Por que sua equipe continua colando coisas no ChatGPT em vez de usar as ferramentas oficiais
O volume de copiar e colar no ChatGPT não é, principalmente, uma falha de conformidade para fiscalizar. É pesquisa de mercado gratuita e honesta sobre o ponto exato em que suas ferramentas oficiais são lentas demais — se você estiver disposto a ler assim.
Pergunte a uma líder de operações de uma agência de cinquenta pessoas onde a pesquisa de clientes de fato acontece, e ela vai apontar uma ferramenta de gestão de projetos com uma fatura mensal e um quadro de permissões. Pergunte onde isso acontece de verdade, e a resposta honesta, cada vez mais, é uma aba do navegador rodando o ChatGPT.
Não é um hábito marginal, restrito a algumas pessoas do time de design que furam as regras. Está perto da mediana. O Work Trend Index 2024 da Microsoft e do LinkedIn, baseado em uma pesquisa com 31.000 trabalhadores em 31 países, constatou que 78% dos funcionários que usam IA generativa no trabalho trazem as próprias ferramentas de IA em vez daquelas que o empregador disponibilizou — uma prática que o relatório chama de BYOAI. Em empresas pequenas e médias, esse número sobe para 80%. Um Annual Report de 2025 separado, da 1Password, feito com 5.000 trabalhadores, encontrou um número mais conservador: 27% admitiram ter usado ferramentas de IA que a empresa não havia autorizado, enquanto uma pesquisa da Cybernews com mais de 1.000 funcionários dos EUA em setembro de 2025 colocou o número em 59%. A dispersão é grande porque cada pesquisa faz uma pergunta um pouco diferente — “você já recorreu à IA fora dos canais oficiais” versus “você depende, sabendo disso, de uma IA não autorizada para o seu trabalho mais importante” — mas todos esses números ficam bem acima do que a maioria dos líderes de TI e de operações chutaria se fosse perguntada de surpresa.
A maior parte das conversas sobre esse fato começa com a palavra “shadow” e termina com um memorando sobre política de uso aceitável. Esse instinto é compreensível. Também é, na maior parte das vezes, o primeiro movimento errado.
O que o número está medindo de fato
Comece pelo que essas pesquisas não estão encontrando. Elas não estão encontrando que os funcionários são preguiçosos, imprudentes ou que tentam driblar a gestão. O relatório da 1Password perguntou diretamente por que as pessoas recorrem a ferramentas de IA não aprovadas, e as duas respostas principais foram conveniência (45%) e a sensação de ser mais produtivo (43%) — não “meu gestor não confere” nem “não me importo com a política”. As pessoas não se escondem no ChatGPT porque ele é proibido. Elas se escondem no ChatGPT porque ele é mais rápido do que aquilo que deveriam usar no lugar.
Essa distinção importa, porque significa que o comportamento de copiar e colar não é, em primeiro lugar, um problema de disciplina para fiscalizar. Está mais perto de um cliente que escolhe o produto de um concorrente em vez do seu. Se um cliente começa a contornar o seu fluxo de checkout porque o de um concorrente tem três cliques a menos, você não responde tornando o seu fluxo mais difícil de abandonar — você vai descobrir o que o deixa lento. A mesma lógica vale dentro de uma empresa. Toda vez que alguém abre o ChatGPT em vez da sua ferramenta de tarefas, do seu app de mensagens ou da sua wiki interna, essa pessoa está dando um voto honesto e espontâneo sobre onde as suas ferramentas oficiais são lentas demais, estão profundas demais em cliques ou não têm algo de que ela precisa agora. Ninguém preenche uma pesquisa para te contar isso. As pessoas simplesmente fazem, de novo e de novo, em escala — e é exatamente isso que torna o sinal mais confiável do que a maior parte do feedback que você vai obter de propósito.
O copiar e colar no ChatGPT não é prova de que sua equipe não respeita as ferramentas que você entregou. É uma medição ao vivo do ponto exato em que essas ferramentas ficam aquém — registrada automaticamente, em volume, sem fadiga de pesquisa.
