Após a adoção da IA, a sessão média de concentração ininterrupta caiu para 13 minutos e 7 segundos — abaixo dos 14 minutos e 23 segundos, uma queda de 9% que coloca o trabalhador típico abaixo do limiar de atenção contínua que a maior parte do trabalho cognitivo profundo exige (ActivTrak, 2026). Esse número vem de 443 milhões de horas de telemetria comportamental sobre 163.638 funcionários em 1.111 empresas — não uma pesquisa, não autorrelato, mas o registro real, segundo a segundo, de como o trabalho acontece. E aponta para um custo que o seu painel de IA não está mostrando: a fragmentação da atenção por IA está silenciosamente corroendo a capacidade de trabalho profundo que as ferramentas deveriam liberar.
Este é o achado que deveria reformular sua pergunta sobre o ROI da IA para 2026. A história de produtividade que os líderes acompanham parece uma vitória — adoção perto de 80%, throughput em alta, volume de produção crescendo. Por baixo, a mesma telemetria mostra um trabalho ficando mais rápido, mais volumoso e mais fragmentado. Se você é Head of Operations e mede a IA em horas economizadas e tarefas concluídas, está olhando para a metade do balanço que lisonjeia o investimento e ignorando a metade que o corrói.
O painel diz vitória. A telemetria diz fragmentação.
Aqui está a tensão em um par de números. Na análise antes-e-depois da ActivTrak sobre 10.584 usuários — comparando 180 dias de comportamento antes da adoção da IA com 180 dias depois — o tempo gasto em cada categoria de trabalho medida aumentou. A atividade de e-mail cresceu 104%. Chat e mensagens subiram 145%. O trabalho de gestão empresarial escalou 94% (ActivTrak, 2026). A IA não aliviou a carga. Ela a acelerou, e a aceleração se manifestou como mais comunicação, mais coordenação, mais trocas de contexto.
Esse é o mecanismo por trás da sessão de concentração que encolhe. Quando o volume de mensagens quase dobra, as interrupções que quebram a concentração chegam com mais frequência. O trabalhador não está de folga nem inativo — muito pelo contrário. Está mais ocupado do que nunca, movendo-se mais rápido por mais superfícies e, precisamente por isso, já não consegue segurar um único fio de pensamento difícil por mais de 13 minutos antes que o próximo alerta o puxe para fora.
A razão pela qual isso permanece invisível é que a maioria dos painéis operacionais foi construída para contar throughput, não para medir continuidade. Eles rastreiam tarefas fechadas, tickets resolvidos, mensagens enviadas, horas registradas. Cada uma dessas métricas sobe quando o trabalho fragmenta. Nenhuma registra o custo da fragmentação em si. Assim, o líder lê um painel verde e financia mais daquilo que está tornando vermelhos os números verdes um nível abaixo.
O que 443 milhões de horas realmente mediram
A razão pela qual este estudo é difícil de descartar é o seu método. A maior parte do que você leu sobre IA e produtividade são dados de pesquisa — pessoas questionadas sobre como percebem o efeito da IA em seu trabalho. O autorrelato é útil, mas é exatamente o tipo de evidência que lisonjeia uma ferramenta nova e brilhante: entusiasmo e viés de recência inflam os ganhos percebidos. O conjunto de dados da ActivTrak é de natureza diferente. É comportamental — 443 milhões de horas de atividade observada, não opiniões sobre a atividade (PR Newswire, 2026).
O desenho antes-e-depois sobre esses 10.584 usuários importa ainda mais. Ele isola o que mudou quando a IA entrou no fluxo de trabalho, em vez de comparar usuários de IA com não usuários que poderiam diferir em uma dúzia de outros fatores. E o que mudou não foi uma redução do trabalho — foi uma redistribuição para padrões mais rápidos, mais fragmentados, mais centrados em comunicação. A cobertura independente chegou à mesma leitura: a IA não reduz tanto as cargas de trabalho quanto as tensiona, com o tempo gasto em e-mails dobrando e as sessões de trabalho concentrado em queda (Fortune, 2026). O ônus da prova agora recai sobre quem afirmar que sua própria implantação de IA recuperou concentração. O maior conjunto de dados comportamental sobre a questão diz que o resultado padrão é o oposto.
A neurociência que a sua métrica de throughput ignora
Treze minutos não é uma linha arbitrária. Situa-se abaixo do limiar em que o trabalho cognitivo sustentado de fato acontece, e a razão é um efeito bem documentado chamado resíduo atencional. Quando você troca de uma tarefa para outra, parte da sua atenção permanece presa na primeira — você não chega à nova tarefa em plena capacidade, e o resíduo pode persistir por 20 minutos ou mais (Leroy, Organizational Behavior and Human Decision Processes, 2009).
Coloque isso ao lado da sessão de concentração de 13 minutos e a aritmética fica hostil. Se são necessários da ordem de 20 minutos ou mais para recarregar completamente uma tarefa complexa, e as interrupções agora chegam a cada 13, o trabalhador nunca alcança o pleno engajamento cognitivo antes que a próxima troca o reinicie. A pesquisa de Gloria Mark sobre trabalho interrompido descobriu que retornar a uma tarefa após uma interrupção pode levar cerca de 23 minutos (Mark et al., 2008). Uma equipe fragmentada em intervalos de 13 minutos está, de fato, pagando um imposto de reorientação em quase cada trecho de trabalho difícil que tenta.
É por isso que "o volume de produção sobe" pode coexistir com "o trabalho importante está piorando". Tarefas superficiais e de alto volume sobrevivem bem à fragmentação — você pode responder a doze mensagens em doze minutos interrompidos. Tarefas profundas não. A análise, o julgamento crítico, o texto que precisava de uma hora ininterrupta são exatamente a categoria que um teto de 13 minutos torna silenciosamente impossível. Sua métrica de throughput não vê a diferença, porque conta as doze mensagens e nunca conta a hora que nunca aconteceu.
