Comunicação mediada por IA: o que acontece quando a IA escreve, resume e responde no trabalho

Por Victor Hoang · Atualizado em 22 de setembro de 2026

Comunicação mediada por IA (AI-MC) é a comunicação interpessoal em que um agente inteligente redige, amplia, encurta ou responde a uma mensagem em nome de alguém. O termo vem de Jeffrey Hancock, de Stanford, e coautores, que o definiram em 2020 como um agente computacional que atua em nome de um comunicador para cumprir um objetivo interpessoal. Esse agente hoje está nas duas pontas de quase toda mensagem de trabalho.

Este não é um texto sobre se a escrita da IA é gramaticalmente correta; em geral é. O assunto é o que acontece com um relacionamento quando tanto a escrita quanto a leitura são entregues a uma máquina: o esforço que antes sinalizava cuidado desaparece, a mensagem incha e é comprimida de volta sem que ninguém leia o meio, e o destinatário passa a descontar em silêncio tudo o que soe um pouco polido demais. Nada disso aparece numa revisão ortográfica. Tudo isso aparece no quanto as pessoas confiam umas nas outras seis meses depois.

Fatos principais

• A comunicação mediada por IA foi definida formalmente em 2020. Hancock, Naaman e Levy definem a AI-MC como "comunicação mediada entre pessoas em que um agente computacional atua em nome de um comunicador, modificando, ampliando ou gerando mensagens para cumprir objetivos de comunicação ou interpessoais". Hancock, Naaman & Levy, Journal of Computer-Mediated Communication (2020)
• Textos percebidos como escritos por IA são avaliados como menos confiáveis, mesmo com palavras idênticas. Jakesch, French, Ma, Hancock e Naaman, de Stanford, fizeram um experimento com perfis do Airbnb e constataram uma queda robusta nas notas de confiabilidade de perfis suspeitos ou rotulados como gerados por IA, o "Efeito Replicante". Jakesch et al., Stanford Social Media Lab (2019)
• Mais da metade dos funcionários esconde o uso de IA do empregador. O estudo global da KPMG e da Universidade de Melbourne, com mais de 48.000 pessoas em 47 países, constatou que 57% dos profissionais admitem ocultar como usam IA no trabalho, na maioria das vezes passando conteúdo gerado por IA como se fosse seu. KPMG & University of Melbourne (2025)
• O uso intenso de IA na mensagem de um gestor reduz à metade, aproximadamente, a sinceridade percebida. Os pesquisadores Cardon e Coman, da USC e da Universidade da Flórida, entrevistaram mais de 1.100 profissionais e constataram que mais de 80% consideraram sincera uma mensagem de supervisor com pouca ajuda de IA, contra apenas cerca de 40% para a versão com muita ajuda de IA. Cardon & Coman, University of Florida (2025)
• O profissional médio recebe 117 e-mails e 153 mensagens no Teams por dia, a maioria lida por alto em menos de um minuto. O Work Trend Index da Microsoft constatou que os funcionários que usam o Microsoft 365 são interrompidos por uma mensagem aproximadamente a cada dois minutos, um volume que tanto impulsiona quanto é impulsionado pela redação e pelo resumo assistidos por IA. Microsoft Work Trend Index (2025)
• A alta adoção de IA ainda não apareceu como retorno de negócio mensurado. A pesquisa do MIT NANDA com 153 líderes e a análise de mais de 300 implantações corporativas de IA constataram que 95% dos pilotos de IA generativa não geraram impacto mensurável no P&L, um lembrete de que produzir mensagens mais rápido não é o mesmo que comunicar melhor. MIT NANDA, "The GenAI Divide: State of AI in Business 2025", via Fortune

O que a comunicação mediada por IA realmente abrange

A comunicação mediada por IA é uma categoria mais ampla que "usar o ChatGPT para escrever um e-mail". Hancock e coautores a dividem em dimensões que determinam quanta confiança está em jogo: o quanto a IA altera (uma correção ortográfica versus uma mensagem totalmente gerada), o quanto ela tem de autonomia (uma sugestão que você aprova versus uma resposta que ela envia sem supervisão) e a favor de quem ela trabalha (eficiência do remetente versus compreensão do destinatário). Uma correção gramatical e uma avaliação de desempenho totalmente redigida por IA estão no mesmo espectro, mas não representam o mesmo risco, e é por isso que regras gerais e permissões gerais deixam escapar o ponto. As ferramentas envolvidas, dos modelos de linguagem de grande escala que redigem texto livre aos copilotos de IA integrados que sugerem a próxima frase, são a mesma tecnologia, quer corrijam um erro de digitação, quer escrevam um bilhete inteiro de parabéns. O que muda é a magnitude da intervenção e quanto pensamento humano ainda resta na mensagem.

