Encontrar uma mesa livre em um café, no sábado à tarde, em Palo Alto, na Califórnia, virou uma tarefa difícil. Para quem trabalha com tecnologia, não surpreende perceber que todas estão ocupadas por pessoas com laptops abertos e imersas em ferramentas de inteligência artificial (IA).
— De oito em cada 10 laptops, você via alguma ferramenta de IA trabalhando. O novo videogame é o terminal (de trabalho) — relatou o médico-cirurgião e pesquisador Bernardo Precht, em vídeo publicado no Instagram, que descreveu o fenômeno como um “surto coletivo”.
O comportamento ganhou nome no Vale do Silício: "tokenmaxxing" (veja glossário abaixo). A expressão descreve uma tendência emergente em que profissionais, principalmente da área de tecnologia, buscam maximizar o uso de ferramentas de IA generativa, medido pela quantidade de "tokens" processados.
Em termos simples, quanto mais tokens consumidos, maior seria a produtividade. Ao menos sob uma lógica superficial, que confunde volume de processamento com geração de valor.
Ranking de tokens e a produtividade tóxica
Na prática, esse raciocínio tem se traduzido em comportamentos distorcidos, associados a uma lógica de produtividade tóxica.
Na Meta, empresa de tecnologia dona de plataformas como Facebook, Instagram e WhatsApp, trabalhadores passaram a disputar internamente quem consegue gerar mais tokens em menos tempo. Um ranking gamificado, conhecido como "Claudeonomics", reúne mais de 85 mil funcionários e destaca os 250 com maior volume de uso como "super usuários", com direito a reconhecimento interno e status.
— A Meta criou um ranking em que você consegue ver quem consumiu mais tokens. O consumo de token virou um indicador de produtividade — aponta Precht. — Isso gerou a sensação de FOMO (fear of missing out, ou medo de ficar de fora): se você não está usando o modelo no máximo de capacidade, você está perdendo uma grande oportunidade — completa.
Os números ajudam a dimensionar o fenômeno: em um período de 30 dias, foram consumidos mais de 60 trilhões de tokens. O usuário mais ativo chegou a uma média de 281 bilhões de tokens processados.
Em alguns casos, funcionários mantêm agentes de IA – softwares que funcionam como "robôs" e conseguem executar tarefas sozinhos após serem programados – rodando continuamente para inflar os próprios números no ranking.
Esse nível de uso tem implicações diretas. Estimativas indicam que o custo operacional pode variar de centenas de milhões a bilhões de dólares, dependendo do modelo e da infraestrutura utilizada.
Apesar disso, a prática tem sido incentivada por parte da liderança, que associa o alto consumo ao engajamento e à produtividade, sendo mais visível em nichos especializados, como entre engenheiros e profissionais da área de tecnologia.
Contudo, já provoca discussões sobre a validade dessas métricas, o custo real da adoção em larga escala, os incentivos criados dentro das empresas e os limites saudáveis no uso da inteligência artificial.
O que são tokens e por que funcionam como métrica
Embora sejam frequentemente comparados a uma moeda, os tokens não têm valor próprio — são unidades técnicas que os modelos de IA utilizam para processar a linguagem. Cada palavra, fragmento de palavra ou símbolo é convertido em tokens para que o sistema consiga interpretar e gerar respostas.
— O token pode ser visto como as palavras ou expressões que são processadas pelo modelo, tanto na entrada quanto na saída — explica o doutor em Ciência da Computação e professor do Lato Sensu da Unisinos, Rafael Kunst.
A associação com dinheiro surge porque o volume de tokens está diretamente ligado ao custo dos serviços de IA. Plataformas cobram pelo processamento, o que transforma o uso em um indicador indireto de gasto.
— O token não é uma moeda, mas a quantidade utilizada é uma das formas de monetização. Quanto mais tokens, maior o custo daquela operação — detalha o professor.
Esse vínculo entre uso e custo, segundo o especialista, fez com que os tokens deixassem de ser apenas um conceito técnico e passassem a ocupar um lugar simbólico na cultura de desenvolvimento com IA.
Da ferramenta ao vício: como o tokenmaxxing ganhou força
O avanço recente das ferramentas de inteligência artificial, especialmente na geração de código, criou um ambiente de forte experimentação, com modelos mais capazes, respostas mais rápidas e custos parcialmente subsidiados pelas próprias empresas.
Precht reconhece que existe algo genuíno nessa efervescência, mas separa o que é oportunidade do que é euforia coletiva.
— Existe uma sensação de que estamos diante de uma janela única de criação de valor. Tudo parece possível, tudo pode ser feito mais rápido, e as pessoas querem testar isso o tempo todo — comenta.
A dinâmica, porém, se aproxima de um comportamento exploratório contínuo, nem sempre orientado por objetivos claros. O uso deixa de ser apenas instrumental e passa a ser, em parte, um fim em si mesmo.
Em alguns ambientes corporativos, o consumo de ferramentas de IA passou a ser observado como um sinal de engajamento ou produtividade, ainda que de forma informal.
— Isso reforça a lógica de competição e amplia a pressão por uso constante — avalia o médico, bolsista de gestão na Universidade de Stanford.
Quando o volume substitui o valor
A principal crítica de especialistas ao tokenmaxxing está na confusão entre quantidade de uso e geração de resultados. O aumento no consumo de tokens não implica, necessariamente, maior produtividade real.
— Muitas vezes, significa apenas que estou aumentando o custo da operação — afirma Kunst — Um uso mais eficiente, com prompts (instrução, pergunta ou comando enviado a uma inteligência artificial) melhor elaborados, pode gerar mais qualidade com menos recursos — completa.
