A análise da OpenAI de mais de 800.000 consultas do ChatGPT relacionadas ao trabalho mostra que 43,5% das solicitações de nível especialista estão sendo realizadas por usuários fora de sua função principal, uma tendência que a empresa chama de “task crossover”. O achado é importante porque sinaliza uma rápida reformulação de como as empresas alocam especialistas e de como os indivíduos definem suas capacidades profissionais.

Os dados por trás do “task crossover”

A OpenAI mapeou cada consulta a uma ocupação padrão usando o banco de dados ocupacional dos EUA, O*NET. Após remover atividades genéricas, como redação de e-mails ou agendamento, o estudo focou em competências de alto nível que normalmente exigem treinamento específico de domínio. Das consultas restantes, quase metade solicitou ao ChatGPT a execução de funções que pertencem a uma categoria profissional diferente da do próprio usuário.

Onde a mudança está ocorrendo

O cruzamento de tarefas tem picos em marketing e engenharia.

  • Profissionais de marketing recorrem ao ChatGPT para resolução de problemas técnicos e análise de dados — tarefas que engenheiros ou cientistas de dados geralmente realizam.
  • Engenheiros pedem ao modelo para revisar contratos e resolver problemas em sites, funções tradicionalmente preenchidas por equipes jurídicas ou de front-end.

Pequenas empresas amplificam esse padrão. Com orçamentos apertados para especialistas, um único funcionário pode usar o ChatGPT como um “multiplicador de força”, lidando com um portfólio de funções que, de outra forma, exigiriam múltiplas contratações.

Por que o crossover é importante para o trabalho e a IA

Os dados apontam para uma transição de “especialista” para “generalista aumentado”. À medida que a elaboração de prompts se torna uma habilidade por si só, o conhecimento profundo e isolado pode dar lugar à versatilidade aumentada por IA. Fundadores e desenvolvedores agora sentem pressão para levar os grandes modelos de linguagem além da simples geração de texto e entregar raciocínio de alta fidelidade em direito, finanças ou engenharia. Reduzir a barreira para tarefas técnicas pode reformular contratações, treinamentos e até cargos.

Riscos e contra-argumentos

Nem todos abraçam a mudança. Críticos alertam que delegar o trabalho de especialistas para uma IA pode diluir a expertise, introduzir erros ocultos e expor as organizações a riscos de conformidade. O estudo não monitora a frequência com que os resultados gerados por IA são validados, nem quantifica o custo potencial de erros em domínios de alto risco, como direito contratual ou design de engenharia. Essas preocupações sugerem que, embora a IA possa estender a capacidade, ela também pode criar uma falsa sensação de competência.

O que observar a seguir

  • Desenvolvimento de ferramentas: Futuras atualizações de LLMs devem melhorar o raciocínio específico de domínio e a verificação de erros para atender às demandas do task crossover.
  • Políticas organizacionais: As empresas podem redigir novas diretrizes internas para o trabalho assistido por IA, especialmente em setores regulamentados.
  • Sinais do mercado de trabalho: Recrutadores podem começar a listar “generalista aumentado por IA” como uma competência, e programas de treinamento podem migrar para habilidades de engenharia de prompts.

Principais conclusões

  • O task crossover representa 43,5% das consultas de especialistas, indicando uma sobreposição substancial de funções profissionais.
  • Marketing e engenharia lideram a mudança, usando IA para tarefas que tradicionalmente pertencem a outras especialidades.
  • Pequenas empresas dependem da IA para preencher lacunas de talentos, transformando efetivamente um único funcionário em um operador multidisciplinar.
  • A tendência traz tanto oportunidades quanto riscos, gerando apelos por uma validação de IA mais robusta e novas normas de trabalho.