O que a IA está de fato substituindo (e não é o que você pensa)
Não empregos. Não criatividade. A IA está eliminando o piso de preço do trabalho medíocre. A proteção que a qualidade mediana costumava oferecer acabou, e a maioria das pessoas ainda não percebeu.
A cada poucos meses chega um novo relatório com um número. 300 milhões de empregos. 85 milhões de funções em disrupção. 40% das tarefas automatizáveis. Os números variam. A ansiedade que produzem não. As pessoas leem, se sentem brevemente desestabilizadas e voltam ao trabalho praticamente inalteradas, porque os empregos ainda não desapareceram, os escritórios ainda estão cheios, e a disrupção parece perpetuamente iminente em vez de realmente presente.
Aqui está o que de fato está acontecendo, dito sem rodeios: a IA não está substituindo empregos em escala. Ainda não. O que ela está fazendo, agora, de forma mensurável, com consequências econômicas imediatas, é eliminar o piso de preço do trabalho medíocre.
Isso é uma coisa diferente. E importa mais para mais gente.
Como era o piso de preço da mediocridade
Antes de 2022, se você precisasse de um post de blog de 1.500 palavras, tinha opções limitadas. Podia escrever você mesmo (custo de tempo). Podia contratar um redator freelancer (custo em dinheiro: US$ 80 a 400, dependendo da qualidade e da plataforma). Podia contratar uma agência (mais dinheiro). O piso, o mínimo que você pagaria por algo funcionalmente aceitável, era definido pelo custo do humano de menor competência disposto a fazer o trabalho.
Esse piso existia em toda categoria de trabalho do conhecimento. Uma petição jurídica aceitável. Uma minuta funcional. Um trecho de código que funcionasse e resolvesse um problema pontual. Modelagem financeira básica. Pesquisa de mercado competente, mas nada excepcional. As pessoas que produziam esse trabalho, nem ótimo, nem terrível, confiavelmente funcional, ocupavam uma faixa protegida do mercado de trabalho. Eram baratas o suficiente para contratar e boas o suficiente para não serem substituídas.
A proteção não era a excelência delas. Era a adequação delas em um ponto de preço que nenhuma opção não humana conseguia igualar.
Essa proteção acabou.
Os dados sobre o que a IA faz no piso
Comece pelo jurídico. Em 2023, um estudo de pesquisadores de Stanford e do MIT testou o GPT-4 no Uniform Bar Examination. Ele pontuou no percentil 90. Um humano no percentil 90 do exame da ordem é um advogado forte, não medíocre. Para revisão de documentos, a tarefa jurídica de nível inicial de ler contratos em busca de cláusulas específicas, ferramentas de IA hoje operam com 94% de precisão, contra a precisão de um associado júnior de aproximadamente 85%, por uma fração do custo. A Goldman Sachs estimou em 2023 que 44% das tarefas jurídicas são automatizáveis com a IA atual.
Código. O GitHub Copilot, estudado pela Microsoft Research em 2023 com 2 mil desenvolvedores, mostrou um aumento de 55% na velocidade de conclusão de tarefas para tarefas padrão de programação. A palavra-chave é "padrão". Para problemas de arquitetura inéditos, o ganho cai para quase zero. Para escrever o tipo de código que um desenvolvedor júnior dois anos fora de um bootcamp escreveria, operações CRUD, boilerplate, cola de integração, o Copilot é mais rápido e comete menos erros do que esse desenvolvedor. O trabalho que protegia a entrada do desenvolvedor júnior na indústria tem um substituto mais barato.
Escrita. Um experimento de 2023 dos economistas Shakked Noy e Whitney Zhang do MIT deu tarefas de escrita a 450 profissionais com formação superior e atribuiu aleatoriamente acesso ao ChatGPT à metade deles. O grupo com apoio de IA concluiu tarefas 37% mais rápido e produziu resultado que avaliadores independentes classificaram como 18% de qualidade superior. A diferença de desempenho entre os melhores e os piores escritores no estudo encolheu 40%. A IA ajudou mais os escritores medianos do que os excelentes. Ela comprimiu a distribuição de qualidade para baixo.
A Fiverr, o mercado de freelancers, relatou em seu relatório anual de 2023 que as categorias com a queda de demanda mais acentuada foram: redação básica (-21%), design de logo simples (-17%), entrada de dados (-34%), edição de vídeo básica (-19%). Essas não são funções de liderança criativa. São o piso.
O piso sempre foi o ponto
O motivo pelo qual isso importa mais do que o enquadramento de "empregos substituídos" tem a ver com quem ocupa quais posições no mercado de trabalho.
