A inteligência artificial pode estar fazendo salários crescerem menos antes mesmo de começar a destruir empregos.
Essa é a conclusão que ganhou manchetes depois de um estudo da Apollo Global Management encontrar crescimento salarial real 6,7 pontos percentuais menor, após 2023, entre ocupações americanas consideradas altamente expostas à inteligência artificial. Entre os trabalhadores de menor remuneração, a diferença chegou a 10,7 pontos. No emprego, porém, os pesquisadores não encontraram efeito estatisticamente significativo associado à exposição à tecnologia.
É um resultado importante.
O problema começa quando “ocupações mais expostas à IA tiveram menor crescimento salarial” vira simplesmente “a IA está reduzindo salários”.
A diferença parece pequena numa manchete. Para quem precisa decidir onde investir, contratar, automatizar ou cortar custos dentro de uma empresa, ela é enorme.
Porque o indicador utilizado na pesquisa não mede quantos profissionais uma inteligência artificial consegue substituir. Ele tenta medir quanto das tarefas associadas a determinada profissão já aparece sendo realizado com auxílio de IA.
E uma tarefa realizada com IA não é necessariamente uma tarefa que deixou de precisar de uma pessoa.
Esse detalhe muda praticamente toda a discussão.
Programadores aparecem no topo. Isso prova exatamente o quê?
Os programadores lideram o ranking de exposição utilizado no estudo, com índice de 0,75.
A primeira interpretação é irresistível: se 75% do trabalho está exposto à IA, o programador tornou-se uma espécie ameaçada.
Não foi isso que a Anthropic mediu.
Seu indicador de “exposição observada” combina as tarefas descritas na base ocupacional O*NET, estimativas sobre aquilo que modelos de linguagem conseguem acelerar e o uso efetivamente observado do Claude. Também dá peso diferente a situações em que a IA aparentemente automatiza uma tarefa e àquelas em que funciona como auxílio ao trabalhador.
Isso permite identificar onde a tecnologia está entrando no processo de trabalho.
Não permite concluir que a mesma proporção da profissão poderia ser eliminada.
Um desenvolvedor pode utilizar um modelo de linguagem para localizar um erro, escrever testes, gerar SQL, refatorar uma função, documentar uma API, estudar uma biblioteca, converter código, criar uma expressão regular ou comparar alternativas de arquitetura.
Pode fazer isso durante praticamente o dia inteiro.
A exposição à IA seria enorme.
O número de programadores substituídos poderia continuar sendo zero.
O que mudou foi a quantidade de trabalho necessária para obter determinado resultado.
Essa diferença entre substituir uma tarefa e substituir uma profissão é uma das mais importantes para entender o mercado de inteligência artificial — e uma das mais frequentemente perdidas quando estudos econômicos chegam às manchetes.
A própria Anthropic encontrou, em outro levantamento publicado em março de 2026, que o Claude cobria naquele momento apenas 33% das tarefas da categoria ampla de computação e matemática, embora a capacidade teórica dos modelos alcançasse parcela muito maior. A empresa também afirma explicitamente que uso real, capacidade técnica e impacto econômico são coisas diferentes.
Em janeiro, outro relatório da companhia trouxe uma informação ainda mais interessante: quando analisadas as conversas no Claude.ai, interações classificadas como augmentação, nas quais a IA auxilia o usuário, já representavam 52% do uso, contra 45% classificadas como automação.
A história de que o computador simplesmente “faz o trabalho no lugar da pessoa” é confortável porque é fácil de compreender.
A realidade é mais complicada.
Ele frequentemente faz o trabalho com a pessoa.
Um programador não ficou três vezes desempregado porque ficou três vezes mais produtivo
Esse ponto parece óbvio até ser colocado em uma planilha econômica.
Se uma ferramenta reduz de três horas para 30 minutos uma tarefa de programação, seis vezes mais daquela tarefa podem ser realizadas no mesmo período.
Mas empresas não contratam “horas de programação”. Elas contratam pessoas para resolver problemas.
O ganho pode aparecer de várias maneiras.
Um projeto é entregue antes. Uma funcionalidade que antes não compensava financeiramente passa a compensar. A empresa testa cinco hipóteses em vez de uma. O profissional consegue atacar problemas mais complexos. Um software pequeno, que exigiria uma equipe, passa a ser viável para dois desenvolvedores.
E, sim, existe outra possibilidade: a empresa percebe que não precisa contratar a terceira pessoa.
Esse é um efeito real da automação.
Só não é a mesma coisa que dizer que o emprego existente desapareceu.
A inteligência artificial pode afetar o mercado de trabalho primeiro nas margens: menos vagas novas, redução da demanda por funções de entrada, aumento de produtividade esperado por funcionário e diminuição do valor de tarefas que antes consumiam horas.
