Uma revisão sistemática e meta-análise de junho de 2026, sobre 19 estudos e 61 tamanhos de efeito, coloca um número em algo que a maioria dos líderes de operações intui mas nunca mediu: quando as pessoas criam com IA generativa, seus resultados convergem. O efeito agregado de homogeneização é d = 0,334 — pequeno, robusto e não explicável por viés de publicação (de Rooij & Biskjaer, 2026).
"Pequeno" é a palavra que faz esse achado ser arquivado e esquecido. Não deveria.
Individualmente, o trabalho costuma melhorar. Coletivamente, fica mais parecido. Os dois fatos não se contradizem: são o mesmo mecanismo visto de duas altitudes. Só um deles aparece no seu painel de produtividade.
Para uma função de operações que padronizou no ano passado um rollout de IA de fornecedor único — o que descreve a maioria das empresas entre 50 e 500 pessoas — a pergunta prática não é se deve continuar usando. É se alguém verificou o que aconteceu com a dispersão.
O que d = 0,334 realmente significa em escala de equipe
Um d de Cohen de 0,33 é um deslocamento modesto entre duas distribuições. Em um documento isolado, é invisível. Você não perceberia comparando duas propostas lado a lado, e nenhum revisor da sua empresa jamais vai sinalizá-lo.
O que o torna operacionalmente relevante é o enquadramento meta-analítico. Os autores descrevem o achado não como queda de qualidade, mas como uma reorganização da diversidade criativa — sutil isoladamente, consequente em escala (de Rooij & Biskjaer, 2026). É um achado sobre variância, não sobre qualidade. A distinção importa, porque todo sistema de medição de uma função de operações no mid-market foi construído para acompanhar médias e quase nenhum acompanha dispersão.
Uma revisão de opinião de março de 2026 em Trends in Cognitive Sciences rastreia o mesmo padrão até sua origem. Sourati e Dehghani argumentam que, à medida que bilhões de pessoas canalizam sua escrita e seu pensamento pelo mesmo punhado de grandes modelos de linguagem, esses modelos padronizam como as pessoas expressam e estruturam ideias — os outputs de LLM são mensuravelmente menos variados que a escrita humana e pendem para normas WEIRD (ocidentais, escolarizadas, industrializadas, ricas, democráticas) (Sourati & Dehghani, 202600003-3)). A preocupação deles é a erosão da diversidade cognitiva, matéria-prima tanto da criatividade quanto da resolução de problemas.
Traduzindo para termos operacionais: diversidade cognitiva não é uma declaração de valores. É a variância de entrada que torna válido gerar um portfólio de opções.
O mecanismo é ancoragem, não preguiça
O instinto da maioria dos times de liderança é ler convergência como colapso de esforço: as pessoas pegam o primeiro rascunho e enviam. A evidência experimental aponta para algo menos lisonjeiro aos nossos controles.
Em um experimento online controlado sobre produção de contos, autores que receberam ideias de história de um LLM produziram textos avaliados como mais criativos, mais bem escritos e mais agradáveis — com os maiores ganhos entre os autores menos criativos. Ainda assim, as histórias assistidas por IA eram mais parecidas entre si do que as escritas apenas por humanos (Doshi & Hauser, 2024). Os dois efeitos vieram da mesma intervenção.
Os autores nomeiam a estrutura explicitamente: assemelha-se a um dilema social. Com IA generativa, cada escritor está individualmente melhor, mas coletivamente produz-se um escopo mais estreito de conteúdo novo.
Um estudo separado sobre ideação humana chega a uma conclusão compatível pelo lado dos insumos. Sessões em que participantes fizeram brainstorming com um LLM produziram conjuntos de ideias significativamente menos diversos semanticamente do que sessões sem — as ideias individuais estavam boas, o conjunto é que era mais estreito (Anderson, Shah & Kreminski, 2024).
Isso é ancoragem, e ela opera antes de alguém decidir o quanto vai se esforçar. O modelo fornece um ponto de partida; o humano elabora a partir dele. A elaboração preserva a qualidade e destrói a independência.
Por que ninguém na sua empresa vai parar
Leia o dilema social como um mapa de incentivos, porque é exatamente isso.
O ganho do rascunho assistido por IA é capturado pelo indivíduo: entrega mais rápida, prosa mais limpa, uma conversa de desempenho melhor. A perda é debitada do coletivo: um conjunto de propostas que se lê como o de qualquer concorrente, uma rubrica de contratação indistinguível do template do setor. Nenhum colaborador individual sente a perda, e nenhum tem motivo para parar.
O que significa que isto não é um problema de comportamento. É um problema de desenho organizacional e de portfólio de ferramentas, e não será resolvido por um memorando interno sobre "usar IA com critério".
Onde a IA de fornecedor único custa dinheiro real a uma empresa de 50–500 FTE
A homogeneização é cara exatamente onde a diferenciação é o produto.
Propostas e concorrências. Sua taxa de vitória em uma RFP competitiva é função do que o comprador não consegue obter das outras três submissões. Se o seu time e os dos concorrentes canalizam a redação pelo mesmo assistente, partindo das mesmas convenções raspadas da web pública, a diferença remanescente encolhe até o preço. Você observará isso como pressão de margem e atribuirá ao mercado.
Rubricas de seleção e arquitetura de cargos. Scorecards, definições de competência e roteiros de entrevista gerados por um modelo compartilhado convergem para uma ideia compartilhada de bom candidato. Critérios convergentes aplicados por muitos empregadores produzem rejeições correlacionadas: as mesmas pessoas eliminadas em todo lugar, pelos mesmos motivos, sem que ninguém tenha tomado essa decisão.
