ChatGPT, IA generativa, RPA, Codex.
Em poucos anos, as ferramentas para automatizar o trabalho se multiplicaram.
A IA escreve o rascunho dos seus textos. Dá para perguntar à IA como fazer os totais no Excel. Com RPA (robôs de software que repetem os cliques e a digitação que uma pessoa faria no computador), é possível automatizar operações na tela e a cópia de dados de um lugar para outro. Com uma IA que executa tarefas de verdade, como o Codex, dá para tocar de uma só vez uma enorme quantidade de trabalho: artigos, páginas de captura, código, documentos, tratamento de dados e até propostas de melhoria.
Mesmo assim, quando você olha para o dia a dia das empresas, ainda sobram tarefas assim.
- Abrir o Excel
- Copiar
- Colar
- Conferir no olho
- Digitar tudo de novo em outro sistema
- Rever de novo para ver se não tem erro
- Confirmar mais uma vez na reunião
- Receber um pedido de correção e consertar tudo à mão outra vez
Isso é, sem exagero, trabalho de lança de bambu na era da IA. (No Japão, a expressão vem do fim da guerra, quando civis eram treinados para enfrentar armas modernas com varas de bambu afiadas: muito esforço, ferramenta errada.)
Claro que o Excel em si não é o problema. Na verdade, o Excel é poderoso. Como planilha, para totais, como banco de dados improvisado, para formulários, gráficos, listas de conferência, tabelas de controle e como abrigo temporário de todo escritório, ele continua excelente.
O problema não é usar o Excel.
O problema é continuar tocando na base do braço, do olhômetro, da raça e das reuniões de confirmação um trabalho que o Excel poderia fazer.
Pelos números de uso, ainda estamos bem no começo
Talvez você esteja pensando: "Mas hoje em dia todo mundo não usa IA e RPA?"
De fato, o ChatGPT ficou muito conhecido. Segundo a Reuters, a Sensor Tower estima que o aplicativo do ChatGPT chegou a 1 bilhão de usuários ativos por mês no mundo em maio de 2026.
Por outro lado, quem consegue passar para a IA e para a automação a parte de executar o trabalho ainda é bem pouca gente.
Segundo a Axios, o Codex, da OpenAI, tinha mais de 5 milhões de usuários ativos por semana em junho de 2026. Cerca de um quinto deles seria de trabalhadores do conhecimento.
É uma ferramenta de IA que executa tarefas, disponível no mundo todo, e tem pouco mais de 5 milhões de usuários por semana. É menos gente do que a população da província de Aichi, a região da Toyota, no centro do Japão.
Perto de 1 bilhão por mês do aplicativo do ChatGPT, os pouco mais de 5 milhões por semana do Codex são bem pouco.
Ou seja, existe esta diferença:
- Mais gente faz perguntas à IA
- Mais gente pede à IA para melhorar textos
- Mas ainda poucos entregam trabalho de verdade à IA
- E menos gente ainda sabe entregar em pedaços claros o bastante para a IA executar
Aí está um grande espaço para negócios.
A adoção de RPA também ainda está longe de ser alta
Com o RPA é a mesma coisa.
RPA é um jeito de fazer robôs de software assumirem as tarefas rotineiras que as pessoas fazem no computador. Entrada de dados, cópia de um lugar para outro, totais, verificação, emissão de formulários, trabalhos que passam por vários sistemas: combina bem com o trabalho manual no Excel.
Mas, na pesquisa de 2024 da Startear Raise, a taxa de adoção de RPA nas empresas japonesas em geral foi de 13.04%. Nas pequenas e médias empresas, 8.51%, e mesmo nas grandes ficou em apenas 27.69%.
Ou seja, a maioria das empresas japonesas ainda não adotou RPA.
A mesma pesquisa perguntou sobre os problemas antes da adoção: em 1º lugar ficou "muito trabalho manual (digitar, copiar, cadastrar dados etc.)" e, em 2º, "muitos erros por causa do trabalho manual".
Isso diz muito.
No dia a dia, há muito trabalho manual. Há muitos erros. Falta gente. E mesmo assim a adoção de RPA está em apenas 13% ou por aí.
Quer dizer: existe a demanda ("temos tanto trabalho manual que queremos automatizar"), mas, na prática, muitas empresas continuam travadas no manual.
