A IA está reescrevendo o trabalho de modo que as coisas estão se bifurcando, seguindo em duas direções ao mesmo tempo e criando um “mercado de trabalho de duas faixas”. Em uma faixa, as profissões estão sendo elevadas, exigindo mais julgamento, criatividade e expertise humana. Na outra faixa, as profissões estão sendo simplificadas, com a tecnologia assumindo as tarefas mais complexas e deixando às pessoas o que sobra. A visão que conduz o “2026 Global AI Jobs Barometer” foge da ideia do apocalipse de empregos para cair em algo mais sutil, mas não menos desafiador, que é entender quem vai para cada lado e por quê.
Esse desencontro aparece de diferentes maneiras em mais três relatórios sobre a IA e o trabalho. Ao lado do barômetro da PwC, o “AI at Work 2026” do Boston Consulting Group (BCG), do qual já falamos na The Shift, ouviu quase 12 mil profissionais em mais de uma dúzia de mercados e concluiu que a estratégia importa mais do que as ferramentas. E o “Work AI Index”, publicado pelo Work AI Institute com apoio da Glean a partir de uma amostra de 6 mil trabalhadores digitais nos Estados Unidos, Reino Unido e Austrália, expôs o lado oculto dessa transformação: as horas que desaparecem na tarefa silenciosa de fazer a IA funcionar, e os atalhos perigosos que surgem quando esse esforço não é reconhecido.
Lidas em conjunto, essas pesquisas partem de ângulos distintos – o mercado de trabalho macro, a organização e o indivíduo –, mas convergem para a mesma mensagem: o valor da IA não está na tecnologia em si, e sim no que os humanos fazem com ela e ao redor dela. O que segue é uma tentativa de costurar esses achados, usando o panorama da PwC como mapa e os demais para dar profundidade, contexto e, em alguns pontos, contraponto.
Duas faixas, dois destinos
A descoberta que organiza todo o relatório da PwC nasceu de um enigma identificado na edição anterior do barômetro: por que motivo empregos altamente automatizáveis pela IA continuavam crescendo em número e em salário, em vez de encolher? A resposta da consultoria é que o que importa não é se a IA automatiza tarefas de uma profissão, mas como ela redistribui a expertise, definida como conhecimento ou capacidade especializada. A partir dessa lente, todos os empregos do mundo se encaixam em uma de três categorias.
1.Cargos de baixa exposição à IA, profissões com poucas tarefas em que a tecnologia tem capacidade real de atuar, como por exemplo chefs de cozinha, trabalhadores da construção civil e mecânicos. Representam cerca de 26% das vagas anunciadas globalmente.
2.Empregos “profissionalizados”, as funções em que a IA assume as tarefas mais básicas e devolve ao trabalhador as mais complexas, elevando a exigência de expertise. Radiologistas, recrutadores e controladores de tráfego aéreo entram nesse grupo, que responde por 22% das vagas.
3. Empregos “democratizados”, em que a IA executa justamente as tarefas mais sofisticadas e deixa às pessoas as tarefas mais simples, reduzindo a barreira de conhecimento para entrar na função. Desenvolvedores de software, analistas de crédito e gerentes financeiros são exemplos e, surpreendentemente, formam o maior grupo, com 52% das vagas anunciadas.
O exemplo que a PwC usa para ilustrar a diferença é didático. Pense em um auxiliar de estoque, um cargo democratizado: a IA passa a gerenciar o inventário (tarefa cognitivamente exigente), enquanto resta ao humano mover as mercadorias no galpão. Agora pense em um recrutador, um cargo profissionalizado: a IA faz automaticamente a triagem de currículos, liberando o profissional para negociar contratos e tomar decisões mais delicadas. Em um caso, a máquina sobe na cadeia de valor; no outro, a empurra para baixo.
A consequência dessa divisão é o que dá nome ao estudo, “dois futuros”. As profissões profissionalizadas estão crescendo cerca de duas vezes mais rápido que as democratizadas: entre 2018 e 2025, as vagas em cargos profissionalizados aumentaram 39%, contra 17% nas democratizadas. A distância nos salários é ainda maior: desde 2021, a remuneração média anunciada cresceu 37% nas funções profissionalizadas e 26% nas democratizadas, uma diferença de 42% no ritmo de crescimento salarial a favor das primeiras. E a complexidade acompanha o dinheiro: os cargos profissionalizados passaram a exigir novas competências a um ritmo duas vezes maior, com a demanda por habilidades crescendo 68% contra 33% nas funções democratizadas.
