A crença de que a queda nos custos dos modelos de linguagem salvaria as assinaturas de IA está colapsando diante da realidade operacional. A combinação entre a explosão do consumo, a pressão cognitiva dos usuários e a permanência da fronteira de custo revela uma armadilha estrutural. A única saída passa por novos frameworks estratégicos: pricing baseado em uso, integração vertical e construção de switching costs elevados.

A armadilha da eficiência ilusória

Entramos na era da escalabilidade imaginária. Fundadores e investidores embarcaram em uma narrativa sedutora. Com base na observação de que os custos dos modelos de linguagem estavam caindo drasticamente, muitos assumiram que o crescimento subsidiado hoje garantiria margens extraordinárias amanhã. A lógica parecia sólida. Crescer agora, monetizar depois. Mas essa aposta ignorou uma variável crítica. O comportamento cognitivo dos usuários evolui mais rápido que a deflação da infraestrutura, conforme explica o Ethan Ding neste artigo muito didático.

A expectativa de performance é sempre máxima. A tolerância a imperfeições é mínima. O resultado? Margens cada vez mais negativas, mesmo com tokens mais baratos.

A questão agora é estratégica. Como construir um negócio de IA sustentável quando a demanda por qualidade se acelera a cada ciclo?

O Go-To-Market Ilusório: Quando o crescimento engole a margem

O playbook tradicional era conhecido. Sacrifique margem no curto prazo, conquiste mercado, e depois colha os frutos quando a tecnologia baratear. A lógica assumia três fases.

Na primeira fase, a operação é mantida no ponto de equilíbrio, oferecendo um produto a vinte dólares por mês. Na segunda fase, a promessa é que os custos computacionais caiam dez vezes. Com isso, as margens se tornariam extraordinárias. Na terceira fase, os lucros supostamente financiariam expansão, novas linhas de produto e retorno para os investidores.

No entanto, o que não foi previsto é que o custo por tarefa aumentaria conforme a complexidade das tarefas evolui. A cada novo ciclo, a IA se torna mais capaz. Isso, por sua vez, gera uma explosão na quantidade de tokens consumidos por interação. O resultado é uma curva que parece deflacionária à primeira vista, mas que na verdade é inflacionária no custo real por entrega cognitiva.

A eficiência técnica foi sequestrada pela demanda comportamental.

A Economia dos Modelos Frontier: A nova fronteira de custo e valor

Na prática, os usuários não querem o modelo mais barato. Eles querem o melhor modelo. Essa é a lógica dominante na adoção dos chamados modelos frontier. A cada lançamento de um novo modelo de ponta, como o GPT-4 ou o Claude 3 Opus, a demanda se desloca quase totalmente para ele. Modelos anteriores, mesmo com cortes de preço significativos, se tornam rapidamente obsoletos.

Esse comportamento não é irracional. Ao interagir com um sistema cognitivo artificial, os usuários desejam respostas mais rápidas, mais completas e mais precisas. A diferença de performance entre modelos pode representar horas de produtividade poupadas ou decisões críticas melhor fundamentadas.

Utilizar uma versão inferior para economizar é uma ideia que morre no momento em que o tempo do usuário é percebido como mais valioso que o custo da inferência.

É por isso que os modelos mais antigos se tornam tão irrelevantes quanto um celular com teclado físico em meio a uma geração de smartphones.

A Bomba Relógio dos Tokens: Como a IA se torna insustentável mesmo ficando mais barata

Outro fenômeno passou despercebido por muitos operadores. A cada novo avanço em capacidades, os modelos se tornam não apenas mais inteligentes, mas também mais intensivos em uso de tokens. O que antes era uma troca de uma ou duas frases, hoje é uma sessão de planejamento, pesquisa, leitura de documentos longos e reescrita otimizada.

A duração das tarefas está dobrando a cada seis meses. O consumo de tokens acompanha esse ritmo.

Hoje, uma tarefa de pesquisa profunda pode consumir cem mil tokens. Com agentes autônomos em execução assíncrona, rodando por horas ou mesmo dias, é realista imaginar interações que custem dezenas de dólares por usuário. Isso apenas para um uso regular, sem contar múltiplos agentes operando em paralelo.

Nesse cenário, um plano fixo de vinte dólares por mês não cobre nem um único dia de uso intensivo. E o modelo de pricing flat-rate começa a implodir.

Trata-se de um paradoxo clássico da inovação. A eficiência da infraestrutura aumenta, mas a capacidade da tecnologia de realizar tarefas mais complexas consome toda a eficiência conquistada. Mais milhas por galão, mas em um caminhão monstruoso que consome cinquenta vezes mais combustível.

O Colapso dos Flat Rates: Exemplos reais e o custo da ingenuidade estratégica

Claude Code, da Anthropic, tentou enfrentar esse cenário com criatividade técnica e ousadia comercial. A proposta era clara. Um plano de duzentos dólares por mês, com consumo ilimitado. Um valor dez vezes superior à média do mercado, para criar uma margem de manobra maior.

Além disso, implementaram soluções engenhosas. Alternância entre modelos mais caros e mais baratos com base na carga. Otimização de leitura com modelos econômicos. Deslocamento de tarefas para os dispositivos dos próprios usuários.

Tudo isso representou uma nova forma de engenharia cognitiva e de orquestração de inferência. Mesmo assim, foi insuficiente.

O consumo explodiu. Usuários encontraram formas de transformar o produto em uma máquina de transformação contínua. Rodavam código, refatoravam, otimizavam e reavaliavam. Sem interação humana direta, mas com uso constante. O resultado foi um salto de mil para dez bilhões de tokens em um único mês.

Isso corresponde a mais de doze mil cópias de “Guerra e Paz” lidas ou geradas.

Diante dessa avalanche, a empresa foi forçada a encerrar o plano ilimitado. Não havia precificação que sustentasse esse tipo de uso.

Outros exemplos, como Windsurf, mostram que mesmo com bons produtos e base de usuários engajada, a pressão de concorrentes flat-rate e os custos operacionais tornam a sobrevivência impossível.

Os Três Caminhos Estratégicos para Evitar o Colapso dos Custos

A primeira saída é o pricing baseado em uso desde o início. Não há subsídios, nem planos de monetização futura. A empresa cobra pelo que o cliente consome. Apesar de ser economicamente racional, é comercialmente difícil. Usuários preferem previsibilidade a justiça. Modelos de precificação baseados em medição encontram resistência, especialmente no mercado consumidor. Mesmo assim, alguns players B2B estão adotando esse caminho com sucesso.

A segunda opção é a construção de switching costs extremos. Empresas como Devin estão apostando em grandes contratos com instituições financeiras. O ciclo de venda é longo e custoso, mas o nível de retenção é absoluto. Após uma integração de seis meses, com aprovação do compliance e validação técnica, o cliente se torna irremovível. Ninguém deseja passar por esse ciclo novamente. E com isso, a sensibilidade ao preço desaparece. É o mesmo modelo que sustentou gigantes como Salesforce e Oracle ao longo das décadas.

A terceira estratégia é a integração vertical. Essa é a abordagem da Replit. A IA serve como porta de entrada. A monetização ocorre em todas as outras camadas: infraestrutura, hospedagem, banco de dados, deploy, monitoramento. Cada linha de código gerada dentro do ambiente da empresa cria demanda por serviços complementares, todos integrados. A IA deixa de ser produto e passa a ser marketing. Não se vende inferência. Vende-se o ambiente completo onde a inferência opera.