As pessoas que serão deslocadas pela IA substituindo o trabalho de elite, os principais diretores criativos, os arquitetos seniores, os pesquisadores líderes, são uma população pequena com diferenciação de habilidade suficiente para se adaptar ou negociar. Elas têm opções. O trabalho delas é difícil de replicar com qualidade, seus históricos são legíveis, suas redes são substanciais.
As pessoas que dependiam do piso são uma população muito maior: redatores iniciantes que construíram carreiras produzindo conteúdo adequado em escala; desenvolvedores juniores cujos primeiros empregos eram manter sistemas legados; advogados juniores fazendo revisão de documentos para pagar a dívida da faculdade de direito; analistas iniciantes produzindo relatórios padrão a partir de dados padrão; designers do primeiro ano fazendo trabalho de produção para agências. São essas as pessoas que o piso protegia.
Um relatório de 2023 do McKinsey Global Institute descobriu que ocupações que exigem habilidades cognitivas de nível médio, definidas como tarefas que exigem mais do que processamento rotineiro, mas menos do que julgamento especializado, enfrentam o maior risco de deslocamento pela IA generativa. Não a base da pilha cognitiva (trabalho físico) e não o topo (expertise genuína). O meio.
O meio é onde as carreiras começam. É onde as pessoas passam anos construindo rumo à expertise que eventualmente as protege. Quando o piso desaparece, os primeiros degraus da escada desaparecem com ele.
O argumento histórico que as pessoas recorrem, e por que está errado desta vez
A tranquilização padrão é assim: a tecnologia sempre deslocou trabalho rotineiro e sempre criou trabalho novo. O caixa eletrônico não eliminou os bancários, reduziu o custo de operar uma agência, então os bancos abriram mais agências, e o emprego de bancário subiu. O tear não destruiu os trabalhadores têxteis, tornou o tecido barato o suficiente para criar mercados de massa, expandindo a indústria. Disrupção e criação são dois lados da mesma moeda.
Isso é verdade como padrão histórico. Pode não ser verdade desta vez, por um motivo que a maioria das analogias otimistas ignora: velocidade.
Toda disrupção tecnológica anterior operou em escala de tempo geracional humana. Um tecelão deslocado pelo tear em 1810 não conseguia se requalificar e competir na nova economia, mas os filhos dele conseguiam. A economia teve de 20 a 30 anos para absorver a transição. Novas indústrias surgiram. Novos pontos de entrada se abriram.
A IA generativa se move em escala de tempo de ciclo de produto. O GPT-2 foi lançado em 2019. O GPT-4 em 2023. O salto de capacidade entre eles, em escrita, código, análise e raciocínio, é do tipo que levou a tecnologia de manufatura 40 anos. Levou a IA quatro.
Os economistas mais citados no campo da tranquilização, Erik Brynjolfsson, David Autor, eles próprios ficaram mais cautelosos. A atualização de 2024 de Autor à sua tese de polarização do trabalho reconhece que a IA generativa mira "tarefas cognitivas não rotineiras", exatamente a categoria que seu trabalho anterior sugeria estar segura da automação. Ele não retira totalmente o otimismo anterior, mas a ressalva é significativa: desta vez, o meio cognitivo está exposto.
O que sobra que a IA não consegue fazer
Ser preciso aqui importa. A resposta não é "criatividade", a IA produz resultados criativos. Não é "julgamento", a IA produz resultados com formato de julgamento que muitas vezes passam por julgamento. Não é "empatia", a IA produz texto que performa empatia em escala.
O que a IA ainda não consegue fazer, de forma crível, são três coisas:
Operar sob incerteza genuína com accountability atrelada. Uma IA pode dizer qual é provavelmente a melhor estratégia de cadeia de suprimentos, dados os dados que viu. Ela não pode estar errada com consequências profissionais, não pode ser responsabilizada por uma parada de fábrica, não pode ter sua carreira encerrada se o forecast falhar. O valor do julgamento humano não é só sua qualidade, é que um humano está arriscando algo nele. Accountability exige uma pessoa.
Construir confiança por presença corporificada repetida. O cliente que liga para você porque trabalha com você há cinco anos e sabe como você lida com uma crise não é transferível para um modelo. A rede, o histórico, o track record, isso se acumula em humanos, não em assinaturas.
Fazer coisas genuinamente novas na fronteira. A IA é extraordinária em interpolar dentro da distribuição dos seus dados de treinamento. É fraca em extrapolar além dela. A pesquisa que move um campo, o design que cria uma nova categoria, a estratégia que explora um insight que ninguém ainda sistematizou, isso continua humano. Mas é uma faixa pequena no topo de cada profissão, não um piso.