Para ajudar a prever o destino de qualquer profissão, e convidar as organizações e profissionais a abandonar o pânico genérico e pensar caso a caso, a PwC propõe quatro perguntas:
- Como a IA muda o nível de expertise exigido?
- Como a oferta e a demanda por aquele trabalho podem mudar?
- Onde a supervisão humana continua necessária para checar a qualidade da máquina ou lidar com casos atípicos?
- Que forças externas – de gargalos de processo a regulação – limitam o uso da tecnologia?
O início de carreira no olho do furacão
Se há um ponto em que o debate sobre IA e emprego ganhou tração emocional, é o do trabalho de entrada. A PwC cita uma análise da Universidade Stanford que identificou uma queda de 16% nas vagas de início de carreira em áreas expostas à IA, com recuos ainda mais profundos em setores intensivos em tecnologia, como Finanças. A própria pesquisa da consultoria mostra que, entre todos os quartis de exposição à IA, o único em que o número de vagas para iniciantes praticamente estagnou desde o lançamento do ChatGPT foi o dos cargos mais expostos. A mais recente “Global CEO Survey” da PwC revela que 49% dos presidentes esperam que a adoção de IA reduza a contratação de profissionais juniores nos próximos três anos, contra apenas 12% que esperam o mesmo para cargos seniores.
Mas o relatório argumenta que esse dado, sozinho, esconde uma história mais otimista para quem souber se posicionar. A explicação está em um fenômeno que a PwC batiza de “senioridade precoce” (seniorisation). Os cargos de entrada mais expostos à IA estão evoluindo rapidamente para exigir competências antes reservadas a profissionais experientes. Em números: as vagas juniores mais expostas à IA têm 7 vezes mais probabilidade de demandar habilidades tradicionalmente seniores do que as menos expostas. No quartil de maior exposição, 52% das novas competências exigidas são tipicamente de nível sênior – liderança motivacional, gestão de pessoas, gestão de stakeholders, mentoria, pensamento estratégico – contra apenas 7% no quartil de menor exposição.
Esse processo divide os próprios cargos de entrada em duas trajetórias. As vagas juniores que foram “”seniorizadas”, ou seja, que passaram a exigir mais de dez novas competências tradicionalmente seniores, cresceram 35% entre 2019 e 2025 nos Estados Unidos. As que não foram “seniorizadas” encolheram 10% no mesmo período. Então, não é que os empregos de entrada expostos à IA estejam simplesmente desaparecendo: muitos estão se tornando mais exigentes e complexos, e justamente esses prosperam.
A boa notícia para o jovem profissional, observa a PwC, é que muitos serão poupados de anos de tarefas repetitivas e maçantes. A má notícia é que precisarão demonstrar, muito mais cedo, competências de liderança e raciocínio estratégico que antes se desenvolviam ao longo de uma década. O recado para empresas e instituições de ensino é igualmente claro: é preciso repensar onboarding, mentoria e formação para que os iniciantes construam essas habilidades sênior desde o primeiro dia.
O “terremoto” das competências
As habilidades exigidas estão mudando junto com mudam junto e em velocidade que a PwC descreve como um “terremoto”. A consultoria mede algo que chama de “mudança líquida de competências”, uma metodologia desenvolvida pelos economistas de Harvard David Deming e Kadeem Noray que soma todas as variações na frequência com que cada habilidade aparece nos anúncios de uma profissão. O resultado que aparece: as competências exigidas pelos cargos mais expostos à IA estão mudando mais de duas vezes mais rápido (2,2 vezes) do que as dos cargos menos expostos.
Ao medir a diferença ano a ano, o descompasso entre os quartis de maior e menor exposição era de 25% em 2023, saltou para 66% em 2024 e chegou a 116% em 2025, um aumento de 75%. Em suma, quem trabalha nas funções tocadas pela IA precisa reaprender o ofício num ritmo que não para de aumentar.
