O McKinsey Global Institute publicou em novembro de 2025 um relatório que deveria estar na mesa de todo CEO e diretor de RH: Agents, Robots, and Us: Skill Partnerships in the Age of AI. A conclusão central é perturbadora na forma mas esclarecedora no conteúdo — as tecnologias atuais já conseguem automatizar, em teoria, 57% das horas de trabalho americanas. Não em 2030, não com tecnologias futuras: com IA e robótica disponíveis hoje. E ao mesmo tempo, o relatório argumenta com dados robustos que isso não resultará em desemprego em massa — mas em uma transformação tão profunda da natureza do trabalho que as empresas que não se prepararem agora vão enfrentar uma crise de talento sem precedentes nos próximos três anos.
O que significa “automatizável” na prática
O número de 57% soa alarmante até você entender a metodologia. O McKinsey não está dizendo que 57% dos empregos serão extintos — está dizendo que 57% das atividades realizadas dentro dos empregos existentes têm características técnicas que permitem automação com tecnologia atual. Um advogado gasta 40% do seu tempo em pesquisa de jurisprudência (automatizável) e 60% em argumentação, negociação e relacionamento com cliente (não automatizável, ou muito difícil de automatizar). Um analista financeiro gasta 70% do tempo em coleta e formatação de dados (altamente automatizável) e 30% em interpretação e recomendação estratégica.
A implicação não é “metade dos empregos vai sumir” — é que a maioria dos empregos vai mudar radicalmente. O conteúdo de cada função será reestruturado: as partes automatizáveis serão delegadas à IA, e as pessoas passarão mais tempo nas atividades que requerem julgamento humano, criatividade, empatia e liderança. Para algumas funções, isso é libertador. Para outras, especialmente as que eram essencialmente compostas por tarefas repetitivas, o risco de obsolescência é real.
O valor econômico estimado: US$ 2,9 trilhões até 2030
A McKinsey estima que capturar o potencial de automação atual geraria US$ 2,9 trilhões em valor econômico nos EUA até 2030 — equivalente a cerca de 10% do PIB americano. Mas há uma ressalva crucial: esse valor só se materializa com uma condição indispensável que a maioria das empresas está subestimando. A automação de 57% das horas de trabalho não libera valor automaticamente — ela só gera valor se as empresas redesenharem seus processos de negócio, realocarem as pessoas para atividades de maior valor, e investirem em desenvolvimento de novas competências. Sem esse redesenho organizacional, a IA apenas automatiza processos ineficientes sem mudar os resultados.
A pesquisa identificou que empresas que capturam mais valor da automação têm uma característica em comum: tratam IA como parceria, não como substituição. A Suzano é um exemplo documentado no relatório — ao implementar um agente de linguagem natural para consultas ao SAP, a empresa não demitiu analistas, mas liberou 50.000 funcionários para gastar menos tempo em busca de informação e mais tempo em decisões que essa informação fundamenta.
As habilidades que se tornam escassas — e as que se tornam obsoletas
O McKinsey mapeou a evolução da demanda por competências até 2030. As habilidades com maior crescimento projetado de demanda são: raciocínio analítico avançado (+35%), liderança e influência social (+32%), criatividade e ideação original (+28%), e — surpreendentemente — competências de gestão e coordenação de agentes de IA (+85%, partindo de uma base pequena). A demanda por “AI fluency” — não a capacidade de programar IA, mas de trabalhar eficientemente com sistemas de IA — cresceu 7 vezes em dois anos, de 1 para 7 milhões de trabalhadores em ocupações onde a habilidade é explicitamente exigida.
No outro extremo, habilidades com queda de demanda projetada incluem processamento e organização de dados (-23%), operação de equipamentos físicos padronizados (-31%), e execução de transações financeiras rotineiras (-28%). Contadores, analistas de dados júnior, assistentes administrativos e operadores de linha de produção são as categorias com maior pressão de substituição — mas mesmo nesses casos, a narrativa de “extinção total” ignora que essas funções evoluem, não desaparecem instantaneamente.
O que os líderes de RH precisam fazer agora
A pesquisa do McKinsey, combinada com os dados do WEF Future of Jobs 2025, converge em quatro prioridades práticas. Primeira: mapeamento de automação por função — identificar, para cada papel crítico na empresa, quais atividades são automatizáveis nos próximos 12–24 meses e redesenhar a função em torno do que sobra. Segunda: reskilling antecipado — 40% dos empregadores globais planejam reduzir headcount em funções altamente automatizáveis até 2027. As empresas que anunciarem isso sem programas de transição de carreira vão enfrentar crise de reputação e ações trabalhistas. Terceira: recrutamento de AI fluency — incluir capacidade de trabalhar com IA como critério de seleção em todas as funções, não apenas nas técnicas. Quarta: redesenho de incentivos — se a IA faz o trabalho repetitivo, os KPIs das pessoas precisam mudar para refletir o que só humanos entregam.
Inside Context
O debate sobre IA e emprego é polarizado entre dois campos que ambos erram na mesma direção — o da simplicidade. Os otimistas citam que toda revolução tecnológica criou mais empregos do que destruiu; os pessimistas citam que desta vez é diferente porque a IA é cognitiva, não apenas física. Ambos ignoram o que o McKinsey documenta: a transformação é real e profunda, mas acontece por redistribuição de atividades dentro dos empregos, não por eliminação em massa de empregos inteiros.
A velocidade é o fator crítico que diferencia essa transição das anteriores. A Revolução Industrial demorou décadas para redistribuir o trabalho agrícola para industrial — tempo suficiente para que os filhos de fazendeiros se tornassem operários sem que os próprios fazendeiros precisassem se reconverter. A IA está comprimindo esse ciclo para 3–5 anos, o que significa que as pessoas que hoje estão no meio da carreira precisam se reconverter — não seus filhos. Essa é uma mudança sem precedente histórico direto.
No Brasil, o impacto é modulado por um fator adicional: o custo de mão de obra mais baixo em comparação com os EUA torna a automação economicamente atrativa em um espectro menor de atividades. Um analista financeiro júnior no Brasil custa R$ 4.000–6.000/mês; nos EUA, o equivalente custa US$ 6.000–8.000/mês. Com custo de inferência de IA caindo para frações de centavo por análise, o ponto de inflexão em que a automação se paga chega mais rápido para empresas americanas do que brasileiras — mas a distância está diminuindo conforme os modelos ficam mais baratos e a complexidade das tarefas que eles conseguem realizar aumenta.
Publicado em 2 de março de 2026 · thinq.news