IA do lado do remetente e IA do lado do destinatário são problemas diferentes

A maior parte da discussão no trabalho sobre IA e comunicação se concentra no remetente: uma pessoa usou IA para escrever isto? Mas o modelo de Hancock trata o uso de IA pelo destinatário como uma categoria igualmente viva, e ela está se tornando a mais comum. Um destinatário que passa a sua atualização, redigida com cuidado, por um resumidor antes de lê-la também está fazendo comunicação mediada por IA, só que pela outra ponta. A IA do lado do remetente corre o risco de gerar uma mensagem que não soa como ninguém em particular; a IA do lado do destinatário corre o risco de descartar justamente as partes em que você mais se esforçou. Esse mesmo problema de transferência, decidir o que um agente apresenta a uma pessoa e em que forma, é o que gerenciar agentes de IA como parte da equipe aborda do lado operacional, como algo a projetar de propósito, e não a deixar nas configurações padrão.

O problema da perda de sinal: por que o esforço antes significava cuidado

Antes da IA generativa, o tempo e a especificidade de uma mensagem eram um sinal custoso e difícil de falsificar. Um bilhete pessoal de três parágrafos levava mais tempo para escrever do que uma resposta de uma linha, e o próprio tamanho comunicava o quanto o remetente se importava. Um gestor que se lembrava de um detalhe da sua última conversa e o citava no feedback mostrava, e não apenas dizia, que estava prestando atenção. O custo era o ponto: sinais baratos são fáceis de falsificar, então os destinatários os descontam, e os sinais trabalhosos eram caros o bastante para que só o cuidado genuíno os produzisse com regularidade.

A IA generativa rompe esse vínculo entre esforço e custo. Um modelo consegue produzir, em dez segundos, uma mensagem com ar personalizado e tom caloroso, com o remetente contribuindo com quase nada do pensamento por trás. O estudo de Cardon e Coman citado acima é a evidência mais clara, no ambiente de trabalho, do que acontece em seguida: os funcionários rebaixam a leitura que fazem da sinceridade, do cuidado e até da capacidade de liderança do remetente quando suspeitam de um uso intenso de IA, e a queda é maior justamente nas mensagens em que a sinceridade mais importa (parabéns, reconhecimento, feedback pessoal), e não nas atualizações rotineiras de status.

O destinatário não precisa de prova, só de suspeita

O estudo de Jakesch e colegas com o Airbnb constatou algo que merece reflexão: a penalidade de confiança se ligava à autoria suspeita de IA, e não à autoria confirmada. As pessoas não precisam saber que uma mensagem foi escrita por IA para descontá-la. Uma mensagem que apenas parece genérica ou um pouco polida demais para o relacionamento pode provocar o mesmo rebaixamento que uma mensagem rotulada como de IA recebe. O risco prático não é "serei pego?", e sim "isto vai parecer autenticamente meu?", e são barras diferentes de superar.

O problema da escalada: um tópico vira e-mail e vira tópico de novo

Eis um padrão comum o bastante para ter um jargão próprio entre quem acompanha de perto o uso de IA no trabalho: alguém tem um pensamento de duas linhas, pede à IA que o expanda num e-mail bem formatado e de tom caloroso, e o envia. O destinatário, diante de 117 e-mails e 153 mensagens de chat por dia segundo o Work Trend Index da Microsoft, passa o e-mail pelo próprio resumidor de IA, que o comprime de volta para mais ou menos o pensamento de duas linhas que lhe deu origem. Duas chamadas de IA depois, a informação transferida equivale ao que a mensagem de duas linhas teria carregado, só que levou mais tempo para produzir, mais tempo para processar e carregou um falso sinal de esforço nas duas direções.