Não é bolha da IA. É o fim da era dos subsídios

A crença de que a queda dos custos computacionais sustentaria modelos flat-rate foi desmentida pela realidade da complexidade crescente. O comportamento dos usuários se adapta mais rápido do que a tecnologia consegue se tornar mais eficiente.

Em vez de planos ilimitados, o futuro será construído sobre modelos com pricing justo, switching costs altos e captura de valor em múltiplas camadas da stack.

As empresas que entenderem isso a tempo construirão vantagem competitiva duradoura. As que insistirem na velha narrativa do crescimento a qualquer custo, apenas adiarão a inevitável liquidação.

Vivemos um momento de ruptura. A inteligência artificial (IA) deixou de ser uma tendência distante para se tornar uma realidade concreta nas rotinas profissionais. A pergunta que ecoa nas mentes de muitos profissionais e estudantes é direta: “Qual será o meu papel no mercado de trabalho de 2026?” Neste artigo, desvendamos as profissões do futuro em 2026, com base nos principais movimentos do setor de tecnologia, mudanças organizacionais e novos padrões de trabalho mediados por IA.

Vamos explorar os quatro grandes motores de mudança e como eles estão criando — e ao mesmo tempo transformando — uma nova geração de empregos. Este conteúdo é especialmente útil para quem deseja se preparar, adaptar ou liderar neste novo cenário.

As Quatro Grandes Dinâmicas que Moldam o Futuro dos Empregos

1. A Execução Está Ficando Mais Barata
   A IA tem diminuído drasticamente o custo da execução. Isso significa que tarefas que antes exigiam horas de trabalho humano agora podem ser realizadas em minutos por meio de ferramentas baseadas em modelos de linguagem ou automação. Profissões como gerenciamento de projetos, engenharia de software e até design estão sendo remodeladas por agentes automatizados.

Mas não se trata apenas de fazer mais com menos. O profissional do futuro precisa saber usar essa nova eficiência para inovar, testar ideias rapidamente e agregar valor em níveis mais estratégicos.

2. A Velocidade Gera Crises de Qualidade e Segurança
   À medida que a execução acelera, surgem novos desafios: código de baixa qualidade, modelos que alucinam respostas e problemas de segurança de dados. Isso cria uma nova demanda por especialistas em segurança, QA contínuo e confiabilidade de sistemas com IA. Surgem aqui oportunidades em áreas como engenharia de confiabilidade, DevOps para IA e testes contínuos em produção.
3. Os Custos de Computação Estão Explodindo
   O crescimento do uso de IA está gerando uma explosão nos custos de infraestrutura, especialmente no uso de GPUs e data centers. Isso abre espaço para engenheiros de infraestrutura de nuvem, especialistas em otimização de custos e arquitetos de sistemas escaláveis. Cada centavo economizado nesse ambiente vale ouro — literalmente.
4. A Crise da Fronteira Humano-IA
   Um dos maiores desafios atuais é a interação entre humanos e IA. A falta de normas claras de uso e a dificuldade em interpretar respostas probabilísticas de modelos criam tensão. UX designers, especialistas em interação humano-computador e “AI translators” — profissionais capazes de traduzir capacidades de IA para contextos humanos — serão cruciais.

15 Profissões do Futuro em 2026

1. Product Manager (PM) Técnico
   Profissionais capazes de gerenciar caos, comunicar claramente entre áreas e construir confiança em ambientes mediados por IA. O PM do futuro combina habilidades técnicas, visão de negócio e fluência em IA.
2. Gerente de Programas e Projetos com Foco em IA
   Embora ferramentas de IA consigam gerar planos e cronogramas, a accountability continua sendo humana. Gestores que saibam entregar com prazos, orçamento e qualidade continuam essenciais.
3. Customer Success Estratégico
   O futuro da experiência do cliente não será responder tickets, e sim cultivar relações de longo prazo. Profissionais que consigam representar o cliente dentro da empresa e usar IA para personalizar interações sairão na frente.
4. Engenheiro de Software Especializado em Qualidade
   Não basta codar com IA. Será preciso revisar, escalar e garantir segurança em sistemas críticos. A engenharia de software permanece, mas com ênfase em arquitetura durável e design para escala.
5. Cientista de Dados
   A explosão de dados e a personalização exigida por modelos generativos criam enorme demanda por cientistas de dados criativos e estratégicos. Entender dados e aplicá-los com propósito nunca foi tão importante.
6. DevOps e MLOps
   A automação da IA exige novas abordagens para colocar modelos em produção de forma confiável. Profissionais que conheçam pipelines de ML e processos de CI/CD com IA terão alta demanda.
7. Especialista em Interação Humano-IA (UX para IA)
   Interfaces mal construídas minam a confiança do usuário. O designer que compreender como humanos interagem com IA — e como guiar essas interações — terá papel decisivo em produtos digitais.
8. Profissional de Segurança e Red Team para IA
   A cada dia, surgem novos ataques e explorações de modelos. Segurança ofensiva e defensiva para IA é um campo em expansão com impacto direto na confiança do usuário.
9. Engenheiro de Infraestrutura de Nuvem para IA
   Saber lidar com escalabilidade, GPUs, cache inteligente e custos em nuvem é um superpoder no novo mercado. Profissionais que otimizam esses ambientes são altamente valorizados.
10. Engenheiro de Dados com Foco em IA
    A base de toda boa IA é o dado bem preparado. Engenharia de dados voltada para vetores, embeddings e feature stores se tornará essencial.
11. QA Contínuo para Modelos em Produção
    O paradigma muda: de testes antes do lançamento para observabilidade contínua em produção. A qualidade será um processo permanente, e não uma etapa final.
12. Engenheiro de Soluções e Pré-vendas com IA
    Profissionais capazes de customizar produtos com IA rapidamente para clientes específicos, mantendo viabilidade técnica e entrega. Uma função cada vez mais consultiva e estratégica.
13. Engenheiro de IA na Borda (Edge AI)
    Com a miniaturização de modelos, inteligência está indo para dispositivos locais. A capacidade de comprimir e executar modelos localmente será crucial.
14. Especialista em RAG (Retrieval-Augmented Generation)
    Sistemas RAG aumentam o modelo com informações externas. Dominar essa técnica é um dos maiores diferenciais técnicos atuais.
15. Designer de Processos com IA
    Criar processos híbridos entre humanos e IA será um diferencial organizacional. Profissionais que redesenharem o fluxo de trabalho com foco em eficiência e segurança terão altíssimo valor.

Novas Áreas em Expansão: Tendências de Carreira Além de 2026

Além das profissões consolidadas, há áreas emergentes que se tornarão relevantes nos próximos anos:

• Orquestração de agentes autônomos
• Economia de simulações e gêmeos digitais
• Cadeias de contexto e curadoria de dados
• Psicologia da IA para segurança
• Otimização energética em IA
• Produção de dados sintéticos de alta qualidade
• Design de accountability para LLMs

Como se Preparar para 2026: Três Níveis de Ação

Sobreviva: Automatize Tarefas
Use IA para simplificar seu dia a dia. Filtre e-mails, gere rascunhos com ChatGPT, otimize reuniões. Isso libera tempo para se concentrar no estratégico.

