Lituânia: agentes produzem 85% do output do ChatGPT Enterprise; Eslovênia, 22%. A lacuna é profundidade.

Duas empresas podem comprar as mesmas licenças de IA no mesmo dia e terminar o ano em situações muito diferentes. Uma usa a IA para responder perguntas. A outra entrega tarefas para ela concluir. A nova pesquisa da OpenAI com clientes empresariais europeus coloca números nessa diferença, e os números dizem mais sobre as organizações do que sobre a tecnologia.

O que a OpenAI encontrou

O relatório, publicado em 14 de outubro pela equipe de pesquisa econômica da OpenAI, analisa o uso agêntico entre clientes do ChatGPT Enterprise e Business na UE. Suas principais conclusões:

• Na amostra da UE, Codex e ChatGPT Work, as ferramentas da OpenAI que executam tarefas em vez de responder perguntas, agora representam mais da metade dos tokens de output entre clientes do ChatGPT Enterprise.
• Desde maio de 2026, os usuários ativos semanais dessas ferramentas entre pequenas e médias empresas da UE, definidas como empresas com 200 ou menos usuários associados, cresceram mais de oito vezes, com crescimento em todos os estados membros.
• A participação agêntica dos tokens de output variou de 22% na Eslovênia (Slovenia) a 85% na Lituânia (Lithuania).
• “Empresas de fronteira”, o top 10% por tokens de output por usuário ativo, geraram mais de quatro vezes mais tokens de output por usuário ativo do que empresas típicas da UE em setembro. Empresas de fronteira fora da UE geraram mais que o dobro das empresas de fronteira da UE, e as empresas da UE eram apenas 10% das empresas de fronteira globalmente.

Participação dos tokens de output do ChatGPT Enterprise vindos de ferramentas agênticas

0%100%

1. Eslovênia22%
2. Amostra da UEMais da metade
3. Lituânia85%

O que os números medem

Antes que esses números cheguem a um slide de board, três limites precisam acompanhá-los:

1. A amostra é de clientes da OpenAI. Não é a economia europeia, e não diz nada sobre empresas que usam outros fornecedores ou nenhum.
2. Tokens de output não são resultados. Um agente de codificação produz muitos tokens por tarefa; uma resposta curta produz poucos. Uma alta participação agêntica significa que ferramentas no estilo agente geram a maior parte do texto, não que entregam a maior parte do valor, ou qualquer produtividade medida.
3. O fornecedor tem interesse. O relatório é crível como dados de uso e termina com um argumento político por um uso mais amplo e profundo. Leia os dados e a defesa separadamente.

Por que intensidade ainda é a lente certa

Com esses limites, a ideia central se sustenta e é útil: a lacuna entre organizações não é mais o acesso à IA. Quase toda grande empresa na Europa, nos EUA ou no Brasil pode comprar as mesmas ferramentas. A diferença é o quão profundamente o trabalho foi reorganizado em torno delas. Uma lacuna de quatro vezes no uso por pessoa entre empresas de fronteira e típicas não é explicada por licenças. É explicada por quais tarefas foram entregues, quem foi treinado, quais processos foram alterados e quais dados as ferramentas puderam acessar.

Isso corresponde ao que vemos nas evidências em outros lugares. Agentes chegam à produção mais rápido quando vivem dentro de um processo que as pessoas já executam, e o valor aparece apenas quando alguém decide para que serve o tempo liberado.

Como ler sua própria intensidade

Uma empresa pode rodar a análise da OpenAI em si mesma, com dados de uso de qualquer fornecedor, e aprender mais do que qualquer ranking de países lhe dirá:

• Meça profundidade por time, não adoção por empresa. Usuários ativos por licença diz quem fez login. Tarefas delegadas por usuário ativo diz quem mudou a forma de trabalhar.
• Encontre sua fronteira interna. Os 10% dos times com maior intensidade são os que devem ser estudados: quais tarefas eles delegam, o que tiveram que corrigir para fazer isso, e o que pararam de fazer.
• Combine intensidade com resultados. Para cada time de alta intensidade, nomeie uma métrica de negócio que deveria se mover. Se nenhuma se mover, a intensidade é atividade, não progresso. A abordagem da Workday de acompanhar a mudança no nível da tarefa é uma forma de fazer essa ligação.
• Fique atento ao atraso da governança. Os times que mais delegam são também aqueles cujos agentes tocam mais dados e sistemas. Intensidade deveria disparar uma revisão, não uma celebração.

Para empresas europeias, há também uma camada regulatória: uso agêntico mais profundo significa mais sistemas que podem se enquadrar nas obrigações do deployer do AI Act da UE, e mais processamento para mapear sob o GDPR. Para todos os outros, a lição é a mesma sem o estatuto. A corrida não é comprar IA primeiro. É mudar o trabalho por baixo dela, e saber se a mudança compensou.