O ciclo é a consequência natural de dois incentivos que colidem: a ferramenta do remetente premia uma saída mais longa e mais polida porque é isso que "boa escrita" parece para um modelo de linguagem, e a caixa de entrada do destinatário premia a compressão porque ninguém tem tempo de ler com atenção 117 e-mails totalmente expandidos. Nenhum dos lados faz nada irracional isoladamente, mas o resultado é uma comunicação pior, porque a compressão na ponta receptora perde coisas que o pensamento curto original não perdia: um resumidor mantém o que parece estatisticamente importante e descarta ressalvas, tom e o pedido específico que tornava a mensagem digna de ser enviada.

Por que isso custa mais que tempo

A constatação do MIT NANDA de que 95% dos pilotos de IA generativa não mostram impacto mensurado no P&L é relevante aqui: os ganhos individuais de produtividade não se somam com confiabilidade em ganhos organizacionais quando a outra metade da interação, alguém lendo e agindo sobre a mensagem, piora na mesma proporção em que a primeira metade ficou mais rápida. Tratar o volume de e-mails como um problema a resolver com mais IA ignora que o volume costuma ser um sintoma de uma redação barata que não encontra aumento real de conteúdo informativo.

O que se perde quando a IA resume a reunião

As ferramentas de resumo de reuniões resolvem um problema genuíno: ninguém retém com precisão uma hora de discussão, e um registro escrito vence uma memória difusa. Mas os resumidores pesam por frequência, não por julgamento. Eles destacam o que várias pessoas repetiram ou o que casa com o padrão de frase de "item de ação", e são bem menos confiáveis para captar o que de fato importava: a hesitação na voz de alguém, um comentário fora do assunto que era a preocupação real, ou o subtexto por trás do motivo de uma decisão ter sido adiada. Nada disso é um problema de formatação que um modelo melhor resolva; exige um humano que estava na sala.

Isso é distinto de saber se as pessoas se sentem seguras para levantar preocupações em uma reunião observada por IA, assunto de projetar uma melhor cultura de reuniões. A pergunta aqui é mais estreita: depois que as pessoas falaram com franqueza, o registro que sobrevive ainda carrega a nuance, ou se achata numa lista de tópicos que parece consenso quando a sala estava, na verdade, dividida? As equipes que tratam o resumo da IA como a memória da reunião, e não como uma entrada ao lado das anotações de uma pessoa, são as que mais provavelmente redescobrirão, semanas depois, uma discordância que todos achavam resolvida.

Uma correção barata que realmente funciona

O hábito de maior valor aqui é banal: quem conduziu a reunião acrescenta duas ou três linhas do próprio julgamento por cima da transcrição da IA antes de ela circular, nomeando o que ficou sem solução e quem é o responsável. Isso custa dois minutos e preserva exatamente o sinal que um resumidor guiado por frequência não consegue gerar sozinho.

A penalidade de confiança: quando se suspeita do uso de IA

A pesquisa de Cardon e Coman encontrou algo mais agudo que uma queda de sinceridade: quando os supervisores usaram muita ajuda de IA sem divulgar, apenas cerca de um quarto dos funcionários ainda atribuía a autoria ao supervisor, contra mais de 90% com pouca ajuda. Ou seja, a maior parte do público concluía que quem supostamente falava não era de fato quem estava falando. Isso se conecta com confiança quando seu colega de equipe é uma IA, só que a pergunta corre aqui em sentido contrário: não é desconfiar de um colega de IA, mas um humano perder a confiança dos colegas porque suspeitam que ele terceirizou a parte do trabalho que deveria ser pessoalmente dele.

A constatação da KPMG de que 57% dos funcionários escondem o uso de IA acrescenta uma segunda camada: as pessoas ocultam porque preveem corretamente uma penalidade se isso vier à tona, o que significa que a escala real da comunicação mediada por IA na maioria das organizações fica bem acima do que qualquer painel de uso mostra.