Os erros dos novatos se resolvem com o desenho do sistema, não com bronca
Isso tem a ver com o treinamento de quem acabou de entrar.
No trabalho, coisas assim acontecem o tempo todo:
- O novato digita um dado errado
- O novato erra o nome de um arquivo
- O novato salva o arquivo no lugar errado
- O novato pula um item da conferência
- O novato usa um modelo antigo
- O novato confunde um prazo ou a quem pedir algo
E quem está em volta diz:
"Novato erra demais." "Confira direito." "Eu já tinha falado." "Por que você sempre comete o mesmo erro?"
Mas o que se deve olhar aqui não é só o caráter ou a atenção do novato.
O que realmente deve ser olhado é se a estrutura do trabalho torna o erro fácil demais.
O novato ainda não conhece o contexto do trabalho. Não conhece as regras não escritas. Não conhece as manias de quem estava antes. Não sabe por que se olha aquela coluna, por que o arquivo tem aquele nome, nem por que aquela conferência é necessária.
Se você joga essa pessoa em digitação livre, conferência no olho, explicação de boca, cópia manual e verificações que dependem de uma pessoa específica, é natural que os erros apareçam.
Em vez de dar bronca toda vez, é melhor montar desde o início um sistema em que errar seja difícil.
Por exemplo, mudanças como estas já fazem muita diferença:
- Usar lista suspensa em vez de digitar à mão
- Usar múltipla escolha em vez de texto livre
- Colocar regras de validação em datas e valores
- Mostrar um aviso se um campo obrigatório estiver em branco
- Gerar os nomes dos arquivos automaticamente
- Fixar o local onde se salva
- Impedir o uso de modelos antigos
- Checar automaticamente se o que foi digitado tem contradições
- Mostrar apenas a lista de possíveis erros
- Exibir uma tela de confirmação antes de enviar
- Guardar um registro de quando o trabalho foi concluído
- Transformar os erros mais comuns em uma lista de conferência
Isso não é mimar o novato.
É embutir no sistema aquilo que precisaria ser ensinado.
Em vez de dizer às pessoas "tomem cuidado", é mais rápido criar um caminho em que o erro seja improvável, usando as regras de validação do Excel, VBA (a linguagem de macros embutida no Excel), RPA, formulários, listas de conferência e revisão por IA.
E isso também é mais fácil para o novato.
Ele não leva bronca toda vez. Quem treina não precisa repetir o mesmo aviso sempre. Os gestores também ficam menos soterrados em limpar a bagunça depois dos erros.
Por isso, transformar a prevenção de erros em sistema não é só uma questão de eficiência.
É um desenho de segurança que reduz o custo mental tanto do novato quanto de quem ensina.
Se você diz que "novato erra demais", a primeira coisa a verificar não é a personalidade dele.
É se aquele trabalho foi desenhado como uma lança de bambu, que convida ao erro.
A IA generativa também ainda está parada no nível das empresas
Com a IA generativa também há uma distância entre a sensação de uso das pessoas e a adoção de fato nas empresas.
Em uma pesquisa da Nikkei Research noticiada pela Reuters em julho de 2024, cerca de 24% das empresas japonesas já tinham adotado IA, 35% planejavam adotar e 41% não tinham planos.
Ou seja, por mais que a IA esteja nas notícias, olhando por empresa, só uma em cada quatro adotou. Cerca de 40% responderam que não pretendem usar.
Aqui também se vê o mesmo quadro.
É assunto badalado. Mas não entrou no trabalho de verdade.
Acham que é útil. Mas não conseguiram encaixar nos fluxos de trabalho.
Mais gente já mexeu no ChatGPT, mas ainda são poucos os que realmente dividem o trabalho em etapas e passam para a IA, o RPA, o VBA ou o Codex.
Então, por que todo mundo ainda faz Excel à mão?
O motivo não é simplesmente preguiça.
Há cinco razões principais.
1. Não conseguem dividir o trabalho em etapas
Para automatizar, é preciso primeiro dividir o trabalho em etapas.
Por exemplo, para automatizar a cópia de dados no Excel, seria preciso decidir coisas como:
- Onde estão os dados de entrada?
- Para onde vão os dados de saída?
- Qual coluna vai para qual coluna?
- Quais são os casos de exceção?
- Quando der erro, para tudo ou só registra no log?