Adapte-se: Aprenda Habilidades Complementares
Construa portfólio. Aprenda fundamentos técnicos, mesmo em áreas não técnicas. Compreenda os limites e possibilidades da IA aplicada à sua função.

Lidere: Crie Ferramentas, Estabeleça Padrões
Lidere iniciativas, proponha frameworks de uso de IA, crie ferramentas internas ou ajude a definir boas práticas. Este é o caminho para a liderança real.

O Futuro É Humano + IA

As profissões do futuro em 2026 não serão tomadas pela IA — elas serão moldadas por ela. A inteligência artificial está mudando a forma como trabalhamos, mas não eliminando a necessidade de talento humano. Pelo contrário: criatividade, estratégia, responsabilidade e relacionamento continuarão sendo nossas maiores forças.

Se você deseja se manter relevante e prosperar nos próximos anos, o caminho é claro: entenda os problemas que a IA cria e torne-se parte da solução. É aí que os melhores empregos vão surgir.

Mas sejamos justos com os céticos. Eles têm seus dados. Pesquisas do Pew Research Center mostram que 59% do público americano e 55% dos especialistas em IA têm pouca ou nenhuma confiança nas empresas para usá-la de forma responsável. E 62% dos cidadãos desconfiam que o governo consiga regulá-la adequadamente. Ora, como confiar em qualquer coisa quando se vive num ambiente de desconfiança generalizada? A IA apenas herdou essa descrença, ainda que o que ela proponha seja justamente criar estruturas mais inteligentes para lidar com o que o humano não dá mais conta.

Em ambientes profissionais, o tom não é muito diferente. Um estudo da Statworx aponta que menos de um terço dos trabalhadores acredita que a IA tornará o trabalho mais interessante. Apenas um quarto vê espaço para mais criatividade. E um em cada quatro acha que os benefícios vão apenas para as empresas. Ou seja, boa parte dos profissionais olha para a IA como quem vê um colega novo no escritório que trabalha bem demais. Melhor manter distância, vai que ele impressiona o chefe, né?

Profissionais de Compliance, por exemplo, têm manifestado desconfiança crescente. Segundo a Accounting Today, já não acreditam que a IA resolva mais problemas do que crie. Talvez porque seja difícil competir com algoritmos que não pedem férias, nem erram por cansaço.

Curiosamente, no topo das empresas, o tom é outro. A Bain & Company mostra que executivos seguem otimistas, investindo, testando, explorando possibilidades. Quando a IA não entrega, culpam a imaturidade dos dados ou a falta de preparo interno. Não desistem. Por quê? Porque percebem o potencial transformador da tecnologia. O ceticismo, ao que parece, tem uma barreira de hierarquia.

Sim, ainda há desafios éticos e técnicos. E sim, nem tudo funciona como nos filmes de ficção científica. Mas a IA já demonstra seu valor em áreas tão distintas quanto medicina, logística, finanças, energia e, claro, na própria formulação de estratégias empresariais. O que não está claro é por que o ceticismo insiste em ignorar as evidências.

De acordo com a Forbes, 76% dos consumidores se preocupam com desinformação gerada por IA. Justo. Mas convém lembrar que a desinformação já prosperava antes, com ou sem algoritmos. A IA apenas potencializa o que já está no sistema (inclusive os medos).

A última pesquisa da YouGov aponta que 44% dos americanos se dizem céticos quanto à IA. É um dado considerável. Mas não necessariamente uma ameaça. Afinal, grandes tecnologias sempre conviveram com a desconfiança. A diferença agora é que, ao contrário do que ocorreu com o telefone, a internet ou o avião, a IA pode estar ouvindo tudo isso. E aprendendo.

Talvez o verdadeiro sinal de que a inteligência artificial está no caminho certo seja o próprio ceticismo que ela provoca. Toda grande transformação começa com descrença. Depois vem a aceitação. E por fim, o espanto: “como vivíamos sem isso?”

A distinção entre habilidades técnicas e interpessoais serviu como base para a formação de talentos durante décadas. Entretanto, a capacidade da IA de aprender, prever, analisar dados e até interagir com linguagem natural desafia a ideia de que apenas humanos dominam tarefas intelectuais.

Hoje, sistemas de IA realizam tarefas que antes dependiam exclusivamente de hard skills, como programação, análise de dados e tradução. Ao mesmo tempo, também começam a simular soft skills, como empatia artificial em assistentes virtuais ou tomada de decisões em ambientes simulados.

Essa convergência tecnológica impõe a necessidade de uma nova classificação de habilidades. O profissional do futuro não será apenas avaliado por seu domínio técnico ou emocional, mas por sua capacidade de integrar o que as máquinas fazem de melhor com o que apenas os humanos conseguem realizar.

IA substitui ou complementa?

Apesar do medo recorrente de que a IA vá eliminar empregos, a verdade é mais complexa. A IA tende a automatizar tarefas, não empregos inteiros. Isso significa que as pessoas que conseguirem integrar tecnologias em seus fluxos de trabalho terão vantagem competitiva. O cenário atual aponta mais para a complementaridade do que para a substituição.

Habilidades da IA: O que são e como desenvolvê-las

O que são habilidades da IA?

As chamadas “habilidades da IA” referem-se às competências relacionadas ao uso, desenvolvimento e integração de tecnologias baseadas em inteligência artificial. Elas incluem:

• Alfabetização em IA (compreensão básica de como a IA funciona)
• Interpretação de dados e uso de algoritmos
• Automação de processos com ferramentas como RPA e machine learning
• Programação e engenharia de dados
• Design de experiências mediadas por IA

Como adquirir essas habilidades?

Desenvolver habilidades da IA não significa se tornar um programador ou cientista de dados. Plataformas educacionais, cursos técnicos e programas de reskilling estão se tornando cada vez mais acessíveis. As empresas também têm papel essencial ao oferecer treinamentos e fomentar uma cultura de inovação.

Habilidades Humanas: O que ainda é insubstituível?

O valor das habilidades humanas no mundo automatizado

Se as máquinas estão cada vez mais aptas a executar tarefas técnicas e previsíveis, as habilidades humanas ganham ainda mais destaque. Entre elas estão:

• Criatividade e pensamento crítico
• Inteligência emocional
• Comunicação empática e escuta ativa
• Ética, julgamento moral e responsabilidade
• Capacidade de adaptação e resolução de problemas complexos

Essas habilidades são essenciais para atividades que exigem sensibilidade ao contexto, compreensão do comportamento humano e tomada de decisões ambíguas. São áreas onde a IA ainda tem limitações significativas.

Educação e desenvolvimento das habilidades humanas

Diferentemente das habilidades técnicas, as habilidades humanas não são ensinadas com manuais ou fórmulas exatas. Elas são desenvolvidas com experiência, reflexão, trabalho em equipe e estímulo à diversidade de ideias.

As instituições educacionais precisam incorporar metodologias mais dinâmicas, como aprendizagem baseada em projetos, simulações, storytelling e práticas colaborativas, a fim de preparar alunos para o futuro do trabalho.

