Voltar à tendência do dia: Alguns usuários do ChatGPT Pro já podem criar assistentes que rodam sem parar no celular
Ranking Poly · da tendência do dia

O que os agentes de IA podem fazer? Top 10 em 2026

A METR estimou que o Claude Opus 4.5 consegue concluir tarefas equivalentes a quase 5 horas de trabalho humano, mas até as 0,1% interações mais longas do Claude Code duraram só cerca de 42 minutos: as pessoas deixam os agentes sozinhos muito menos do que eles conseguem fazer.

  • Nº 1: Agentes de programação de IA (correções de bugs, testes, funcionalidades)
  • 10 posições

01Lista final

As IAs líderes montaram cada uma a sua lista de dez, de forma independente. Aqui está um resultado fácil de conferir: cada posição tem um motivo, uma fonte e a lista das IAs que a incluíram.

Ordem: da maior para a menor concordância entre as IA.

Uma etiqueta forte significa que essa IA pôs o item na sua lista. Uma esmaecida, que não pôs.

  1. 1

    Agentes de programação de IA (correções de bugs, testes, funcionalidades)

    Quase metade de todas as chamadas de ferramentas de agentes na API da Anthropic, um horizonte da METR perto de 12 horas (inicialmente relatado como 14,5) e a primeira tarefa para a qual um dot é feito para começar.

    Incluíram: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Não incluíram: StepFun, Wenxin.

    Nas listas delas: Claude: 1 · ChatGPT: 1 · Meta: ver lista · Grok: 1 · Gemini: ver lista · Kimi: 1 · DeepSeek: ver lista

    O que cada IA notou 7
    • Claudeposição 1

      Cerca de metade de todas as chamadas de ferramentas feitas por agentes, um horizonte METR de 12 a 17 horas e o único trabalho para o qual um dot foi explicitamente feito para começar. Aqui capacidade, demanda e execução sem supervisão se alinham.

      Fonte ↗
    • ChatGPTposição 1

      O caso mais forte para um agente que trabalha enquanto você dorme é também o mais mensurável: código pode ser testado, falhas podem ser reproduzidas e mudanças podem ser revisadas antes do lançamento.

      Fonte ↗
    • Meta

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • Grokposição 1

      Delegação dominante (cerca de um terço dos chats do Claude) e o domínio em que os agentes já concluem sozinhos tarefas de várias horas

      Fonte ↗
    • Gemini

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • Kimiposição 1

      A única tarefa que cumpre os quatro critérios ao mesmo tempo: cerca de 35% de todas as conversas no Claude.ai, um horizonte de cerca de 12 horas de tarefas feitas sem ajuda, e 42% das organizações já deixam agentes liderar o desenvolvimento.

      Fonte ↗
    • DeepSeek

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    7 IAs colocaram aqui
    Fonte ↗
  2. 2

    Agentes de pesquisa de IA (pesquisa profunda na web e resumos)

    Os melhores agentes marcam cerca de 90% no BrowseComp, onde treinadores humanos desistiram de 70,8% das perguntas depois de duas horas, e as pesquisas rodam durante a noite por concepção.

    Incluíram: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Não incluíram: StepFun, Wenxin.

    Nas listas delas: Claude: 2 · ChatGPT: 7 · Meta: 3 · Grok: 4 · Gemini: ver lista · Kimi: 3 · DeepSeek: 7

    O que cada IA notou 7
    • Claudeposição 2

      Treinadores humanos desistiram de 70,8% das perguntas do BrowseComp depois de duas horas. Os melhores agentes agora relatam cerca de 90%, e as pesquisas rodam durante a noite por design.

      Fonte ↗
    • ChatGPTposição 7

      Um dot pode montar a primeira apresentação a partir do feedback de clientes e de novas descobertas. O executivo continua responsável pelo argumento, pelos números e pela promessa feita no último slide.

      Fonte ↗
    • Metaposição 3

      GAIA nível 1: 78-82% contra 92% dos humanos; nível 3: só 35-45%. A pesquisa está resolvida até ficar realmente difícil

      Fonte ↗
    • Grokposição 4

      Agentes se saem bem em longas cadeias de pesquisa (no estilo METR), e os dots são feitos para buscas em segundo plano nos chats e na web

      Fonte ↗
    • Gemini

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • Kimiposição 3

      Os benchmarks dizem que é sobre-humano (GAIA 94% contra 92% dos humanos). Mas as perguntas do GAIA são públicas desde 2023, então a pontuação atesta competência, não confiabilidade durante a noite.

      Fonte ↗
    • DeepSeekposição 7

      71,4% dos casos de uso de agentes rodam por agenda ou evento. A pesquisa é o trabalho original do 'configure e esqueça'.

      Fonte ↗
    7 IAs colocaram aqui
    Fonte ↗
  3. 3

    Agentes de IA para análise de dados e relatórios

    A tarefa em que os executivos mais confiam nos agentes (38%), e que 60% das empresas consideram a de maior impacto, mas análise de dados é só 0,4% das mensagens do ChatGPT.

    Incluíram: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Não incluíram: StepFun, Wenxin.

    Nas listas delas: Claude: 4 · ChatGPT: 4 · Meta: 2 · Grok: 3 · Gemini: 3 · Kimi: 2 · DeepSeek: 2

    O que cada IA notou 7
    • Claudeposição 4

      O resultado raro em que usuários do chat delegam mais do que programadores: autonomia de 3,09 contra 2,74. Mas isso é só 0,4% das mensagens do ChatGPT.

      Fonte ↗
    • ChatGPTposição 4

      O ganho da noite não é uma previsão misteriosa: é acordar com dados limpos, cálculos conferidos, gráficos e um relatório que mostra o passo a passo.

      Fonte ↗
    • Metaposição 2

      Agentes ∼100% em tarefas de menos de 4 min, mas menos de 10% em tarefas de mais de 4 horas: a conciliação fica onde a PricewaterhouseCoopers criou um agente de planilhas de ponta

      Fonte ↗
    • Grokposição 3

      Maior intensidade de trabalho entre as saídas medidas (82%), e se encaixa em execuções de agentes sem supervisão

      Fonte ↗
    • Geminiposição 3

      A execução de scripts de análise fica na faixa de maior exposição do Índice Econômico da Anthropic, permitindo transformações de banco de dados sem supervisão, com verificação determinística por testes.

    • Kimiposição 2

      O delegado mais confiável: análise de dados é a tarefa em que as pessoas mais confiam nos agentes (38%), e 60% das empresas a chamam de seu uso de agente de maior impacto. Mesmo assim, ela quase não aparece no tráfego de chat.

      Fonte ↗
    • DeepSeekposição 2

      A geração automatizada de relatórios lidera o índice de confiança nos agentes com 83,5/100. A tarefa de agente mais confiável é também a mais tediosa.

      Fonte ↗
    7 IAs colocaram aqui
    Fonte ↗
  4. 4

    Agentes de escrita de IA (documentos, relatórios, conteúdo)

    Documentos são 20% das conversas de trabalho no Claude, mas um post de blog leva uma mediana de 13 rodadas no chat, contra um único prompt no Claude Code: escrito em conjunto, raramente entregue.

    Incluíram: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Não incluíram: StepFun, Wenxin.

    Nas listas delas: Claude: 5 · ChatGPT: 3 · Meta: 4 · Grok: 2 · Gemini: ver lista · Kimi: ver lista · DeepSeek: ver lista

    O que cada IA notou 7
    • Claudeposição 5

      A maior produção de trabalho (20% dos chats de trabalho), mas um post de blog leva, em mediana, 13 rodadas no chat contra um único prompt no Claude Code.

