O crescimento do tokenmaxxing revela por que usar mais Inteligência Artificial nem sempre significa gerar mais valor.

A produtividade com Inteligência Artificial tornou-se uma das maiores prioridades das empresas. Organizações ao redor do mundo estão investindo bilhões de dólares em IA Generativa com a expectativa de que uma maior adoção da tecnologia resulte naturalmente em mais eficiência, menores custos e melhores resultados de negócio.

Mas a realidade está revelando um paradoxo surpreendente.

O uso da IA cresce em ritmo exponencial, enquanto o valor efetivamente gerado para o negócio nem sempre acompanha essa evolução. Um fenômeno emergente — conhecido como tokenmaxxing — ajuda a explicar por que isso está acontecendo.

À primeira vista, tokenmaxxing parece ser apenas um conceito técnico relacionado ao consumo de Inteligência Artificial. Na prática, ele revela algo muito mais profundo: uma velha tendência humana de confundir atividade com progresso.

E, para líderes de RH, executivos e qualquer profissional responsável por conduzir a transformação digital de uma organização, compreender essa diferença pode se tornar um dos maiores desafios de liderança da próxima década.

Sêneca previu o problema da produtividade da IA há quase dois mil anos

No ano 49 d.C., em plena Roma Antiga — o mesmo ano do Concílio de Jerusalém e da Guerra do Bósforo — o filósofo romano Sêneca, um dos maiores expoentes do estoicismo, escreveu uma carta ao seu sogro que mais tarde se transformaria em sua obra mais conhecida: Sobre a Brevidade da Vida.

Em determinado momento, ele escreveu algo que, na primeira vez que li, me atingiu como um soco no estômago:

“Não é que tenhamos pouco tempo de vida, mas desperdiçamos grande parte dele… A vida é suficientemente longa para realizarmos grandes feitos, desde que saibamos utilizá-la bem.”

Pense nessa frase por um instante.

Sêneca não diz que nos falta tempo.

Ele diz que o problema está na forma como investimos o tempo que já temos.

Durante boa parte da minha carreira, também acreditei — e talvez você pense o mesmo — que o maior obstáculo para a produtividade era simplesmente a falta de horas disponíveis. A Inteligência Artificial parecia finalmente oferecer uma solução para esse problema. Automatizar tarefas repetitivas, eliminar atritos, reduzir custos e liberar as pessoas para atividades de maior valor agregado.

Essa era a promessa.

Mas, algumas semanas atrás, Andrew Macdonald, presidente e COO da Uber, fez uma observação que resume perfeitamente o momento que muitas empresas começam a viver.

Ao comentar os bilhões de dólares investidos em Inteligência Artificial, ele admitiu:

“Essa conexão ainda não existe.”

A conexão entre investimento em IA e geração efetiva de valor para o negócio ainda não está claramente estabelecida.

Por quê?

Parte dessa resposta já havia sido escrita quase dois mil anos atrás.

Sêneca compreendia algo sobre a natureza humana que a Inteligência Artificial apenas tornou mais evidente.

Nós não usamos, automaticamente, o tempo economizado para fazer aquilo que realmente importa.

Nós tendemos a preencher esse tempo com ainda mais atividades.

Porque estar ocupado transmite a sensação de produtividade.

Estar ocupado transmite a sensação de importância.

E permanecer constantemente ocupado nos livra da tarefa muito mais difícil: decidir no que realmente vale a pena investir nossa atenção.

Se essa ideia parece familiar, é porque o professor de Ciência da Computação da Universidade de Georgetown, Cal Newport, descreveu exatamente esse comportamento em seu livro Deep Work.

Ele diferencia o trabalho profundo — aquele que realmente cria valor — do chamado Shallow Work, o trabalho superficial composto por pequenas tarefas reativas que ocupam nossos dias sem necessariamente produzir resultados relevantes.

Separados por quase dois mil anos, Sêneca e Cal Newport descrevem exatamente o mesmo comportamento humano.

Hoje, porém, esse comportamento ganhou um novo nome.

Tokenmaxxing.

Por que a produtividade da IA não está entregando o que esperávamos

Nos últimos dois anos, praticamente todas as grandes empresas aceleraram seus investimentos em IA Generativa.

Equipes de engenharia utilizam assistentes de programação.

Departamentos de marketing criam campanhas inteiras com modelos de linguagem.

Áreas financeiras automatizam análises e relatórios.

Profissionais de RH escrevem descrições de vagas, resumem entrevistas e apoiam processos seletivos com Inteligência Artificial.

