IA vai tirar seu emprego? 34 de 37 países dizem sim

O medo da IA no emprego virou o padrão, não a exceção

O medo da IA nos empregos não é mais conversa de bar de tecnologia. Ele apareceu em 34 de 37 países ouvidos em uma pesquisa global gigante e virou o sentimento dominante, inclusive entre os jovens que até outro dia eram os mais otimistas. Quando tanta gente, em culturas tão diferentes, aponta para o mesmo risco, não dá para tratar como hype passageiro. Tem algo concreto acontecendo na operação das empresas, no custo por tarefa e na forma como o trabalho júnior está sendo reprecificado.

Eu tenho visto esse movimento por dentro. Não é que a IA ficou genial do dia para a noite. É que ela ficou barata e rápida o suficiente para trocar gente em tarefas específicas, com qualidade aceitável e sem reclamar de turno. Para quem opera suporte, marketing, código, atendimento ou backoffice, a conta fecha rápido no Excel. E é essa conta, fria e silenciosa, que está alimentando o pessimismo global. Não é ficção científica, é planilha.

O fato: o que a pesquisa Pew realmente mediu

O levantamento ouviu 42.151 pessoas em 37 países entre fevereiro e maio, antes da última onda de alertas apocalípticos sobre IA. Mesmo assim, a maioria já dizia que a IA vai destruir mais empregos do que criar nos próximos 20 anos. Esse pessimismo venceu em 34 dos 37 países, o que é raro em qualquer tema global. Não é uma bolha americana ou europeia, é uma percepção espalhada por todos os continentes.

Os números mais duros estão nos países ricos. Na Austrália, 76 por cento veem perda líquida de empregos, mesmo índice da Coreia do Sul. Nos Estados Unidos, são 71 por cento. Faz sentido quando lembramos do aviso de Dario Amodei, da Anthropic, de que a IA pode eliminar metade dos empregos de entrada de colarinho branco. O público parece ter comprado essa tese antes mesmo dos executivos assumirem isso em público. Além do emprego, a maioria também acredita que a IA vai aumentar a distância entre ricos e pobres, com essa crença mais forte em países ricos com eleitorado mais à esquerda.

Outro dado que chama atenção é o recorte de idade. Pessoas mais velhas seguem mais preocupadas com o impacto da IA na vida diária, o que já era esperado. A novidade é que os jovens de 18 a 34 anos, que tinham uma visão mais mista e curiosa, estão ficando rapidamente mais ansiosos. Em países como Suécia, Polônia, Japão, Austrália, Brasil e Estados Unidos, a preocupação dos jovens com perda de emprego e desigualdade disparou no último ano, em alguns casos superando a das gerações mais velhas. Ainda assim, o sentimento não é totalmente negativo. Na mediana global, 41 por cento dizem estar igualmente preocupados e animados, contra 37 por cento principalmente preocupados e só 13 por cento principalmente animados.

Como funciona: por que a conta fecha primeiro na base

Olhando como operador, o medo faz sentido técnico. Modelos atuais não substituem um profissional sênior inteiro, mas substituem fatias de trabalho bem delimitadas. Triagem de tickets, resumo de documentos, classificação de leads, revisão de código simples, tradução, descrição de produto. Tudo isso vira chamada de API com latência de um a três segundos e custo de centavos por tarefa. Quando você multiplica por milhares de repetições por mês, o custo por unidade despenca em comparação com um analista júnior.

A arquitetura ajuda a acelerar isso. Quase toda empresa já tem o básico para automatizar sem reinventar nada. Um pipeline de RAG para buscar na base interna, um modelo de linguagem para redigir ou classificar, uma fila para revisão humana e um conector com CRM, ERP ou helpdesk. Nada disso exige pesquisa de ponta. É engenharia aplicada com ferramentas prontas. Minha inferência, pelo que vejo em produção, é que o gargalo não é mais qualidade do modelo, e sim integração e confiança. Quem resolve observabilidade, avaliação e fallback consegue colocar o sistema no ar em semanas e cortar tempo humano de forma visível.

Por isso o entry-level sofre primeiro. O trabalho júnior é, por definição, mais repetitivo, mais documentado e mais fácil de medir. É justamente o que um modelo aprende rápido. Um advogado sênior continua decidindo a estratégia, mas o estagiário que resumia peças perde espaço. Um desenvolvedor pleno continua desenhando o sistema, mas o tarefa de escrever testes básicos ou documentar endpoints vai para o agente. O risco não é demissão em massa em um dia, é um congelamento lento de contratações que ninguém anuncia no relatório trimestral.

O que isso muda na prática

Quem ganha agora é quem vende eficiência. Fornecedores de modelos, plataformas de automação, consultorias que empacotam agentes e empresas que já têm volume alto de tarefas repetitivas. Quem perde é quem vive de volume humano de baixa margem, como call centers tradicionais, agências que vendem hora de produção de conteúdo e times internos inchados de operações manuais. Para o profissional júnior, o recado é duro. Não basta ser rápido, porque a IA é mais rápida. Precisa mostrar julgamento, contexto e responsabilidade sobre o resultado.

• Operadores e gestores: mapeiem as dez tarefas mais repetidas do time e calculem custo atual por tarefa, tempo médio e taxa de erro.
• Times de produto e engenharia: escolham um fluxo de alto volume para pilotar com humano na revisão, com métricas claras de qualidade antes de cortar gente.
• Profissionais em início de carreira: migrem de executor para revisor, aprendendo a avaliar saída de IA, documentar exceções e assumir risco pelo resultado final.

A ação prática mais direta para esta semana é simples. Pegue três fluxos onde você já paga por hora humana para ler, resumir ou classificar algo. Rode em paralelo com uma API de modelo, meça latência, custo por mil execuções e qualidade em uma amostra de 200 casos. Na maioria dos backoffices que eu acompanho, o custo cai mais de 60 por cento mesmo mantendo revisão humana. Se o número se confirmar aí dentro, você entendeu por que 76 por cento da Austrália e da Coreia estão preocupados. A matemática já chegou antes da regulação.

A tensão que ninguém quer admitir

Aqui fica minha dúvida real. Cortar júniores melhora a margem hoje, mas quebra a formação de sêniores amanhã. De onde vão sair os revisores bons se ninguém mais treina na base, errando e aprendendo em tarefa simples. Vejo empresas celebrando economia de headcount enquanto criam um gargalo silencioso de qualidade, porque sobraram poucos humanos capazes de perceber quando o modelo alucina com confiança. Isso escala no curto prazo, mas cobra caro no médio prazo em retrabalho, risco jurídico e perda de conhecimento tácito.

Também tem a questão da desigualdade que a pesquisa capturou bem. Quem tem capital para automatizar captura o ganho, quem vive de vender hora perde poder de barganha. Isso resolve produtividade, mas só move o problema de lugar. Sai o custo operacional, entra o custo de supervisão, auditoria e correção. No fim, a pergunta não é se a IA tira empregos, porque em tarefas específicas ela já tira. A pergunta é se vamos usar a economia para treinar gente para funções melhores ou só para enxugar folha até o sistema quebrar sem ninguém saber consertar.

Conclusão

O mundo não está otimista nem em pânico total, está dividido entre preocupação e curiosidade, com 41 por cento no meio termo. O medo de perder o emprego para a IA é real porque a operação já provou que funciona em escala. Resta saber quem vai pagar a conta da transição. Você está medindo o custo por tarefa na sua operação ou vai descobrir tarde demais, quando o concorrente já mediu.