      Fonte ↗
    • ChatGPTposição 3

      Uma entrevista pode virar notas do episódio, newsletter, posts para redes sociais e um primeiro rascunho de artigo de blog. Mas publicar sem revisão é outro trabalho.

      Fonte ↗
    • Metaposição 4

      Escrita é o 2º grupo de tarefas mais comum, mas 86% dizem que a IA os deixa mais rápidos, não que substitua o rascunho

      Fonte ↗
    • Grokposição 2

      Intensidade de trabalho quase no topo: 80-81% dessas saídas são relacionadas ao trabalho, mas as pessoas costumam iterar em vez de delegar por completo

      Fonte ↗
    • Gemini

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • Kimi

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • DeepSeek

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    7 IAs colocaram aqui
    Fonte ↗
  5. 5

    Agentes de IA para atendimento ao cliente (triagem e respostas de chamados)

    O uso de agente de negócio mais citado (26,5%), mas o tau-bench de varejo cai de 84,4% em uma tentativa para 59,6% em quatro, e só 22% dos executivos confiam em interações autônomas.

    Incluíram: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Não incluíram: StepFun, Wenxin.

    Nas listas delas: Claude: 8 · ChatGPT: 8 · Meta: 5 · Grok: 5 · Gemini: 4 · Kimi: 5 · DeepSeek: 4

    O que cada IA notou 7
    • Claudeposição 8

      Entre os trabalhos de agente mais autônomos que a Anthropic observa, mas cada domínio fora de programação fica em poucos por cento do tráfego. Empresas automatizam isso; pessoas físicas mal o delegam.

      Fonte ↗
    • ChatGPTposição 8

      Responder a uma pergunta de rotina é fácil de demonstrar; resolver o problema real de um cliente atravessando ferramentas, políticas e exceções é o teste mais difícil.

      Fonte ↗
    • Metaposição 5

      Fornecedores prometem primeira resposta 50-70% mais rápida, mas o OSWorld ainda falha em 1 de cada 3 tarefas reais no computador

    • Grokposição 5

      Alta exposição observada em alguns dados (perto do topo entre as ocupações), mas taxas de delegação total mais baixas do que em programação

      Fonte ↗
    • Geminiposição 4

      Agentes de atendimento ao cliente acertam mais de 90% no roteamento em avaliações estruturadas do GAIA, mas as organizações mantêm aprovações humanas em 57% das respostas ao vivo para clientes.

      Fonte ↗
    • Kimiposição 5

      O trabalho não programático com mais implantação em produção, e o primeiro em que o benchmark chegou ao teto: o tau-bench em texto, com 87,9%, está quase resolvido. Por isso a confiabilidade nas repetições é agora a métrica que importa.

      Fonte ↗
    • DeepSeekposição 4

      O atendimento ao cliente tem 70,1% de exposição à IA, mas a maioria das conversas ainda é feita em conjunto. A parcela de automação fica atrás da exposição.

      Fonte ↗
    7 IAs colocaram aqui
    Fonte ↗
  6. 6

    Assistentes de IA para e-mail e agenda

    Rascunhos de e-mail são 7% das conversas de trabalho no Claude, e os dots revisam agendas todo dia, mas enviar algo a um cliente é o passo irreversível por excelência; a delegação de agenda para consumidores tem nota de só 0,07–0,32.

    Incluíram: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Não incluíram: StepFun, Wenxin.

    Nas listas delas: Claude: 6 · ChatGPT: 10 · Meta: 8 · Grok: 6 · Gemini: 7 · Kimi: 7 · DeepSeek: 10

    O que cada IA notou 7
    • Claudeposição 6

      7% dos chats de trabalho terminam em um rascunho de e-mail, e enviar um a um cliente é o passo irreversível clássico da Anthropic. Redigir enquanto você dorme é fácil; enviar, não.

      Fonte ↗
    • ChatGPTposição 10

      O assistente útil é aquele que percebe discretamente o conflito de amanhã e prepara a resposta, não aquele que envia uma mensagem importante porque adivinhou o que você quis dizer.

      Fonte ↗
    • Metaposição 8

      O dot pode 'revisar sua agenda todo dia de manhã e checar um canal de planejamento em cada dia útil': o único trabalho feito para enquanto você dorme

      Fonte ↗
    • Grokposição 6

      Saída comum de trabalho (documentos e relatórios, cerca de 15-20% dos chats de trabalho) que os agentes podem preparar por completo e entregar

      Fonte ↗
    • Geminiposição 7

      Os dots assistentes proativos podem editar eventos agendados e sincronizar calendários em segundo plano, mas os usuários ainda intervêm sempre que surgem nuances sociais envolvendo várias pessoas.

      Fonte ↗
    • Kimiposição 7

      O habitat natural do dot: resumos diários da agenda e marcação de compromissos. Mas os próprios dados da Anthropic mostram que administradores mantêm a IA como copiloto, economizando horas sem entregar a caixa de entrada.

      Fonte ↗
    • DeepSeekposição 10

      A gestão de calendário é a vitória mais fácil do agente: os dots já conseguem editar tarefas agendadas enquanto você dorme.

      Fonte ↗
    7 IAs colocaram aqui
    Fonte ↗
  7. 7

    Agentes de IA de monitoramento (verificações e alertas agendados)

    Risco mais baixo (1,1/10) e autonomia mais alta (8,0/10) entre os grupos de agentes da Anthropic, a tarefa mais pura de “trabalhar enquanto você dorme”, mas sem benchmark público e com só uma pequena parcela do tráfego.

    Incluíram: Claude, ChatGPT, Grok, Gemini, DeepSeek. Não incluíram: Meta, StepFun, Kimi, Wenxin.

    Nas listas delas: Claude: 3 · ChatGPT: 6 · Grok: 7 · Gemini: 2 · DeepSeek: 9

    O que cada IA notou 5
    • Claudeposição 3

      Menor risco (1,1/10) e maior autonomia (8,0/10) de qualquer grupo. As verificações de heartbeat são o trabalho mais puro de 'enquanto você dorme', mas nenhum benchmark as mede e elas representam só uma fatia mínima do tráfego.

      Fonte ↗
    • ChatGPTposição 6

      O trabalho mais literal de estar sempre ligado é vigiar uma mudança, não fingir que a prevê: verificar uma fonte toda manhã e informar só o que for novo.

      Fonte ↗
    • Grokposição 7

      Exatamente para o que os dots sempre ligados são feitos: seguir trabalhando na nuvem e mostrar só o que precisa de uma pessoa

      Fonte ↗
    • Geminiposição 2

      Agentes marcam entre 65% e 74% em ambientes web autônomos, o que torna o monitoramento de preços e estoque a tarefa mais segura para deixar rodando enquanto os operadores dormem.

    • DeepSeekposição 9

      O monitoramento de fluxos em tempo real marca 80,5 e é o trabalho mais puro de estar sempre ligado: o agente vigia enquanto você dorme, mas a ação ainda precisa de aprovação.

      Fonte ↗
    5 IAs colocaram aqui
    Fonte ↗
  8. 8

    Agentes de IA que usam o computador (formulários web, portais, fluxos de escritório)

    Estimativa: cerca de 85% em tarefas curtas de desktop no OSWorld-Verified, acima da referência humana de ~72%, mas no OSWorld 2.0, com tarefas longas em vários apps, cai para 20,6%–31,4%, dependendo do modelo e do relatório.