Mais interessante do que a velocidade é a direção dessa mudança. As novas tarefas que estão sendo incorporadas aos cargos expostos à IA são 2,5 vezes mais propensas a depender de capacidades “humano-intensivas” do que as dos cargos menos expostos. Para medir isso, a PwC recorre ao framework EPOCH, criado pelos pesquisadores Loaiza e Rigobon, do MIT, que mapeia as cinco famílias de habilidades mais resistentes à automação e mais complementares à IA: empatia e inteligência emocional (Empathy); presença, conexão e capacidade de transitar em contextos sociais (Presence); opinião, julgamento e ética (Opinion); criatividade e imaginação (Creativity); e esperança, visão e liderança (Hope). Numa escala de 0 a 1, as novas tarefas dos cargos mais expostos pontuam 0,47 em intensidade humana, contra 0,19 dos menos expostos.
Um dado interessante: tanto os cargos profissionalizados quanto os democratizados passaram a exigir mais dessas capacidades (a pontuação EPOCH de 2025 é de 0,48 para os democratizados e 0,45 para os profissionalizados, contra 0,26 dos de baixa exposição), o que mostra que mesmo nas funções simplificadas pela IA, o que sobra para o humano é cada vez mais o trabalho que exige empatia, presença e criatividade.
Há, porém, uma ironia que a própria PwC não ignora: são exatamente essas habilidades humanas que o uso intensivo de tecnologia, incluindo aí a Inteligência Artificial, pode acabar erodindo. Construir uma força de trabalho rica em empatia e julgamento num ambiente que terceiriza cada vez mais o pensamento para as máquinas é uma contradição que empresas e educadores ainda não sabem resolver.
Prêmios salariais e a corrida por especialistas
A valorização dos profissionais que dominam competências de IA, como engenharia de prompts, comandam um prêmio salarial de 62% em relação a colegas do mesmo nível sem essas habilidades, alta em relação aos 57% registrados no levantamento anterior. O prêmio médio exato, calculado sobre os 16 setores no escopo do estudo, é de 61,9%, e varia enormemente entre indústrias: chega a impressionantes 118% em Bens de Consumo, 84% em Tecnologia, Mídia e Telecom, 75% em Energia e Utilidades, 73% em Manufatura e 67% em Serviços Profissionais, caindo para 53% em Serviços Financeiros, 37% em Saúde e apenas 16% no Setor Público. A consultoria ressalva que esses números são “fotografias de um momento”, sem controles para fatores como educação, experiência ou localização.
A contrapartida desse prêmio é uma corrida frenética por talentos especializados em que as vagas para especialistas em IA(profissionais com habilidades avançadas como aprendizado de máquina) cresceram oito vezes mais rápido do que o conjunto de todas as vagas em 2025. Em números diretos: enquanto o total de anúncios de emprego cresceu 8,6% de 2024 para 2025, os anúncios para especialistas em IA dispararam 68,9%. Para cada vaga de especialista em IA que existia em 2012, há hoje 10,7 vagas. Para as demais profissões, o multiplicador é de apenas 2,5.
O setor de Tecnologia, Mídia e Telecom lidera, com 11,4% de todas as suas vagas de 2025 voltadas a especialistas em IA, seguido por Serviços Profissionais (5,6%) e Serviços Financeiros (5,4%). O avanço acontece mesmo em setores de adoção mais tímida, como é o caso de Saúde Humana, que subiu de 0,7% em 2024 para 0,9% em 2025.
O trabalho invisível: botsitting e botshitting
Se a PwC e o BCG mostram para onde o trabalho está indo, o “Work AI Index” mostra o que acontece quando se chega lá. O instituto cunhou dois termos que sintetizam o lado oculto da revolução da IA: botsitting e botshitting.
O botsitting é o trabalho amplamente não reconhecido, não orçado e não rastreado de tornar a IA utilizável, alimentá-la com o contexto que falta, supervisionar suas respostas, depurar seus erros e limpar a bagunça que ela deixa para trás. Os trabalhadores gastam, em média, 6,4 horas por semana fazendo botsitting, mais tempo do que passam efetivamente usando a IA para produzir. Do tempo total que dedicam à interação com a IA, 37% vão para o botsitting, 36% para o uso produtivo e 27% para aprender as ferramentas e construir agentes. Parte do problema é a própria fragilidade da tecnologia: os trabalhadores relatam que mais de um terço (36%) das sessões de IA “falham” e exigem recomeço ou retrabalho substancial.