Onde isso se encaixa: a dívida de processo tornada visível
A filosofia de produto da FabricLoop tem um nome para a condição de fundo que produz esse comportamento: dívida de processo — o custo acumulado e oculto de costurar ferramentas que não compartilham contexto, pago na moeda de pessoas que redigitam, reexplicam e reconciliam à mão informações que deveriam ter se movido sozinhas. A dívida de processo não aparece em um balanço. Ela aparece como os dez minutos que alguém gasta copiando um fio de cliente do e-mail para um documento e depois resumindo à mão, porque os sistemas envolvidos não conversam entre si.
A IA generativa não criou a dívida de processo. Ela só deu a todo mundo um jeito muito mais rápido de servi-la. Antes do ChatGPT, um funcionário diante de um processo interno fragmentado e lento tinha duas opções: atravessá-lo no esforço, ou achar um contorno informal — uma planilha pessoal, uma DM à parte no Slack, um post-it. Agora existe uma terceira opção que leva nove segundos e produz um resultado de fato útil: colar a bagunça em um chatbot e deixar que ele faça a reconciliação. O volume de pessoas que escolhem essa terceira opção é uma leitura direta, em tempo real, de quanta dívida de processo a sua organização carrega, expressa um fluxo de trabalho de cada vez. Uma equipe que cola o tempo todo no ChatGPT não é indisciplinada. É uma equipe que paga os juros da dívida de processo rápido o bastante para todo mundo sentir.
É também por isso que proibir o contorno, sozinho, raramente funciona. Um site bloqueado ou um memorando severo de política não quita a dívida — só remove o jeito mais rápido de servi-la, o que empurra as pessoas de volta para contornos mais lentos ou para um celular pessoal onde ninguém vê o que elas estão fazendo. Se a lacuna de fundo que levou alguém ao ChatGPT ainda está lá, a proibição tornou o problema menos visível, não menor.
Nada disso significa que o risco seja imaginário. Quando alguém cola um contrato de cliente, um conjunto de notas de avaliação de desempenho ou os dados de conta de um cliente em uma conta pessoal do ChatGPT, do Claude ou do Gemini, esses dados saem do controle da sua empresa e caem na infraestrutura de outra empresa, sob os termos de serviço de outra empresa — muitas vezes o plano gratuito, que em geral vem com as garantias de tratamento de dados mais fracas de qualquer plano à disposição. É uma exposição real, e merece um aviso real, dito com clareza, em vez de uma nota de rodapé. O erro é abrir com esse risco como se fosse a história inteira, porque o medo é um mau motivador de mudança de comportamento e uma ferramenta de diagnóstico ainda pior. Enuncie o risco uma vez, leve-o a sério e depois vá descobrir o que de fato está impulsionando o comportamento — porque essa é a parte que você consegue corrigir.
Leia como dados de churn, não como um registro de vigilância
A resposta certa se parece com o modo como um time de produto estuda churn, não com o modo como um time de compliance faz uma auditoria. Você não precisa ler o histórico de ChatGPT de nenhum funcionário individual, e não deveria tentar — isso é vigilância, vai corroer a confiança mais rápido do que produzir insight, e na maioria das jurisdições cria a própria exposição jurídica. O que você busca é o padrão agregado: quais fluxos de trabalho, papéis e momentos de um processo produzem, de forma confiável, um desvio para uma ferramenta de IA externa. É uma pergunta que você pode responder com uma pesquisa curta e anônima, algumas conversas francas com líderes de equipe ou — se as suas ferramentas oficiais tiverem qualquer analytics de uso — olhando onde as pessoas abandonam uma tarefa pela metade e onde os chamados de suporte se agrupam em torno de “isso está demorando demais”.