Colaboração Humano-Máquina: O Novo Modelo de Trabalho

Parcerias produtivas entre pessoas e IA

No novo paradigma de trabalho, humanos e máquinas atuam em sinergia. A IA executa tarefas repetitivas, analisa dados em larga escala e antecipa padrões, enquanto os humanos tomam decisões, gerenciam relações e inovam.

Essa colaboração humano-máquina exige novas competências de liderança, comunicação e gestão de times híbridos formados por pessoas e sistemas automatizados. A compreensão de como interagir com agentes de IA e delegar tarefas às máquinas será uma competência crucial para a produtividade futura.

Exemplos práticos de colaboração

• Médicos usando IA para analisar exames, enquanto focam no atendimento e diagnóstico humanizado
• Jornalistas com assistentes de IA para sugerir pautas ou revisar textos, permitindo maior foco em investigações
• Engenheiros que utilizam IA para simular projetos complexos e iterar soluções com mais rapidez

Reskilling e a Nova Educação Profissional

Por que o reskilling é essencial?

Com a rápida transformação digital, muitas profissões exigirão reskilling, ou seja, a requalificação dos trabalhadores para novas funções. Profissões inteiras estão sendo redefinidas, e a capacidade de aprender continuamente se torna um diferencial competitivo.

Organizações e governos precisam investir em programas de atualização e formação contínua, pois apenas assim será possível manter a força de trabalho preparada para as exigências da economia digital.

Como deve ser a nova educação?

A educação precisa ser:

• Modular e flexível
• Centrada no aluno e nas competências práticas
• Orientada por dados e personalização
• Focada tanto em habilidades da IA quanto em habilidades humanas

Modelos híbridos, microcertificações e experiências de aprendizado imersivas como realidade virtual e simulações devem fazer parte do currículo do século XXI.

Impactos na Empregabilidade e no Futuro do Trabalho

Novos critérios para recrutamento

Empresas estão revisando os critérios de contratação. Em vez de apenas diplomas ou anos de experiência, avaliam-se agora:

• Capacidade de aprender rápido
• Versatilidade em ambientes digitais
• Conhecimento básico de IA
• Habilidades interpessoais e liderança

A empregabilidade no futuro dependerá mais da adaptabilidade do que da formação tradicional.

O futuro das carreiras

Profissões emergentes incluem:

• Designer de interações com IA
• Especialista em ética da tecnologia
• Curador de dados
• Facilitador de reskilling corporativo

Mesmo profissões tradicionais terão que se reinventar, incorporando IA aos seus fluxos de trabalho e fortalecendo suas capacidades humanas.

Competências do Futuro são Híbridas

A transformação digital impulsionada pela Inteligência Artificial não elimina a necessidade de profissionais humanos. Ela redefine o que significa ser um bom profissional. O futuro do trabalho será híbrido, com máquinas e humanos atuando juntos, cada um com seus pontos fortes.

Para prosperar nesse cenário, será essencial investir tanto em habilidades da IA, como automação e análise de dados, quanto em habilidades humanas, como empatia, criatividade e liderança. Organizações, educadores e governos devem agir agora para preparar pessoas para essa transição. O futuro pertence a quem aprende continuamente e sabe unir tecnologia e humanidade.

A ascensão da Inteligência Artificial está remodelando o mercado de trabalho global. No entanto, ao contrário das previsões alarmistas que apontam para um cenário de desemprego em massa, estudos históricos, antropológicos, sociológicos e filosóficos indicam um caminho mais complexo: a substituição de tarefas específicas, e não a extinção de empregos como um todo.

Este artigo investiga como a IA impacta o trabalho humano, analisando evidências de transformações passadas e os mecanismos de adaptação que tornam os humanos resilientes diante das inovações tecnológicas. Exploramos também os desafios e oportunidades que surgem com a automação, o papel da requalificação (reskilling), e os fundamentos éticos e culturais que moldam o futuro do trabalho.

A História como Guia: O Padrão da Substituição de Tarefas

Revoluções Tecnológicas Passadas

Desde a Revolução Industrial, tecnologias disruptivas têm eliminado tarefas específicas, enquanto criam outras funções antes inexistentes. Por exemplo:

• Tear mecânico (século XIX): eliminou a tecelagem manual, mas criou ocupações industriais como operadores de máquinas.
• Computador pessoal (década de 1980): substituiu tarefas como cálculos manuais e arquivamento físico, dando origem a funções como analistas de dados e desenvolvedores de software.

A mecanização agrícola nos Estados Unidos reduziu drasticamente a mão de obra rural de 50% para menos de 2%, mas abriu espaço para empregos na indústria, logística e, mais tarde, no setor de serviços.

A Destruição Criadora de Schumpeter

O economista Joseph Schumpeter cunhou o termo “destruição criativa” para descrever esse processo. A cada nova tecnologia que destrói um conjunto de tarefas, outra cadeia produtiva é gerada, com novas demandas e competências.

Comparativo de Impactos Tecnológicos

Adaptação Humana: A Capacidade de Resiliência e Transformação

O Papel do Reskilling

A requalificação profissional (reskilling) tornou-se essencial na era da IA. Funções rotineiras, principalmente administrativas, são automatizadas, enquanto habilidades cognitivas complexas, criatividade e empatia ganham protagonismo.

Empresas de consultoria, por exemplo, têm adotado ferramentas como o ChatGPT para acelerar a produção de relatórios, liberando tempo para que os profissionais se concentrem na análise crítica e na tomada de decisão.

Setores Menos Atingidos

Áreas como construção civil, serviços manuais e artesanato são menos suscetíveis à automação, pois exigem destrezas físicas e contextuais difíceis de replicar por máquinas.

A IA como Extensão Cognitiva

Filosoficamente, autores como Mark Coeckelbergh consideram a IA uma extensão cognitiva do ser humano, semelhante ao que um martelo representa para a mão. Ou seja, a IA complementa e potencializa o trabalho, ao invés de substituí-lo integralmente.

Perspectivas Antropológicas e Sociológicas

Trabalho e Cultura

A antropologia revela que o trabalho é uma construção cultural. Mesmo quando funções desaparecem, os humanos tendem a reorganizar a sociedade em torno de novas atividades significativas. O surgimento de profissões relacionadas ao lazer e à criatividade, como influenciadores digitais e designers de experiência, exemplifica essa adaptabilidade.

Sociologia da Automação: Rotinas vs. Criatividade

De acordo com a teoria do “viés de rotina” (Autor, Levy & Murnane), tarefas rotineiras e codificáveis são as mais vulneráveis à automação. Em contrapartida, funções não-rotineiras, abstratas ou interpessoais tendem a crescer.

Isso explica por que profissões que envolvem relacionamento humano, como psicólogos, educadores e cuidadores, continuam em alta demanda, mesmo em um contexto altamente automatizado.

Desigualdade e Exclusão

Apesar da criação de novas oportunidades, a IA também pode acentuar a desigualdade. Trabalhadores de baixa qualificação e pessoas mais velhas enfrentam mais barreiras para se requalificar. A redistribuição de tarefas, se não for acompanhada de políticas inclusivas, pode gerar novos tipos de exclusão social.