A pesquisa detalha onde esse tempo se perde:
- Alimentar a IA com contexto consome 2,3 horas semanais
- Supervisionar respostas geradas pela IA, 2,2 horas
- Depurar erros gerados pela IA, 1,7 hora (sendo esta última a atividade mais exaustiva, com um “multiplicador de exaustão” de 1,4).
Há ainda o que o instituto chama de “imposto da alternância” (toggle tax): 77% dos usuários alternam entre várias ferramentas de IA por semana e 33% usam quatro ou mais, pagando, a cada troca, um custo em contexto, foco e sanidade. Tão revelador quanto: 60% dos trabalhadores rodam o mesmo comando em múltiplas ferramentas porque o primeiro resultado não foi bom o suficiente. O trabalhador, conclui o estudo, virou a camada de integração que a tecnologia não fornece.
Quando esse esforço não é reconhecido nem recompensado, surge o segundo fenômeno, o botshitting, que se aproxima muito do que o que vem sendo chamado de AI workslop: o ato de entregar trabalho gerado por IA que a pessoa não verificou, não entende plenamente ou não conseguiria defender se questionada. Impressionantes 69% dos usuários de IA admitem fazê-lo. O comportamento aumenta com o uso: usuários intensivos são 64% mais propensos a “botshittar” do que os usuários leves.
Esse trabalho mal feito com IA aparece em três formas.
- Abrir mão da compreensão: 41% dos trabalhadores admitem entregar trabalhos que não saberiam explicar.
- Abrir mão do julgamento: 38% usam ferramentas não aprovadas pela empresa (Shadow AI) e 37% usam ferramentas aprovadas de modos que violam a política interna (mais Shadow AI). Detalhe: a The Shift já havia mostrado que a alta liderança costuma apelar mais para ferramentas não autorizadas, acreditando que não haverá problemas.
- Abrir mão da responsabilidade: 28% já culparam a IA por erros que eles mesmos cometeram. Quando o trabalho gerado por IA falha, 40% dos trabalhadores culpam a ferramenta, e apenas 29% assumem a própria culpa, num processo que os pesquisadores chamam de “desengajamento moral”.
O “Work AI Index” desmonta, de passagem, a suposição de que ferramentas mais capazes reduziriam o problema. O oposto parece verdadeiro. Entre as plataformas analisadas, justamente aquelas cujos usuários relatam encontrar os maiores ganhos de produtividade são as que registram mais botshitting, um efeito que o estudo atribui a três atalhos cognitivos: a “complacência da automação” (quanto melhor o sistema funciona, menos as pessoas o supervisionam), a tendência de confiar mais na IA quando ela concorda conosco (a chamada bajulação algorítmica) e a propensão a confiar mais na ferramenta quanto mais ela soa humana. Há ainda um custo de retenção embutido em tudo isso: os trabalhadores que admitem ao menos um comportamento de bobshitting têm 3,8 vezes mais probabilidade de estarem procurando outro emprego, e os “botsitters frequentes”, 73% mais.
Esse insight oferece um contraponto para o otimismo dos números da PwC. Onde o barômetro vê salários e contratações crescendo nas empresas mais expostas à IA, o relatório do Work AI Institute lembra que boa parte dessas “horas economizadas” retorna disfarçada de retrabalho invisível, e que o atrito mal gerenciado pode estar empurrando os profissionais mais fluentes em IA para a porta de saída. Os dois retratos não se contradizem, eles descrevem fases diferentes do mesmo processo. A PwC mede o que acontece com as empresas que já cruzaram a ponte da reinvenção, enquanto o Work AI Institute mede o que acontece com a maioria que ainda está no meio da transformação.
A infraestrutura humana da IA
A pergunta que une os estudos é, no fundo, a mesma: o que fazem de diferente as poucas organizações que extraem valor real da IA? O “Work AI Index” responde com o conceito da “a infraestrutura humana da IA” e a tese de que ela não pode ser comprada, apenas construída, em três níveis.
