Segundo o Fórum Econômico Mundial, o relatório Future of Jobs 2023 projetou que 23% dos empregos globais passariam por transformação significativa até 2027 — um número que, aplicado à força de trabalho brasileira, representa dezenas de milhões de postos em redefinição. Não em extinção imediata, necessariamente. Em redefinição. A distinção importa, e muito, porque é exatamente ela que o debate público brasileiro tem tratado de forma errada.
O mito da substituição instantânea
Existe uma narrativa dominante nas redes sociais e nas rodas de RH: a inteligência artificial vai “roubar” empregos da noite para o dia, e quem não se adaptar ficará para trás. Essa versão catastrofista, embora renda clique, distorce o que de fato está acontecendo no mercado de trabalho.
A realidade é mais lenta — e por isso mais traiçoeira.
As vagas não desaparecem com um comunicado oficial. Elas somem por subtração gradual: a empresa que antes contratava dez analistas de dados júnior agora contrata três sêniores e usa ferramentas de IA para cobrir o restante da demanda. A vaga de assistente jurídico que ficaria aberta por duas semanas simplesmente não é republicada. O profissional de revisão de textos que era acionado toda semana passa a ser chamado uma vez por mês. Não há demissão. Há esvaziamento silencioso.
Grandes bancos nacionais, por exemplo, já reduziram de forma expressiva o quadro de funções ligadas à análise de crédito rotineira e à triagem de documentos — sem que isso gerasse manchetes de demissão em massa, porque o processo foi gradual e parcialmente absorvido por aposentadorias e não-renovações de contrato.
Mito: “Só profissões repetitivas estão em risco”
A crença de que apenas trabalhadores de tarefas mecânicas e repetitivas correm risco é, provavelmente, a mais perigosa de todas. Ela dá uma falsa sensação de segurança para quem atua em funções consideradas “criativas” ou “estratégicas”.
O que a pesquisa acadêmica tem mostrado — e aqui cabe citar o trabalho de economistas do MIT e da Universidade de Chicago publicado nos últimos anos — é que a IA de nova geração, baseada em modelos de linguagem de grande escala, atinge com força justamente as tarefas cognitivas de nível intermediário: redigir relatórios padronizados, resumir documentos jurídicos, produzir código funcional para problemas comuns, gerar primeiras versões de peças publicitárias. São exatamente as tarefas que sustentam boa parte das carreiras de classe média no Brasil.
O operário de chão de fábrica que solda peças, o encanador, o cabeleireiro — esses ainda têm proteção natural na fisicalidade do trabalho. Já o analista de marketing que passa o dia formatando relatórios e adaptando textos para diferentes canais está, sem perceber, competindo diretamente com ferramentas que fazem o mesmo a custo marginal próximo de zero.
O que os números do mercado brasileiro indicam
O Cadastro Geral de Empregados e Desempregados (CAGED), mantido pelo Ministério do Trabalho e Emprego, não desagrega dados por automação — o que já é, por si só, um problema de política pública. Sem rastrear as causas das demissões e do não-preenchimento de vagas, o país navega às cegas nessa transição.
O que se observa nos dados agregados é uma queda consistente na abertura de vagas para funções de suporte administrativo e análise de dados júnior em setores que adotaram ferramentas de automação inteligente — financeiro, jurídico, tecnologia da informação e marketing digital. Não há um decreto. Há uma tendência.
Mito: “Quem se qualificar está salvo”
Aqui mora a segunda grande armadilha do debate.
A resposta padrão para o problema — “basta se qualificar, aprender a usar IA, fazer cursos” — é verdadeira em parte, mas incompleta de forma perigosa. Qualificação resolve o problema individual de quem consegue acessá-la. Não resolve o problema estrutural de um mercado que está, simultaneamente, aumentando a exigência de qualificação e reduzindo o número de postos disponíveis na base da pirâmide — justamente os postos que antes serviam como porta de entrada para quem ainda estava se qualificando.
O jovem que antes entrava numa agência de publicidade como assistente de criação, aprendia o ofício na prática e subia de carreira agora enfrenta um cenário em que essa vaga de entrada simplesmente não existe mais. A empresa usa IA para as tarefas de assistente e contrata direto para posições de direção criativa — que exigem portfólio e experiência que o jovem ainda não tem como construir.
É um círculo que fecha por cima e deixa a base sem acesso.