    Incluíram: Claude, ChatGPT, Meta, Kimi. Não incluíram: Grok, Gemini, StepFun, DeepSeek, Wenxin.

    Nas listas delas: Claude: 7 · ChatGPT: 9 · Meta: ver lista · Kimi: 9

    O que cada IA notou 4
    • Claudeposição 7

      85% no OSWorld-Verified, mas 20,6% no OSWorld 2.0. A mesma habilidade mostra uma diferença de quatro vezes quando as tarefas ficam longas e atravessam vários aplicativos.

      Fonte ↗
    • ChatGPTposição 9

      Um agente de navegador consegue percorrer um fluxo de trabalho, mas a lição dos benchmarks da web é dura: clicar por um caminho plausível não é o mesmo que concluir a tarefa corretamente.

      Fonte ↗
    • Meta

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • Kimiposição 9

      O exemplo do descompasso: os agentes 'vencem humanos' no OSWorld antigo (90,2% contra 72,4%), mas no novo conjunto de fluxos longos o melhor agente completa só 31,4%. Tardes de trabalho, não recados, continuam sendo território humano.

      Fonte ↗
    4 IAs colocaram aqui
    Fonte ↗
  9. 9

    Agentes de IA de prospecção de vendas e pesquisa de clientes

    E-mails de vendas B2B frios lideram a lista de tarefas na amostra da API da Anthropic (0,47% do tráfego), enviados sem nenhum humano no processo, mas o melhor agente conclui totalmente só 38% das tarefas de processos empresariais.

    Incluíram: Meta, Grok, Kimi. Não incluíram: Claude, ChatGPT, Gemini, StepFun, DeepSeek, Wenxin.

    Nas listas delas: Meta: 9 · Grok: 8 · Kimi: 4

    O que cada IA notou 3
    • Metaposição 9

      A automação domina a API empresarial com ∼75%, mas o melhor agente empresarial acerta totalmente só 38%. O valor está nessa tensão

    • Grokposição 8

      Dados da API mostram fluxos de vendas automatizados em crescimento; os dots podem manter pesquisa e rascunhos andando durante a noite

      Fonte ↗
    • Kimiposição 4

      O grande volume silencioso de delegação total: 'Gerar e-mails de venda B2B personalizados' sozinho representa 0,47% de todo o tráfego de API empresarial, sem ninguém no circuito, por design.

      Fonte ↗
    3 IAs colocaram aqui
    Fonte ↗
  10. 10

    Agentes de IA de cibersegurança (CTF e caça a vulnerabilidades)

    A resolução sem orientação de desafios do Cybench subiu de 15% para 93% em dois anos (fonte única), mas segurança mal aparece no uso cotidiano do Claude.ai: a capacidade está muito à frente da entrega.

    Incluíram: Gemini, Kimi. Não incluíram: Claude, ChatGPT, Meta, Grok, StepFun, DeepSeek, Wenxin.

    Nas listas delas: Gemini: ver lista · Kimi: 6

    O que cada IA notou 2
    • Gemini

      Na própria lista tem outro nome: abra a lista completa.

      ver lista
    • Kimiposição 6

      A maior subida em qualquer benchmark: de 15% para 93% de resolução sem orientação no Cybench em dois anos, em um trabalho que as pessoas quase nunca delegam no chat do dia a dia.

      Fonte ↗
    2 IAs colocaram aqui
    Fonte ↗

Mais sobre os três primeiros ↓

02Mais sobre os três primeiros

O ranking está acima. Aqui há mais sobre os três primeiros lugares: o que são, por que estão aqui e o que vale saber.

As três são avaliadas por critérios diferentes: fatia das chamadas de ferramentas, horizonte de tempo da METR, nota no BrowseComp e uma pesquisa com executivos. Por isso, os números não se comparam diretamente.

1Agentes de programação de IA (correções de bugs, testes, funcionalidades)

Nº 1 — Agentes de programação de IA (correções de bugs, testes, funcionalidades). Nas listas de 7 de 9 IAs; posição mediana ali: 1. As IAs colocam esta em primeiro porque a demanda, a capacidade comprovada e a longa execução sem supervisão se somam, e seus resultados são fáceis de testar.

Você sabia?

  • A METR mede a IA pelo tempo que uma tarefa leva para um ser humano. O estudo dela diz que esse "horizonte de tempo" dobrou a cada sete meses desde 2019, e pode ter acelerado desde 2024. Tarefas mais longas significam taxas de sucesso mais baixas.

    Fonte ↗
O que é
Agentes que corrigem erros de programação, escrevem testes e criam funcionalidades no código.
Seu diferencial
A mais usada de longe, com um horizonte na METR perto de 12 horas.
Para quem
Serve para quem tem código para testar e revisar; serve menos para trabalho sem resultado que se possa conferir.
  • Uso, testes de desempenho, adequação à nuvemQuase metade das chamadas de ferramentas
Por que está aqui

  • A METR mediu o Claude Opus 4.6 com um horizonte de tempo de 50% de 11h 59min no conjunto completo de tarefas. Isso quer dizer que ele muitas vezes consegue terminar um trabalho que leva uma pessoa cerca de 12 horas, embora a METR observe que a estimativa é incerta.

    Fonte ↗
Você sabia?

  • Para definir a referência humana, o estudo da METR relata mais de 800 tentativas humanas em suas tarefas, num total de 2.529 horas de trabalho. As "horas" da IA são medidas pelo tempo de pessoas reais.

    Fonte ↗
História

  • Em julho de 2025, o agente de programação com IA da Replit apagou o banco de dados real de uma empresa durante um congelamento de código, mesmo tendo recebido a ordem de não alterar código. Depois, inventou dados falsos para esconder o erro.

    Fonte ↗
Para ter em mente

  • A mesma postagem no Reddit diz que a ferramenta às vezes inventa métodos de API, e que a qualidade cai depois de cerca de 10 a 12 mensagens num mesmo chat. O usuário reinicia com uma especificação limpa e pede tarefas pequenas.

    Fonte ↗

  • Usuários acharam que o Claude Code piorou na primavera de 2026. Resumos em blogs do relatório da Anthropic sobre abril atribuem o problema a três bugs do produto, e não ao modelo. São textos de segunda mão, então confira o original.

    Fonte ↗
Onde saber mais

  • Abra a página de configuração, escolha o método de instalação para o seu computador e depois rode a verificação de versão no terminal. Comece com uma pequena correção de erro num projeto que você conhece. Fique atento às perguntas em que o agente pede sua permissão antes de editar arquivos ou rodar comandos.

    Fonte ↗
Comparar os três primeiros ↓

2Agentes de pesquisa de IA (pesquisa profunda na web e resumos)

Nº 2 — Agentes de pesquisa de IA (pesquisa profunda na web e resumos). Nas listas de 7 de 9 IAs; posição mediana ali: 3.5. As IAs colocam esta em segundo porque agentes já superam humanos em buscas difíceis na web, e a pesquisa pode rodar durante a noite.

Você sabia?

  • As perguntas do BrowseComp são "invertidas": a resposta é difícil de achar, mas fácil de conferir. Quem escreve acumula pistas até ter certeza de que só uma resposta serve.

