Em uma faculdade da Filadélfia, EUA, a IA generativa não eliminou reuniões nem esvaziou agendas. O ganho veio de decisões mais rápidas, comunicação mais clara e maior capacidade de atuação
Vishal Shah, Andrenna Gibson e Tanika Teagle
12 min de leitura
Quando líderes falam sobre IA generativa, uma promessa surge repetidamente: essas ferramentas vão economizar tempo. Menos e-mails. Menos reuniões. Menos trabalho administrativo.
Essa expectativa define como muitas organizações avaliam se a IA generativa está “funcionando” – e explica por que tantas se frustram quando as agendas não ficam subitamente mais vazias.
No nosso caso, porém, ficou claro que a economia de tempo não era o melhor critério de avaliação. O que vimos no Community College of Philadelphia, uma grande instituição pública de ensino superior nos Estados Unidos, não foi uma redução do volume de trabalho, mas uma mudança na forma como ele é realizado.
Quando a IA generativa passou a integrar os fluxos de trabalho diários da instituição, em 2026, a função da coordenação não desapareceu. Ela migrou das reuniões para a escrita; das explicações para mensagens iniciais mais claras; e das longas trocas de informações para decisões tomadas com mais rapidez.
Para entender o que realmente mudou, analisamos como três grupos de profissionais de uma unidade administrativa – líderes executivos, gestores operacionais e profissionais que atuam diretamente com os estudantes – trabalharam durante o mesmo período de seis semanas em quatro anos distintos. O que surgiu não foi uma história sobre a automação substituindo pessoas, mas sobre como o trabalho é estruturado, concluído e passado adiante.
Essa distinção importa. Organizações que julgam a IA apenas pelas horas economizadas correm o risco de perder os ganhos reais e se verem decepcionadas com a tecnologia, mesmo quando ela está, silenciosamente, transformando o trabalho de maneiras menos visíveis, mas igualmente importantes.
Benefícios da IA generativa para três grupos
As ferramentas de IA generativa passaram a fazer parte do trabalho diário em nossa faculdade em 2026. Para entender seu impacto sobre os três grupos de profissionais, analisamos a mesma janela de seis semanas a cada ano (1º de fevereiro a 15 de março), comparando o trabalho de 2026 com os padrões observados nos três anos anteriores.
Não perguntamos: “As pessoas passaram a trabalhar mais rápido?”
Perguntamos: “Como a natureza do trabalho mudou?”
Como o quadro de pessoal e a carga horária permaneceram praticamente inalterados ao longo dos quatro anos, as diferenças observadas refletem mudanças na forma como o trabalho estava sendo realizado, e não em seu volume ou na capacidade da equipe.
Ao longo deste artigo, usamos o termo “linha de base” para nos referir ao mesmo período de seis semanas entre 2023 e 2025 – os três anos anteriores à introdução da IA generativa, em condições comparáveis. A seguir, apresentamos um resumo dos principais resultados.
Liderança executiva: decisões mais ágeis
Entre os líderes executivos, a IA generativa alterou o foco da comunicação. As interações passaram a ser mais orientadas à tomada de decisões do que à troca de informações.
Embora o volume de e-mails tenha aumentado em 2026, a proporção de mensagens voltadas à decisão ou à execução cresceu significativamente: de cerca de 60% para aproximadamente 80%.
O ganho de produtividade não veio de escrever e-mails mais rapidamente, mas de concluir o raciocínio antes de clicar em “enviar”
Isso não era uma anomalia nem simples ruído. Era evidência de maior direcionamento, clareza e capacidade de conclusão. As decisões passaram a ser comunicadas de maneira mais definitiva, em vez de serem negociadas repetidamente por meio de trocas sucessivas de e-mails.
O ganho de produtividade não veio do fato de as pessoas escreverem e-mails mais rapidamente. Veio de estruturar melhor o pensamento antes de clicar em “enviar”, reduzindo a necessidade de esclarecimentos posteriores e evitando que problemas voltassem a ser escalados para níveis superiores.
Liderança operacional: menos retrabalho
O padrão observado entre os líderes operacionais foi diferente daquele identificado entre os executivos. Em vez de crescer, o volume geral de e-mails permaneceu relativamente estável ao longo dos quatro anos. A mudança ocorreu na qualidade da comunicação.
A proporção de mensagens voltadas à decisão e à execução aumentou significativamente, passando de cerca de 65% no início do período para aproximadamente 85% em 2026. Isso se traduziu em menos ciclos de redação, reformulação e renegociação de decisões. Os ganhos de produtividade resultaram em maior agilidade organizacional, indo muito além de uma simples redução na quantidade de e-mails. Por exemplo: o tempo foi direcionado para interações mais relevantes com professores, funcionários e estudantes.
Como o quadro de pessoal e a carga horária permaneceram inalterados, esses ganhos refletiram uma resposta mais rápida e menor esforço por decisão – e não uma simples mudança nos canais de comunicação.
Trabalho com estudantes: mais tempo de qualidade
Esse grupo apresentou um aumento expressivo no volume de e-mails em 2024, mas a comunicação caiu significativamente até 2026. A proporção de mensagens relacionadas a decisões e execução cresceu apenas modestamente em 2026, passando de uma linha de base já elevada, de cerca de 80%, para aproximadamente 85%.
Esse padrão de comunicação mais objetivo não indicava desengajamento, mas, sim, mais eficiência na resolução de demandas. Orientações mais claras desde o início, combinadas com uma mudança de procedimento que direcionou certas interações para um portal centralizado em vez do e-mail, tornaram o processo de esclarecimento das dúvidas dos estudantes mais simples e eficiente.