Reflexões Filosóficas sobre o Trabalho e a IA

Marx, Arendt e o Sentido do Trabalho

Karl Marx alertava para os riscos da alienação em sistemas automatizados. Hannah Arendt, por sua vez, diferenciava “trabalho” (atividade vital) de “obra” (atividade criativa), sugerindo que a automação poderia libertar os humanos das tarefas repetitivas para que se concentrem na criatividade e na interação social.

O Futuro do Trabalho Significativo

Yuval Harari alerta que, se a IA dominar tarefas criativas, a humanidade precisará redefinir o que é “trabalho significativo”. Isso inclui a valorização de atividades não-monetizadas, como cuidado familiar, voluntariado e produção cultural.

Ética e Regulação

A discussão filosófica também envolve a necessidade de políticas públicas robustas, como:

• Renda básica universal
• Tributação sobre automação
• Educação continuada ao longo da vida

Essas medidas são fundamentais para garantir que a automação beneficie a sociedade como um todo, e não apenas setores privilegiados.

O Futuro do Trabalho: Entre Desafios e Oportunidades

Dados e Projeções Atuais

O Fórum Econômico Mundial projeta que, até 2027, 42% das tarefas serão automatizadas, mas 69 milhões de novos empregos serão criados, especialmente nas áreas de tecnologia, sustentabilidade e cuidados humanos.

O FMI estima que até 60% dos empregos em economias avançadas sofrerão impacto, sendo metade deles de forma positiva (complementação de tarefas), e a outra metade com redução de renda ou deslocamento.

Tendências Emergentes

• Economia da criatividade: valorização de talentos únicos e produção simbólica.
• Hibridização de funções: profissionais combinam habilidades técnicas e interpessoais.
• Cargos centrados em IA: como engenheiro de prompt, auditor de algoritmos e especialista em ética tecnológica.

O Papel das Empresas e Instituições

Organizações precisam investir em capacitação constante, criar ambientes de trabalho adaptáveis e colaborar com governos para redesenhar o mercado de trabalho. A flexibilidade e a aprendizagem contínua serão os novos critérios de empregabilidade.

Não é o Fim do Trabalho

A Inteligência Artificial não representa o fim do trabalho, mas sim uma transformação profunda em sua natureza. Como mostram os estudos históricos, antropológicos, sociológicos e filosóficos, a IA substitui tarefas, não empregos. Essa distinção é fundamental para orientar políticas públicas, estratégias empresariais e escolhas individuais.

Para que a transição seja bem-sucedida, será necessário investir em requalificação, adaptar modelos educacionais e redefinir os valores sociais associados ao trabalho. Se conduzido de forma ética e inclusiva, o avanço da IA pode inaugurar uma era em que o trabalho humano seja mais criativo, significativo e conectado com as necessidades reais da sociedade.

Vivemos em uma era marcada pela aceleração tecnológica e pelo surgimento de ferramentas baseadas em inteligência artificial (IA) que estão remodelando o cenário profissional global. No centro dessas transformações está o marketing, que evolui de forma exponencial com o uso de algoritmos, automações e modelos preditivos. No entanto, por trás de toda essa evolução, uma reflexão urgente se impõe: o verdadeiro risco da IA não é ser menos eficiente que a concorrência, mas sim atingir uma eficiência quase perfeita em estratégias, canais ou práticas que em breve perderão completamente sua relevância.

Essa é uma das maiores ironias da era da IA: ao buscarmos obsessivamente a eficiência, podemos estar ignorando a maior mudança de todas: o comportamento humano. O futuro do trabalho e, em especial, o futuro do marketing com IA, exige uma reavaliação profunda não apenas do que fazemos, mas por que fazemos.

A armadilha da eficiência: quando o mundo muda mais rápido que os processos

A corrida pela automação

Hoje, é possível montar uma campanha de marketing completa em minutos usando inteligência artificial. Desde a criação de conteúdo até o direcionamento de anúncios, tudo pode ser otimizado por algoritmos. As ferramentas prometem mais conversão, menos custo e agilidade incomparável. Mas isso levanta uma questão: estamos otimizando o quê, exatamente?

Muitas estratégias de marketing atuais foram construídas para um comportamento de consumo que está desaparecendo. Plataformas como Instagram e Facebook, por exemplo, estão saturadas e perdendo relevância entre as gerações mais novas, que migraram para ambientes mais interativos e menos comerciais.

O descompasso entre tecnologia e relevância

Nesse cenário, a IA pode se tornar uma máquina perfeita para executar tarefas que o público já não valoriza. Uma campanha de e-mail marketing hipersegmentada, por exemplo, pode ser tecnicamente brilhante, mas ignorada pela maioria dos usuários que já não leem e-mails promocionais. A eficiência se torna inútil quando aplicada ao irrelevante.

Como será o futuro do marketing com IA?

Uma mudança de paradigma, não apenas de ferramentas

O futuro do marketing com IA não está apenas nas ferramentas, mas na forma como entendemos o público. Em vez de perguntar “qual a melhor IA para o marketing?”, a pergunta mais poderosa será: “como as marcas vão se adequar à era da IA, onde o comportamento humano muda mais rápido que a tecnologia?”.

Isso exige uma escuta ativa, uma análise constante de tendências e, sobretudo, uma abertura para abandonar práticas que já não conversam com o consumidor atual. A IA deve ser um meio para acompanhar o público, não uma justificativa para insistir em estratégias ultrapassadas.

A IA como aliada da experimentação

Mais do que buscar fórmulas prontas, as empresas devem usar a IA para testar novos formatos, novas linguagens e novos canais. A experimentação será a chave da relevância. O marketing do futuro será feito em ciclos curtos, com feedbacks em tempo real e com foco na adaptabilidade.

Como as marcas vão se adequar à era da IA?

1. Abraçando o aprendizado contínuo

Marcas que sobrevivem às transformações tecnológicas são aquelas que cultivam uma cultura de aprendizado contínuo. Isso significa testar, errar rápido, corrigir e evoluir. O uso da IA deve ser integrado a esse processo, e não apenas adotado como solução definitiva.

2. Reavaliando constantemente os canais

O que funciona hoje pode não funcionar amanhã. Plataformas, formatos e comportamentos mudam com rapidez impressionante. A IA pode ajudar a monitorar esses movimentos, mas as decisões estratégicas precisam vir de uma análise crítica do contexto social e cultural.

3. Humanizando o uso da IA

Paradoxalmente, a revolução da IA exigirá mais humanidade. O público busca marcas autênticas, com propósito e presença significativa. A IA pode ajudar a entender dados, mas a empatia, a criatividade e a visão de futuro ainda são humanas.

Como fazer marketing com IA de forma relevante?

Personalização com propósito

A personalização não deve ser apenas técnica, mas contextual. O uso da IA para segmentar campanhas deve levar em conta o momento de vida do público, o clima social e até o humor coletivo. Ferramentas como análise de sentimentos e comportamento podem ser grandes aliadas nesse processo.

Conteúdo com significado

Evite produzir conteúdo apenas para cumprir calendário ou preencher espaços. A IA pode ajudar a identificar temas relevantes, mas o conteúdo precisa ter substância, trazer valor e gerar reflexão. Blogs, vídeos e posts precisam dialogar com as reais dores e desejos do público.

Automação com flexibilidade

A automação de marketing com IA deve ser usada para escalar o que já funciona bem, mas com espaço para ajustes rápidos. Campanhas precisam ser monitoradas constantemente e ajustadas conforme os dados e feedbacks.