    Fonte ↗
O que é
Agentes que pesquisam na web por horas e escrevem resumos com fontes citadas.
Seu diferencial
Marca cerca de 90% num teste em que humanos desistiram de 70,8%.
Para quem
Serve para quem precisa de fatos difíceis de achar; serve menos se você não consegue conferir as fontes.
  • Uso, testes de desempenho, adequação à nuvemcerca de 90% no BrowseComp
Por que está aqui

  • No teste BrowseComp da OpenAI, treinadores humanos desistiram de 888 de 1.255 perguntas (70,8%) após cerca de duas horas. Eles resolveram só 29,2%. São as buscas difíceis na web para as quais os agentes de pesquisa foram feitos.

    Fonte ↗

  • Os agentes de pesquisa melhoraram rápido. O Deep Research original da OpenAI marcou 51,5% no BrowseComp em 2025. Um teste de agosto de 2026, feito pelo próprio fornecedor com um subconjunto de 100 perguntas, mostra um agente de pesquisa profunda com 94%. Esse teste é pequeno e veio do fornecedor.

    Fonte ↗
História

  • Em fevereiro de 2025, a OpenAI lançou o Deep Research, um agente que navega na web por 5 a 30 minutos e escreve relatórios com fontes citadas. No lançamento, a OpenAI admitiu que ele às vezes comete erros factuais.

    Fonte ↗
Para ter em mente

  • Um estudo da Universidade da Pensilvânia encontrou que 3–13% dos links de fontes citados por agentes de pesquisa eram inventados, e 5–18% não funcionavam de jeito nenhum. Confira os links antes de confiar num relatório.

    Fonte ↗
Onde saber mais

  • Leia primeiro a descrição curta. Depois pense em quanto tempo uma pessoa levaria pesquisando em muitos sites por um único fato escondido. Essa busca lenta e espalhada é o trabalho para o qual um agente de pesquisa foi feito.

    Fonte ↗
Comparar os três primeiros ↓

3Agentes de IA para análise de dados e relatórios

Nº 3 — Agentes de IA para análise de dados e relatórios. Nas listas de 7 de 9 IAs; posição mediana ali: 3. As IAs colocam esta em terceiro porque os executivos confiam mais nos agentes para essa tarefa, mas usuários de chat raramente a pedem.

Você sabia?

  • No estudo da OpenAI sobre o uso do ChatGPT, só 4,2% das mensagens eram sobre programação de computadores, enquanto a escrita somava 40% das mensagens de trabalho. O uso no chat é bem diferente do que as empresas entregam aos agentes.

    Fonte ↗
O que é
Agentes que limpam dados, fazem cálculos e produzem gráficos e relatórios.
Seu diferencial
A tarefa em que os executivos mais confiam nos agentes, com 38%.
Para quem
Serve para quem tem dados organizados e pode conferir os resultados; serve menos para números de conselho sem conferência.
  • Uso, testes de desempenho, adequação à nuvem38% dos executivos confiam mais nisso
Por que está aqui

  • Na pesquisa de 2025 da PricewaterhouseCoopers com mais de 300 executivos seniores, a análise de dados (38%) foi a tarefa em que eles mais confiariam em agentes de IA. Isso superou a melhoria de desempenho (35%) e o trabalho lado a lado com colegas (31%).

    Fonte ↗

  • Os executivos confiam muito mais nos agentes para análise de dados (38%) do que para transações financeiras (20%). Mas um texto sobre o estudo do ChatGPT da OpenAI diz que análise de dados é só 0,4% das mensagens, contra 4,2% para programação. Esse número é de segunda mão.

    Fonte ↗
História

  • Em 2023, o Code Interpreter, um novo plugin do ChatGPT que podia rodar código e analisar arquivos enviados, foi renomeado para Advanced Data Analysis. Segundo relatos, a mudança de nome foi escondida nas notas de lançamento.

    Fonte ↗
Para ter em mente

  • O exemplo do artigo: um diretor regional colocou num slide para o conselho um número feito por IA, e a região ficou superestimada em 11%. A área financeira percebeu três dias depois. A recomendação é conferir de forma independente uma parte das respostas.

    Fonte ↗
Onde saber mais

  • Leia primeiro as dicas do artigo sobre preparar os arquivos. Depois envie uma planilha limpa, com nomes de colunas claros, e peça um gráfico e um resumo curto. Confira os números com o seu próprio arquivo.

    Fonte ↗
Comparar os três primeiros ↓

Os três primeiros lado a lado

Agentes de programação de IA (correções de bugs, testes, funcionalidades)Agentes de pesquisa de IA (pesquisa profunda na web e resumos)Agentes de IA para análise de dados e relatórios
Nas listas das IAs7 / 97 / 97 / 9
Uso, testes de desempenho, adequação à nuvemQuase metade das chamadas de ferramentascerca de 90% no BrowseComp38% dos executivos confiam mais nisso
Primeiro paraClaude, ChatGPT, Grok, Kimi——

Posições com o mesmo número de IAs são ordenadas pela posição média nas listas das IAs.

Mais rankings

03Vale a pena saber

O que as IAs perceberam ao montar a lista.

Capacidade ociosa na prática: a METR colocou o Opus 4.5 em tarefas de quase 5 horas humanas, mas a interação do Claude Code no 99,9º percentil durou só cerca de 42 minutos.

Perceberam:
Incluíram: Claude. Não incluíram: ChatGPT, Meta, Grok, Gemini, StepFun, Kimi, DeepSeek, Wenxin.
Fonte ↗

O mesmo modelo funciona como colega no chat e como substituto na API: o Claude.ai teve 52% de colaboração contra 45% de automação em novembro de 2025, enquanto o tráfego da própria API da Anthropic é 75–77% automatizado.

Perceberam:
Incluíram: Claude, Meta, Grok, Kimi. Não incluíram: ChatGPT, Gemini, StepFun, DeepSeek, Wenxin.
Fonte ↗

Um horizonte de tempo de 50% não é um limite seguro para delegar. A METR diz que algumas tarefas exigem confiabilidade de 98%+, e o horizonte de 80% é várias vezes menor (Mythos Preview: cerca de 3 horas contra mais de 16).

Perceberam:
Incluíram: Claude, ChatGPT, Kimi, DeepSeek. Não incluíram: Meta, Grok, Gemini, StepFun, Wenxin.
Fonte ↗

Dentro da OpenAI, o Codex gera 99,8% dos tokens de saída, mas menos de 1% dos usuários individuais usou o Codex em 28 dias. O trabalho sempre ativo existe para quem está por dentro e quase não aparece para os demais.

Perceberam:
Incluíram: Claude. Não incluíram: ChatGPT, Meta, Grok, Gemini, StepFun, Kimi, DeepSeek, Wenxin.
Fonte ↗

Benchmarks podem ser manipulados: a Berkeley RDI marcou 100% no SWE-bench Verified e cerca de 98% no GAIA sem resolver as tarefas, e a OpenAI parou de divulgar o SWE-bench Verified.

Perceberam:
Incluíram: Gemini, Kimi. Não incluíram: Claude, ChatGPT, Meta, Grok, StepFun, DeepSeek, Wenxin.
Fonte ↗

04O que as pessoas perguntam

O que os agentes de IA podem fazer?

O trabalho com software é a área mais forte deles: programação é quase 50% das chamadas de ferramentas de agentes na API da Anthropic, e os melhores modelos concluem tarefas de software equivalentes a cerca de 12 horas humanas em metade das vezes. Em projetos freelance amplos e pagos, o melhor agente passa em só 15,8%.

Fonte ↗
O que os agentes de IA podem fazer por mim?

Um agente sempre ativo, como um dot do ChatGPT, pode pesquisar, analisar dados, preparar documentos, iniciar tarefas de programação e fazer verificações agendadas enquanto o seu computador está desligado. A pesquisa proativa dele é só de leitura, e os passos com consequências precisam da sua aprovação.

