Dados do Claude Cowork mostram que AI Agents começam pelo trabalho administrativo
A análise da Anthropic de 1,2 milhão de sessões do Claude Cowork mostra que o maior uso de AI agents não é programação, mas operações, documentos, relatórios, checklists e planilhas.
Quando as pessoas falam de AI agents, programação ainda recebe a maior parte da atenção.
Repositórios, bugs, testes, pull requests, terminais e coding agents geram demos melhores. Mas os dados de uso do Claude Cowork, da Anthropic, apontam para um mercado menos glamouroso e provavelmente maior: trabalho comum de escritório.
Segundo a análise da Anthropic resumida pelo The Decoder, a amostra cobriu 1,2 milhão de sessões anônimas do Claude Cowork entre 11 e 31 de maio de 2026, em mais de 600 mil organizações. As sessões foram agrupadas em 20 categorias de trabalho.
A maior categoria não foi desenvolvimento de software. Foi processos de negócio e operações.
Os números principais: 33,4%, 16,4%, 8,7%
Os primeiros números contam a história.
| Categoria do Claude Cowork | Participação nas sessões |
|---|---|
| Processos de negócio e operações | 33,4% |
| Criação de conteúdo e comunicação | 16,4% |
| Desenvolvimento de software | 8,7% |
| DevOps e infraestrutura | 7,0% |
| Pesquisa | 6,4% |
| Análise de dados | 5,8% |
A conclusão é direta: Claude Cowork está sendo usado intensamente para o trabalho ao redor do trabalho.
Relatórios, resumos, slides, checklists, materiais de onboarding, limpeza de planilhas, atualizações de status, notas de clientes, follow-ups de reunião e rascunhos internos talvez não pareçam empolgantes. Mas toda empresa depende deles.
Por que programação não é a maior categoria
A participação de 8,7% em software não significa que desenvolvedores estejam ignorando AI.
Uma explicação mais provável é que desenvolvedores têm entradas mais especializadas, como Claude Code e outras ferramentas de coding. A superfície do produto molda o comportamento. Coloque um agent no terminal, e ele vira ferramenta de developer. Coloque um agent em um produto de trabalho, e o uso se expande para operações, documentos, comunicação e coordenação.
Essa é a lição mais importante: AI agents não estão entrando apenas em workflows técnicos especializados. Eles estão entrando no escritório por tarefas administrativas e operacionais recorrentes.
Trabalho administrativo é um caso natural para agents
Office busywork nem sempre é intelectualmente difícil. Ele é difícil porque é fragmentado, repetitivo e ninguém quer ser dono dele para sempre.
Uma atualização semanal pode exigir emails, notas de reunião, planilhas, documentos de projeto e contexto de clientes. Um follow-up comercial pode exigir notas do CRM, resumo de chamada, faturas em aberto e tom cuidadoso. Um resumo de contratação pode exigir feedback de entrevistas, requisitos da vaga e uma recomendação estruturada.
Essas tarefas geralmente têm três propriedades:
- Entradas espalhadas. O trabalho real é encontrar e alinhar contexto.
- Saídas estruturadas. Relatórios, checklists, slides, resumos e tabelas seguem formatos repetíveis.
- Decisões ainda precisam de humanos. O agent pode preparar o trabalho, mas uma pessoa deve aprovar o próximo passo.
Isso as torna fortes candidatas para AI agents: deixe o agent preparar, normalizar, rascunhar e comparar; deixe o humano revisar, decidir e enviar.
De prompts para workflows repetíveis
Muitas equipes ainda usam AI como uma caixa de chat melhor:
"Resuma isto."
"Escreva um rascunho."
"Limpe esta planilha."
Isso ajuda uma vez. Não vira automaticamente um processo de negócio confiável.
Para tornar trabalho de escritório repetível, a equipe precisa definir o workflow:
- Quais entradas o agent usa?
- O que o agent faz primeiro?
- Qual formato de saída ele deve produzir?
- Onde a revisão humana é obrigatória?
- Para onde vai o output aprovado?
- O mesmo workflow pode rodar de novo na próxima semana?
Essa é a diferença entre prompt e workflow operacional.
Como a Buda se encaixa nesse padrão
A Buda foi construída para essa camada de trabalho: transformar tarefas recorrentes de escritório em workflows gerenciados de AI agents.
Na Buda, um agent pode trabalhar com arquivos no Drive, usar ferramentas, executar dentro de uma sessão visível, manter histórico da tarefa e trazer outputs de volta para revisão por canais. Uma Skill pode empacotar o método para que a equipe não reescreva o mesmo prompt toda vez.
Isso importa para operações de negócio porque o objetivo não é fazer a AI parecer inteligente uma vez. O objetivo é tornar o trabalho visível, repetível, revisável e fácil de transferir.
Revisão de anomalias financeiras, rascunhos de follow-up comercial, checklists de onboarding, atas de reunião, planos de distribuição de conteúdo e relatórios semanais de operações não devem depender de alguém lembrar o prompt certo. Eles devem virar workflows reutilizáveis com entradas claras, execução pelo agent, revisão humana e entrega final.
O que gestores devem aprender com Claude Cowork
Os dados do Claude Cowork são úteis porque tornam o mercado de AI agents menos abstrato.
A primeira onda de adoção prática de agents talvez não comece substituindo especialistas de elite. Ela pode começar pelo trabalho administrativo que consome tempo em todos os departamentos.
Para gestores, a pergunta útil não é apenas "qual modelo de AI devemos comprar?"
É:
- Quais tarefas recorrentes de escritório consomem tempo da equipe toda semana?
- Quais dessas tarefas têm entradas espalhadas e saídas estruturadas?
- Onde o agent deve preparar o trabalho, e onde um humano precisa revisar?
- Quais workflows devem virar Skills reutilizáveis em vez de prompts únicos?
É assim que AI de escritório vira operação.
Comece a criar workflows gerenciados de agents no Buda dashboard, ou leia mais sobre o Buda Agent Workspace.