então até onde eu consigo imaginar o meu problema? Na nossa conversa anterior eu percebi que poderia pedir um relatório de standup no meu e-mail, ou talvez criar uma issue no Linear ou algo assim. Então isso, tipo, não estava claro."
Ele detalhou:
"Talvez se você tivesse, tipo, um menu suspenso ou prompts de exemplo ou modelos que eu pudesse usar, sinto que isso ajudaria, em vez de eu ter que pensar tudo do zero."
Outra queria algo ainda mais específico:
"São tantas. O stack de tecnologia é enorme a esta altura. São tantas possibilidades. Então se alguém pudesse me dizer qual ferramenta eu deveria estar usando, qual seria mais eficiente para cada tarefa que estou fazendo. Tipo, de algum jeito olhar o meu Linear e me dizer que, ei, para esta tarefa você deveria usar isto em vez do Claude Code ou algo assim. Isso seria muito bom."
O que as pessoas precisam não é de mais capacidade. É de um ponto de partida específico. Um exemplo real. Um fluxo de trabalho que alguém parecido com elas construiu, funcionando de ponta a ponta, que elas possam copiar e adaptar.
Essa é uma das razões pelas quais os mesmos cinco fluxos de trabalho são automatizados em todo lugar: briefs matinais, relatórios semanais, triagem de caixa de entrada, notas de standup, resumos de clientes. Não são as melhores automações. São apenas as que têm modelos públicos e pontos de partida óbvios.
Todo o resto continua manual. Não porque não possa ser automatizado, mas porque ninguém mostrou como é "começar".
Essa é a barreira dois.
Barreira 3: o custo de começar é maior que o custo de não começar
Tudo bem, você identificou o trabalho. Você tem um ponto de partida concreto. Agora você de fato precisa configurar tudo.
É aqui que a maioria das pessoas desiste.
Um entrevistado nos contou sobre uma ferramenta de IA que os colegas dele usavam com frequência:
"Eu conheço o OpenClaw, mas nunca testei eu mesmo. Sei que meus colegas estão usando, mas nunca experimentei."
Quando perguntamos por quê, ele disse que a configuração era complexa e demorada demais. Ele nunca nem tinha tentado. O fato de os colegas estarem usando com sucesso não foi suficiente. O custo percebido de ativação era alto o bastante para que ele simplesmente... não fizesse.
Outro foi ainda mais direto sobre o ponto de abandono:
"Acho que pessoalmente seria mais para novos usuários. Porque vai ter um monte de gente vendo essas coisas e querendo experimentar. E quando eles vão lá e jogam aquele NPM install, e aí levam um 'você precisa instalar o Claude também' por cima disso... é aí que acho que muita gente pode simplesmente desistir, nem se dar ao trabalho de continuar."
E por baixo das duas falas está o mesmo cálculo racional. Outro entrevistado colocou de forma direta:
"Quando a gente quer automatizar o fluxo de trabalho, a gente só quer economizar tempo e aumentar a produtividade. A gente não quer gastar tanto tempo com as ferramentas que deveriam melhorar a nossa eficiência."
Isso não é preguiça. É matemática.
O propósito todo da automação é economizar tempo. Mas, para a maioria dos fluxos de trabalho, a configuração leva mais tempo do que simplesmente fazer a tarefa manualmente. Você gasta horas aprendendo a interface, horas conectando gatilhos, horas testando casos extremos, e só depois de tudo isso você começa a economizar tempo. Para tarefas que acontecem semanalmente, o tempo até o retorno é de meses. Para tarefas que acontecem mensal ou trimestralmente, a conta literalmente nunca fecha.
Então as pessoas pulam essa parte.
A experiência passada agrava o problema. As pessoas já testaram ferramentas que prometeram o mundo e entregaram uma configuração de 40 passos. Já gastaram tempo aprendendo interfaces que não compensaram. Então, mesmo quando uma nova ferramenta de fato funciona, a experiência passada as deixa hesitantes em investir.
A maioria das ferramentas de automação assume que você vai gastar uma hora aprendendo antes de obter qualquer valor. Para a maioria das pessoas, especialmente as não técnicas, é aí que a relação termina.
Essa é a barreira três.
Barreira 4: a sua organização não deixa
Aqui está a barreira mais difícil de resolver, e a que mais ouvimos de pessoas que trabalham dentro de organizações maiores.
Mesmo que você enxergue o que está quebrado, saiba exatamente por onde começar e esteja disposto a investir o tempo de configuração, a sua empresa pode não deixar você de fato fazer isso.