- Que parte uma pessoa confere no final?
Sem essa organização, não há como fazer o VBA, o RPA ou a IA funcionar.
Muita gente sabe fazer o trabalho em si. Mas tem dificuldade para dar estrutura a ele e entregá-lo a uma máquina de um jeito que ela consiga usar.
E trava aí.
2. O trabalho depende de pessoas específicas
O trabalho manual no Excel quase sempre acaba dependendo de uma pessoa só.
"Quem faz é fulano." "Herdei de quem estava antes." "É melhor não mexer nessa célula." "Não sei por que a fórmula é assim." "Todo mês a gente faz assim, mais ou menos."
Quando chega nesse ponto, antes de automatizar, nem se entende o sentido do trabalho.
Se você coloca RPA sem entender o sentido do trabalho, só ganha uma versão mais rápida de uma tarefa misteriosa.
Automatizar não é trocar o trabalho por uma máquina. Primeiro, é tornar visível o sentido do trabalho.
3. Poucas pessoas sabem usar VBA ou RPA
Muita gente usa as funções do Excel, mas, quando chega em VBA e macros, o número cai de uma vez.
Não encontrei dados públicos confiáveis sobre quantas pessoas usam VBA. Mas, pelo que se vê no dia a dia, muita gente usa Excel e bem poucas conseguem montar processos de trabalho com VBA.
Além disso, mesmo havendo alguém que sabe VBA, o trabalho tende a se concentrar nessa pessoa.
O resultado é este:
- Há muito trabalho manual
- Poucas pessoas sabem automatizar
- Os pedidos se acumulam em quem sabe
- Essa pessoa vira o faz-tudo do escritório
- Ninguém consegue manter o que ela fez
- No fim, todos voltam ao manual
É um zoológico cheio de buracos. (É o meu apelido para um escritório sem gente suficiente e remendado por todos os lados.)
4. Usam a IA só como alguém para consultar
Mesmo quem usa o ChatGPT costuma usá-lo ainda só para tirar dúvidas.
- Corrige este texto
- Faz um resumo
- Dá umas ideias
- Escreve um e-mail
Isso também é útil.
Mas, se parar aí, a IA acaba sendo só um bloco de notas esperto.
O que é realmente forte vem depois.
- Dividir o trabalho em etapas
- Transformar em requisitos
- Escrever em Markdown (um formato simples de texto puro)
- Passar para o Codex
- Subir no GitHub (um site onde se guarda e se compartilha código)
- Refletir em páginas de captura, artigos e aplicativos
- Transformar em script de automação
- Criar até os itens de teste
Não é perguntar à IA, é entregar trabalho à IA.
Ainda são poucos os que chegaram a essa etapa.
5. As empresas têm medo de risco
Quando uma empresa usa IA ou RPA, há riscos de verdade.
- Dados pessoais
- Informações confidenciais
- Controle de permissões
- Resultados errados
- Quem é responsável
- Segurança
- Resistência de quem está no dia a dia
- Compatibilidade com o trabalho existente
Considerando tudo isso, é natural que as empresas sejam cautelosas.
Mas ser cauteloso não é o mesmo que não fazer nada.
Não colocar dados pessoais. Processar localmente. Testar com dados fictícios. Manter a revisão humana. Não usar o resultado do jeito que saiu. Guardar registros.
Se você organizar a operação assim, dá para começar pequeno, sem implantar na empresa inteira logo de cara.
O problema é quando o medo vira "proibir tudo". Se fizerem isso, o pessoal do dia a dia fica no Excel manual para sempre.
A economia do Excel manual ainda vai durar um tempo
Com tudo isso, é bem provável que o trabalho manual no Excel continue por bastante tempo.
O motivo é simples:
- A adoção de RPA é de cerca de 13% nas empresas japonesas em geral
- Nas pequenas e médias é menos de 10%
- Na IA generativa, só uma em cada quatro empresas adotou
- O Codex tem pouco mais de 5 milhões de usuários semanais no mundo todo
- Poucas pessoas sabem lidar com VBA ou RPA
- Menos ainda sabem dividir o trabalho e passar para a IA
Em outras palavras, o mundo ainda não entrou por completo na "era da IA que executa o trabalho".