A lógica parecia simples.

Quanto mais pessoas utilizassem IA, maior seria a produtividade.

Mas a realidade mostrou ser muito mais complexa.

À medida que a adoção da IA cresce, também crescem os custos.

Muitas organizações estão consumindo volumes cada vez maiores de processamento sem gerar resultados proporcionais para o negócio.

Em outras palavras, ficou extremamente fácil medir o uso da IA.

O difícil continua sendo medir o valor efetivamente criado.

O Paradoxo de Jevons: uma lei econômica que continua mais atual do que nunca

Para entender esse fenômeno, precisamos voltar ao ano de 1865.

O economista britânico William Stanley Jevons tentava responder a uma pergunta que preocupava toda a Inglaterra da Revolução Industrial.

O país acabaria ficando sem carvão?

O raciocínio parecia óbvio.

Se as máquinas a vapor se tornassem mais eficientes, naturalmente o consumo de carvão diminuiria.

Mas aconteceu exatamente o contrário.

Quanto mais eficientes se tornavam os motores, maior era o consumo de carvão.

Por quê?

Porque reduzir o custo de um recurso normalmente não reduz seu consumo.

Na maioria das vezes, faz exatamente o oposto.

O carvão ficou mais barato.

As fábricas passaram a funcionar por mais tempo.

Novas indústrias surgiram.

Novos usos foram criados.

O consumo explodiu.

Esse fenômeno ficou conhecido como Paradoxo de Jevons, uma das leis econômicas mais consistentes já observadas.

Toda vez que um recurso se torna mais eficiente, sua utilização tende a aumentar — e não a diminuir.

Esse padrão nunca desapareceu.

Apenas mudou de forma.

O que é tokenmaxxing?

Se o carvão foi o recurso estratégico da Revolução Industrial, a cognição se tornou o recurso estratégico da revolução da Inteligência Artificial.

E, hoje, essa cognição é medida por meio de tokens.

Para quem não está familiarizado com o termo, um token é uma pequena unidade de texto que um modelo de IA utiliza para compreender um prompt e gerar uma resposta.

Cada pergunta.

Cada resposta.

Cada documento resumido.

Cada linha de código.

Cada ação executada por um agente de IA.

Tudo é convertido em tokens.

Uma analogia simples é imaginar um taxímetro.

Quanto mais tempo o táxi permanece em movimento, maior será o valor da corrida.

Com a Inteligência Artificial acontece algo parecido.

Quanto mais tokens são processados, maior tende a ser o custo daquela interação.

Mas os tokens não servem apenas para calcular custos.

Eles também se tornaram um indicador indireto do grau de utilização da IA dentro das empresas.

E foi exatamente aí que surgiu o fenômeno conhecido como tokenmaxxing.

Muitas organizações passaram a assumir que um maior consumo de tokens significava maior adoção da IA, maior inovação e, consequentemente, maior produtividade.

A lógica parecia fazer sentido.

Se as pessoas estão usando mais IA, então devem estar produzindo mais valor.

Infelizmente, a realidade mostrou ser muito mais complexa.

Por que os líderes de RH deveriam se preocupar com isso?

O tokenmaxxing cria um desafio completamente novo para a gestão.

Durante décadas, as empresas aprenderam a medir produtividade por indicadores relativamente simples.

Horas trabalhadas.

Projetos concluídos.

Relatórios produzidos.

Volume de vendas.

Agora, com a Inteligência Artificial, surgiu um novo indicador aparentemente fácil de acompanhar: o uso da IA.

O problema é que medir utilização não significa medir impacto.

Na prática, isso pode levar organizações a recompensarem exatamente o comportamento errado.

Quando uma empresa passa a valorizar o consumo de IA em vez da geração de valor, as pessoas fazem aquilo que qualquer sistema de incentivos naturalmente estimula.

Elas passam a otimizar o indicador.

Não o resultado.

Foi exatamente isso que começou a acontecer em algumas das maiores empresas de tecnologia do mundo.

Na Meta, colaboradores criaram um ranking interno apelidado de Claudeonomics, que classificava mais de 85 mil funcionários de acordo com o volume de tokens consumidos.

O sistema incluía inclusive distintivos como Token Legend e Cache Wizard para quem utilizasse mais Inteligência Artificial.

Na Amazon, relatos indicam que algo semelhante aconteceu com um ranking interno chamado KiroRank.

