A previsão original está registrada e não vale a pena maquiar: dentro de cinco a dez anos, apenas 20% ou 30% dos trabalhadores do conhecimento seriam necessários para realizar 100% do trabalho executado então. Um ganho de cinco vezes em produtividade, vindo da apropriação intensa de IA generativa pelas organizações.
Aquilo era uma hipótese, não uma medição — e a diferença importa mais do que o número. Nenhuma parte daquele raciocínio vinha de contar empregos; vinha de olhar para o que a tecnologia parecia habilitar e projetar a linha para frente.
Também não vamos fechar essa conta agora. O saldo líquido de empregos de uma transição dessas não é coisa que um fornecedor de software meça, e convém desconfiar de quem disser que mediu. O que mudou, e o que dá para afirmar com alguma segurança, é a pergunta.
O que a previsão acertou: o trabalho de conhecimento veio primeiro
O ponto que envelheceu bem é o mais contraintuitivo de todos. Durante décadas se assumiu que a automação subiria de baixo para cima — primeiro o repetitivo e manual, depois, um dia, o intelectual.
Aconteceu ao contrário. O estudo de 2023 da McKinsey, O potencial econômico da IA generativa, mostrou o deslocamento em números: o potencial de automação da atividade "processar dados" sobe de 73% sem IA generativa para 90,5% com ela; o de "aplicar expertise" salta de 24,5% para 58,5%. Ocupações de “Educação e treinamento de força de trabalho” e de “Apoio de escritório” registram aumentos significativos no potencial de automação quando potencializadas por IA generativa — a fonte não abre percentual para elas.
Vale ler esses números pelo que eles são: potencial de automação de atividades, não de cargos. Ninguém demite uma atividade.
A razão da inversão é prosaica. Tarefas manuais exigem destreza física e adaptação a um mundo bagunçado, coisa que a robótica ainda tem dificuldade de replicar. O trabalho de conhecimento já é digital de ponta a ponta — ele não precisou ser convertido para ser alcançado.
O que a previsão não viu: capacidade não é produção
O erro do raciocínio original — e ele era o erro padrão da época — foi tratar produtividade como consequência automática de capacidade. Se a máquina faz o trabalho, o trabalho sai.
Não sai. Um time onde metade não dorme não fica mais produtivo sozinho. Ele fica mais ocupado, o que é diferente, e a diferença aparece na primeira semana: relatórios que ninguém pediu, três versões do mesmo material, trabalho excelente feito sobre a prioridade errada.
O que converte capacidade em resultado é banal e velho: alguém define a entrega, o prazo e o escopo, acompanha o que foi feito e avalia. É gestão. Sempre foi.
Isso fica concreto no produto que construímos, e vale dizer sem retoque: um worker de IA sem plano de trabalho vigente até trabalha — mas o trabalho dele não pertence a entrega nenhuma. Ele produz, ninguém consegue somar. O próprio worker é instruído a declarar isso no relatório, porque saída órfã que se apresenta como progresso é pior do que nenhuma saída.
Supervisionar não é vigiar
"Supervisão" costuma ser ouvida como desconfiança, e por isso é malfeita. Supervisionar é quatro coisas, e nenhuma delas é olhar por cima do ombro:
- Escopo
- dizer por quais entregas aquele trabalhador responde no período — e o que fica de fora.
- Prazo
- dizer quando, com uma data que alguém assumiu, não uma expectativa vaga.
- Evidência
- ter como saber o que foi feito sem perguntar. Não é a promessa do executor; é o registro.
- Avaliação
- fechar o período com um julgamento explícito, com justificativa, que fica registrado.
Um humano recebe as quatro por hábito da empresa. Uma IA não recebe nenhuma por padrão — e essa ausência é a explicação que mais vemos para pilotos de IA que impressionam na demonstração e somem no trimestre seguinte.
O cargo que mais muda não é o do executor
A versão original deste texto imaginava como um governo se reorganizaria em torno de IA, em camadas. Uma delas dizia: uma camada de servidores especializados vai monitorar e revisar as interações entre agentes virtuais e cidadãos, garantindo que os sistemas funcionem como pretendido e apontando onde precisam melhorar.
Aquilo foi escrito como uma projeção sobre o setor público. Foi a primeira coisa a virar realidade, e não só no governo. Quando uma organização coloca IA para executar, o trabalho que aparece imediatamente não é o do executor — é o de quem define o que ela faz, revisa o que ela produziu e responde pelo resultado.