A posição que este veículo assume
A narrativa de que a IA é neutra — uma “ferramenta como qualquer outra” — é conveniente para quem a vende e equivocada para quem precisa entendê-la. Ferramentas anteriores substituíram músculos. Esta substitui raciocínio padronizado em escala, e isso representa uma ruptura qualitativa, não apenas quantitativa. Tratar a automação inteligente com a mesma leveza com que se tratou a chegada dos computadores pessoais nos anos 1990 é uma escolha política — não uma leitura técnica honesta da situação.
O Brasil, em particular, não tem margem para esse otimismo preguiçoso. Com uma população jovem expressiva, desigualdade educacional profunda e um mercado formal que ainda não se recuperou completamente das últimas crises, o país chega a essa transformação sem a rede de proteção social que países europeus, por exemplo, constroem há décadas.
Mito: “As novas vagas vão compensar as perdas”
A história da automação industrial ensina que, no longo prazo, novas tecnologias criam novos empregos. O tear mecânico destruiu postos de tecelagem manual e abriu espaço para operadores de máquina, engenheiros têxteis, logísticos. A internet eliminou classificados impressos e criou toda uma indústria de marketing digital.
Esse argumento histórico é válido — e é também o argumento predileto de quem quer encerrar a conversa antes que ela fique desconfortável.
O que ele omite é o intervalo. Entre a destruição de postos antigos e a criação dos novos, há um período de transição que pode durar anos ou décadas, e que afeta de forma desproporcional as gerações que estão no mercado naquele momento. Além disso, as novas funções criadas pela IA — engenheiros de prompt, especialistas em fine-tuning de modelos, analistas de ética em algoritmos — exigem formação técnica avançada e são, por definição, em número muito menor do que os postos que automatizam.
O contexto histórico que chegou até aqui
A automação do trabalho cognitivo não começou com o ChatGPT. Desde pelo menos a década de 2010, sistemas de RPA (Robotic Process Automation) já executavam tarefas financeiras e contábeis sem intervenção humana em grandes corporações. O que mudou com os modelos de linguagem de grande escala é o escopo: pela primeira vez, tarefas que exigiam interpretação de linguagem natural, síntese de informação e geração de conteúdo passaram a ser executadas de forma automatizada em escala comercial acessível até para pequenas e médias empresas.
A ressalva honesta: o que ainda não se sabe
Seria desonesto fechar esta análise sem admitir o que permanece genuinamente incerto. Ninguém — nenhum economista, nenhum instituto de pesquisa — sabe ao certo qual será o ritmo de adoção da IA pelas empresas brasileiras nos próximos cinco anos. A velocidade depende de fatores que fogem a qualquer modelo: acesso a crédito, regulação, infraestrutura de dados, cultura organizacional e, não menos importante, a própria trajetória técnica dos modelos de IA — que pode acelerar, estagnar ou enfrentar limites ainda não mapeados.
Há também setores em que a automação tem avançado muito mais devagar do que o esperado, justamente por resistência cultural interna, questões de responsabilidade legal ou simplesmente porque a integração técnica é mais complexa do que parecia. O setor de saúde é um exemplo: apesar do potencial enorme de automação em diagnóstico e triagem, a adoção no Brasil ainda esbarra em regulação do Conselho Federal de Medicina e em questões de responsabilidade civil que não estão resolvidas.
O cenário, portanto, não é linear. Pode ser mais grave em alguns setores e surpreendentemente estável em outros.
O que as empresas fazem — e não dizem
As principais redes de varejo, as grandes consultorias e os bancos de investimento que operam no país não anunciam “vamos substituir humanos por IA”. Eles anunciam “eficiência operacional”, “transformação digital”, “requalificação de equipes”. A linguagem corporativa existe para suavizar o que os números de headcount revelam depois.
Isso não é necessariamente má-fé — é também incerteza genuína sobre como os processos vão se estabilizar. Mas o efeito prático para o trabalhador é o mesmo: a vaga que ele esperava ocupar pode não existir mais quando ele terminar o curso que prometia prepará-lo para ela.
A única recomendação concreta
Se há uma coisa que profissionais em qualquer estágio de carreira precisam fazer agora — não como exercício de autoajuda, mas como estratégia de sobrevivência profissional — é mapear, com honestidade brutal, quais das suas tarefas cotidianas já podem ser executadas por ferramentas de IA disponíveis comercialmente hoje. Não as tarefas que você acha que fazem parte do seu trabalho. As que você realmente executa semana a semana.
Esse diagnóstico individual, feito sem autoengano, é o ponto de partida para qualquer decisão inteligente: identificar onde está a vulnerabilidade real, não a imaginada, e agir antes que o mercado tome essa decisão no lugar de você.