Qual a melhor IA para o marketing?

Não existe uma única resposta. A “melhor” IA depende dos objetivos de cada negócio, do nível de maturidade digital e da capacidade de integrar ferramentas. Algumas das mais usadas atualmente incluem:

• ChatGPT e Copy.ai: geração de conteúdo
• HubSpot e ActiveCampaign: automação de marketing
• Zapier e Make: integração de fluxos automatizados
• Midjourney e DALL·E: criação visual baseada em IA
• Google Analytics com IA: análise preditiva de comportamento

O ideal é criar um ecossistema de IA adaptável, com ferramentas que conversem entre si e ofereçam uma visão 360º do funil de marketing. (Ou será que o funil já morreu e devemos pensar em camadas de influência aceleradas por IA?)

O verdadeiro desafio é saber o que vale a pena otimizar

Estamos vivendo uma mudança de era. A inteligência artificial é, sem dúvida, uma das maiores revoluções da história recente. Mas sua aplicação precisa ser acompanhada de senso crítico. A pergunta não é “o que podemos automatizar?”, mas sim “isso ainda importa para o meu público?”.

Marcas que entenderem isso sairão na frente, não por serem mais eficientes, mas por serem mais relevantes. Em um mundo onde tudo muda em ritmo acelerado, a eficiência só tem valor quando direcionada para o que ainda importa.

Estamos testemunhando uma reconfiguração fundamental do ecossistema digital. Enquanto a busca tradicional baseada em links publicitários entra em declínio, OpenAI reposiciona o ChatGPT como uma plataforma de descoberta inteligente, personalizada e fluida, expandindo suas capacidades para integrar a experiência de compra. A tese central: o futuro da internet será mediado por agentes de IA personalizados que não apenas respondem, mas recomendam, conectam e antecipam necessidades. A pergunta provocativa é: Estamos estrategicamente preparados para competir e crescer nesse novo cenário?

1. A Evolução Estratégica do Go-to-Market: Chatbots como Plataformas de Conversão

Tradicionalmente, modelos de go-to-market (GTM) online foram centrados em SEO, mídia paga e marketplaces. O movimento da OpenAI sinaliza uma mudança radical: a experiência de descoberta se torna conversacional, assistida por IA, e potencialmente independente dos motores de busca tradicionais.

Implicações chave:

• Experiência Conversacional: Empresas deverão construir experiências de produto que possam ser “descobertas” e “recomendadas” por IA.
• Estratégias de Presença em IA: SEO para chatbots – otimizar metadados estruturados, reviews e descrições para indexação inteligente.
• Vendas Híbridas Assistidas por IA: A personalização profunda muda o funil de vendas; recomendações baseadas em histórico comportamental serão decisivas.

Trade-offs:

• Controle vs. Dependência: Marcas precisarão equilibrar visibilidade direta com a dependência dos algoritmos de recomendação da IA.
• Dados vs. Privacidade: A utilização de memória para personalização levanta questões críticas sobre governança de dados.

2. IA e Dados como Vantagem Competitiva Sustentável

OpenAI está claramente priorizando estruturação de dados de alta qualidade (preços, descrições, reviews) como base para suas recomendações. Este movimento destaca a importância estratégica de:

• Arquitetura de Dados Enriquecidos: Empresas precisarão tratar metadados como ativos estratégicos.
• Eficiência de Conversão: IAs capazes de sugerir produtos certos no momento certo maximizarão taxas de conversão sem necessidade de campanhas massivas.
• Experiência Preditiva: Capacidade de antever necessidades com base em histórico e comportamento, criando novos estándares de experiência do cliente.

3. Frameworks para Ação e Integração Estratégica

Apresento dois modelos conceituais para orientar líderes na integração desse novo paradigma:

Framework 1: “Presence for AI Discovery”

• Metadata Excellence: Invista em dados estruturados e semântica de produto. Data Wharehouses e/ou Data Lakes serão base para empresas de médio a grande porte.
• Conversational Touchpoints: Otimize seu conteúdo e experiência para assistentes conversacionais. Hoje é possível ter agentes de atendimento por voz com valores bem acessíveis.
• First-party Data Strategy: Amplifique a coleta e uso ético de dados de clientes.

Framework 2: “Predictive Experience Design”

• Mapeamento de Jornada Anticipatória: Use dados históricos para desenhar experiências proativas. Modelos de IA preditivos estão cada vez mais acessíveis para personalizar a experiência e antecipar movimentos dos clientes.
• Personalização: Desenvolva capacidades internas para criar recomendações baseadas em memória contextualizada. Tudo começa com mapeamento de processos e dados para, depois, automatizar em modelos de agentes de IA para agrupar comportamentos até o nível mais granular possível.

4. O Mindset da Liderança na Era Exponencial

Não basta integrar tecnologias. Liderança na era dos agentes de IA requer:

• Adaptabilidade Cognitiva: Reaprender continuamente.
• Pensamento Sistêmico: Enxergar interdependências de tecnologia, negócios e comportamento.
• Inteligência Emocional: Liderar mudanças com empatia e influência.
• Coragem Decisória: Assumir riscos inteligentes para não ser superado pela inércia.

Mudança de Tecnologia Implica em Mudança de Mentalidade e Atitude

Estamos no limiar de uma nova arquitetura da internet: menos busca, mais descoberta personalizada assistida por inteligência artificial. Líderes e organizações que anteciparem essa mudança e adaptarem seus modelos de GTM, dados e liderança estarão posicionados para capturar valor exponencial. O futuro não pertencerá a quem simplesmente se adapta, mas a quem domina estratégicamente a interação humano-IA como vetor de crescimento.

Imagine ser expulso da universidade por criar uma ferramenta que ajuda candidatos a “trapacear” em entrevistas técnicas… e, dias depois, levantar US$ 5,3 milhões para escalar esse produto globalmente. Parece enredo de série da Netflix? Não. É o novo normal do Vale do Silício.

Essa é a história real de Chungin “Roy” Lee, um estudante de 21 anos da Columbia University que transformou frustração em código, código em produto, e produto em negócio — mesmo sob a acusação de desonestidade acadêmica.

E por mais polêmica que seja, essa história levanta uma discussão inevitável: o que é trapaça no mundo onde todos têm acesso à inteligência artificial? E mais: será que o mercado está preparado para lidar com candidatos aumentados por IA?

Interview Coder: A Ferramenta “Invisível” que Abalou o LeetCode

O Interview Coder é um software que atua como um copiloto invisível para entrevistas técnicas. Ele analisa a pergunta em tempo real, sugere soluções em código, depura erros e explica tudo como se fosse o próprio candidato. Tudo isso, claro, sem aparecer na tela do Zoom.

Custa US$ 60/mês, mas promete algo mais valioso que qualquer certificado: conseguir o emprego dos sonhos, mesmo que você não saiba resolver um algoritmo em tempo real.

Lee alega que, após 600 horas estudando no LeetCode sem sucesso, decidiu que o problema não era ele — era o processo. Em apenas uma semana, criou o Interview Coder e conseguiu ofertas da Amazon, Meta e TikTok. Todas rescindidas após ele revelar como conseguiu.