Posicionamento e comunicação com clientes. Voz de marca é variância em relação a uma linha de base de categoria. Regressão a essa linha de base não é questão de estilo; é o apagamento lento daquilo que seu orçamento de marketing estava comprando.
Estratégia e geração de opções. É o pior lugar para isso acontecer. Na etapa de geração de opções, a variância é o entregável. Um conjunto de opções mais estreito não é um custo menor: é uma decisão tomada antes de alguém na sala perceber que uma decisão estava sendo tomada.
Note a propriedade comum: em todos os casos, as métricas de produtividade individual melhoram enquanto o ativo organizacional se degrada. Os painéis parecerão excelentes o tempo todo.
A estrutura da perda oculta, em uma aritmética
Suponha que o tempo de redação de uma proposta caia 30% e sua equipe entregue quatro propostas a mais por trimestre. Esse ganho é legível, atribuível e celebrado na revisão trimestral.
Agora suponha que a taxa de vitória em concorrências deslize de 24% para 21% ao longo de três trimestres. Ninguém atribuirá isso à ferramenta de redação, porque não há uma história causal plausível na sala: as propostas estão mais bem escritas do que no ano passado, e todos veem isso. A queda será atribuída à pressão de preços, ao novo modelo tarifário de um concorrente, à fraqueza do mercado. Cada uma dessas explicações está disponível, é defensável e é infalsificável com seus dados.
Essa assimetria é o risco inteiro. O ganho chega com uma cadeia de atribuição limpa. A perda chega sem nenhuma.
Onde este argumento pode estar errado
Três limites, declarados antes que você aja sobre qualquer coisa disto.
A base de evidências pende para tarefas criativas e de ideação — escrita de ficção, brainstorming, design. É onde a homogeneização é mais fácil de medir, não necessariamente onde é maior. Se o mesmo tamanho de efeito vale para um checklist de fechamento trimestral ou uma macro de suporte não foi testado, e eu esperaria que fosse menor e menos relevante onde a padronização é o objetivo.
Um d agregado de 0,334 também esconde heterogeneidade entre 61 tamanhos de efeito. A estimativa agregada diz que a direção é confiável. Não diz qual é o número da sua equipe.
Mais importante: o enquadramento de fornecedor único é uma extensão minha da evidência, não um achado dentro dela. Esses estudos comparam trabalho assistido e não assistido por IA; não colocam frente a frente organizações de modelo único e organizações multimodelo. A inferência — de que a concentração amplifica a convergência — decorre do mecanismo de ancoragem e do argumento de Sourati e Dehghani sobre modelos compartilhados, mas é uma inferência. Trate-a como hipótese testável sobre o seu próprio output, não como resultado assentado.
Nada disso muda a conclusão. A convergência é real, é invisível à sua instrumentação atual e é mensurável no seu próprio ambiente por cerca do custo de uma tarde.
A decisão de portfólio: o que auditar antes da próxima renovação
Quatro passos. Nenhum exige orçamento, e nenhum exige que alguém use menos IA.
1. Meça sua concentração. Que fração da redação voltada para fora — propostas, descrições de vaga, comunicações a clientes, memorandos de estratégia — passa por um único assistente? A maioria dos líderes de operações do mid-market nunca perguntou, e a resposta costuma ficar acima de 80% porque compras padronizou uma única licença. Esse número é a sua exposição.
2. Corrija a ordem das operações, não a ferramenta. A ancoragem funciona na sequência. Para qualquer tarefa em que a variância é o ponto, exija geração humana independente primeiro, depois extensão e crítica com IA. É uma mudança de duas linhas em um documento de processo e neutraliza a maior parte do mecanismo, porque o modelo deixa de fornecer o ponto de partida.
3. Diversifique os insumos deliberadamente. Modelos diferentes e — bem mais barato — prompts diferentes. Um "master prompt" compartilhado e circulado como boa prática de produtividade é uma máquina de homogeneização fantasiada de ajuda. Se o seu time tem um, é o item de maior alavancagem desta lista para aposentar.
4. Instrumente a dispersão, não só o volume. Pegue 20 outputs recentes do mesmo tipo. Pontue a similaridade par a par — com embeddings, se tiver capacidade, com revisão humana estruturada, se não tiver — e compare com uma amostra de 2024 do mesmo processo. Agora você tem uma linha de base. Repita trimestralmente. É o único passo que converte o argumento em evidência sobre a sua empresa.
A versão incômoda
Se o seu plano de IA para 2026 mede adoção, uso de licenças e horas economizadas, ele está instrumentado inteiramente no lado do balanço onde ficam os ganhos. Não é um descuido que alguém vá pegar, porque as perdas não têm métrica associada e nunca geram reclamação.
Uma decisão para este trimestre
Pegue o único tipo de documento em que sua diferenciação mais importa — para a maioria dos líderes de operações, é a proposta. Puxe as últimas vinte. Leia-as pelo quanto se parecem entre si, não pelo quanto cada uma é boa.
Se convergiram, você não perdeu qualidade. Perdeu distinção — e era distinção que você estava pagando.
A IA de fornecedor único torna cada uma das suas pessoas mensuravelmente mais afiada. A pergunta que nenhum painel da sua empresa está hoje construído para responder é se ela também as está tornando intercambiáveis — entre si e com as pessoas dos seus concorrentes. Responda com seus próprios documentos antes da próxima renovação, porque o fornecedor não tem motivo para levantá-la e suas métricas de produtividade nunca vão levantar.
