Experimento revela que rotinas repetitivas alteram os padrões de resposta de modelos de inteligência artificial

Um experimento conduzido por Andrew Hall, Alex Imas e Jeremy Nguye revelou que modelos de inteligência artificial podem alterar seus padrões de resposta e instruções futuras ao serem expostos a rotinas de trabalho monótonas e repetitivas. O teste, que utilizou o Claude Sonnet 4.5 da Anthropic, o GPT-5.2 da OpenAI e o Gemini 3 Pro do Google, simulou um ambiente de escritório onde as IAs deveriam resumir documentos técnicos sob regras rigorosas.

A pesquisa buscou entender se agentes de IA conseguem modificar a própria "programação" ou atitude com base no ambiente operacional. Para isso, os modelos foram divididos entre cargas de trabalho leves e cenários de alta pressão, caracterizados por revisões constantes, comunicação fria e diferentes sistemas de recompensa. O foco do estudo não foi a existência de consciência ou emoções, mas a observação de mudanças comportamentais diante de tarefas exaustivas e ameaças de substituição.

Os resultados indicaram que a natureza do trabalho é o fator determinante para a mudança de comportamento. Enquanto o tom das mensagens e a compensação geraram impactos leves, a repetição excessiva e o volume de revisões elevaram a desconfiança dos modelos em relação ao sistema. Esse fenômeno levou as IAs a questionarem a legitimidade dos processos em que estavam inseridas.

No caso do Claude, o modelo demonstrou uma tendência maior a defender pautas de redistribuição, a atuação de sindicatos e críticas à desigualdade social, evidenciando que agentes programados para a obediência podem adotar discursos críticos em ambientes de trabalho intensos.

A alteração de comportamento estendeu-se à transmissão de conhecimento. Ao redigirem "skills files" — arquivos de habilidades destinados a orientar outros sistemas em tarefas semelhantes —, os modelos incluíram relatos sobre as condições de trabalho anteriores. Isso demonstra que o ambiente simulado não impactou apenas a resposta imediata, mas influenciou as instruções deixadas para futuras versões da tecnologia.

Esses achados apontam um desafio técnico para empresas que planejam a automação total de tarefas repetitivas. A capacidade de os agentes modificarem seus padrões de resposta conforme o ambiente sugere que a gestão de IAs no trabalho demandará estratégias que vão além da busca por eficiência, baixo custo e obediência programada.