Trabalho cognitivo e IA: a erosão dos empregos intermédios
Thiago Sebben
24/10/20267 min
O debate sobre o alegado lançamento do agente pessoal de IA Claude Duet pela Anthropic, atribuído à CBS News, concentra uma preocupação que já não depende de um produto específico: quando os sistemas de IA passam a executar sequências de tarefas intelectuais, o que acontece aos empregos que constituem a primeira etapa de uma carreira? Como não foi fornecido um link verificável para a notícia da CBS News, este lançamento não deve ser tratado aqui como um facto confirmado. Mas a questão que levanta é real — e os sinais do mercado de trabalho exigem atenção.
O AI Index 2026, da Stanford HAI regista uma queda superior a 4% no emprego em profissões altamente expostas à IA, incluindo a engenharia de software e o atendimento ao cliente. Já a análise dos resultados, publicada pela Stanford AI Index News, aponta para uma redução de cerca de 20% no emprego de programadores de software entre os 22 e os 25 anos desde 2024. Estes dados não demonstram que a IA esteja a eliminar profissões inteiras de forma imediata. Sugerem algo menos espetacular, mas potencialmente mais estrutural: a redução das tarefas que costumavam servir de porta de entrada e de aprendizagem para o trabalho intelectual.
Contexto global e o ponto de viragem do trabalho cognitivo
A mudança decisiva não consiste simplesmente em um profissional passar a usar uma ferramenta mais rápida. Está na possibilidade de delegar a sistemas de IA várias etapas encadeadas de um fluxo de trabalho: pesquisar, resumir, redigir, rever, organizar informações e produzir uma primeira versão de uma solução. Os agentes autónomos ampliam essa capacidade ao executar tarefas com menos intervenção contínua, embora continuem a depender de supervisão, limites claros e validação humana. Para uma reflexão mais ampla sobre esta transição, consulte a análise sobre agentes autónomos de IA.
O efeito no emprego depende menos de uma «substituição total» do que da reorganização das equipas. Quando a máquina assume tarefas rotineiras, uma organização pode reduzir o recrutamento, redistribuir responsabilidades ou aumentar a produção sem aumentar o número de profissionais. A mesma mudança pode significar mais autonomia e produtividade para alguns trabalhadores e menos oportunidades de entrada para outros.
O desaparecimento da etapa inicial de aprendizagem
As tarefas iniciais — corrigir código, preparar relatórios, organizar dados, rever documentos — nem sempre são apenas trabalho repetitivo. Também permitem que os profissionais adquiram experiência, aprendam a reconhecer erros e desenvolvam capacidade de julgamento. Se estas tarefas forem automatizadas sem que as empresas criem formas alternativas de aprendizagem, a porta de entrada na profissão pode estreitar-se antes de qualquer ocupação desaparecer por completo.
Este risco não é inevitável, mas também não se resolve com a promessa genérica de que surgirão novas funções. A transição exige mecanismos concretos de formação e progressão: projetos supervisionados, rotação de responsabilidades, avaliação de competências e oportunidades para os profissionais em início de carreira aprenderem a validar resultados gerados por IA. Sem isso, as organizações podem poupar trabalho no presente e, ao mesmo tempo, comprometer a formação da próxima geração de especialistas.
Análise crítica: forças geopolíticas e aceleração algorítmica
A compressão do trabalho cognitivo não se distribui de forma uniforme. Tende a afetar com maior intensidade as tarefas que podem ser descritas, normalizadas e avaliadas com relativa facilidade. Já as atividades que envolvem ambiguidade, negociação, responsabilidade profissional e conhecimento contextual são mais difíceis de automatizar por completo — embora também possam ser profundamente alteradas pela assistência algorítmica.
O AI Index 2026 da Stanford HAI indica que cerca de um terço das organizações inquiridas prevê reduzir o número de trabalhadores a curto prazo devido ao avanço da automação por IA. Trata-se de uma expectativa das empresas, não de um retrato de despedimentos já concretizados nem de uma previsão certa para todos os setores. Ainda assim, essa expectativa pode influenciar decisões de investimento, contratação e organização das equipas antes mesmo de a automação produzir todos os efeitos esperados.
Assimetria geográfica: onde se concentra o valor
A IA pode ser adotada em várias regiões sem que os seus principais benefícios económicos sejam distribuídos da mesma forma. A infraestrutura de computação, o acesso a capital, a propriedade dos modelos e a concentração de centros de investigação influenciam quem capta as receitas e define os padrões técnicos. Segundo a análise da Lightcast sobre as tendências da força de trabalho em IA, a Califórnia, o Texas e Nova Iorque concentram um terço das contratações na área da IA nos Estados Unidos.
