Os economistas Maxim Massenkoff e Peter McCrory, da equipe de pesquisa econômica da Anthropic, publicaram em abril de 2026 um estudo que muda o vocabulário para discutir IA e trabalho. Analisando milhões de conversas reais no Claude, eles cruzaram os usos com 800 ocupações da economia americana e mediram duas coisas distintas: exposição observada (o que a IA realmente está fazendo hoje) e exposição teórica (o que ela poderia fazer).
O resultado central: para profissões em computação e matemática, a IA pode teoricamente automatizar 94% das tarefas, mas hoje executa apenas 33%. O gap de 61 pontos percentuais entre o teto e o piso é a verdadeira história. Não é a velocidade do que a IA já faz que importa para planejamento estratégico — é a velocidade com que esse gap se fecha.
O que o estudo realmente mediu
O método é elegante. Em vez de pedir para especialistas adivinharem o futuro do trabalho — exercício historicamente péssimo — Massenkoff e McCrory olharam para o que está sendo, de fato, pedido para a IA hoje. Cada conversa anonimizada no Claude foi mapeada para tarefas O*NET (a base de dados ocupacional do Departamento do Trabalho dos EUA). A frequência e o tipo de pedido revelam, na prática, que parte do trabalho de cada profissão já está sendo terceirizada para o modelo.
O resultado mostra grandes diferenças entre setores. Trabalhos administrativos têm exposição observada de 35% a 45%. Profissões legais entre 25% e 35%. Engenharia de software 33%. Atendimento ao cliente passa de 50% em alguns segmentos. Profissões físicas (construção, transporte) ficam abaixo de 5% — não porque a IA não consegue, mas porque a integração com o mundo físico ainda é cara e lenta.
O Brasil tem contexto diferente
Há fator brasileiro que muda a leitura. Custo da mão de obra qualificada no Brasil é uma fração do americano em câmbio comparado. Isso significa que, mesmo onde a IA é tecnicamente capaz, o cálculo econômico de substituir um analista por um agente nem sempre fecha. O ROI de automatizar uma função júnior é menor quando essa função custa US$ 800/mês em vez de US$ 4.000/mês. Esse fator vai postergar o impacto no Brasil em 12 a 24 meses em relação aos EUA.
Mas só vai postergar. Quando o custo do agente cair de US$ 200/mês para US$ 20/mês — e essa curva já está visível — o cálculo se inverte. E quando o trabalho do analista é executado para um cliente americano (BPO, software factory, contábil internacional), o cálculo já se inverteu. Empresas brasileiras de outsourcing são a primeira linha a sentir o impacto. Algumas das maiores já reportaram queda de demanda em funções específicas em 2025-2026.
O cenário de “Great Recession white-collar”
Dario Amodei, CEO da Anthropic, projetou que IA pode eliminar 50% dos empregos júnior de colarinho branco em cinco anos. O estudo de Massenkoff e McCrory dá fundamento empírico para essa projeção — não como certeza, mas como cenário plausível. Para colocar em contexto: durante a crise financeira de 2007-2009, o desemprego americano dobrou de 5% para 10%. Amodei sugere que IA pode levar o desemprego para 10-20%. É território desconhecido.
Os primeiros sinais empíricos já apareceram. Estudo recente mostra queda de 6% a 16% no emprego de jovens entre 22 e 25 anos em ocupações expostas. McKinsey demitiu 200 pessoas em 2026 explicitamente atribuindo o ajuste ao impacto da IA. Em 2026, só nos primeiros três meses, foram 45 mil demissões em tecnologia, com cerca de 9.200 explicitamente ligadas à automação. Esses números ainda são pequenos no agregado, mas a derivada é clara.
O que C-levels brasileiros precisam fazer
Empresas que lideram bem essa transição fazem três coisas em paralelo. Primeira: planejam força de trabalho em horizonte de três a cinco anos com base em exposição observada e teórica de cada função, não em headcount histórico. Cada cargo é classificado em “expansão”, “manutenção”, “transformação” ou “redução gradual”. Decisões de contratação seguem essa matriz, não inércia.
Segunda: investem agressivamente em retreinamento dos colaboradores que ocupam funções em “transformação”. Não é treinamento genérico de “aprenda IA”. É treinamento específico em como redesenhar o próprio trabalho usando IA — qual parte automatiza, qual parte muda de natureza, qual parte continua. Empresas que fazem isso bem mantêm produtividade e moral. Empresas que demitem em massa pagam custo de cultura e perdem conhecimento tácito difícil de recuperar.
Terceira: redesenham a porta de entrada. Se a IA automatiza tarefas tradicionalmente entregues a júniors, o caminho de progressão profissional precisa ser reinventado. Algumas empresas já criaram trilhas onde júniors entram com mandato explícito de “supervisionar agentes” em vez de “executar tarefas”. O conhecimento que eles desenvolvem é diferente, mas o pipeline de talento sênior continua existindo. Empresas que cortam júniors sem repensar pipeline vão descobrir, em três a cinco anos, que não têm seniores suficientes para promover.
O custo de não decidir agora não é financeiro imediato — é estrutural. Empresas que continuam contratando exatamente como contratavam em 2022 estão construindo uma força de trabalho desalinhada com a economia que vai existir em 2028. Uma vez que esse desalinhamento se cristaliza em headcount, em cultura e em sistemas internos, sair dele exige reorganizações dolorosas. Decidir cedo, com clareza e com investimento em pessoas, é o que separa os vencedores dos perdedores nesta transição. E a janela para fazer essa decisão de forma planejada — em vez de reativa — está se fechando trimestre a trimestre.
Publicado em 29 de abril de 2026 · Futuro do Trabalho · thinq.news