Nas notícias, a IA é incrível. Nas redes sociais, não param de circular histórias de uso de IA. Mas, no dia a dia, ainda há copiar e colar, redigitar, conferir no olho e confirmar em reunião.
Isso não é pessimismo. Pelo contrário, é uma oportunidade.
Quem vai ter valor são os "encanadores do trabalho"
O que ganha valor na era da IA não é simplesmente quem conhece IA.
Ganha valor quem consegue transformar o trabalho em algo que possa ser entregue à IA, ao RPA, ao VBA e ao Codex.
Ou seja, um encanador do trabalho.
No dia a dia, há um monte de tarefas soltas. Há Excel. Há e-mails. Há PDFs. Há anotações à mão. Há reuniões. Há conhecimento tácito que só existe na cabeça de certas pessoas.
Transforme tudo isso nas seguintes peças:
- Objetivo da tarefa
- Informações de entrada
- Formato de saída
- Critérios de decisão
- Tratamento de exceções
- Forma de revisão
- O que pode ser automatizado
- O que uma pessoa confere
- Instruções para entregar ao Codex ou ao RPA
Quem consegue detalhar até esse ponto sai na frente.
O trabalho na era da IA está passando de "quem faz tudo sozinho" para "quem desenha o trabalho para poder entregá-lo à IA".
"Saber entregar o trabalho" vale mais que "saber usar IA"
O que vai fazer diferença daqui para a frente não é se você já usou IA.
O número de pessoas que já usaram IA vai crescer. O número de pessoas que já mexeram no ChatGPT vai crescer. Gerar texto ou fazer resumo, muita gente vai saber.
Mas ainda são poucos os que sabem fazer o seguinte:
- Dividir o próprio trabalho em etapas
- Escolher as tarefas manuais como candidatas à automação
- Decidir quais colunas do Excel usar
- Definir o tratamento das exceções
- Escrever o Markdown que será entregue à IA
- Dar ao Codex as condições para considerar o trabalho concluído
- Refletir o resultado em páginas de captura, artigos e aplicativos
- Olhar os resultados e melhorar
É aqui que a diferença aparece.
Portanto, a vantagem daqui para a frente está não nos "usuários de IA", mas nos "projetistas de como a IA executa o trabalho".
Quais tarefas manuais olhar primeiro
Então, por onde começar a automatizar?
O primeiro lugar para olhar são tarefas como estas:
1. Tarefas que você repete todo mês, toda semana ou todo dia
Quanto mais frequente a tarefa, maior o retorno de automatizá-la.
Mesmo que seja 1 hora por mês, são 12 horas por ano. Se várias pessoas fazem, o total é ainda maior.
2. Tarefas com muito copiar e colar
Copiar e colar é candidato certo à automação. Há pouco sentido em uma pessoa fazer isso.
Mas, se houver muitos casos que exigem julgamento, comece com uma automação parcial em vez de uma totalmente automática.
3. Tarefas com muita conferência no olho
Conferir no olho cansa. E os erros aparecem.
Se as condições de conferência forem claras, dá para reduzir bastante com funções do Excel, VBA, Python, IA ou RPA.
4. Tarefas que se confirmam em toda reunião
O que se confirma em toda reunião muito provavelmente pode virar uma tabela ou lista de conferência com antecedência.
Só de trocar o "perguntar na reunião" por "preencher antes", já se ganha bastante eficiência.
5. Tarefas que só quem estava antes entendia
Trabalho que só o antecessor entendia é perigoso.
Primeiro, registre como procedimento padrão. Depois, procure as partes que podem ser automatizadas.
Automatizar sem padronizar é arriscado. Você só vai acelerar um trabalho que ninguém entende.
6. Tarefas em que os novatos erram com frequência
Tarefas em que os novatos erram com frequência têm alta prioridade para automação e padronização.
Porque, em geral, por trás delas há algo assim:
- As regras são conhecimento não escrito
- Os campos de entrada são livres demais
- Os critérios de decisão não estão escritos
- O tratamento das exceções depende da memória das pessoas
- Há itens de conferência demais
- Só se descobre o erro depois de cometê-lo
Isso é menos um problema do novato e mais um problema do desenho do trabalho.
Onde o novato erra, o veterano também erra quando está cansado. Onde o novato trava, a passagem de bastão também trava. O que o novato não consegue entender também não foi transformado em procedimento padrão.