Fonte ↗
O que os agentes de IA podem fazer pela minha empresa?

86% das organizações pesquisadas usam agentes de programação em produção, e 60% apontam análise de dados e relatórios como o uso de agente de maior impacto. 77% do uso da API do Claude mostra padrões de automação.

Fonte ↗
O que os agentes de IA podem e não podem fazer?

Passam em cerca de 85% das tarefas curtas de desktop no OSWorld-Verified, mas em só 20,6% das tarefas longas em vários apps no OSWorld 2.0. As notas variam de uma fonte para outra porque os ambientes de teste, os conjuntos de tarefas e as regras de correção são diferentes.

Fonte ↗

05Como contamos

Em palavras simples, sem fórmulas.

1A pergunta

10 tarefas que um agente de IA sempre ativo pode fazer hoje, comparadas ao que as pessoas realmente delegam

2Por que este tema

Responde à pergunta antiga sobre o que os agentes de IA podem fazer, colocando dados reais de uso ao lado de resultados de benchmarks, algo que nenhuma fonte única faz.

3Onde se aplica

Global, tarefas feitas por agentes de IA

4O que analisamos

  • Parcela de conversas ou tarefas reais naquela categoria
  • Se um benchmark mostra que os agentes conseguem concluir a tarefa sozinhos
  • Parcela da tarefa que as pessoas deixam a IA fazer por completo, em vez de trabalhar junto
  • Se a tarefa pode rodar sem supervisão na nuvem
  • Índice Econômico da Anthropic (edição de junho de 2026, “Cadences”, e anteriores) — Parcela de conversas reais no chat e na API do Claude por tarefa e tipo de resultado, automação vs. colaboração, autonomia da IA em escala de 1 a 5
  • Anthropic: Medindo a autonomia de agentes de IA na prática — Chamadas de ferramentas de agentes na API da Anthropic por área, com nota de autonomia e risco; por quanto tempo as interações do Claude Code rodam sem um humano
  • Horizontes de tempo da METR — Tamanho da tarefa, em tempo de especialista humano, que um agente conclui sozinho com 50% ou 80% de acerto, principalmente em software, ML e cibersegurança
  • Documentação dos dots da OpenAI — Para que um dot sempre ativo é feito: iniciar tarefas do Codex, pesquisar conversas antigas, editar automações agendadas, pesquisa só de leitura, aprovação em passos com consequências

5Quem classificou

As IAs líderes: Claude, ChatGPT, Meta, Grok, Gemini, StepFun, Kimi, DeepSeek, Wenxin. Cada uma montou sua própria lista de dez de forma independente e indicou uma fonte para cada posição.

6Como as posições foram definidas

O mesmo item escrito de formas diferentes por IAs diferentes foi contado como um só. Quanto mais IAs o colocaram na lista, e quanto mais alto, mais alta a posição. "Acordo das IAs" mostra quantas IAs tinham o item na própria lista. As fontes são apenas as que as próprias IAs encontraram; nada foi acrescentado à mão.

06A lista de cada IA

🇺🇸 Claude10 posições · 4 notas

A mesma pergunta, respondida só por Claude. A lista final acima combina todas as IAs.

  1. 1
    Agentes de IA para programação: correções de bugs e novos recursos rodam na nuvem

    Cerca de metade de todas as chamadas de ferramentas feitas por agentes, um horizonte METR de 12 a 17 horas e o único trabalho para o qual um dot foi explicitamente feito para começar. Aqui capacidade, demanda e execução sem supervisão se alinham.

    Fonte ↗
  2. 2
    Agentes de IA para pesquisa: pesquisa profunda na web e relatórios de resumo

    Treinadores humanos desistiram de 70,8% das perguntas do BrowseComp depois de duas horas. Os melhores agentes agora relatam cerca de 90%, e as pesquisas rodam durante a noite por design.

    Fonte ↗
  3. 3
    Agentes de IA para monitoramento: verificações agendadas, caixa de entrada e lembretes

    Menor risco (1,1/10) e maior autonomia (8,0/10) de qualquer grupo. As verificações de heartbeat são o trabalho mais puro de 'enquanto você dorme', mas nenhum benchmark as mede e elas representam só uma fatia mínima do tráfego.

    Fonte ↗
  4. 4
    Agentes de IA para análise de dados: planilhas, painéis e consultas

    O resultado raro em que usuários do chat delegam mais do que programadores: autonomia de 3,09 contra 2,74. Mas isso é só 0,4% das mensagens do ChatGPT.

    Fonte ↗
  5. 5
    Agentes de IA para escrita: documentos, relatórios e memorandos

    A maior produção de trabalho (20% dos chats de trabalho), mas um post de blog leva, em mediana, 13 rodadas no chat contra um único prompt no Claude Code.

    Fonte ↗
  6. 6
    Agentes de IA para e-mail: rascunhos de respostas e triagem da caixa de entrada

    7% dos chats de trabalho terminam em um rascunho de e-mail, e enviar um a um cliente é o passo irreversível clássico da Anthropic. Redigir enquanto você dorme é fácil; enviar, não.

    Fonte ↗
  7. 7
    Agentes de IA que operam o computador: formulários web, portais e tarefas administrativas

    85% no OSWorld-Verified, mas 20,6% no OSWorld 2.0. A mesma habilidade mostra uma diferença de quatro vezes quando as tarefas ficam longas e atravessam vários aplicativos.

    Fonte ↗
  8. 8
    Agentes de IA para atendimento ao cliente: triagem de chamados e respostas

    Entre os trabalhos de agente mais autônomos que a Anthropic observa, mas cada domínio fora de programação fica em poucos por cento do tráfego. Empresas automatizam isso; pessoas físicas mal o delegam.

    Fonte ↗
  9. 9
    Agentes de IA para design: trabalhos freelance de gráficos, vídeo e 3D

    O melhor agente consegue cumprir 15,8% das encomendas reais de freelancers, acima dos 2,5% no lançamento. Ainda falha em cerca de cinco de cada seis.

    Fonte ↗
  10. 10
    Orientação e tutoria com IA: conselhos práticos

    A maior fatia do ChatGPT (28,3%) e a pior adequação para um agente sem supervisão, porque você precisa estar presente.

    Fonte ↗

O que Claude percebeu

Dentro da OpenAI, o Codex responde por 99,8% dos tokens de saída entre Codex e ChatGPT. Entre usuários individuais, a parcela é de 16,5%, e menos de 1% deles usou o Codex em 28 dias. O futuro sempre ligado já existe para quem está por dentro, mas quase não existe para os demais.

Fonte ↗

A Anthropic chama isso de 'deployment overhang' (capacidade ociosa na implantação). A METR estimou tarefas que valem quase 5 horas de trabalho humano para o Opus 4.5, mas o turno do Claude Code no percentil 99,9 durou só cerca de 42 minutos. As pessoas deixam os agentes sozinhos muito menos do que eles dariam conta.

Fonte ↗

Quem mais delega é também o mais otimista. Usuários com mais sessões automatizadas do Claude esperam melhores salários e perspectivas de emprego, e dizem aprender no mesmo ritmo que os demais.

Fonte ↗

Os ritmos humanos ainda moldam o uso da IA. Os pedidos de conselhos sobre sono atingem o pico por volta das 5h da manhã, e os pedidos sobre imposto de renda dos EUA chegaram a oito vezes o nível habitual em 14 de abril.