A IA generativa desempenhou um papel de apoio ao reduzir o tempo necessário para redigir e reescrever respostas, o que permitiu que os membros da equipe resolvessem solicitações dos alunos em menos etapas. Como resultado, a equipe passou a ter mais tempo para se dedicar ao contato direto com os estudantes, quando uma interação pessoal era necessária.
O que ganhamos
Nos três grupos analisados, as reuniões não sumiram – mas muitos escalonamentos, sim. As conferências recorrentes permaneceram. Os encontros externos continuaram. As conversas individuais também não desapareceram.
O que mudou foi que questões que antes geravam reuniões rápidas do tipo “vamos conversar sobre isso” passaram a ser resolvidas cada vez mais por escrito. As decisões eram tomadas e comunicadas com contexto suficiente para se sustentarem por conta própria. A clareza deixou de depender apenas do tempo síncrono e passou a estar presente já no primeiro envio de e-mail. Ou seja: a IA não eliminou as reuniões. Ela evitou escalonamentos desnecessários – um ganho muito mais relevante.
E quanto aos benefícios econômicos? Os ganhos de produtividade observados não vieram do corte do quadro de funcionários nem da diminuição das horas de trabalho. O número de profissionais permaneceu estável. Mais decisões foram concluídas e mais tempo ficou disponível para o contato direto com os estudantes.
Para os líderes, a principal implicação não é uma diminuição imediata de custos proporcionada pelas ferramentas de IA generativa, mas a redução de atritos no trabalho cotidiano. Quando as decisões são comunicadas com clareza e contexto suficientes para se sustentarem por conta própria, professores e funcionários gastam menos tempo buscando esclarecimentos, revisando orientações anteriores ou lidando com incertezas. Em nossa instituição, esse tempo recuperado foi direcionado ao apoio aos estudantes, ao ensino e à resolução de problemas, em vez de ser consumido pela coordenação interna.
Aos poucos, esse tipo de mudança terá consequências econômicas, e não apenas nas instituições de ensino superior. Uma coordenação mais eficiente permite que as organizações absorvam mais trabalho sem, necessariamente, adicionar níveis hierárquicos, funções ou reuniões. Ela reduz os custos ocultos do atraso – e-mails repetidos, reuniões de acompanhamento e ações postergadas – que consomem silenciosamente a capacidade das equipes e frequentemente contribuem para o esgotamento.
A IA não eliminou as reuniões. Ela reduziu a necessidade de levar decisões a instâncias superiores – um ganho muito mais relevante
Nesse sentido, o valor econômico da IA generativa pode se manifestar menos como corte de custos em itens específicos e mais como aumento da resiliência organizacional. No nosso caso, isso significa manter o foco institucional no sucesso dos estudantes, ao mesmo tempo em que desaceleramos o crescimento dos custos administrativos.
O que os líderes podem aprender
Embora nossa análise tenha sido realizada em uma instituição de ensino superior, os padrões de coordenação observados – encaminhamento de decisões para níveis superiores, ciclos de esclarecimento e fluxos de trabalho específicos para cada função – são comuns a muitas organizações com alto volume de pessoal.
Três lições se destacam:
Não julgue a IA generativa apenas pelo tempo economizado. Observe como ela transforma a natureza do trabalho.
Espere uma evolução da comunicação, não seu desaparecimento. A clareza tem valor organizacional.
Estruture a IA a partir das necessidades de cada função, não para médias organizacionais. A mesma ferramenta produz resultados distintos conforme a forma como o trabalho é organizado.
Em diferentes funções, a IA generativa não produziu um único tipo de ganho de produtividade. Ela ampliou aquilo que era mais relevante para cada papel: melhor tomada de decisão para executivos, mais agilidade para líderes operacionais e maior eficiência na resolução de demandas para profissionais que atuam diretamente com estudantes.
Essa é a principal lição: o valor da IA generativa não está em criar uma única versão de produtividade, mas em fortalecer diferentes formas de trabalho conforme as necessidades de cada função.
Em nossa organização, isso não significou agendas vazias nem menos e-mails. Significou melhores primeiros rascunhos, decisões concluídas com mais rapidez e mais tempo dedicado às interações que exigiam envolvimento humano. Esses são ganhos valiosos.
Sobre a pesquisa
Os autores realizaram um estudo observacional de quatro anos sobre o trabalho administrativo em uma grande instituição pública de ensino superior dos Estados Unidos. Em 2026, ferramentas de IA generativa foram introduzidas para líderes executivos, gestores operacionais e profissionais que atuam diretamente com os estudantes.
Ao longo do período analisado, o número de funcionários e a carga de trabalho permaneceram estáveis. O estudo concentrou-se na composição do trabalho, na qualidade das decisões e nos padrões de coordenação, em vez da velocidade de execução das tarefas ou das taxas de automação.
Você leu o post?
Então faça login
e tenha acesso ao recurso de “Marcar como lido”.
Vishal Shah, Andrenna Gibson e Tanika Teagle
Vishal Shah é diretor da divisão de matemática, ciências e carreiras em saúde no Community College of Philadelphia (EUA). Andrenna Gibson é líder operacional no Community College of Philadelphia, responsável por traduzir decisões executivas em processos do dia a dia que apoiam estudantes, professores e funcionários. Tanika Teagle lidera os processos de admissão de estudantes para programas selecionados da área de saúde no Community College of Philadelphia.