Da Expulsão ao Investimento: O Efeito San Francisco

O que poderia ter sido o fim de uma carreira se transformou em trampolim. Roy foi suspenso por Columbia, não pela ferramenta, mas por divulgar documentos internos da universidade. Ele não parecia surpreso. Já tinha planos de ir para San Francisco, onde foi recebido de braços abertos — e com cheques generosos de investidores.

Com receita recorrente anual batendo US$ 2 milhões e crescendo 20% por semana, a startup virou símbolo de uma geração cansada de processos seletivos injustos. Para muitos, Roy é um herói rebelde. Para outros, um antiético programador que mina a meritocracia.

A Ética da Trapaça: Quem Está Realmente Quebrando as Regras?

É aqui que a discussão fica interessante.

Empresas como Google, Amazon e Meta exigem excelência técnica em entrevistas cronometradas, baseadas em problemas matemáticos distantes da realidade do dia a dia de um engenheiro de software. Para ser contratado, você precisa decorar padrões, não pensar criativamente. Para muitos candidatos, o jogo já é desonesto.

Nesse cenário, Roy apenas nivelou o campo de jogo usando IA. Se empresas se consideram AI-first, por que entrevistas não deveriam aceitar IA como ferramenta?

Essa é a lógica por trás da sua defesa. E, convenhamos, ela tem apelo.

As Empresas Reagem: Volta das Entrevistas Presenciais e Termos de Uso Anti-IA

Após o boom do Interview Coder, empresas começaram a reagir. O Google estuda retomar entrevistas presenciais. A Amazon exige que candidatos assinem um termo afirmando que não usarão assistentes não autorizados.

Mas essas medidas não atacam o ponto central: o processo seletivo está quebrado. Proibir IA é como tentar conter a maré com baldes. Se a tecnologia está disponível e acessível, ela será usada — quer você goste ou não.

Por Que Essa História Viraliza?

Roy não é só um programador. É um símbolo.

Ele representa uma geração que cresceu online, vive sob pressão extrema para performar, e encontra na tecnologia a única forma de competir com igualdade.

Mais do que uma ferramenta, o Interview Coder é uma crítica embutida ao sistema. Por isso viraliza. Porque todos já sentiram a frustração de um processo injusto. Porque todos, em algum momento, pensaram: “se eu tivesse ajuda agora, conseguiria.”

Estamos Preparados para um Mercado “IA-Assistido”?

A resposta curta: não. Ainda não.

O RH tradicional não está pronto para avaliar candidatos aumentados por IA. Muitos processos ainda dependem de métricas ultrapassadas, entrevistas que testam memória e não raciocínio, e uma visão romântica do “autêntico talento técnico”.

Mas o mercado vai precisar mudar. E rápido.

Porque a IA não vai esperar. Ela já está na mesa. A pergunta agora é: você vai banir, ignorar ou integrar?

Oportunidade ou Armadilha? Como Investidores Estão Enxergando Isso

Os US$ 5,3 milhões que Roy levantou mostram algo claro: há mercado para ferramentas de entrevista com IA — mesmo que controversas.

Investidores não estão preocupados com moralidade. Estão preocupados com aderência de mercado, tração e receita. E, nesse quesito, Roy entregou tudo.

Isso mostra uma mudança profunda: a ética está sendo reprogramada pelo capital de risco. O que antes era condenável, hoje vira produto — desde que escale.

Roy Lee é o Novo Zuckerberg? Ou Só Mais um Hacker?

A comparação é inevitável. Assim como Zuckerberg enfrentou Harvard ao criar o Facebook, Roy desafiou Columbia criando um software que confronta o modelo educacional e corporativo.

Ambos começaram com algo “errado”. Ambos viralizaram. Ambos captaram milhões. A diferença? Roy não criou uma rede social — criou um espelho da falência dos sistemas que nos avaliam.

É Sobre o Futuro das Relações com Performance e Trabalho

A história de Roy Lee é um retrato do nosso tempo: inovação que desafia normas, IA que redefine mérito, e um mercado que se dobra à eficiência — mesmo que isso custe seus princípios. O Interview Coder é mais que um software. É uma provocação. E, se não formos capazes de responder com novos modelos éticos e operacionais, seremos apenas espectadores da próxima onda de disrupção: a trapaça automatizada como serviço.

Na mais recente edição do Friday’s Growth, mergulhamos em uma série de acontecimentos surpreendentes: o chamado “tarifaço” proposto por Donald Trump, a suspeita de que ele foi elaborado com auxílio do ChatGPT ou Grok, e os desdobramentos geopolíticos de uma medida que pode reembaralhar todas as cartas da economia mundial. Se você ainda acha que a IA é só uma ferramenta de produtividade, prepare-se para entender por que ela já está sentada à mesa com os líderes globais — e talvez até jogando as cartas mais importantes.

IA: De Assistente de Texto a Arquitetar a Economia Mundial

O ponto de partida da polêmica: uma fórmula divulgada oficialmente pela Casa Branca, cheia de variáveis e ar de sofisticação matemática, usada para calcular as novas tarifas impostas a países com os quais os EUA têm déficit comercial. A surpresa? Ela é exatamente igual a fórmulas geradas por usuários no ChatGPT e Grok para “simular um tarifaço justo”.

Seja por coincidência ou conveniência, o fato é que uma política pública de impacto global parece ter nascido da mente de uma IA generativa. A implicação disso vai muito além da fórmula: revela como a inteligência artificial está influenciando não só a automação de tarefas técnicas, mas a própria lógica de decisões geopolíticas.

As Consequências de um Cálculo “Frio” Demais

Utilizar IA para simulações e cenários é, sim, eficiente. O problema? A falta de contexto humano. A fórmula, apesar de racional, ignora acordos diplomáticos, precedentes históricos e sensibilidades políticas. E é aí que o jogo começa a ficar perigoso.

Consultando uma IA como o Deepseek — especializada em modelagem de cenários — os desdobramentos se desenham de forma clara e preocupante:

1. Inflação Global e Desaceleração Econômica (1 a 3 anos)
   O aumento de tarifas leva ao encarecimento de produtos e à retração do consumo. Bancos centrais como o Fed e o BCE elevariam juros, reduzindo investimentos.
2. Reestruturação das Cadeias de Suprimentos (2 a 5 anos)
   Empresas buscariam alternativas para evitar tarifas, como nearshoring para países aliados. O Brasil pode até se beneficiar pontualmente, mas o risco é a fragmentação das cadeias globais.
3. Retaliações Estratégicas e Formação de Novos Blocos Econômicos
   China e Europa podem fortalecer acordos bilaterais, enfraquecendo o domínio dos EUA. O Mercosul pode ganhar protagonismo, mas em meio a um tabuleiro cada vez mais volátil.
4. Pressão Doméstica nos EUA e Possíveis Concessões
   Setores prejudicados internamente, como o agronegócio americano, pressionariam por flexibilizações. Um alívio para alguns, mas sintoma de instabilidade para todos.

O Brasil no Meio do Furacão

Com reações automáticas sendo aprovadas em regime de urgência pelo Congresso, o Brasil corre o risco de embarcar em uma espiral de retaliações. Mas sem dominar as tecnologias que movem essa nova lógica de poder, como IA, blockchain e automação, ficaremos apenas reagindo — e não agindo.