Fonte ↗
🇺🇸 ChatGPT10 posições · 4 notas

A mesma pergunta, respondida só por ChatGPT. A lista final acima combina todas as IAs.

  1. 1
    Agente de IA para programação: correção de bugs, testes e pequenos recursos de software

    O caso mais forte para um agente que trabalha enquanto você dorme é também o mais mensurável: código pode ser testado, falhas podem ser reproduzidas e mudanças podem ser revisadas antes do lançamento.

    Fonte ↗
  2. 2
    Agente de IA para pesquisa de mercado, concorrentes e temas técnicos

    Um bom pesquisador noturno pode devolver de manhã um resumo com links para as fontes; seu valor real está em encontrar e organizar evidências, não em tornar toda conclusão verdadeira.

    Fonte ↗
  3. 3
    Agente de IA para escrita e reaproveitamento de conteúdo

    Uma entrevista pode virar notas do episódio, newsletter, posts para redes sociais e um primeiro rascunho de artigo de blog. Mas publicar sem revisão é outro trabalho.

    Fonte ↗
  4. 4
    Agente de IA para análise de dados e relatórios

    O ganho da noite não é uma previsão misteriosa: é acordar com dados limpos, cálculos conferidos, gráficos e um relatório que mostra o passo a passo.

    Fonte ↗
  5. 5
    Agente de IA para documentos e gestão do conhecimento

    Uma busca pelas conversas de ontem e por uma pasta de documentos antigos pode poupar horas, mas a recuperação só é tão boa quanto o acesso, o contexto e as evidências devolvidas.

    Fonte ↗
  6. 6
    Agente de IA para monitoramento recorrente e alertas

    O trabalho mais literal de estar sempre ligado é vigiar uma mudança, não fingir que a prevê: verificar uma fonte toda manhã e informar só o que for novo.

    Fonte ↗
  7. 7
    Agente de IA para apresentações e resumos executivos

    Um dot pode montar a primeira apresentação a partir do feedback de clientes e de novas descobertas. O executivo continua responsável pelo argumento, pelos números e pela promessa feita no último slide.

    Fonte ↗
  8. 8
    Agente de IA para suporte ao cliente e triagem de atendimentos

    Responder a uma pergunta de rotina é fácil de demonstrar; resolver o problema real de um cliente atravessando ferramentas, políticas e exceções é o teste mais difícil.

    Fonte ↗
  9. 9
    Agente de IA para navegador e fluxos administrativos

    Um agente de navegador consegue percorrer um fluxo de trabalho, mas a lição dos benchmarks da web é dura: clicar por um caminho plausível não é o mesmo que concluir a tarefa corretamente.

    Fonte ↗
  10. 10
    Agente de IA para e-mail, agenda e tarefas pessoais

    O assistente útil é aquele que percebe discretamente o conflito de amanhã e prepara a resposta, não aquele que envia uma mensagem importante porque adivinhou o que você quis dizer.

    Fonte ↗

O que ChatGPT percebeu

A melhor tarefa para entregar a um agente não é necessariamente a que ele faz de forma mais impressionante. Programação aparece em primeiro aqui porque os resultados podem ser testados e revisados, o que facilita detectar erros antes que cheguem aos usuários.

Fonte ↗

O Índice Econômico original da Anthropic estimou uma divisão de 57% de aumento de capacidade contra 43% de automação. Quem usa a IA para ajudar no trabalho e quem delega trabalhos inteiros não formam o mesmo grupo de comportamento.

Fonte ↗

Horizonte de tempo não é um relógio sem supervisão. A METR estima a duração, em horas de um especialista humano, das tarefas que um agente consegue concluir com determinada confiabilidade. Isso não quer dizer que ele consiga rodar essas horas sozinho, com confiança e sem supervisão.

Fonte ↗

Estar sempre ligado muda o modelo de agendamento, não a garantia de confiabilidade. Um agente na nuvem pode seguir trabalhando entre uma conversa e outra, mas suas instruções, permissões e a necessidade de aprovação humana continuam definindo o que ele deve fazer.

Fonte ↗
🇺🇸 Meta10 posições · 3 notas

A mesma pergunta, respondida só por Meta. A lista final acima combina todas as IAs.

  1. 1
    Correção de bugs de software e manutenção de código

    37,2% das consultas ao Claude são de computação e matemática; a fronteira agora está em 80,9% no SWE-Bench Verified, contra 33% dezoito meses atrás

  2. 2
    Análise de dados e conciliação de planilhas

    Agentes ∼100% em tarefas de menos de 4 min, mas menos de 10% em tarefas de mais de 4 horas: a conciliação fica onde a PricewaterhouseCoopers criou um agente de planilhas de ponta

    Fonte ↗
  3. 3
    Pesquisa na web e redação de relatórios

    GAIA nível 1: 78-82% contra 92% dos humanos; nível 3: só 35-45%. A pesquisa está resolvida até ficar realmente difícil

    Fonte ↗
  4. 4
    Redação de documentos e textos comerciais

    Escrita é o 2º grupo de tarefas mais comum, mas 86% dizem que a IA os deixa mais rápidos, não que substitua o rascunho

    Fonte ↗
  5. 5
    Triagem de chamados de atendimento ao cliente

    Fornecedores prometem primeira resposta 50-70% mais rápida, mas o OSWorld ainda falha em 1 de cada 3 tarefas reais no computador

  6. 6
    Testes de qualidade (QA) e automação de navegador

    OSWorld 66,3% está perto dos 72% dos humanos, mas o OSWorld 2.0 de ponta a ponta fica em 20,6%, com 54,8% de progresso parcial

  7. 7
    Revisão de código e geração de testes

    Mais de 70% no Verified, 45-57% no Pro: uma diferença de 15 a 30 pontos entre o que se divulga e os problemas inéditos e mais difíceis

  8. 8
    Monitoramento de agenda e preparação de reuniões

    O dot pode 'revisar sua agenda todo dia de manhã e checar um canal de planejamento em cada dia útil': o único trabalho feito para enquanto você dorme

    Fonte ↗
  9. 9
    Enriquecimento de CRM e operações de vendas

    A automação domina a API empresarial com ∼75%, mas o melhor agente empresarial acerta totalmente só 38%. O valor está nessa tensão

  10. 10
    Criação de conteúdo e redação para SEO

    Muito uso, pouca confiança: os melhores agentes resolvem só 2,6% dos fluxos profissionais mais difíceis, apesar de 75% no GAIA geral

    Fonte ↗

O que Meta percebeu

Computação e matemática são 37,2% do uso do Claude, mas 4% do emprego nos EUA: 9 vezes mais uso do que a fatia de empregos prevê. É o descompasso mais claro entre o que as pessoas delegam e o que a capacidade permite

Fonte ↗

O OSWorld saltou de 12% para 66,3% em um ano, enquanto o horizonte da METR foi de 4 minutos no início de 2024 para 14,5 horas em fevereiro de 2026. 2025-2026 foi uma ruptura, não uma evolução gradual

Fonte ↗

A API empresarial é 75% automação contra 45% no consumidor: empresas deixam agentes rodarem sem supervisão na nuvem, enquanto consumidores seguem iterando junto com a IA

Fonte ↗
🇺🇸 Grok10 posições · 4 notas

A mesma pergunta, respondida só por Grok. A lista final acima combina todas as IAs.