Esta concentração tem implicações que vão além das fronteiras norte-americanas. Os países que adotam sistemas desenvolvidos noutros mercados podem obter ganhos de produtividade, mas continuar dependentes de fornecedores externos para a infraestrutura, os modelos e os serviços essenciais. A questão, portanto, não é apenas quem utiliza a IA, mas quem controla as camadas que tornam essa utilização possível — e quem consegue converter produtividade em salários, capacidade industrial e influência política.
🌍 Panorama Geopolítico e Estratégico: A difusão da IA pode ser global, enquanto a propriedade dos ativos mais valiosos permanece concentrada. Sem capacidade local de investigação, computação e governação, a adoção alarga o acesso à tecnologia, mas não necessariamente a soberania sobre os seus benefícios.
Quer descobrir onde a sua empresa está a perder dinheiro em processos manuais?
A nossa equipa realiza um diagnóstico operacional gratuito para mapear gargalos automatizáveis em vendas e apoio ao cliente.
Pedir Diagnóstico Gratuito na Moove AI →Tabela comparativa de cenários globais e impacto operacional
A comparação entre o trabalho intelectual tradicional e a produção apoiada por sistemas de IA evidencia uma mudança na distribuição de tarefas e responsabilidades. Não se trata de uma fronteira fixa: diferentes funções combinam, em graus variados, execução automatizável e julgamento humano.
| Dimensão | Produção intelectual tradicional | Trabalho apoiado por IA e agentes | Questão estratégica |
|---|---|---|---|
| Execução | Os profissionais realizam manualmente etapas repetitivas | Os sistemas geram primeiras versões e executam partes dos fluxos de trabalho | Quem verifica a qualidade e os erros? |
| Formação | As tarefas iniciais ajudam a desenvolver experiência | Parte dessas tarefas pode ser automatizada | Como criar novas oportunidades de aprendizagem? |
| Produtividade | Limitada pelo tempo e pela capacidade individual | Pode aumentar em tarefas padronizadas | Quem beneficia dos ganhos e como são distribuídos? |
| Estrutura da equipa | Mais profissionais podem dividir as etapas do processo | Equipas mais pequenas podem supervisionar mais produção | A redução de custos comprometerá a formação futura? |
| Responsabilidade | Associada a autores e processos identificáveis | Pode dispersar-se entre utilizadores, empresas e fornecedores | Quem responde por decisões apoiadas por IA? |
| Poder económico | Relacionado também com a mão de obra e o conhecimento local | Depende mais de modelos, dados e infraestruturas | Como evitar uma dependência tecnológica duradoura? |
O Stanford HAI também reporta ganhos de produtividade em tarefas padronizadas, incluindo 26% no desenvolvimento de código e 50% no marketing, de acordo com o AI Index 2026. Estes resultados não significam que todas as equipas ou setores terão o mesmo desempenho: os efeitos variam consoante a tarefa, a qualidade das ferramentas e a capacidade de as integrar no trabalho. Mas ajudam a explicar por que motivo as empresas podem repensar o número de profissionais necessário para alcançar determinados resultados.
A questão distributiva surge quando o aumento da produtividade beneficia sobretudo os proprietários de modelos, dados, chips e centros de computação, enquanto os trabalhadores enfrentam pressão sobre os salários ou as oportunidades. Esta transferência não é automática nem irreversível. Depende das escolhas das empresas, das instituições laborais, da concorrência, da regulação e da capacidade dos profissionais para participarem nos ganhos gerados.
Implicações Estruturais para a Próxima Década
O impacto a longo prazo não será determinado apenas pela qualidade dos modelos, mas também pela forma como as empresas e as sociedades reorganizam a aprendizagem, a responsabilidade e a distribuição dos ganhos. Se a automatização avançar mais depressa do que a adaptação das instituições, a eficiência poderá coexistir com um funil de carreira mais estreito e uma maior concentração económica.
O percurso dos talentos e o risco de escassez de experiência
Se as tarefas de entrada forem absorvidas por sistemas automatizados, surge um paradoxo: as empresas poderão contratar menos profissionais em início de carreira hoje e, mais tarde, encontrar poucos profissionais com experiência suficiente para assumir funções complexas. Os dados sobre a queda do emprego entre jovens programadores são um sinal a acompanhar, não uma prova de que este resultado já seja inevitável; a análise da Stanford AI Index News descreve uma descida de cerca de 20% desde 2024 entre profissionais de software com idades entre os 22 e os 25 anos.