Mais alarmante ainda é o dado de que 83% dos jovens entre 18 e 34 anos já usam IA generativa no Brasil, enquanto os mais velhos, menos escolarizados e de classes sociais mais baixas ainda estão fora desse movimento. Um abismo de produtividade começa a se formar dentro da própria sociedade.

O Fim da Programação? Ou o Começo de Algo Maior?

Outro tópico quente abordado na live: as declarações ousadas de CEOs como Satya Nadella (Microsoft), Sundar Pichai (Google), Sam Altman (OpenAI) e Elon Musk (XAI), que apontam para o fim da programação como conhecemos.

Dentre as afirmações:

• A IA escreverá 90% do código nos próximos 12 meses.
• O Copilot será o principal desenvolvedor de software em muitas equipes até 2027.
• Front-end e tarefas repetitivas serão as primeiras a desaparecer.

Essa revolução rebaixa a barreira de entrada para criação de produtos digitais. Qualquer empreendedor poderá, em breve, desenvolver software com custos até 80% menores. A questão central então passa a ser: quem sabe fazer as perguntas certas à IA?

Quem Fica Para Trás?

Se por um lado temos CEOs otimistas, por outro, dados preocupantes surgem. Uma pesquisa feita pela HSR mostra uma clara desigualdade na adoção de IA generativa:

Ou seja, os que mais se beneficiariam da IA — por estarem em empregos operacionais e mais fáceis de serem automatizados — são justamente os que menos usam.

Políticas Públicas e Educação Urgente

Se queremos um Brasil competitivo em 2030, precisamos formar agora trabalhadores capazes de operar lado a lado com agentes de IA. Isso passa por:

• Educação básica com foco em pensamento computacional.
• Programas de capacitação em IA generativa para trabalhadores.
• Acesso gratuito a ferramentas e treinamentos.
• Incentivo à adoção de IA em PMEs.

A produtividade do futuro será medida pela sinergia entre humanos e máquinas. Se deixarmos metade da população para trás, perderemos a corrida.

E os Empregos? Quem Está na Berlinda?

Segundo as percepções globais, profissões como médicos, juízes e gerentes são vistas com mais temor em relação à substituição por IA do que os próprios programadores. A razão? A dimensão humana das decisões ainda pesa.

Mas o alerta está dado: profissões com tarefas repetitivas e baseadas em dados estão na mira.

Entre elas:

• Diagnóstico de doenças
• Desenvolvimento de software
• Ensino básico
• Análise financeira
• Gerenciamento de projetos
• Coaching e mentoria

Se você atua nessas áreas, é hora de se atualizar ou colaborar com a IA.

IA como Colega de Trabalho — ou Concorrente?

A IA está assumindo um papel de colega de trabalho silencioso. Um colaborador que não dorme, não erra (quase), e escala sua produtividade com poucos cliques.

Logo, empresas que não treinarem seus funcionários para interagir com IA terão menos produtividade e inovação. E países que não fizerem o mesmo verão sua competitividade cair.

O Futuro Não Espera

O tarifaço de Trump, possivelmente gestado por uma IA, é mais do que uma provocação econômica. É um símbolo de como a inteligência artificial está se tornando parte do tecido que compõe as decisões políticas, econômicas e sociais do mundo.

E se hoje a IA calcula tarifas, amanhã pode muito bem tomar decisões no lugar de presidentes, CEOs e gestores.

Mas o alerta final é claro: a IA não é o inimigo — a ignorância sobre ela é. Se você é gestor, empreendedor ou profissional liberal, comece agora. Aprender, testar, entender e aplicar.

Porque, no futuro, quem não souber trabalhar com IA… será substituído por quem souber.

Por quê? Porque falta estrutura. Muitos profissionais querem usar IA para aumentar sua produtividade, mas não sabem por onde começar. Empresas investem em soluções de IA, mas acabam limitadas a usos superficiais, sem impacto real nos resultados. Para piorar, a narrativa dominante oscila entre o otimismo cego e o medo do desemprego em massa.

O que realmente está acontecendo? E como podemos usar a IA com estratégia e segurança para maximizar seu potencial sem aumentar a ansiedade?

O Dilema da Inteligência Artificial: Entusiasmo X Ansiedade

A ascensão meteórica da IA gerou duas emoções contrastantes:

1. Entusiasmo: Empresas e profissionais veem a IA como uma ferramenta de transformação, capaz de automatizar processos e aumentar a produtividade.
2. Ansiedade: O medo de perder o emprego, a pressão para se manter atualizado e a falta de conhecimento técnico travam o uso efetivo da tecnologia.

As empresas, por sua vez, sofrem com um problema estrutural: fontes de dados desconectadas e falta de uma estratégia clara para adoção da IA. Em vez de integrarem a tecnologia aos processos diários, muitas fazem testes isolados sem continuidade.

Esse descompasso cria um ciclo vicioso: as empresas querem mais IA, mas sem planejamento estruturado; os profissionais querem usar IA, mas sem treinamento adequado. O resultado? O potencial da IA é subaproveitado, e a transformação digital fica estagnada.

A Solução: Inteligência Artificial Estruturada

A solução para esse caos é simples: estruturar o uso da IA. Isso significa aplicar metodologias, criar fluxos de trabalho claros e integrar ferramentas de IA aos processos existentes de forma planejada.

Como Empresas Podem Estruturar o Uso de IA

1. Mapeamento de processos: Antes de implementar qualquer ferramenta, é essencial entender quais tarefas são repetitivas e poderiam ser otimizadas com IA.
2. Integração de dados: Conectar diferentes fontes de dados para que a IA possa trabalhar com informações unificadas e gerar insights mais poderosos.
3. Treinamento e cultura digital: Capacitar a equipe para que todos saibam como usar as ferramentas de forma estratégica.
4. Mensuração de impacto: Definir KPIs claros para medir os resultados e garantir que a IA esteja realmente gerando valor.
5. Testes iterativos: Implementar pequenas mudanças, medir os impactos e ajustar conforme necessário para evitar desperdício de recursos.

Como Profissionais Podem se Tornar Mestres no Uso da IA

1. Domine o Prompt Engineering: Saber como fazer perguntas certas para obter as melhores respostas da IA é um diferencial competitivo.
2. Teste diferentes ferramentas: Não fique preso a uma só IA. Explore ChatGPT, Claude, Gemini e outras para entender qual funciona melhor para cada necessidade.
3. Use IA para automação pessoal: Agilize a criação de relatórios, resumos de reuniões e organização de tarefas diárias.
4. Desenvolva pensamento crítico: A IA é uma ferramenta poderosa, mas precisa de supervisão humana para evitar viés e erros.
5. Acompanhe as tendências: A IA está em constante evolução. Leia artigos, participe de eventos e troque experiências com outros profissionais.

O Futuro: IA Como Habilidade Essencial

Nos próximos 3 a 5 anos, a tendência é que profissionais que dominam IA se tornem mais valorizados e disputados no mercado. Empresas que souberem integrar IA aos seus processos operacionais vão ganhar eficiência e vantagem competitiva.

Quem ficar parado, esperando uma solução mágica sem se adaptar, perderá relevância. O momento de estruturar o uso da IA é agora.

E você, como está aproveitando a revolução da inteligência artificial?