Uma gerente de projetos que participou da pesquisa de 2025 sobre workslop recebeu da chefe uma entrega que, nas palavras dela, era de "qualidade ruim". Aquilo gerou "uma enorme perda de tempo e um transtorno", escreveu, e, como veio da chefe, ela "se sentiu desconfortável em confrontá-la sobre a baixa qualidade e pedir que refizesse". Então fez o trabalho ela mesma, às custas dos outros projetos (BetterUp Labs).
Esse é o problema inteiro em uma única história: quem quer que tenha feito o rascunho, ela pagou a conta, com os próprios projetos e com a dúvida sobre se era seguro dizer alguma coisa. Este guia mostra o que os pesquisadores encontraram, como levantar o assunto sem acusar ninguém e os hábitos de equipe que evitam a reincidência.
O que a pesquisa mediu
O termo vem de pesquisadores do BetterUp Labs e do Stanford Social Media Lab, que definiram workslop como "conteúdo de trabalho gerado por IA que se passa por trabalho bom, mas não tem substância para fazer uma tarefa avançar de forma significativa" (Fortune). O artigo saiu na Harvard Business Review em 2025, com um texto complementar sobre por que as pessoas produzem esse tipo de material. A pesquisa ouviu 1.150 trabalhadores de escritório em tempo integral nos EUA.
Cerca de 40% disseram ter recebido workslop de um colega no mês anterior. Os respondentes estimaram que aproximadamente 15% do conteúdo que recebem no trabalho se encaixa nessa descrição. Cada ocorrência levou cerca de 1 hora e 56 minutos para ser resolvida (a página da BetterUp arredonda para 2 horas), o que os pesquisadores traduziram em US$ 186 por trabalhador por mês, ou cerca de US$ 9 milhões por ano para uma empresa de 10 mil pessoas (CNBC).
Duas ressalvas antes de alguém citar esses números numa reunião de orçamento. Eles vêm de uma única pesquisa baseada em experiência autodeclarada, e o valor em dólares é calculado a partir dos salários informados pelos respondentes (Entrepreneur). Achamos que a direção é sólida e que as casas decimais são frágeis. Ninguém publicou ainda um estudo de antes e depois com uma equipe que resolveu o problema, e gostaríamos de ver um.
O custo social é o número que mostraríamos primeiro a um gestor cético. Segundo a CNBC, cerca de metade de quem recebeu passou a ver o remetente como menos criativo, capaz ou confiável, e cerca de um em cada três contou a um colega ou ao chefe. Kate Niederhoffer, do BetterUp Labs, descreveu a própria reação ao receber esse tipo de material: "Será que ele não consegue fazer o trabalho sozinho? Eu não confio. Não quero trabalhar com essa pessoa de novo."
Como reconhecer sem adivinhar
Jeff Hancock, fundador do Stanford Social Media Lab, disse à CNBC que a IA eliminou o esforço que antes limitava a quantidade de enrolação que uma pessoa conseguia produzir: "Consigo gerar muito conteúdo inútil ou improdutivo com muita facilidade." O sinal que ele apontou é a "prosa rebuscada" (purple prose): três parágrafos onde um tópico resolveria. Os exemplos da CNBC para esse tipo de material são código ruim, apresentações com informação incompleta e e-mails redigidos de forma estranha.
Repare no que está nessa lista. Nada ali exige provar que um modelo escreveu aquilo. Um relatório com números inventados é um problema, seja uma pessoa ou um chatbot que os inventou, e essa é a versão que você consegue apontar numa reunião. Nós deixaríamos de lado a pontuação de detectores de IA como prova numa conversa no trabalho: uma porcentagem é um palpite sobre quem escreveu o texto, enquanto uma fonte ausente, um número errado ou uma decisão que falta qualquer pessoa pode verificar (veja o ranking de detectores de conteúdo de IA e nosso comparativo para entender o que eles afirmam medir).
Como levantar o assunto com um colega, passo a passo
A CNBC Make It publicou um guia sobre exatamente isso, de Melody Wilding, coach de executivos e autora de Managing Up. O conselho dela, que seguiríamos quase ao pé da letra, se resume a quatro movimentos (CNBC).
- Comece por um objetivo em comum. Frases de exemplo de Wilding: "Nós dois queremos que a diretoria fique satisfeita com isso" ou "Como nossos nomes estão nisso, espero que você concorde que precisa resistir ao escrutínio do cliente."
- Aponte problemas específicos e evite o veredito genérico. Duas seções em que os dados não batem com o que vocês combinaram. Uma formatação que muda no meio do documento. Um número sem fonte.