Por isso, os erros dos novatos são valiosos logs de depuração. (Um log de depuração é o registro que os programadores leem para descobrir onde um programa falha.)
Em vez de ver "errou de novo", veja "aqui estamos exigindo atenção demais das pessoas".
Só de ter esse olhar, o treinamento fica bem mais fácil.
Pequenos passos para sair do trabalho de lança de bambu
Não precisa começar uma transformação digital da empresa inteira de uma vez.
Basta começar pequeno.
Passo 1: escolha uma tarefa manual
Escolha uma tarefa de Excel que você faz todo mês. Copiar dados, somar, conferir, checar nomes de arquivos ou listar PDFs já serve.
Passo 2: escreva as etapas em palavras
Escreva as etapas como se fosse explicar para outra pessoa.
- Qual arquivo você abre
- Quais colunas você olha
- Com quais condições você decide
- Onde o resultado vai
- O que fazer com as exceções
Passo 3: pergunte à IA quais partes podem ser automatizadas
Pergunte algo assim ao ChatGPT ou a outra IA:
Entre as etapas desta tarefa, separe as partes que podem ser automatizadas com funções do Excel, VBA, RPA, Python ou IA generativa. Não precisa ser automação total; uma automação parcial já serve. Proponha em ordem do menor para o maior risco.
Passo 4: comece com uma automação parcial
Não parta direto para a automação total.
Primeiro, faça uma planilha de conferência. Mostre só os possíveis erros. Faça os totais com um único botão. Automatize apenas a verificação antes de copiar os dados.
Isso já basta.
Passo 5: quando der certo, transforme em modelo
Quando uma coisa funcionar, transforme em modelo.
- Manual de procedimento
- Lista de conferência
- Código VBA
- Cenário de RPA
- Prompt para a IA
- Markdown para alimentar o Codex
Se você guardar tudo isso, o seu trabalho pessoal vira patrimônio.
Cuidado para não virar o faz-tudo da empresa
Mas um aviso: quem sabe automatizar dentro de uma empresa precisa tomar cuidado.
Quanto mais você enxerga, mais te fazem pegar. Quanto mais você sabe construir, mais te fazem carregar. Quanto mais você sabe melhorar, mais vira o faz-tudo.
Isso acontece muito no zoológico cheio de buracos.
A empresa não oferece tempo para padronizar, um responsável, reconhecimento na avaliação nem estrutura de manutenção, e deixa que só os indivíduos capazes absorvam as melhorias.
O resultado é que quem sabe melhorar as coisas se esgota.
Por isso, ao propor uma melhoria na empresa, é preciso juntar estes quatro pontos:
- Quem decide
- Quem opera
- Quem faz a manutenção
- Até onde vai a sua parte
Se você melhorar as coisas deixando isso vago, sua boa vontade vai sendo sugada.
Na empresa, gaste o mínimo. Nos seus próprios ativos, vá com tudo.
Essa separação é o que importa.
Resumo: enquanto todos fazem Excel à mão, monte a tubulação
A IA já é incrível. Existe o RPA. Existe o VBA. Existe o Codex.
Mas, pelos números de uso, ainda são poucos os que conseguiram passar adiante a parte de executar o trabalho.
O aplicativo do ChatGPT se espalhou até a escala de 1 bilhão de usuários por mês. Já o Codex tem pouco mais de 5 milhões por semana. A adoção de RPA é de 13.04% nas empresas japonesas em geral. Cerca de 24% das empresas japonesas já adotaram IA.
Ou seja, o mundo ainda não mudou por completo.
Muitos locais de trabalho continuam abrindo o Excel, copiando e colando, conferindo no olho e confirmando em reunião.
Isso é atraso. Mas também é oportunidade.
O que vai ter valor daqui para a frente não é quem só mexe na IA. É quem divide o trabalho em etapas e o deixa num formato que possa ser entregue à IA, ao RPA, ao VBA e ao Codex.
Enquanto todos fazem Excel à mão, nós montamos a tubulação.
Enquanto a reunião de macacos copia e cola, nós fazemos o Markdown correr por trás. (A "reunião de macacos" é a minha piada para uma reunião sem sentido em que todo mundo só copia e cola à mão.) Enquanto a economia do Excel manual durar, construímos a fábrica de execução com IA.
Essa é a jogada vencedora agora.