Para evitar que a economia digital enfraqueça o seu próprio percurso de formação de especialistas, as organizações podem:
- Identificar quais as tarefas automatizadas que também funcionavam como etapas de aprendizagem.
- Criar projetos supervisionados que ensinem os profissionais em início de carreira a avaliar resultados e a lidar com exceções.
- Definir responsabilidades claras para quem aprova e utiliza resultados produzidos com IA.
- Medir não só a produtividade imediata, mas também a aquisição de competências e a progressão profissional.
Do executor ao orquestrador — sem abdicar da responsabilidade
A valorização do discernimento humano não deve transformar-se num novo cliché. «Orquestrar IA» não é uma competência abstrata, nem substitui o conhecimento especializado. Exige saber formular problemas, reconhecer limites, questionar resultados, proteger dados e assumir a responsabilidade pelas decisões. Neste sentido, a literacia algorítmica é uma capacidade institucional: não basta formar indivíduos se os processos não definirem quando a automatização é adequada e quem responde pelos seus efeitos.
⚖️ O Dilema Ético e Humano: Se as tarefas rotineiras desaparecerem antes de surgir uma alternativa que permita aprender fazendo, a eficiência a curto prazo poderá privar os trabalhadores de experiência — e a sociedade de profissionais capazes de avaliar decisões automatizadas.
FAQ: Perguntas Frequentes
O que significa a compressão do trabalho cognitivo intermédio?
Significa que os sistemas de IA passam a executar partes de tarefas operacionais e analíticas que, anteriormente, eram realizadas por profissionais em início de carreira ou em cargos intermédios. Uma possível consequência é que equipas mais pequenas produzam mais, reduzindo a procura de determinadas funções sem necessariamente eliminar profissões inteiras.
A inteligência artificial vai gerar desemprego em massa de imediato?
Os dados citados apontam para mudanças em profissões expostas e para uma redução em determinados grupos de trabalhadores, mas não permitem concluir que haverá desemprego em massa de imediato. O efeito pode surgir gradualmente, através de menos contratações, da redefinição de funções e da pressão sobre os salários, com diferenças significativas entre setores e regiões.
Como é que a automação cognitiva afeta os profissionais em início de carreira?
Pode reduzir as oportunidades de realizar tarefas que serviam de primeiro degrau e de espaço de aprendizagem. Se as empresas não criarem outras formas de prática supervisionada, os jovens profissionais poderão ter mais dificuldade em acumular a experiência necessária para assumir cargos de maior responsabilidade.
Porque é que a IA pode aumentar a concentração global da riqueza?
Porque uma parte dos ganhos pode ficar nas mãos de quem controla a infraestrutura computacional, os modelos e o capital. O resultado depende da concorrência, da regulação, da propriedade intelectual e da distribuição dos benefícios: a concentração é um risco estrutural, não um desfecho inevitável.
Que competências humanas se tornam mais importantes?
Conhecimento especializado, pensamento crítico, avaliação de evidências, gestão de exceções, sentido de responsabilidade e capacidade para coordenar sistemas automatizados. Estas competências não dispensam formação técnica; tornam ainda mais importante saber quando confiar, quando questionar e quando não automatizar.
A Liderar a Transformação com Consciência e Estratégia
A rápida evolução da IA, aliada às disputas geopolíticas em torno das infraestruturas, dos dados e do talento, está a redefinir o papel dos líderes e dos decisores. Já não basta avaliar os ganhos de eficiência: é preciso compreender quem controla os sistemas, como são distribuídos os benefícios e que capacidades humanas não podem ser sacrificadas neste processo.
A Moove AI posiciona-se como parceira estratégica de inteligência, promovendo a reflexão sobre a governação ética, a transformação organizacional e a implementação consciente da IA. Em vez de tratar a automatização como um destino inevitável, é necessário ajudar as organizações a tomar decisões informadas, preservar a responsabilidade e construir transições sustentáveis.
👉 Aceda a mooveai.com.br e explore as reflexões e soluções da Moove AI para posicionar a sua organização na vanguarda responsável da inovação.
Navegação
© 2025. All rights reserved by Moove AI.
Empresa
Endereço
Contato
R. José Clementino Bettega, 120 Capão Raso, Curitiba
Moove AI
38.483.416/0001-80