- Diga quanto custou. Exemplo de Wilding: "Gastei tempo refazendo isso, o que significou adiar um projeto para o meu chefe." Um custo que você consegue nomear é difícil de contestar.
- Peça uma mudança para a próxima vez: uma revisão rápida dos rascunhos de IA antes de chegarem a você, ou um aviso quando a IA tiver sido usada. A frase de Wilding é: "Uma coisa que ajudaria é saber quando a IA foi usada."
Wilding alerta contra o genérico "isso tudo parece ter sido gerado por IA", principalmente quando você não consegue provar: isso coloca a outra pessoa na defensiva e tira o foco do que precisa mudar. Quando você mencionar a IA, ela sugere suavizar e admitir que também usa: "Posso estar enganado, mas parte disso parece ter tido ajuda de IA. Eu também uso, então esse não é o problema." Ainda assim, nós começaríamos pelos defeitos e falaríamos da IA em segundo lugar, se for o caso.
Quando quem enviou é o seu gestor
Falar para cima é mais difícil, e a pesquisa mostra por quê: a gerente de projetos do início ficou quieta porque o rascunho veio da chefe. O conselho de Wilding é reconhecer primeiro o seu próprio uso de IA, o que mostra ao chefe que você não é contra as ferramentas e mantém a conversa em qualidade e tempo. Depois, coloque um número no custo e ligue-o a algo que importe para ele, como o projeto que você precisou adiar.
Aqui, o pedido sustenta a conversa mais do que a reclamação. Não peça que o gestor pare de usar IA. Peça uma pequena mudança de processo com a qual ele possa concordar sem perder a face: dar uma olhada no rascunho antes de encaminhar, ou acrescentar uma linha dizendo quais partes o modelo escreveu. Duvidamos que um gestor recuse uma etapa de revisão quando a alternativa é ouvir a mesma queixa de três pessoas.
O trabalho não sumiu, só mudou de mãos
Nossa posição é que a IA deve eliminar trabalho, não empurrá-lo para outra pessoa. O workslop é o caso mais claro do segundo cenário. A tarefa de quem envia se reduz a um prompt e um colar, e quem recebe herda a verificação, a reescrita e a reunião constrangedora para perguntar o que se quis dizer.

Os números mais recentes apontam na mesma direção. A pesquisa da própria Workday, um levantamento global com 3.200 funcionários em tempo integral, todos usuários ativos de IA, mostrou que 85% disseram que a IA lhes poupa de uma a sete horas por semana, mas quase 40% do tempo economizado se perdia em retrabalho: corrigir erros, reescrever conteúdo e verificar resultados (Workday, publicada em 2026; veja também a CNBC). Apenas 14% obtiveram de forma consistente resultados líquidos claros e positivos. É a versão em escala de empresa do que sente quem recebe um único rascunho ruim. Se o número de "tempo economizado" de uma equipe for contado só do lado de quem envia, ele está inflado pelo que o lado de quem recebe paga.
Isso também resolve a questão da ferramenta. ChatGPT, Claude, Microsoft 365 Copilot e Gemini conseguem produzir um vazio bem-acabado sob demanda, e todos conseguem produzir um bom primeiro rascunho que uma pessoa cuidadosa depois corrige. O Grammarly fica do outro lado da linha: ele trabalha sobre um texto que você já escreveu. Não colocaríamos a culpa do workslop no produto. O que muda o resultado é o hábito. Se quiser comparar ferramentas de redação, o ranking ToolRank de assistentes de escrita com IA e nosso comparativo de assistentes de escrita são o melhor ponto de partida.
Normas de equipe que se sustentam
O conselho de Hancock, segundo a Fortune, é que as equipes mantenham padrões altos e critiquem umas às outras abertamente: as que focam na qualidade da tarefa "criticam umas às outras, aceitam críticas" e veem menos workslop. Os pesquisadores sugerem que as mesmas expectativas entre dois colegas valham para o trabalho feito por uma pessoa e por uma IA (Fortune). Três normas decorrem disso e das reportagens da CNBC.
Diga quando a IA foi usada
Hancock disse à CNBC que revelar o uso de IA permite que os colegas entendam seus prompts e objetivos e preencham as lacunas. Na prática, é uma linha: "Primeiro rascunho feito com o Claude, números conferidos com a exportação do financeiro." Leva dez segundos, diz ao leitor o quanto ele deve examinar o texto e acaba com o jogo de adivinhação que torna a conversa constrangedora. Coloque isso no modelo de relatórios de status e relatórios em geral, para que ninguém precise se voluntariar.