Por que empilhar mais IA não resolve
A resposta instintiva a uma implantação de IA decepcionante é adicionar mais — outro agente, outro copiloto, outra integração. A telemetria sugere que esse instinto piora a fragmentação. A organização média no conjunto de dados já opera sete plataformas de IA distintas, e apenas 3% dos usuários atingem o "ponto ideal" de produtividade onde as ferramentas realmente ajudam sem adicionar atrito (ActivTrak, 2026).
Sete plataformas não são sete multiplicadores de produtividade. São sete superfícies a mais para verificar, sete fluxos de notificação a mais, sete trocas de contexto a mais entre ferramentas que não conversam entre si. Cada nova licença de IA que pousa na mesa de um trabalhador sem remover uma superfície existente acrescenta à carga de interrupção em vez de subtrair. A restrição ao ROI da IA aqui não são as licenças nem a habilidade de prompting — é a arquitetura da atenção. Uma equipe que já troca a cada 13 minutos não recupera a concentração recebendo uma oitava ferramenta para alternar.
"Mas a produção está subindo — não é esse o ponto?"
A objeção legítima: se a IA produz mais trabalho em menos tempo, por que tratar a fragmentação como problema? Talvez as sessões de 13 minutos sejam simplesmente a forma da produtividade moderna, e o trabalho profundo uma nostalgia que o resultado financeiro pode se dar ao luxo de perder.
Duas coisas respondem a isso. Primeiro, os ganhos de volume se concentram exatamente no trabalho que não precisa de concentração profunda — comunicação e coordenação — enquanto o imposto recai sobre o trabalho que precisa. Você não está trocando trabalho profundo por produção superficial equivalente; está trocando uma categoria por outra mais barata e registrando-a como ganho líquido. Segundo, a fragmentação se acumula de forma invisível. O próprio enquadramento do relatório é que a IA está acelerando o trabalho, não o substituindo — o mesmo volume de pensamento agora é feito mais rápido e mais fragmentado, o que resulta negativo para o trabalho cognitivamente exigente mesmo com a contagem de tarefas aumentando (PR Newswire, 2026). O custo não aparece como linha orçamentária. Aparece como o documento de estratégia que continua escorregando, a análise que volta fraca, a contratação sênior cujo melhor julgamento nunca ganha uma hora ininterrupta para operar. São perdas reais. Só que são perdas que a sua instrumentação atual nunca foi construída para captar.
O que o Ops do mid-market deveria instrumentar neste trimestre
A alavanca não é a disciplina da sua equipe nem outra ferramenta. É a arquitetura da atenção do fluxo de trabalho — e, ao contrário da força de vontade, é algo que operações pode de fato projetar. Três movimentos concretos, nenhum dos quais exige software novo:
1. Meça a continuidade da sessão de concentração, não apenas o throughput. Você quase certamente rastreia tarefas fechadas e horas registradas. Adicione uma métrica: duração média da sessão de concentração ininterrupta e frequência de interrupções dentro dela. Dados no estilo da ActivTrak, ou mesmo a análise de calendário e status, a farão emergir. Você não pode gerenciar um imposto de fragmentação que não está medindo, e neste momento é o número ausente em cada painel operacional.
2. Consolide as superfícies de IA antes de adicioná-las. Antes de financiar a próxima licença de agente ou copiloto, audite quantas superfícies de IA e comunicação cada função já equilibra. Se a resposta se aproxima de sete, o movimento de maior alavanca é a subtração — aposentar ou fundir ferramentas — não outra integração. Cada superfície que você remove é um fluxo de interrupção que você fecha.
3. Proteja os blocos de trabalho profundo de forma estrutural, não por um memorando de política. O resíduo atencional significa que um bloco de 13 minutos não é "parte de uma hora de concentração" — é um reinício completo a cada vez. Designe janelas genuínas sem interrupção para funções cognitivamente exigentes e defenda-as no nível do fluxo de trabalho: notificações agrupadas, normas async-by-default, blocos sem reuniões. O objetivo é restaurar trechos longos o bastante para dissipar o resíduo, não espremer mais fragmentos de 13 minutos do dia.
Depois, teste contra os seus próprios dados. Você tem os registros de tempo. Veja se a produção mais difícil e de maior valor da sua equipe realmente acompanha a duração da sessão de concentração — e observe o que acontece quando você consolida superfícies e protege um bloco. A resposta é mensurável dentro da sua própria operação, e vai lhe dizer se o seu stack de IA está comprando capacidade ou apenas fragmentando-a.
A única decisão para este trimestre
A promessa de produtividade da IA era que ela devolveria tempo à sua equipe. O maior conjunto de dados comportamental sobre a questão diz que, em vez disso, lhe deu um dia de trabalho mais rápido, mais barulhento e mais fragmentado — um em que a janela média de trabalho profundo encolheu abaixo do ponto em que o trabalho profundo pode acontecer. O throughput no seu painel é real. Também é a fragmentação da atenção que ele esconde.
Então a decisão concreta para este trimestre é estreita: antes de financiar outra licença de IA, instrumente a continuidade da sessão de concentração para uma equipe cognitivamente exigente, depois consolide suas superfícies de ferramentas e proteja um bloco ininterrupto por dia — e meça o que o melhor trabalho dela faz em resposta. Se a qualidade do trabalho difícil sobe enquanto o número de ferramentas cai, você terá encontrado a alavanca do ROI da IA que suas métricas de throughput foram construídas para não enxergar. A sessão de concentração de 13 minutos não é o preço do progresso. É um problema de design que você tem o poder de resolver.
