IA poupa 7 horas de cientistas — e cria uma fila de hipóteses
Cientistas dos Estados Unidos e do Reino Unido relatam poupar, em média, quase sete horas por semana com inteligência artificial — mas também veem crescer a fila de hipóteses ainda sem teste. Os resultados acompanharam a atualização do AI & Economy ATLAS divulgada pelo Google em 15 de setembro de 2026, com uma nova visualização pública e uma pesquisa produzida com Google DeepMind e MIT FutureTech.
O dado não equivale a sete horas medidas por telemetria nem prova que a IA causou o acúmulo de hipóteses. No artigo AI in Science: Early Insights, 637 pesquisadores responderam a uma pesquisa realizada entre 27 de julho e 11 de agosto: 47% disseram usar alguma forma de IA diariamente, a economia média declarada foi de 6,9 horas semanais e 41% relataram aumento no estoque de hipóteses não testadas.
As sete horas são uma estimativa dos participantes
A pesquisa ouviu 379 cientistas nos Estados Unidos e 258 no Reino Unido, incluindo pesquisadores acadêmicos e da indústria em diferentes estágios da carreira. A amostra abrange ciências físicas e engenharia, ciências da vida, saúde e ciências sociais, mas não foi selecionada para representar estatisticamente toda a população científica dos dois países.
As respostas foram apresentadas sem ponderação e sem margem de erro porque não existe um cadastro populacional adequado para calibrar uma amostra tão diversa. A definição de IA também foi ampla: incluía chatbots, modelos integrados a documentos, assistentes de programação e ferramentas científicas especializadas. Assim, o resultado não pode ser atribuído apenas ao Gemini nem a uma categoria única de modelo.
Cerca de três quartos dos participantes afirmaram obter uma economia líquida de tempo, enquanto 6% relataram perder tempo no balanço semanal. A média de 6,9 horas reúne essas experiências diferentes; não descreve necessariamente o ganho de cada usuário nem demonstra aumento objetivo de produtividade.
ATLAS e pesquisa declaratória medem populações diferentes
O trabalho combina três bases que não devem ser confundidas. A primeira versão do ATLAS reúne 15 milhões de interações agregadas e desidentificadas no Gemini App, no AI Mode e na Gemini API. A segunda cataloga mais de 2.600 modelos científicos especializados. A terceira é a pesquisa com cientistas, da qual vêm as horas poupadas, a frequência de uso e os relatos sobre gargalos.
Uma análise independente dos limites do ATLAS destaca que as interações observadas pertencem a produtos do Google, enquanto os resultados sobre cientistas dependem de respostas de profissionais dos Estados Unidos e do Reino Unido. A base oferece uma janela ampla sobre determinados serviços, mas não constitui um censo mundial do uso de IA.
Isso importa para o Brasil e outros mercados de língua portuguesa. As condições de acesso a ferramentas, financiamento, equipamentos e pessoal técnico podem alterar tanto o tempo economizado quanto a capacidade de transformar uma hipótese em experimento. Os resultados da pesquisa não permitem estimar o ganho semanal de cientistas fora dos dois países analisados.
Modelos gerais aceleram tarefas diferentes dos especializados
As interações classificadas como científicas mostram modelos de linguagem empregados em tarefas distribuídas por várias áreas, como análise estatística, programação, revisão de literatura e preparação de manuscritos. Já os modelos especializados aparecem relativamente mais em previsões específicas, geração ou classificação de dados e simulações, com presença forte nas ciências da vida e da saúde.
Os dois grupos são tratados como complementares, não como substitutos perfeitos. Um modelo geral pode ajudar a revisar código ou estruturar texto, enquanto uma ferramenta especializada executa uma previsão ligada a um domínio. Essa divisão ajuda a explicar por que acelerar tarefas digitais não elimina etapas físicas ou institucionais do processo científico.
Os participantes disseram reinvestir a maior parcela do tempo liberado na própria pesquisa. Isso pode elevar o volume de análises, textos e perguntas candidatas antes que cresça a capacidade de verificar as respostas, coletar novos dados ou executar experimentos.
A economia de tempo reaparece como trabalho de validação
A fila de hipóteses não é apenas uma metáfora editorial. Além dos 41% que relataram aumento nesse estoque, 44% disseram que seu principal gargalo se deslocou para etapas posteriores do trabalho nos dois anos anteriores. Experimentação física, coleta de dados, validação clínica e preparação para divulgação aparecem entre as restrições posteriores.
A conferência das saídas também consome parte do ganho declarado. Entre os participantes que economizam tempo com IA, 46% disseram gastar mais de um quarto desse tempo verificando, depurando ou checando o conteúdo produzido. Os próprios autores tratam a aceleração da geração de hipóteses como uma explicação possível para a fila, não como uma relação causal já demonstrada.
Para laboratórios e financiadores, o efeito potencial é uma mudança na demanda por recursos. Mais hipóteses candidatas podem pressionar equipamentos, pessoal de laboratório, recrutamento clínico, reprodução de resultados e revisão. O estudo, porém, não mediu diretamente orçamentos, prazos de publicação ou capacidade experimental adicional.
Mais velocidade ainda não significa mais descobertas validadas
O levantamento captura percepções e associações em um momento inicial da adoção. Ele não compara grupos equivalentes com e sem IA, não acompanha experimentalmente a semana de trabalho e não mede quantas descobertas reproduzíveis resultaram das horas declaradas.
Também permanece em aberto quanto do ganho varia por disciplina, estágio de carreira e tipo de tarefa. A conclusão sustentada até agora é mais estreita: muitos cientistas da amostra dizem trabalhar mais rápido com IA, enquanto verificação e experimentação não avançam automaticamente no mesmo ritmo. Demonstrar que essa economia produz mais ciência validada exigirá acompanhamento longitudinal, medidas objetivas de resultados e amostras geograficamente mais amplas.
Leia também:
Assine nossa newsletter
Receba as últimas notícias sobre Web3, IA e cripto diretamente no seu e-mail.