Repare no que isso faz com a carreira do gerente. A parte mecânica do cargo — cobrar status, compilar relatório, lembrar quem devia o quê — é exatamente a parte que a máquina pega. A parte que sobra é escopo, prioridade, exceção e julgamento. Ou seja: o cargo não encolhe, ele se concentra no que sempre foi a razão de existir dele.
E ele se torna mais escasso, não menos. Alguém precisa assinar o plano, decidir a exceção e avaliar o ciclo. Esse alguém é humano. (Escrevemos separadamente sobre o que isso faz com a camada de gestão em Gestores não estão ficando obsoletos. A gestão manual está.)
Os mesmos artefatos, para quem dorme e para quem não dorme
A escolha que fizemos é deliberadamente sem novidade: um worker de IA passa pelo mesmo rito de um humano, nos mesmos artefatos, nas mesmas telas. Nada de painel paralelo de "IA", nada de logs e traces como forma de prestação de contas.
Ele tem nome, descrição de cargo escrita por você, um conjunto fechado de ferramentas, um plano de trabalho ligado a um time, ciclos de prestação de contas e uma avaliação no fim de cada ciclo.
| Artefato | Pessoa | Worker de IA |
|---|---|---|
| Plano de trabalho assinado pelas duas partes | Sim | Sim — a assinatura do gerente basta, e o worker contra-assina na hora |
| Entrega fora de plano de entregas assinado | Passa, com aviso registrado | Bloqueia: a assinatura é recusada, com a lista das violações |
| Plano que aponta entregas mas nenhuma tarefa | Aviso, e você segue | Impede a assinatura |
| Relatório do ciclo | O participante escreve e envia | O worker escreve e envia |
| Avaliação do ciclo, de 1 a 5 estrelas | Quem avalia é o gerente | Quem avalia é o gerente — o worker nunca avalia o próprio ciclo, e o sistema recusa a tentativa |
| Planos vigentes ao mesmo tempo | Pode ter mais de um | Um só |
A assimetria das duas primeiras linhas é intencional. Uma pessoa que fura a regra costuma ter um motivo legítimo e responde por ele; um agente não tem esse julgamento — e um worker que ninguém consegue cobrar é a pior combinação possível.
O mesmo princípio governa o que o worker pode fazer no mundo. Toda ação é classificada por código antes de acontecer e roteada por uma de três vias: executa sozinho, o gerente de IA revisa, ou fica retida esperando você. Duas escolhas de padrão dizem o resto: uma ferramenta sem classificação declarada é tratada como se fosse contato com um destinatário novo — o padrão é fechar, não abrir —, e uma revisão que falha por qualquer motivo reprova a ação, nunca a libera por omissão.
E a evidência precisa aguentar o pior caso, que é a IA se enganar sobre o que ela mesma fez. Um envio que falhou entra na trilha de auditoria como falha, não como enviado. Uma resposta que o sistema decidiu não dar em um grupo autorizado também vira linha, porque silêncio explicado é melhor do que silêncio misterioso.
O que isso não resolve
Nada aqui torna a IA confiável a ponto de dispensar quem supervisiona. A tese da casa é o contrário: ela vira parte do time porque passa a ser supervisionável, e supervisão é trabalho humano que continua sendo pago.
A execução autônoma diária — o worker acordar, puxar a próxima tarefa do plano e trabalhar sem ninguém pedir — está em implantação gradual, habilitada organização por organização. Fora dela, ele trabalha quando é acionado.
Duas classes de ação de alto risco, financeiro e contatos VIP, existem na matriz e têm as regras respeitadas, mas hoje nenhuma ferramenta é classificada automaticamente nelas: falta um sinal determinístico para "isto é dinheiro" e "este é um VIP". Estão prontas para quando houver.
E as perguntas grandes do texto original continuam abertas, porque não são de um produto responder: o que fazer com quem é deslocado, como reformar currículo e formação, se alguma forma de renda básica entra na conversa. Um fornecedor que responda isso está vendendo, não pensando.
Conclusão
A pergunta "a IA vai tomar os empregos?" pressupunha uma troca — uma cadeira que muda de ocupante. O que se vê na operação é outra coisa: um time que ganha um tipo de participante que não dorme, não esquece e não sabe sozinho o que é prioridade.
Esse participante não substitui a estrutura de gestão. Ele a torna obrigatória. O emprego que a IA cria em primeiro lugar é o de supervisor dela — e o cargo que mais muda não é o de quem executa, é o de quem gerencia.