Uma pessoa que entrevistamos, que trabalha em uma grande corporação, descreveu como isso aparece na prática:
"Toda ferramenta que usamos precisa ser aprovada pelo cliente ou aprovada internamente. Depois que isso é aprovado e o orçamento é liberado, aí a gente vai lá e compra a ferramenta pessoa por pessoa."
Aprovação. Orçamento. Licença por pessoa. Para cada nova ferramenta. Quando o processo termina, o momento de motivação que fez você querer experimentar já ficou meses no passado.
Mas a versão mais profunda desse problema não é só "não consigo aprovar a ferramenta". É que, mesmo quando você pode usar ferramentas de IA pessoalmente, você não consegue conectá-las aos sistemas onde o seu trabalho de fato vive. A mesma pessoa:
"Eu não consigo conectar o meu ambiente de trabalho com isso. Se eu usar para fim pessoal, não consigo conectar o meu Salesforce. Não consigo conectar o meu Teams. Porque está no notebook do escritório."
Ela tem acesso ao ChatGPT. Ela tem tarefas que adoraria automatizar no Salesforce. Os dois não conseguem ser conectados. A automação que ela quer exige fazer a ponte entre as ferramentas pessoais e os dados de trabalho, e essa ponte é proibida.
Esse não é um problema só de empresa grande. Outro entrevistado nos disse:
"Acho que empresas grandes têm certo grau de preocupação com privacidade. Com certeza temos permissão para usar o ChatGPT. Não temos permissão para usar o Gemini. Não sei por quê. Não sei por quê. Mas é meio que uma escolha da empresa."
"Não sei por quê." Essa frase aparece muito quando você fala com as pessoas sobre as restrições de ferramentas das organizações delas. As escolhas parecem arbitrárias de dentro. Algumas ferramentas aprovadas, outras não, sem lógica clara. Você acaba trabalhando contornando as regras sem entendê-las.
Para muita gente, esse é o muro de verdade. Não "não consigo enxergar o que está quebrado". Não "não sei como automatizar isso". Mas "não tenho permissão para fazer isso".
Essa barreira é mais difícil que as outras porque não é sobre você. É sobre o seu ambiente. E ambientes mudam devagar.
Essa é a barreira quatro.
O que isso significa
Essas quatro barreiras são em camadas. Mesmo que você passe da primeira, esbarra na segunda. Passada a segunda, esbarra na terceira. E mesmo que você fure todas as três, a organização ao seu redor ainda pode te impedir.
Juntas, elas formam um muro que a maioria das pessoas nunca atravessa, mesmo quando sabe exatamente o que quer consertar. É por isso que a automação de fluxos de trabalho, apesar de ser a categoria mais prometida em software por duas décadas, ainda é em grande parte aspiracional.
Achamos que o muro é transponível. Não todo ele, não para todo mundo, mas mais do que as ferramentas atuais supõem. Passamos os últimos meses construindo coisas especificamente para atacar as três primeiras barreiras, e pensando muito em como tornar a automação segura o suficiente para que a quarta se torne menos restritiva com o tempo. Temos opiniões sobre o que funciona. Mas preferimos mostrar a você do que contar.
Então aqui está o que estamos fazendo no lugar disso.
No sábado, 16 de maio, vamos realizar um laboratório prático e gratuito em San Jose. Vamos passar por como identificar o que é automatizável no seu próprio trabalho, por onde começar quando você tem cem opções e como configurar o seu primeiro colega de IA em menos de 15 minutos. Sem programação.
O limite é de 30 pessoas. Confirme presença: https://luma.com/yqpulmgq
Na terça-feira, 20 de maio, faremos um evento parecido em São Francisco. Detalhes e confirmação de presença em breve. Siga @vm0_ai para ser o primeiro a saber.
Se você não conseguir ir a nenhum dos eventos, siga a gente mesmo assim. Vamos documentar o que as pessoas de fato constroem no laboratório. Os fluxos de trabalho, as surpresas, as coisas que não deram certo. Vamos publicar tudo no próximo post. Assim, você terá as respostas práticas de qualquer maneira.
As quatro barreiras acima são reais. Nós ouvimos sobre elas de quase todas as pessoas com quem conversamos. As três primeiras são solucionáveis hoje. A quarta leva mais tempo, mas também é solucionável. Vamos passar as próximas semanas provando isso, nos eventos e no que publicarmos a seguir.
As falas são anonimizadas por função. Amostra das entrevistas: 22 pessoas de software/IA, saúde, artes cênicas, manufatura, consultoria, varejo, biomecânica e organizações sem fins lucrativos. Cerca de 73% com formação técnica e 27% sem.
