Como as pessoas usam agentes de IA
Nova pesquisa da Perplexity e Harvard: a maior parte do uso de agentes é trabalho cognitivo, não tarefas rotineiras.

Dizia-se que 2025 seria o ano em que a tecnologia de agentes de IA se tornaria convencional. Hoje, anunciamos que a Perplexity e pesquisadores de Harvard publicaram o primeiro estudo em grande escala sobre como as pessoas realmente usam agentes de IA no mundo real.
Nossos pesquisadores fizeram três perguntas fundamentais: Quem está adotando agentes de IA? Com que intensidade eles os utilizam? E quais tarefas eles delegam aos seus assistentes de IA? Ao analisar centenas de milhões de interações anonimizadas de usuários do Comet e do Comet Assistant, descobrimos padrões fundamentais sobre a adoção e o uso de agentes.
As descobertas desafiam algumas narrativas comuns. Por exemplo, os agentes são bons em reservar hotéis ou realizar tarefas rotineiras, mas também estão atuando como parceiros em trabalhos cognitivos profundos. Eles estão remodelando a forma como aprendemos, trabalhamos e resolvemos problemas.
Um parceiro de raciocínio, não um mordomo
Uma visão popular dos agentes de IA é o caso de uso de "concierge digital", no qual os humanos delegam tarefas simples para economizar tempo. No entanto, ao classificarmos milhões de interações de usuários, descobrimos que 57% de toda a atividade dos agentes concentra-se em trabalho cognitivo. Trinta e seis por cento das tarefas mais comuns são classificadas como tarefas de produtividade e fluxo de trabalho, com outros 21% classificados como aprendizagem e pesquisa.
Essas são tarefas que escalam a capacidade humana. Um profissional de compras usou o Comet Assistant para analisar estudos de caso de clientes e identificar casos de uso relevantes antes de trabalhar com um fornecedor. Um estudante pediu ao agente para navegar pelo material do curso e analisar o que estava aprendendo. Um profissional de finanças delegou as tarefas de filtrar opções de ações e analisar informações de investimento. Em cada caso, o agente lidou com a coleta de informações e a síntese inicial de forma autônoma, fornecendo ao usuário as informações necessárias para tomar decisões finais e implementar essas decisões mediante solicitação.
O caso de uso de "parceiro de raciocínio" apoiado por nossos dados mostra que os usuários desejam expandir sua capacidade de realizar tarefas complexas. As pessoas não estão usando o Comet Assistant para evitar trabalho, elas o estão usando para fazer um trabalho melhor.

A evolução das tendências de uso para utilidade
Um dos padrões mais reveladores no estudo é a jornada do usuário. A forma como você usa um agente no dia 1 raramente é a forma como você o usa no dia 100.
Novos usuários costumam testar o terreno com consultas de baixo risco. Eles perguntam sobre planos de viagem, recomendações de filmes ou curiosidades gerais. Gradualmente, ocorre uma mudança. Nossa análise das transições de consulta mostra uma forte atração pela produtividade. Um usuário pode começar perguntando sobre um local de férias, mas, uma vez que usa o agente para depurar um script Python ou resumir um relatório financeiro, raramente volta atrás. As categorias de produtividade e fluxo de trabalho apresentam as maiores taxas de retenção, e os usuários que se envolvem em tarefas de aprendizagem ou pesquisa logo no início têm muito mais probabilidade de se tornarem usuários ativos de longo prazo.
Isso reflete os primeiros dias do computador pessoal. Ele era frequentemente vendido como uma ferramenta para gerenciamento de receitas ou jogos, mas tornou-se indispensável devido às planilhas e ao processamento de texto. Os agentes de IA estão seguindo a mesma trajetória.

Quem está usando agentes? Adoção versus intensidade
A métrica mais reveladora não é quem adota os agentes de IA, mas quem depende deles. A lacuna entre as taxas de adoção e a intensidade de uso revela onde a tecnologia deixou de ser uma novidade para se tornar uma necessidade. Lacunas estreitas indicam uma mudança comportamental genuína, e seis ocupações principais agora conduzem 70% de toda a atividade dos agentes.
Certos setores destacam-se acima da média. Embora os tecnólogos digitais naturalmente liderem o volume (30% das consultas), áreas intensivas em conhecimento, como Marketing, Vendas, Gestão e Empreendedorismo, demonstram a maior "adesão". Uma vez que esses profissionais adotam um agente, sua intensidade de uso supera seus números de adoção, à medida que integram o assistente ao seu fluxo de trabalho diário.
O contexto também importa. Os usuários utilizam o Comet Assistant para resolver os pontos de atrito específicos de seu setor. Profissionais de finanças estão fortemente focados na eficiência, dedicando 47% das consultas a tarefas de produtividade. Estudantes estão focados na utilidade, com 43% das tarefas alocadas para aprendizagem e pesquisa. Em design e hospitalidade, é ainda mais fácil ver como o uso específico do contexto predomina, desde o trabalho de mídia para designers até o planejamento de viagens para funcionários da área de hospitalidade.
Em última análise, os dados provam que o Comet Assistant é altamente versátil e reflete as necessidades específicas de seu usuário. Em um contexto educacional, ele é um mecanismo de pesquisa especializado, enquanto em um contexto profissional, ele se torna um assistente multifuncional. Contextos pessoais representam mais da metade de todo o volume de consultas.

O novo trabalho de conhecimento é o trabalho de questionamento
Este estudo fornece a primeira prova empírica de que estamos caminhando para uma economia de inteligência híbrida. O domínio de tarefas cognitivas em nossos dados sugere que os agentes de IA estão escalando o trabalho cognitivo humano. À medida que essas ferramentas amadurecem, esperamos que a "adesão" às tarefas de produtividade se aprofunde.
À medida que 2025 chega ao fim, não perguntamos mais se as pessoas usarão agentes de IA. Sabemos que elas já estão usando. A questão agora é quão rapidamente o resto da economia se adaptará a uma força de trabalho que pensa, aprende e constrói com um parceiro inteligente sempre presente no processo. Para ler mais sobre nossa metodologia, especificações de taxonomia e análise estatística, confira o artigo de pesquisa completo aqui.