Nas pesquisas, um número pequeno de categorias de fluxo de trabalho responde pela maior parte do tráfego. Os dados da 1Password detalham isso de forma concreta: 22% dos respondentes disseram que usam ferramentas de IA externas para transcrever e resumir notas de chamadas com clientes, 21% as usam para analisar dados de clientes, e 16% as usam tanto para análise de dados da empresa quanto para redigir material ligado a contratação e avaliações de desempenho. Nenhum desses casos é exótico. Eles são o tecido conjuntivo comum de tocar um time em crescimento ou uma conta de agência — o momento logo depois que uma chamada termina e antes de as notas chegarem a algum lugar útil, o momento em que um gestor precisa de uma leitura rápida de uma planilha para a qual ninguém construiu um relatório, o momento em que alguém precisa transformar uma pilha de feedback espalhado em uma avaliação coerente. Em quase todos os casos, o trabalho de fundo é de fato simples. O que é lento é o número de ferramentas que alguém tem de abrir, e o número de vezes que precisa reexplicar um contexto que já existe em algum lugar da empresa, para fazer isso pelo caminho autorizado.
Torne o caminho autorizado mais rápido, não o contorno mais difícil
Quando você já conhece os dois ou três fluxos de trabalho específicos que geram a maior parte do tráfego, a correção quase nunca é uma política nova. É fechar a lacuna real. Na prática, para quem lidera um time em crescimento ou uma agência, isso significa três coisas, mais ou menos nesta ordem.
Primeiro, nomeie os fluxos de trabalho com precisão, não de forma genérica. “As pessoas usam o ChatGPT para coisas de cliente” não é específico o bastante para agir. “Account managers resumem notas de chamada no ChatGPT porque a nossa ferramenta de tarefas não tem captura rápida a partir de uma chamada, então, do contrário, teriam de abrir três telas separadas” é específico o bastante para corrigir — e em geral são um ou dois desses casos que respondem pela maior parte do volume, não uma dúzia.
Segundo, meça o contorno contra o caminho autorizado nas unidades que de fato importam para a pessoa que faz o trabalho: número de cliques, número de trocas de aplicativo e número de vezes que ela precisa redigitar algo que já existe em outro lugar. Se a ferramenta externa ganha por uma margem larga nas três, essa é a sua lacuna, e ela em geral pode ser fechada — um atalho de captura rápida, um modelo, uma integração que puxa o fio relevante para dentro da ferramenta automaticamente em vez de pedir que alguém vá buscá-lo.
Terceiro, quando a própria IA é de fato a parte útil — não só a velocidade, mas o resumir ou o redigir em si — traga uma capacidade de IA para a superfície autorizada em vez de fingir que as pessoas vão parar de querer isso. Esse é o argumento real para construir IA dentro das ferramentas em que sua equipe já vive, em vez de deixá-la encalhada em um app de consumo separado, sem o seu contexto e sem os seus controles.
A resposta da FabricLoop a essa lacuna é o Loop Agent, construído sobre o Model Context Protocol para que ele possa agir dentro dos mesmos Groups em que suas mensagens, tarefas e notas já vivem — resumindo um fio, redigindo uma tarefa a partir de uma conversa ou puxando uma nota sem que ninguém saia do app ou reexplique um contexto que já está lá. O ponto não é superar o ChatGPT em funcionalidades. É tornar o caminho autorizado pelo menos tão rápido quanto o contorno, com a trilha de auditoria intacta, para que a conveniência que hoje manda o trabalho para uma conta externa tenha para onde ir dentro das suas próprias paredes.
Como isso se parece na próxima segunda-feira
Nada disso exige uma força-tarefa. Exige uma hora de olhar honesto, uma conversa curta com os dois ou três papéis que mais copiam e colam, e a disposição de tratar o que você encontrar como informação útil, e não como assunto disciplinar. Pergunte diretamente às pessoas o que elas estavam tentando concluir logo antes de abrir o ChatGPT — a maioria vai dizer com clareza, porque não estava tentando esconder nada, estava tentando terminar uma tarefa. Depois compare essa tarefa, passo a passo, com quanto tempo ela leva pelas suas ferramentas oficiais. A lacuna que você encontrar é o seu roadmap de produto de verdade para o próximo trimestre, entregue de graça pelas pessoas que usam os seus sistemas todos os dias.
Os times que erram tratam o copiar e colar como uma questão de integridade e passam um trimestre escrevendo uma política que ninguém lê. Os times que acertam tratam isso como pesquisa de mercado que ninguém precisou pagar, e passam esse mesmo trimestre fechando as duas ou três lacunas que estavam mandando todo mundo contornar as ferramentas que eles já tinham.