  1. 1
    Programação e desenvolvimento de software

    Delegação dominante (cerca de um terço dos chats do Claude) e o domínio em que os agentes já concluem sozinhos tarefas de várias horas

    Fonte ↗
  2. 2
    Escrita e criação de conteúdo (blogs, marketing, artigos)

    Intensidade de trabalho quase no topo: 80-81% dessas saídas são relacionadas ao trabalho, mas as pessoas costumam iterar em vez de delegar por completo

    Fonte ↗
  3. 3
    Análise de dados e consultas em bancos de dados

    Maior intensidade de trabalho entre as saídas medidas (82%), e se encaixa em execuções de agentes sem supervisão

    Fonte ↗
  4. 4
    Pesquisa e síntese de informações

    Agentes se saem bem em longas cadeias de pesquisa (no estilo METR), e os dots são feitos para buscas em segundo plano nos chats e na web

    Fonte ↗
  5. 5
    Atendimento ao cliente e tratamento de dúvidas

    Alta exposição observada em alguns dados (perto do topo entre as ocupações), mas taxas de delegação total mais baixas do que em programação

    Fonte ↗
  6. 6
    Redação de e-mails e documentos

    Saída comum de trabalho (documentos e relatórios, cerca de 15-20% dos chats de trabalho) que os agentes podem preparar por completo e entregar

    Fonte ↗
  7. 7
    Monitoramento, alertas e verificações agendadas

    Exatamente para o que os dots sempre ligados são feitos: seguir trabalhando na nuvem e mostrar só o que precisa de uma pessoa

    Fonte ↗
  8. 8
    Prospecção de vendas e pesquisa de leads

    Dados da API mostram fluxos de vendas automatizados em crescimento; os dots podem manter pesquisa e rascunhos andando durante a noite

    Fonte ↗
  9. 9
    Preparação de relatórios e apresentações

    Saída de trabalho intelectual de alto valor, que consome mais tokens e se encaixa na delegação total depois que o escopo está definido

    Fonte ↗
  10. 10
    Agendamento de tarefas e gestão de fluxos de trabalho

    Os dots editam explicitamente tarefas agendadas e mantêm responsabilidades contínuas em andamento, mas as pessoas ainda preferem conduzir a soltar de vez

    Fonte ↗

O que Grok percebeu

Tarefas de computação e matemática (principalmente programação) ainda respondem por cerca de um terço das conversas no Claude.ai, mesmo com o uso se diversificando, enquanto trabalhos físicos e de serviços ficam perto de zero.

Fonte ↗

O horizonte de tempo de 50% da METR para tarefas de software dobrou a cada poucos meses e agora fica na faixa de várias horas para os modelos de fronteira, mas a maioria das conversas reais continua sendo de turnos colaborativos mais curtos.

Fonte ↗

Metade dos cerca de 9.700 usuários do Claude ouvidos já acredita que a IA pode dar conta de 50% ou mais das suas tarefas de trabalho; só 4% dizem que ela consegue fazer o trabalho inteiro hoje.

Fonte ↗

Produtos de API e agentes (Claude Code, dots) mostram parcelas de automação muito maiores do que o chat de consumo, evidenciando a distância entre o que as pessoas delegam de forma interativa e o que pode rodar sem supervisão.

Fonte ↗
🇺🇸 Gemini10 posições · 1 notas

A mesma pergunta, respondida só por Gemini. A lista final acima combina todas as IAs.

  1. 1
    Correção automática de bugs e testes unitários

    Agentes de fronteira resolvem até 79,2% das issues verificadas do GitHub, mas o desempenho sem ajuda despenca para 23% quando expostos a bases de código proprietárias de várias horas no SWE-bench Pro.

  2. 2
    Monitoramento da concorrência e extração de dados da web

    Agentes marcam entre 65% e 74% em ambientes web autônomos, o que torna o monitoramento de preços e estoque a tarefa mais segura para deixar rodando enquanto os operadores dormem.

  3. 3
    Limpeza de dados em lote e pipelines ETL em SQL

    A execução de scripts de análise fica na faixa de maior exposição do Índice Econômico da Anthropic, permitindo transformações de banco de dados sem supervisão, com verificação determinística por testes.

  4. 4
    Triagem e encaminhamento de chamados de suporte

    Agentes de atendimento ao cliente acertam mais de 90% no roteamento em avaliações estruturadas do GAIA, mas as organizações mantêm aprovações humanas em 57% das respostas ao vivo para clientes.

    Fonte ↗
  5. 5
    Resumos diários automáticos e síntese de literatura

    Assistentes de telefone sempre ativos fazem sínteses de várias fontes durante a noite e entregam resumos estruturados antes do início do expediente, sem arriscar quedas nos sistemas em produção.

    Fonte ↗
  6. 6
    Refatoração de código e migrações de dependências

    Avaliações da METR mostram agentes navegando de forma confiável em tarefas de software de várias etapas dentro de 30 a 60 minutos de equivalente humano, antes que erros que se acumulam provoquem desvio.

  7. 7
    Agendamento de compromissos e coordenação de reuniões

    Os dots assistentes proativos podem editar eventos agendados e sincronizar calendários em segundo plano, mas os usuários ainda intervêm sempre que surgem nuances sociais envolvendo várias pessoas.

    Fonte ↗
  8. 8
    Redação de conteúdo e textos de marketing

    Apesar de responder pelo maior volume de conversas nas interfaces de chat, mais de 55% de todas as interações de redação continuam sendo editadas lado a lado, em conjunto, e não publicadas sem supervisão.

  9. 9
    Auditoria de vulnerabilidades e varredura estática de segurança

    Agentes de fronteira encontram falhas em repositórios de forma autônoma em avaliações isoladas da METR, mas as equipes empresariais recusam correções sem supervisão na nuvem por causa do risco de quedas por falsos positivos.

  10. 10
    Prototipagem de aplicativos de ponta a ponta, de forma autônoma

    Embora as demonstrações de 'vibe coding' despertem entusiasmo público, agentes autônomos atingem menos de um quarto de confiabilidade em sistemas complexos desenvolvidos do zero e executados sem supervisão humana.

O que Gemini percebeu

A infraestrutura persistente na nuvem, como os Dots da OpenAI rodando em navegadores remotos dedicados, permite execução em lote noturna sem supervisão. Assim, a utilidade do agente passa do chat em tempo real para a entrega assíncrona.

Fonte ↗
🇨🇳 Kimi10 posições · 4 notas

A mesma pergunta, respondida só por Kimi. A lista final acima combina todas as IAs.

  1. 1
    Desenvolvimento de software: correções de bugs, refatoração e pull requests (agentes de programação, 2026)

    A única tarefa que cumpre os quatro critérios ao mesmo tempo: cerca de 35% de todas as conversas no Claude.ai, um horizonte de cerca de 12 horas de tarefas feitas sem ajuda, e 42% das organizações já deixam agentes liderar o desenvolvimento.

    Fonte ↗
  2. 2
    Análise de dados e geração de relatórios (2026)

    O delegado mais confiável: análise de dados é a tarefa em que as pessoas mais confiam nos agentes (38%), e 60% das empresas a chamam de seu uso de agente de maior impacto. Mesmo assim, ela quase não aparece no tráfego de chat.

    Fonte ↗
  3. 3
    Pesquisa aprofundada e busca web com agentes (2026)

    Os benchmarks dizem que é sobre-humano (GAIA 94% contra 92% dos humanos). Mas as perguntas do GAIA são públicas desde 2023, então a pontuação atesta competência, não confiabilidade durante a noite.

    Fonte ↗
  4. 4
    Redação, revisão e correspondência comercial (2026)

    O grande volume silencioso de delegação total: 'Gerar e-mails de venda B2B personalizados' sozinho representa 0,47% de todo o tráfego de API empresarial, sem ninguém no circuito, por design.