A divulgação corta nos dois sentidos

A pesquisa não aponta "sempre divulgar" como uma solução limpa. A divulgação explícita às vezes aumenta a suspeita em comparação com uma mensagem em que o uso de IA é apenas suspeito, mas não confirmado: divulgar pode soar como admitir que a mensagem não era de fato sua, enquanto ficar em silêncio arrisca um colapso de confiança maior se isso vier à tona depois. A maioria das organizações acaba numa abordagem contextual: usar por padrão texto escrito por humanos para mensagens críticas para o relacionamento e de baixa frequência (feedback, desculpas, reconhecimento), e tratar a assistência de IA em mensagens rotineiras e de alta frequência como algo banal o bastante para dispensar divulgação. O tema é abordado com mais profundidade em etiqueta de IA e normas no ambiente de trabalho; o ponto aqui é mais estreito: a divulgação deve acompanhar o que está em jogo no relacionamento de cada mensagem, e não ser uma política geral.

Usos úteis versus usos corrosivos

A linha divisória mais clara na pesquisa não é "uso de IA" versus "sem uso de IA", e sim se a IA fecha uma lacuna real entre as pessoas ou substitui o esforço humano que era o verdadeiro objetivo da mensagem. Traduzir para um colega que não compartilha o seu idioma materno fecha uma lacuna: sem a IA, a alternativa muitas vezes era nenhuma comunicação. O mesmo vale para tornar um ponto técnico denso acessível a alguém de fora da área, ou para um funcionário com dislexia que usa IA para estruturar uma resposta que ele mesmo criou em conteúdo. Esses usos não removem um sinal humano que importava; removem uma barreira que nunca foi o objetivo da interação.

Os usos corrosivos substituem pela IA exatamente aquilo que a mensagem deveria provar: que uma pessoa específica se dispôs a notar, a se importar ou a assumir responsabilidade. Um bilhete de parabéns existe para sinalizar "eu notei e fico feliz", e não para transmitir informação com eficiência; se a IA gera esse sinal, ele é falso, mesmo que as palavras sejam calorosas. Um pedido de desculpas existe para sinalizar "entendo o que fiz e assumo a responsabilidade", e um pedido de desculpas totalmente redigido por IA inverte o próprio propósito. Quanto mais o papel de uma mensagem é provar algo sobre a atenção do remetente, mais corrosiva é a substituição pela IA, não importa o quão bem a saída pareça escrita.

Normas práticas que valem a pena definir

A maioria das equipes não precisa de uma política formal de comunicação com IA, apenas de alguns acordos explícitos que eliminem o palpite.

Primeiro, combine quais tipos de mensagem são críticos o bastante para o relacionamento a ponto de você mesmo escrevê-los. Reconhecimento, feedback, pedidos de desculpas e qualquer coisa que faça referência a uma circunstância pessoal específica pertencem a essa lista; atualizações de status e agendamentos, não.

Segundo, se você redigir com IA algo crítico para o relacionamento, acrescente um detalhe que ela não poderia conhecer: uma referência em comum ou uma observação genuinamente pessoal. Isso contrabalança o tom genérico que desperta suspeita.

Terceiro, não trate um resumo de reunião feito por IA como substituto de alguém acrescentando duas linhas de julgamento sobre o que ficou sem solução. Esse único hábito evita a maioria dos conflitos do tipo "achei que tínhamos combinado isso" que as reuniões resumidas por IA produzem semanas depois.

Quarto, perceba de que lado do ciclo remetente-destinatário você está alimentando. Se as suas mensagens enviadas são consistentemente mais longas do que o conteúdo justifica e os colegas parecem ler por alto em vez de ler, enviar você mesmo a versão de duas linhas costuma ser a jogada de maior confiança, ainda que pareça menos polida. Isso se relaciona com workslop, esforço e responsabilidade, mas difere dele, pois ele trata do trabalho gerado por IA despejado nos colegas sem revisão; a versão na comunicação é uma mensagem despejada em alguém sem que o remetente a releia antes. As equipes que definem um papel de orquestrador e o que significa manter o julgamento afiado enquanto delegam mais redação à IA reconhecerão aqui a mesma tensão.

O teste mais antigo de uma mensagem de trabalho continua valendo: você ficaria à vontade se o destinatário soubesse exatamente quanto do seu próprio pensamento foi investido nela? A IA não mudou esse teste, só tornou muito mais barato falhar nele sem que ninguém perceba de imediato.