Esse ponto expõe uma fragilidade importante. Ao transformar o volume de uso em indicador, corre-se o risco de valorizar o esforço computacional em detrimento do impacto efetivo. O resultado, segundo Kunst, é a criação de uma métrica de vaidade, que sinaliza atividade, mas não necessariamente entrega resultados.
O risco do excesso de produtividade
Se a questão econômica ainda está em aberto, a psicológica já tem respostas mais nítidas. Denise Milk, psicóloga especialista em saúde mental no trabalho, identifica no tokenmaxxing um padrão que vai além da produtividade e pode comprometer o trabalhador.
— A possibilidade de produzir mais em menos tempo com ajuda da IA tende a elevar a pressão interna por desempenho. A tecnologia altera a referência subjetiva do que passa a ser considerado entrega adequada. O que antes era visto como bom desempenho pode rapidamente virar o novo mínimo esperado — aponta Denise.
Quando isso acontece, o ganho de produtividade deixa de ser um recurso de apoio e passa a ser incorporado como uma obrigação silenciosa.
O problema, segundo a especialista, não está na ferramenta em si, mas na forma como ela redefine a régua de exigência, sem que isso seja percebido pelo profissional, pela liderança ou pela organização.
Denise vê um paralelo direto entre o uso intensivo de IA e os mecanismos de recompensa das redes sociais.
— Ambos operam com reforços rápidos: resposta imediata, sensação de ganho de eficiência, redução da incerteza e micro-recompensas por resolver algo com agilidade. Do ponto de vista cerebral, isso aumenta a probabilidade de repetição do comportamento, especialmente quando ele reduz esforço, ansiedade ou dúvida — explica.
Esse ciclo pode levar ao que a psicóloga chama de empobrecimento progressivo da autonomia cognitiva – a pessoa passa a sentir que só consegue começar, organizar, escrever ou decidir com a mediação da ferramenta.
— O risco maior não é apenas usar muito, mas perder confiança na própria capacidade de pensar sem apoio constante — alerta Denise.
Como não virar refém da ferramenta
Tanto especialistas em tecnologia quanto a psicóloga convergem em um ponto: o problema não é usar IA, mas como usá-la.
— Eu entendo a IA como um bom complemento ao trabalho. Sou defensor do uso, mas não do uso indiscriminado. Ela pode melhorar a qualidade, o desempenho e liberar tempo para o humano, mas não substituir o raciocínio — pontua Kunst.
Segundo Precht, não faz sentido delegar a um chatbot a origem de ideias estratégicas:
— Ele não vai entender. Quando transferimos toda a nossa capacidade de pensamento para um modelo de IA, esse é o pior caso de uso. O segredo é trabalhar com a IA como um parceiro que te desafia e ajuda a estruturar um modelo mental para decisões mais qualificadas.
Denise sugere quatro estratégias práticas para preservar a saúde mental no uso dessas ferramentas:
- Diferenciar tarefas operacionais daquelas que exigem pensamento próprio: nem tudo deve ser delegado
- Reservar blocos de trabalho sem mediação tecnológica, para sustentar autoria e concentração
- Monitorar o motivo do uso: a ferramenta está sendo usada porque agrega qualidade ou porque já há perda de tolerância ao esforço de pensar sozinho?
- Proteger pausas reais, já que regulação emocional, consolidação de memória e recuperação atencional dependem de intervalos
— A pergunta não é apenas quanto a IA ajuda a produzir, mas como ela está redesenhando a relação da pessoa com o próprio pensar, com o próprio ritmo e com o próprio limite — conclui a especialista.
Glossário da inteligência artificial
Token
Unidade básica de processamento dos modelos de linguagem. Cada palavra, parte de palavra ou símbolo pode corresponder a um ou mais tokens. É a unidade usada pelos provedores de IA para medir uso e calcular custos de processamento.
Tokenmaxxing
Tendência surgida no Vale do Silício em que profissionais buscam maximizar o consumo de tokens como forma de demonstrar produtividade ou desempenho. O termo combina "token" com "maxxing", gíria que significa levar algo ao limite máximo.
LLM (Large Language Model)
SLM (Small Language Model)
Modelo de linguagem menor, projetado para tarefas mais específicas e com menor demanda computacional. Em geral, são mais leves, rápidos e baratos de operar, mas com capacidade reduzida em comparação aos LLMs. São usados em aplicações mais restritas ou embarcadas.
Chatbot
Sistema de inteligência artificial projetado para simular conversas humanas por texto ou voz. Pode variar de modelos simples, baseados em regras, até sistemas avançados baseados em LLMs, capazes de responder perguntas, executar tarefas e interagir de forma contextualizada.
Agentes de IA
Sistemas de inteligência artificial capazes de executar tarefas de forma autônoma ou semi-autônoma. Podem realizar ações como agendamentos, preenchimento de formulários, navegação em sistemas e integração com outras ferramentas digitais, reduzindo a necessidade de intervenção humana contínua.
FOMO (Fear of Missing Out)
Expressão em inglês que significa "medo de ficar de fora". No contexto da inteligência artificial, descreve a ansiedade de não acompanhar o ritmo de adoção e uso das novas ferramentas ou de não explorar todo o seu potencial.
Prompt
Instrução, comando ou pergunta enviada a um sistema de inteligência artificial. A forma como o prompt é formulado influencia diretamente a qualidade da resposta e pode impactar também o volume de tokens utilizados no processamento.