Revise antes de enviar
Quem envia é dono da primeira leitura. Isso significa cada linha, cada número, cada citação e cada link, conferidos pela pessoa cujo nome está no documento. Nosso guia sobre como checar fatos de conteúdo de IA apresenta um fluxo de verificação que escala, e a versão curta para uma equipe é conferir tudo aquilo em que o leitor possa se basear para agir.

Escreva uma definição de pronto
A maior parte do workslop passa porque ninguém nunca disse o que significa estar pronto. Uma definição de pronto pode ter quatro linhas: quem é o público, que decisão o documento apoia, de onde veio cada número e quem, além do autor, leu. Um rascunho que não responde a isso não está pronto, não importa quem ou o que o escreveu. Se sua equipe já tem uma política de IA, acrescente essas linhas a ela; nosso modelo de política de uso de IA tem uma versão que as pessoas costumam seguir.
Nossa sugestão de primeiro passo é a transparência, porque não exige ferramenta nem aprovação. A definição de pronto vem em segundo, já que é preciso uma reunião para chegar a um acordo. Depois, use a lista abaixo para ver quais hábitos sua equipe já tem.
Onde as coisas dão errado
A conversa pode sair pela culatra de algumas formas previsíveis. Algumas pessoas simplesmente não sabiam que o rascunho estava raso: viram um documento com cara de confiante e o encaminharam. Outras ficam na defensiva, em geral quando o retorno soa como um veredito sobre a competência delas, e a abertura com objetivo em comum existe por causa disso. E algumas vão continuar mandando lixo aconteça o que acontecer; nesse caso, o custo de tempo documentado é o que você leva ao gestor.
Há também uma falha mais silenciosa: virar o "consertador" permanente da equipe. Se você conserta tudo em silêncio, quem envia nunca aprende, e você absorve as duas horas todas as vezes. Uma conversa honesta custa menos do que um ano de limpeza. Ela também dá a quem enviou algo que o modelo não consegue dar, que é a reação de um colega à página finalizada, e a maioria das pessoas prefere ouvir isso de você em particular a ouvir de um cliente em público.
O que ninguém resolveu ainda é se normas como essas reduzem o volume. Os pesquisadores recomendam limites claros e uma mentalidade de "piloto", e a conclusão do próprio Hancock é sobre equipes com padrões altos, mas não vimos resultados medidos de uma equipe que adotou uma regra de transparência. Se você tentar uma, acompanhe as horas gastas em retrabalho antes e depois. Esse número vai convencer seu gestor melhor do que qualquer pesquisa.
Perguntas frequentes
O que é AI workslop?
É trabalho gerado por IA que parece polido, mas não tem substância para fazer a tarefa avançar, de modo que o colega que o recebe precisa fazer o raciocínio e a limpeza. O termo foi cunhado em uma pesquisa de 2025 do BetterUp Labs e do Stanford Social Media Lab e publicado na Harvard Business Review.
Quanto custa o workslop?
Na pesquisa da BetterUp e de Stanford com 1.150 trabalhadores de escritório nos EUA, cada ocorrência levou cerca de 1 hora e 56 minutos para ser resolvida, e os pesquisadores estimaram US$ 186 por trabalhador por mês. Projetaram cerca de US$ 9 milhões por ano para uma empresa de 10 mil pessoas. Esses números são estimativas autodeclaradas de uma única pesquisa.
Como dizer a um colega que o trabalho dele precisa de correção sem acusá-lo de usar IA?
Aponte os problemas específicos (uma fonte ausente, dados que não batem, formatação que muda no meio) e ligue-os a um objetivo que vocês compartilham. Deixe de fora qualquer palpite sobre como o trabalho foi feito. O conselho de Wilding é pedir uma mudança de processo, como uma revisão antes de enviar ou um aviso quando a IA tiver sido usada.
Devo passar o trabalho dele por um detector de IA?
Nós não passaríamos. A pontuação de um detector é um palpite sobre autoria que quem enviou pode contestar, e ela afasta a conversa do defeito real. Um número errado ou uma fonte ausente é mais fácil de resolver.
Tudo bem usar ChatGPT, Claude, Copilot ou Gemini no trabalho?
Sim, e muita gente já usa: a Gallup constatou que a parcela de funcionários nos EUA que usam IA em sua função algumas vezes por ano ou mais quase dobrou, de 21% para 40%, entre 2023 e 2025 (Gallup). O critério é o mesmo de qualquer outro rascunho: você leu, conferiu e assinaria embaixo. Avise os colegas quando um documento começou com um modelo.