Como as pessoas usam agentes de IA

Nova investigação da Perplexity e Harvard: a maioria do uso de agentes é trabalho cognitivo, não tarefas.

Dizia-se que 2025 seria o ano em que a tecnologia de agentes de IA se tornaria dominante. Hoje anunciamos que a Perplexity e investigadores de Harvard publicaram o primeiro estudo em grande escala sobre como as pessoas utilizam realmente os agentes de IA no mundo real.

Os nossos investigadores colocaram três perguntas fundamentais: Quem está a adotar agentes de IA? Com que intensidade os utilizam? E que tarefas estão a delegar aos seus assistentes de IA? Ao analisar centenas de milhões de interações anonimizadas de utilizadores do Comet e do Comet Assistant, descobrimos padrões fundamentais sobre a adoção e utilização de agentes.

As conclusões desafiam algumas narrativas comuns. Por exemplo, os agentes são bons a reservar hotéis ou a tratar de tarefas rotineiras, mas também estão a servir de parceiros em trabalho cognitivo profundo. Estão a remodelar a forma como aprendemos, trabalhamos e resolvemos problemas.

Mais um parceiro de raciocínio do que um mordomo

Uma visão popular dos agentes de IA é o caso de uso do "concierge digital", no qual os humanos descarregam tarefas simples para poupar tempo. No entanto, quando classificámos milhões de interações de utilizadores, descobrimos que 57% de toda a atividade dos agentes se centra no trabalho cognitivo. Trinta e seis porcento das tarefas mais comuns são classificadas como tarefas de produtividade e fluxo de trabalho, com outros 21% classificados como aprendizagem e investigação.

São tarefas que ampliam a capacidade humana. Um profissional de compras utilizou o Comet Assistant para analisar estudos de caso de clientes e identificar casos de uso relevantes antes de trabalhar com um fornecedor. Um estudante pediu ao agente para navegar pelos materiais do curso e analisar o que estava a aprender. Um trabalhador do setor financeiro delegou as tarefas de filtrar opções de ações e analisar informações de investimento. Em cada caso, o agente tratou da recolha de informação e da síntese inicial de forma autónoma, dando ao utilizador a informação de que necessitava para tomar julgamentos e decisões finais, e implementando essas decisões a seu pedido.

O caso de uso de "parceiro de raciocínio" apoiado pelos nossos dados mostra que os utilizadores querem expandir a sua capacidade de fazer coisas difíceis. As pessoas não estão a usar o Comet Assistant para evitar trabalho, estão a usá-lo para fazer um trabalho melhor.

A evolução das tendências de utilização para a utilidade

Um dos padrões mais reveladores do estudo é a jornada do utilizador. A forma como utiliza um agente no Dia 1 raramente é a forma como o utiliza no Dia 100.

Os novos utilizadores testam frequentemente as águas com consultas de baixo risco. Perguntam sobre planos de viagem, recomendações de filmes ou trivia geral. Gradualmente, há uma mudança. A nossa análise das transições de consultas mostra uma forte atração gravitacional para a produtividade. Um utilizador pode começar por perguntar sobre um local de férias, mas assim que utiliza o agente para depurar um script em Python ou resumir um relatório financeiro, raramente volta atrás. As categorias de produtividade e fluxo de trabalho têm as taxas de retenção mais altas, e os utilizadores que participam em tarefas de aprendizagem ou investigação desde cedo têm muito mais probabilidades de se tornarem utilizadores ativos a longo prazo.

Isto espelha os primeiros dias do computador pessoal. Era frequentemente vendido como uma ferramenta para gestão de receitas ou jogos, mas tornou-se indispensável devido às folhas de cálculo e ao processamento de texto. Os agentes de IA estão a seguir a mesma trajetória.

Quem está a utilizar agentes? Adoção vs. intensidade

A métrica mais reveladora não é quem adota os agentes de IA, mas quem confia neles. O fosso entre as taxas de adoção e a intensidade de utilização revela onde a tecnologia passou de uma novidade para uma necessidade. Os fossos estreitos indicam uma mudança de comportamento genuína, e seis profissões centrais impulsionam agora 70% de toda a atividade dos agentes.

Certos setores superam as expectativas. Embora os tecnólogos digitais liderem naturalmente o volume (30% das consultas), campos com uso intensivo de conhecimento como Marketing, Vendas, Gestão e Empreendedorismo demonstram a maior "adesão". Uma vez que estes profissionais adotam um agente, a sua intensidade de utilização ultrapassa os seus números de adoção à medida que integram o assistente no seu fluxo de trabalho diário.

O contexto também importa. Os utilizadores implementam o Comet Assistant para resolver os pontos de fricção específicos da sua indústria. Os profissionais de finanças estão fortemente focados na eficiência, dedicando 47% das consultas a tarefas de produtividade. Os estudantes estão focados na utilidade, com 43% das tarefas alocadas à aprendizagem e investigação. Em design e hotelaria, é ainda mais fácil ver como a utilização específica do contexto domina, desde o trabalho multimédia para designers até ao planeamento de viagens para o pessoal da hotelaria.

Em última análise, os dados provam que o Comet Assistant é altamente versátil e reflete as necessidades específicas do seu utilizador. Num contexto educacional, é um motor de investigação especializado, enquanto num contexto profissional se torna um assistente multiusos. Os contextos pessoais representam mais de metade de todo o volume de consultas.

O novo trabalho de conhecimento é o trabalho de perguntas

Este estudo fornece a primeira prova empírica de que estamos a caminhar para uma economia de inteligência híbrida. A dominância das tarefas cognitivas nos nossos dados sugere que os agentes de IA estão a escalar o trabalho cognitivo humano. À medida que estas ferramentas amadurecem, esperamos que a "adesão" das tarefas de produtividade se aprofunde.

À medida que 2025 chega ao fim, já não perguntamos se as pessoas vão usar agentes de IA. Sabemos que o fazem. A questão agora é quão rapidamente o resto da economia se adaptará a uma força de trabalho que pensa, aprende e constrói com um parceiro inteligente sempre presente. Para ler mais sobre a nossa metodologia, especificações de taxonomia e análise estatística, consulte o artigo de investigação completo aqui.