No nível individual, os “altos realizadores de IA” (pessoas que relatam ganhos tanto de produtividade quanto de qualidade) não apontam a tecnologia para o coração do próprio ofício. Eles protegem o núcleo da sua expertise e usam a IA ao redor dele – limpando dados, resumindo notas, testando hipóteses –, mas mantêm para si as decisões que exigem julgamento. É o modelo que o professor Ethan Mollick, da Wharton School, chama de “centauro”: uma linha clara entre o que cabe ao humano e o que cabe à máquina. Esses profissionais gastam mais tempo em botsitting (40% do seu tempo de IA, contra 33% dos de baixo desempenho) e são 18% mais propensos a deliberadamente se abster de usar IA em certas tarefas porque sabem que a habilidade que não se exercita, se perde. A contrapartida é que também são os que mais contornam as regras: 54% usam ferramentas não aprovadas ou aprovadas de modo não conforme, e 36% escondem o quanto a IA os ajuda. O instituto trata esse “desvio construtivo” como feedback: quando o melhor profissional contorna a ferramenta oficial, em geral é porque ela é lenta demais, genérica demais ou desconectada demais do trabalho real.
No nível da equipe, os times de alto desempenho tratam a IA como um colega, não como uma ferramenta: 75% dos profissionais de alto desempenho confiam na IA como membro da equipe, contra 32% dos de baixo desempenho. Os números sobre essa nova relação mostram como a prática o dia a dia já está mudando a hierarquia tradicional: 53% dos trabalhadores confiam na IA como colega de equipe, 52% acham mais fácil colaborar com ela do que com colegas humanos, e 61% dizem que a IA os ajuda mais no dia a dia do que o próprio gestor. Quase metade (44%) considera a IA mais justa do que o chefe, uma percepção que aumenta quanto maior o número de subordinados que o gestor precisa supervisionar. O instituto faz, porém, uma ressalva importante, apoiada em um experimento do BCG: quando a IA é enquadrada como “funcionário” em vez de ferramenta, as pessoas se sentem menos responsáveis pelo que ela produz e revisam menos o resultado, o que pode causar problemas. A responsabilidade deve permanecer humana. Os bons gestores, mostra o estudo, usam a IA para eliminar a “lama da coordenação” (atualizar status, rotear pedidos, resumir reuniões) e reinvestem o tempo no que a máquina não faz: orientar, desenvolver e inspirar pessoas.
No nível organizacional, as empresas líderes resistem ao que o instituto chama, citando o professor Bob Sutton, da Universidade de Stanford, de “doença da adição”: o reflexo de resolver todo problema comprando mais IA, adicionando mais ferramentas ou pressionando as pessoas a usá-la, ajude ou não. Sua manifestação mais cara é o tokenmaxxing, a crença de que mais tokens consumidos significam mais produtividade. As organizações que de fato extraem valor fazem o oposto: começam pelo trabalho, não pela tecnologia, e escolhem ferramentas que se encaixam na tarefa, em vez de deixar contratos com fornecedores ditarem a estratégia. Essas empresas entendem que dar à IA acesso a dados não é o mesmo que dar a ela contexto. Mais da metade (53%) dos trabalhadores dizem que informações críticas de que precisam não estão acessíveis por meio de seus sistemas de IA. A diferença que o contexto faz é enorme: trabalhadores em organizações “ricas em contexto” têm 64% menos probabilidade de se sentirem esgotados pela IA, 52% menos de entregar trabalho que não conseguem explicar e 31% menos de cometer bobshitting.
Há também um insight sobre medição que dialoga diretamente com o “AI at Work 2026”, do BCG. As organizações transformadoras medem a IA em mais dimensões – cinco, em média, contra três das demais –, equilibrando produtividade, qualidade, experiência do funcionário e engajamento, em vez de perseguir métricas de vaidade como número de tokens ou linhas de código geradas. Quando a empresa mede apenas produtividade, 74% dos trabalhadores admitem botshitting. Quando mede também qualidade, esse número cai para 46%. E o exemplo da liderança pesa: funcionários que viram o próprio CEO usar IA pessoalmente a utilizam 67% mais do que os que não viram. A confiança que tudo isso gera tem efeito também na retenção: quem confia na estratégia de IA da empresa tem 28% menos probabilidade de estar procurando emprego.