Alguns funcionários admitiram atribuir tarefas sem qualquer utilidade prática aos agentes de IA apenas para aumentar seus números.

Nenhum desses comportamentos gerava mais valor para o negócio.

Gerava apenas mais atividade.

E atividade nunca foi sinônimo de impacto.

Quando medir o uso da IA se torna um problema

Com o passar do tempo, a realidade começou a aparecer.

A Meta encerrou seu ranking.

A Microsoft, segundo diferentes relatos, reduziu assinaturas do Claude Code em algumas equipes de desenvolvimento.

A Uber consumiu todo o orçamento anual previsto para tokens de IA nos primeiros meses do ano.

Marc Benioff, CEO da Salesforce, estimou que apenas os gastos da empresa com modelos da Anthropic poderiam atingir aproximadamente US$ 300 milhões por ano.

O que aconteceu?

Em primeiro lugar, aquilo que Andrew Macdonald já havia sugerido.

Não existia uma relação clara entre maior consumo de IA e maior geração de valor.

Mas existe um segundo motivo.

E ele nos leva novamente ao Paradoxo de Jevons.

À medida que a IA fica mais eficiente e mais barata, não passamos a utilizá-la menos.

Passamos a utilizá-la muito mais.

Desde 2022, o consumo global de tokens cresceu milhares de vezes.

Os agentes autônomos aceleram ainda mais esse processo.

Hoje, um único comando enviado por um usuário pode desencadear dezenas — ou até centenas — de ações automáticas executadas por diferentes modelos.

O ser humano para de escrever.

A Inteligência Artificial continua trabalhando.

O contador de tokens continua rodando.

O custo invisível da Inteligência Artificial

É aqui que voltamos a Sêneca.

Em vez de utilizar a IA para eliminar trabalho desnecessário, muitas organizações estão usando a tecnologia para produzir ainda mais trabalho.

Isso levanta uma pergunta desconfortável.

A Inteligência Artificial está realmente reduzindo custos?

Ou apenas substituindo um tipo de despesa por outro?

Arvind Jain, fundador e CEO da Glean, fez recentemente uma observação extremamente interessante.

Pela primeira vez, segundo ele, os custos com tecnologia começam a se comportar como custos de pessoal.

Em muitas empresas, a decisão deixa de ser apenas contratar um novo colaborador.

Ela passa a ser escolher entre contratar uma pessoa…

…ou comprar mais capacidade computacional.

Pense nisso por um momento.

Em algumas organizações, o orçamento destinado à compra de tokens de IA é exatamente o mesmo orçamento que, alguns anos atrás, seria destinado à contratação de novos profissionais.

Existe ainda outro fator preocupante.

Cerca de 95% das cargas de trabalho corporativas continuam utilizando os modelos mais sofisticados — e também os mais caros — mesmo quando modelos menores seriam perfeitamente capazes de executar a mesma tarefa.

É como utilizar uma Ferrari para fazer compras na padaria da esquina.

O problema não é apenas produzir demais.

É produzir demais utilizando os recursos mais caros disponíveis.

A verdadeira pergunta não é “quanto usamos IA?”

A pergunta correta é muito mais difícil.

Quanto valor essa IA realmente gerou?

Porque, na era da Inteligência Artificial, medir produtividade apenas pelo volume de atividade talvez seja um dos maiores erros de gestão que podemos cometer.

E essa é justamente a armadilha do tokenmaxxing.

Ele nos faz acreditar que mais uso significa mais resultado.

Quando, muitas vezes, significa apenas mais custo.

Augmentation: por que ampliar o potencial humano é mais importante do que automatizar

Foi exatamente essa armadilha que procurei explorar ao longo do último ano enquanto escrevia Between You and AI.

Entre as nove capacidades humanas que proponho como essenciais para liderar na era da Inteligência Artificial, uma delas ocupa um papel central: Augmentation.

Muitas pessoas interpretam esse conceito de forma equivocada.

Elas imaginam que ampliar significa utilizar o máximo possível de Inteligência Artificial.

Não significa.

Augmentation é usar a IA para eliminar tarefas rotineiras, repetitivas e operacionais, permitindo que as pessoas dediquem mais tempo àquilo que continua sendo exclusivamente humano.

Criatividade.

Pensamento crítico.

Empatia.

Capacidade de julgamento.

Tomada de decisão.

Relacionamentos.

Liderança.

O objetivo nunca foi automatizar pessoas.

O objetivo sempre foi potencializar pessoas.

O tokenmaxxing surge justamente quando esquecemos essa segunda parte da equação.

