Em 1975, o engenheiro Fred Brooks escreveu que adicionar programadores a um projeto de backlog o atrasa ainda mais. Sua metáfora ficou famosa: “nove mulheres não podem carregar um bebê em um mês.”
Meio século depois, centenas de empresas estão repetindo o erro com a inteligência artificial. Eles enviam agentes na esperança de acelerar seus processos e descobrem, fatura após fatura, que a coordenação custa mais do que a tecnologia promete economizar.
A lição que a IBM aprendeu da pior forma
Por: Gabriel E. Levy B.
Em meados da década de 1960, a IBM apostou seu futuro em uma família de computadores chamada System/360.
A revista Fortune descreveu o projeto como uma aposta de 5 bilhões de dólares, um número enorme para a época. O hardware progrediu conforme planejado, mas o sistema operacional, chamado OS/360, começou a adicionar atrasos adicionais aos existentes.
Fred Brooks, o engenheiro que liderava o projeto, fez o que qualquer gerente faria: pediu reforços. Mais de mil pessoas vieram trabalhar no projeto, que consumiu cerca de cinco mil anos-homem de esforço acumulado.
Cada nova adição exigia muitas semanas de treinamento dos veteranos e multiplicava as reuniões necessárias para manter o projeto nos trilhos.
O cronograma continuou a ser exponencial. Uma década depois, Brooks relatou a experiência em detalhes em um livro que chamou de “O Mês do Homem Mítico”, onde formulou a lei que hoje leva seu nome: “adicionar funcionários a um projeto de software atrasado o atrasa ainda mais”.
A figura literária que ele usou para explicar esse fenômeno foi escrita em mármore na cultura da engenharia: “gestar um bebê leva nove meses, não importa quantas mulheres sejam designadas para a tarefa.” Brooks faleceu em 2022, após ser vencedor do Prêmio Turing.
O que é um agente e por que está na moda?
Um agente de IA é um programa que vai além de um simples agente automatizado de chat. Enquanto o chatbot responde perguntas, o agente executa múltiplas tarefas específicas: ele lê e-mails, consulta bancos de dados, preenche formulários, compara preços e é meticulosamente responsável por meticular essas etapas sem que ninguém intervinha em cada uma.
A promessa comercial parece ser essencialmente sedutora. Se um agente trabalha como funcionário digital que não dorme nem recebe horas extras, dez agentes devem atuar como dez funcionários e cem como um pequeno exército. Os números de investimento refletem esse entusiasmo.
A consultora Gartner calculou que o gasto global em inteligência artificial generativa seria de cerca de 644.000 milhões de dólares em 2025 e que o total de gastos com essa tecnologia se aproximaria de um trilhão e meio de dólares naquele mesmo ano. Sob essa lógica estranha de dinheiro abundante, milhares de empresas empregaram agentes em atendimento ao cliente, vendas, contabilidade, logística e recursos humanos.
Eles acabaram repetindo o erro que Brooks descreveu meio século atrás: “Pressupõe que o trabalho pode ser dividido em partes infinitas e que cada nova parte do sistema adiciona capacidade sem adicionar custos.”
A aritmética que ninguém quer fazer
Brooks desmentiu o mito do homem do mês com a aritmética básica do ensino fundamental.
Quando duas pessoas colaboram, existe um único canal de conversa.
Com cinco, os canais possíveis chegam a dez. Com vinte, a cento e noventa.
A fórmula, “n vezes n menos um dividido por dois”, cresce muito mais rápido que o tamanho da equipe, com cada canal consumindo horas de explicações e mal-entendidos.
Somado a esse custo está a rampa de aprendizado: um novato produz pouco nas primeiras semanas e, enquanto aprende, rouba tempo dos especialistas que deveriam guiá-lo. Permanece, além disso, a natureza da própria obra.
Algumas tarefas podem eventualmente funcionar muito bem se forem distribuídas entre várias mãos, como colher um campo, pintar um edifício ou até mesmo desmontar uma máquina, mas outras são sequenciais e não admitem divisão, não importa quantos recursos sejam alocados.
Agentes de inteligência artificial já demonstraram incapacidade de suportar uma divisão eficiente e dispersa do trabalho.
É importante esclarecer que isso não implica que no futuro eles poderão fazer isso se os sistemas de memorização das línguas de IA melhorarem, mas, por enquanto, isso está muito mais distante do que parece.
Cada novo agente precisa de contexto, permissões, dados limpos e regras operacionais — sua própria rampa de entrada.
Cada agente conectado a outros agentes ou a pessoas abre canais adicionais de coordenação, agora entre humanos e máquinas.
E a etapa final de quase qualquer processo, a revisão humana do que a máquina produziu, permanece tão indivisível quanto sempre. Alguém precisa verificar o resultado e responder por ele, e essa pessoa se torna o novo gargalo e isso se repete várias e várias vezes.
Números que em nenhum lugar batem
O laboratório independente METR colocou a teoria à prova em 2025 com um experimento controlado: dezesseis programadores veteranos resolveram 246 tarefas reais, às vezes com assistentes de inteligência artificial e às vezes sem.
Os participantes acreditavam que trabalharam vinte por cento mais rápido graças à máquina.
O cronômetro mostrou o contrário: eles estavam dezenove por cento mais lentos, porque revisar e corrigir as propostas do assistente consumia mais tempo do que a ferramenta economizava.
O próprio METR qualificou a constatação em 2026, com uma amostra maior e modelos mais recentes, e hoje argumenta que o efeito negativo foi reduzido, embora evidências de uma clara aceleração permaneçam fracas.