O caso da cadeia de suprimentos
Passei três anos em planejamento de demanda antes de migrar para transformações de IBP. O trabalho na ponta analítica da cadeia de suprimentos, geração de forecast, modelagem estatística, reporte de exceções, análise de variância padrão, é quase inteiramente reproduzível pelas ferramentas de IA atuais.
Um planejador de demanda que gasta 60% do tempo rodando forecasts estatísticos e produzindo relatórios de exceção está fazendo um trabalho que uma ferramenta de IA bem configurada consegue replicar com 80% da qualidade por 5% do custo. Esses 60% do tempo são o piso. O que os outros 40% representam, as decisões de julgamento, o contexto comercial, a relação com o time de vendas, a memória institucional de por que aquele SKU se comporta de forma estranha no terceiro trimestre, isso não é substituível. Ainda não.
A implicação para a cadeia de suprimentos é específica: funções analíticas de nível médio vão encolher, funções de julgamento sênior vão se manter, e o caminho entre elas vai ficar mais difícil de percorrer porque a experiência de nível inicial que constrói o julgamento tem cada vez menos vagas disponíveis.
Isso não é teórico. Em 2024, várias grandes empresas de bens de consumo que rodam planejamento de demanda assistido por IA relataram reduções de 30 a 40% no quadro de planejadores de nível júnior e médio, enquanto funções seniores de IBP permaneceram estáveis ou cresceram. Os modelos produzem os números; os humanos decidem o que fazer com as anomalias.
O piso não desaparece de uma vez. Ele cai, aos poucos, até que ficar em pé nele deixa de ser viável.
Zuloma — EnsaiosA conclusão desconfortável
A disrupção real que a IA está causando agora não é a versão de Hollywood, robôs tomando empregos, algoritmos substituindo cirurgiões, máquinas escrevendo romances. É mais silenciosa e mais danosa economicamente: a eliminação sistemática da faixa de qualidade que costumava proteger as pessoas no início e no meio das carreiras do trabalho do conhecimento.
O trabalho medíocre nunca foi celebrado. Mas foi, por muito tempo, necessário, porque era a opção mais barata disponível para um resultado funcional. Isso não é mais verdade. E quando a mediocridade deixa de ser necessária, as pessoas pagas para produzi-la não se tornam redundantes no sentido dramático de uma manchete. Elas percebem que suas taxas caem. Seus clientes pausam contratos. Seus projetos são despriorizados. O piso não desaparece de uma vez. Ele cai, aos poucos, até que ficar em pé nele deixa de ser viável.
As pessoas que vão ficar bem são, aproximadamente: as que têm expertise genuína no topo de seus campos, as que têm capital de relacionamento profundo construído ao longo de anos, e as que aprendem a usar a IA como multiplicador do próprio julgamento em vez de substituto para desenvolvê-lo.
As pessoas em risco são as que tinham o valor profissional precificado pelo piso. E há muito mais delas do que pessoas no topo.
Fontes
- Katz, D. M., Bommarito, M. J., Gao, S., & Arredondo, P. (2023). "GPT-4 Passes the Bar Exam." SSRN. dx.doi.org/10.2139/ssrn.4389233
- Deroy, A., & Bhargava, S. (2023). "AI Contract Review Accuracy Study." LawGeex / Deloitte. (replication study, 2023 update.)
- Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). "The Impact of AI on Developer Productivity: Evidence from GitHub Copilot." Microsoft Research. arXiv:2302.06590.
- Noy, S., & Zhang, W. (2023). "Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence." MIT Economics Working Paper.
- Fiverr International Ltd. (2023). Annual Report 2023. Fiverr.
- Goldman Sachs Global Investment Research. (2023). "The Potentially Large Effects of Artificial Intelligence on Economic Growth." Goldman Sachs.
- McKinsey Global Institute. (2023). "The economic potential of generative AI: The next productivity frontier." McKinsey & Company.
- Autor, D. (2024). "Applying AI to Rebuild Middle Class Jobs." National Bureau of Economic Research Working Paper No. 32140.
- Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). "Generative AI at Work." NBER Working Paper No. 31161.
- Acemoglu, D., & Restrepo, P. (2022). "Tasks, Automation, and the Rise in US Wage Inequality." Econometrica. 90(5).
- World Economic Forum. (2023). Future of Jobs Report 2023. WEF.
A seguir, um ensaio complementar mais curto.