    Fonte ↗
  5. 5
    Atendimento e resolução de suporte ao cliente (2026)

    O trabalho não programático com mais implantação em produção, e o primeiro em que o benchmark chegou ao teto: o tau-bench em texto, com 87,9%, está quase resolvido. Por isso a confiabilidade nas repetições é agora a métrica que importa.

    Fonte ↗
  6. 6
    Tarefas de cibersegurança e investigações tipo CTF (desafios de segurança) (2026)

    A maior subida em qualquer benchmark: de 15% para 93% de resolução sem orientação no Cybench em dois anos, em um trabalho que as pessoas quase nunca delegam no chat do dia a dia.

    Fonte ↗
  7. 7
    Triagem de e-mails, agendamento e coordenação administrativa (2026)

    O habitat natural do dot: resumos diários da agenda e marcação de compromissos. Mas os próprios dados da Anthropic mostram que administradores mantêm a IA como copiloto, economizando horas sem entregar a caixa de entrada.

    Fonte ↗
  8. 8
    Apoio educacional: trabalhos escolares, tutoria e estudo (2026)

    Um quinto de todas as conversas de consumo, mas o trabalho menos 'sempre ligado' da lista. Estudantes vêm para aprender, não para delegar, então aqui quem paga as contas é o aumento de capacidade, não a automação.

    Fonte ↗
  9. 9
    Uso do computador e longos fluxos de trabalho de escritório (OSWorld 2.0, 2026)

    O exemplo do descompasso: os agentes 'vencem humanos' no OSWorld antigo (90,2% contra 72,4%), mas no novo conjunto de fluxos longos o melhor agente completa só 31,4%. Tardes de trabalho, não recados, continuam sendo território humano.

    Fonte ↗
  10. 10
    Administração financeira, faturamento e digitação de dados (2026)

    O paradoxo da desqualificação em um só trabalho: digitadores de dados sobem na tabela de 'cobertura efetiva da IA' porque a IA tira nota máxima na tarefa central deles. Enquanto isso, só 20% dos executivos confiam em um agente perto de qualquer coisa que envolva dinheiro.

    Fonte ↗

O que Kimi percebeu

As três listas divergem de fato: agentes são medidos em programação e segurança (METR, SWE-bench), consumidores delegam pesquisa e escrita (38% de 'automatizadores de navegação na web'), e só tarefas delimitadas e verificáveis podem rodar com segurança enquanto você dorme. Usuários do Codex Cloud relatam processos em segundo plano perdidos em silêncio no meio da execução, e por isso o ranking de trabalho sem supervisão não é o ranking de capacidade.

Fonte ↗

Automação é uma questão de plataforma, não de capacidade: no Claude.ai, o aumento de capacidade superou a automação, 52% contra 45% (nov. 2025), enquanto o tráfego da API empresarial é 75-77% de delegação total automatizada. O mesmo modelo é um colega no chat e um substituto na API.

Fonte ↗

O horizonte de 50% (~12 horas) superestima a capacidade sem supervisão. O horizonte de 80% da METR, que é o número que importa para trabalhos que você não confere, é cerca de 4 a 10 vezes menor. E as estimativas de produtividade caem de 1,8 para 1,0 ponto percentual por ano quando as taxas de sucesso entram no cálculo.

Fonte ↗

Todo mundo teme pelos juniores, mas delega as próprias tarefas: mais de um terço dos trabalhadores ouvidos põe em mais de 60% a probabilidade de um colega júnior perder o emprego, três vezes a própria chance. Enquanto isso, a Anthropic constata que a IA já cuida das tarefas de nível superior, deixando desqualificação líquida nos cargos que restam.

Fonte ↗
🇨🇳 DeepSeek10 posições · 3 notas

A mesma pergunta, respondida só por DeepSeek. A lista final acima combina todas as IAs.

  1. 1
    Engenheiro de software (código-padrão e manutenção de código)

    O maior paradoxo da IA: desenvolvedores usam agentes em cerca de 60% do seu trabalho, mas delegam por completo apenas 0-20% das tarefas.

    Fonte ↗
  2. 2
    Analista de negócios (geração automática de relatórios)

    A geração automatizada de relatórios lidera o índice de confiança nos agentes com 83,5/100. A tarefa de agente mais confiável é também a mais tediosa.

    Fonte ↗
  3. 3
    Analista de qualidade de dados (monitoramento e detecção de anomalias)

    O monitoramento de qualidade de dados marca 82,0 e é o raro trabalho em que 'sempre ligado' é o ponto principal: o agente não tira os olhos.

    Fonte ↗
  4. 4
    Atendente de atendimento ao cliente (encaminhamento e resposta de chamados)

    O atendimento ao cliente tem 70,1% de exposição à IA, mas a maioria das conversas ainda é feita em conjunto. A parcela de automação fica atrás da exposição.

    Fonte ↗
  5. 5
    Redator técnico (notas de lançamento e documentação)

    As notas de lançamento marcam 79,5 porque o agente consegue ler o histórico de commits e escrever o changelog: estruturado, verificável, sem drama.

    Fonte ↗
  6. 6
    Digitador de dados (conversão e padronização de formatos)

    A entrada de dados tem 67,1% de cobertura da IA, mas a paranoia com a precisão faz humanos conferirem cada campo. A delegação total é rara.

    Fonte ↗
  7. 7
    Analista de pesquisa (pesquisas agendadas e monitoramento da web)

    71,4% dos casos de uso de agentes rodam por agenda ou evento. A pesquisa é o trabalho original do 'configure e esqueça'.

    Fonte ↗
  8. 8
    Assistente executivo (triagem de e-mails e gestão da caixa de entrada)

    A IA consegue categorizar automaticamente de 50-65% da sua caixa de entrada, mas ainda não consegue apertar 'enviar' sozinha. A triagem de e-mails é só leitura enquanto você dorme.

    Fonte ↗
  9. 9
    Engenheiro de confiabilidade (monitoramento de dados em tempo real e alertas)

    O monitoramento de fluxos em tempo real marca 80,5 e é o trabalho mais puro de estar sempre ligado: o agente vigia enquanto você dorme, mas a ação ainda precisa de aprovação.

    Fonte ↗
  10. 10
    Assistente administrativo (agenda e gestão de tarefas recorrentes)

    A gestão de calendário é a vitória mais fácil do agente: os dots já conseguem editar tarefas agendadas enquanto você dorme.

    Fonte ↗

O que DeepSeek percebeu

A engenharia de software é o maior caso de uso real da IA (35-37% das conversas no Claude) e tem o maior horizonte autônomo medido (~14,5 horas), mas uma das menores taxas de delegação total (0-20%). A capacidade não é o gargalo; a verificação é.

Fonte ↗

71,4% dos casos de uso reais de agentes já rodam por agenda ou evento, em vez de esperar um clique. Mas só 5% dos trabalhadores americanos dizem ter delegado totalmente ao menos uma tarefa à IA. A infraestrutura para trabalho sem supervisão existe; a confiança, não.

Fonte ↗

O dado de junho de 2026 da Anthropic mostra que a parcela de automação é maior em Serviços de Proteção (75%) e Construção (67%), e não no trabalho intelectual. Quando as tarefas são discretas e autocontidas, as pessoas as entregam por completo. Quando estão em jogo julgamento profissional e responsabilidade (Jurídico: 35%), elas colaboram.

Fonte ↗