Um relatório do MIT calculou que noventa e cinco por cento dos pilotos corporativos de IA generativa não produziram retorno mensurável, um número que vários acadêmicos questionam quanto à sua metodologia, embora poucos contestem essa tendência.
A S&P Global constatou, de forma particularmente marcante, que a proporção de empresas que abandonaram a maioria de suas iniciativas de IA saltou de dezessete por cento para quarenta e dois por cento no curto período de um ano.
Sim, só um ano.
A Gartner previu que mais de quarenta por cento dos projetos com agentes serão cancelados até 2027 e denunciou a “lavagem de agentes”, a prática de renomear chatbots simples como agentes.
Pesquisadores de Stanford e BetterUp batizaram o sintoma cotidiano de workslop: conteúdo de máquina que parece ser trabalho finalizado e obriga o destinatário a refazê-lo, com um custo estimado de $186 por mês por funcionário, ou seja, era mais barato nunca tê-los implementado.
Uma inversão global do mundo corporativo
Casos com seus próprios nomes abundam.
A empresa financeira sueca Klarna anunciou em 2024 que seu atendente de automóveis estava fazendo o trabalho de 700 agentes de atendimento ao cliente. Um ano depois, seu diretor executivo, Sebastián Siemiatkowski, percebeu que a aposta havia ido longe demais e contratou pessoas novamente, pois a qualidade do serviço se deteriorou.
Talvez o caso mais notório e ridicularizado nas redes sociais seja o da famosa empresa de fast food: McDonald’s, que testou por três anos um sistema de pedidos por voz desenvolvido junto com a IBM em mais de cem restaurantes nos Estados Unidos e finalmente decidiu desligá-lo em 2024, após vídeos de clientes recebendo pedidos absurdos, incluindo 2.510 pepitas, viralizou e virou a piada na internet.
Em tarefas mais sistemáticas, eles podem funcionar
O economista Erik Brynjolfsson mediu o desempenho de mais de 5.000 operadores humanos de call center e descobriu que a assistência por IA aumentou sua produtividade em 14%, com melhorias de até 34% entre os iniciantes.
A ferramenta executa quando a tarefa é limitada, repetitiva, divisível e fácil de supervisionar.
O debate ainda está aberto entre aqueles que acreditam que agentes vão dobrar a lei de Brooks ao permitir equipes menores e aqueles que, como o engenheiro Wes McKinney, criador das ferramentas de programação usadas ao redor do mundo, alertam que o gargalo nunca esteve nas mãos desse tipo e que a coordenação apenas mudou de forma.
Em resumo, a lei que Fred Brooks formulou em 1975 ainda está em vigor porque descreve limites humanos que a tecnologia não apaga. Agentes de IA prometem velocidade, mas cada um exige contexto, permissões, monitoramento e coordenação, e esses custos crescem mais rápido que os benefícios quando a implantação não tem método. Empresas que cancelam projetos hoje aprendem a velha lição do OS/360: existem empregos que nenhum orçamento consegue comprimir. Nove mães ainda não conseguem ter um bebê em um mês.
Referências
- Brooks, F. P. (1975). O Mês do Homem Mítico: Ensaios sobre Engenharia de Software. Addison-Wesley.
- Associação de Máquinas de Computação. (1999). Frederick Brooks, laureado com o Prêmio A.M. Turing. https://amturing.acm.org/award_winners/brooks_1002187.cfm
- Becker, J., Rush, N., Barnes, E. y Rein, D. (2025). Medindo o impacto da IA do início de 2025 na produtividade experiente de desenvolvedores open-source. METR. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
- METR. (2026). Estamos Mudando nosso Design de Experimento de Produtividade para Desenvolvedores. https://metr.org/blog/2026-02-24-uplift-update/
- Projeto MIT NANDA. (2025). A Divisão da GenIA: Estado da IA nos Negócios 2025. MIT Media Lab.
- Gartner. (2025). A Gartner prevê que mais de 40% dos projetos de IA Agente serão cancelados até o final de 2027. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
- Niederhoffer, K., Kellerman, G. R., Lee, A. y Liebscher, A. (2025). O trabalho gerado por IA está destruindo a produtividade. Harvard Business Review. https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity
- Inteligência Global de Mercado S&P. (2025). Voz da Empresa: IA e Aprendizado de Máquina 2025. S&P Global.
- Forbes. (2025). Klarna reverte o impulso da IA, diz que clientes preferem suporte humano. https://www.forbes.com/sites/quickerbettertech/2025/05/18/business-tech-news-klarna-reverses-on-ai-says-customers-like-talking-to-people/
- CNBC. (2024). McDonald’s encerrará o teste de drive-thru com IA com a IBM. https://www.cnbc.com/2024/06/17/mcdonalds-to-end-ibm-ai-drive-thru-test.html
- Brynjolfsson, E., Li, D. y Raymond, L. (2025). IA generativa em ação. Revista Trimestral de Economia, 140(2), 889-942. https://www.nber.org/papers/w31161
- Gartner. (2025). A Gartner prevê que os gastos globais com GenAI atinjam US$ 644 bilhões em 2025. https://www.gartner.com/en/newsroom/press-releases/2025-03-31-gartner-forecasts-worldwide-genai-spending-to-reach-644-billion-in-2025
- Gartner. (2025). Gartner afirma que os gastos mundiais em IA totalizarão US$ 1,5 trilhão em 2025. https://www.gartner.com/en/newsroom/press-releases/2025-09-17-gartner-says-worldwide-ai-spending-will-total-1-point-5-trillion-in-2025
- McKinney, W. (2026). O Mês Mítico do Agente. Radar O’Reilly. https://www.oreilly.com/radar/the-mythical-agent-month/