Quando começamos a acreditar que produzir mais automaticamente significa produzir melhor.

Quando a tecnologia deixa de servir ao ser humano…

…e passa a ditar o ritmo do nosso trabalho.

Nesse momento, a Inteligência Artificial deixa de ser uma ferramenta de ampliação das capacidades humanas para se tornar apenas mais uma fonte de sobrecarga.

A produtividade mudou de significado

Durante séculos, quantidade foi um bom indicador de produtividade.

Mais horas trabalhadas.

Mais relatórios produzidos.

Mais apresentações.

Mais e-mails.

Mais reuniões.

Mais entregas.

Em um mundo no qual produzir era caro, lento e exigia esforço humano significativo, fazia sentido utilizar volume como indicador de valor.

A Inteligência Artificial mudou completamente essa lógica.

Hoje, praticamente qualquer profissional consegue produzir uma quantidade quase ilimitada de textos, apresentações, análises, códigos e documentos em poucos minutos.

Quando o custo marginal da produção se aproxima de zero, produzir mais deixa de ser um diferencial competitivo.

Na verdade, pode se transformar exatamente no contrário.

Quanto mais fácil se torna produzir conteúdo, maior passa a ser o valor daquilo que não é produzido.

A reunião que você decide cancelar.

O relatório que nunca será escrito.

O slide que é removido da apresentação.

O e-mail que não precisa ser enviado.

O prompt que você escolhe não fazer.

É nesse espaço que mora aquilo que nenhuma Inteligência Artificial consegue substituir.

Julgamento.

Discernimento.

Prioridade.

A verdadeira competência da próxima década

A Inteligência Artificial não criou nossa obsessão por estarmos constantemente ocupados.

Ela apenas tornou essa obsessão visível em uma escala sem precedentes.

Exatamente como Sêneca observou há quase dois mil anos.

Exatamente como Cal Newport descreveu ao diferenciar trabalho profundo de trabalho superficial.

A tecnologia mudou.

A natureza humana continua praticamente a mesma.

E talvez seja justamente essa a maior ironia da revolução da IA.

Passamos anos acreditando que produtividade significava fazer mais.

Agora começamos a descobrir que talvez produtividade signifique fazer menos.

Mas fazer aquilo que realmente importa.

Isso muda completamente a forma como medimos desempenho.

Como avaliamos equipes.

Como lideramos pessoas.

E como decidimos investir em Inteligência Artificial.

A pergunta que todo líder deveria fazer

Sempre que converso com executivos sobre IA, percebo que a maioria das perguntas gira em torno da mesma ideia:

“Como podemos usar mais Inteligência Artificial?”

Talvez essa já não seja a pergunta correta.

Talvez a pergunta que realmente importa seja outra.

Em quais situações a Inteligência Artificial gera valor real para o negócio… e em quais situações ela apenas gera mais atividade?

Essa mudança de perspectiva parece sutil.

Mas ela muda completamente a estratégia.

Porque o futuro não pertence às organizações que mais utilizam IA.

Pertence às organizações que fazem as melhores escolhas sobre quando utilizá-la.

Considerações finais

Sêneca acreditava que a vida já nos oferecia tempo suficiente para realizar grandes feitos.

O verdadeiro desafio era saber investi-lo com sabedoria.

Dois mil anos depois, talvez possamos dizer o mesmo sobre a Inteligência Artificial.

Nunca tivemos acesso a uma ferramenta capaz de produzir tanto, tão rapidamente e com um custo marginal tão baixo.

Mas exatamente por isso, nunca foi tão importante escolher cuidadosamente o que merece ser produzido.

O maior diferencial competitivo da próxima década não será escrever mais prompts.

Não será consumir mais tokens.

Não será gerar mais conteúdo.

Será desenvolver a capacidade de reconhecer quando a Inteligência Artificial está criando valor…

…e quando está apenas criando mais ruído.

No fim das contas, a habilidade mais importante da era da IA talvez não seja aprender a usá-la.

Seja aprender quando não usá-la.

Quer continuar explorando inteligência artificial, liderança e o futuro do trabalho?

Conheça meu podcast Between You and AI | Liderança, Habilidades Humanas e o Futuro do Trabalho.

E confira meu livro Between You and AI, publicado pela Wiley, onde aprofundo toda a estrutura das nove habilidades humanas essenciais para navegar a era da inteligência artificial.

Você também pode me encontrar em andreaiorio.com para palestras, conteúdos e novas conversas.