Em março, a própria Anthropic afirmou não encontrar aumento sistemático de desemprego entre trabalhadores das profissões mais expostas desde o fim de 2022. O levantamento encontrou apenas evidência considerada sugestiva de que a contratação de jovens estaria desacelerando nessas ocupações.
Isso é bastante diferente de uma máquina chegando à fábrica e retirando alguém da linha de produção.
E talvez seja muito mais relevante para empresários.
O grande risco pode não estar na demissão. Pode estar na vaga que nunca será aberta
Imagine uma empresa que cresceria de dez para 15 funcionários.
Depois da adoção de ferramentas de inteligência artificial, os dez conseguem absorver boa parte do aumento de produção e a empresa chega a 12.
Ninguém foi substituído.
Três empregos deixaram de existir antes mesmo de serem criados.
Os dez funcionários originais podem ter se tornado mais produtivos e continuar ganhando exatamente o mesmo salário.
A margem da empresa aumenta.
Também é possível que parte do ganho seja entregue ao cliente por meio de preços menores, que a empresa utilize a produtividade para produzir mais, que aumente salários para reter os melhores profissionais ou que simplesmente transforme o ganho em lucro.
Nada disso aparece adequadamente na pergunta simplificada “quantos empregos a IA eliminou?”.
É por isso que a descoberta da Apollo sobre salários merece atenção.
Ela levanta uma hipótese econômica plausível: parte dos ganhos de produtividade pode estar ficando com as empresas em vez de ser transferida aos trabalhadores.
Mas hipótese plausível não é sinônimo de causa demonstrada.
Tem um problema enorme chamado 2022
O estudo cruza os dados de exposição à IA com informações de emprego e salários das ocupações americanas e identifica uma mudança após a popularização da IA generativa.
Só que a inteligência artificial não foi o único acontecimento econômico do período.
Especialmente nas profissões que aparecem entre as mais expostas.
Programadores, profissionais de mídia, analistas, trabalhadores administrativos e outras funções intensivas em informação atravessaram justamente uma fase de forte reorganização do mercado americano.
O setor de tecnologia saiu do excesso de contratações da pandemia para demissões em massa. Os juros americanos subiram. Capital ficou mais caro. Startups perderam financiamento. Empresas que haviam contratado antecipando anos de crescimento reduziram equipes.
Esse problema é tão relevante que, em fevereiro de 2026, antes do novo estudo sobre salários, o próprio economista-chefe da Apollo, Torsten Sløk, publicou uma análise chamada “Confusing AI with Fed Hikes”.
O argumento era direto: quedas de emprego em setores considerados sensíveis à inteligência artificial estavam sendo atribuídas em excesso ao ChatGPT, embora os mesmos setores também fossem afetados por juros elevados, incerteza comercial e mudanças na oferta de mão de obra. A conclusão da Apollo naquele momento era que provavelmente havia uma combinação desses fatores, e não apenas IA.
Poucos meses depois, a mesma dificuldade não desapareceu magicamente porque a variável analisada passou de emprego para salário.
O novo estudo é mais sofisticado do que simplesmente comparar duas linhas de um gráfico. Os autores utilizam uma metodologia de diferença em diferenças, com efeitos fixos por ocupação e ano, em 321 ocupações.
Ainda assim, qualquer interpretação causal depende de conseguir separar a chegada da IA das outras mudanças que atingiram de maneira desigual exatamente os setores mais expostos.
Isso é particularmente difícil em uma transformação tão recente.
A lista de salários já dá uma pista de que há muita coisa acontecendo ao mesmo tempo
Entre as ocupações com maior queda salarial real entre 2022 e 2024 aparecem locutores de rádio e DJs, com redução superior a 50%, técnicos de radiodifusão, diretores musicais e compositores, artesãos, psicólogos organizacionais, juízes e magistrados, escritores e legisladores.
Seria bastante corajoso atribuir a queda no salário de magistrados ou locutores de rádio americanos principalmente ao Claude.
O próprio estudo não faz isso.
Essas variações mostram justamente que salários e emprego estão sendo afetados por transformações específicas de cada setor, composição da mão de obra, demanda, mudanças tecnológicas anteriores à IA generativa e condições econômicas gerais.
A exposição à IA acrescenta mais uma variável.
Uma variável cada vez mais importante.
Não uma explicação automática para tudo.
O erro mais caro para uma empresa é confundir automação com demissão
Existe uma razão comercial para essa discussão importar.
Quando um empresário entende inteligência artificial apenas como uma ferramenta para substituir pessoas, ele começa pelo lugar errado.
A pergunta vira:
“Quantos funcionários consigo cortar?”
Só que boa parte dos maiores ganhos atuais não aparece na folha de pagamento.
Aparece na capacidade produtiva.
Um analista que levava uma manhã inteira para organizar informações consegue começar a análise em minutos.
Um desenvolvedor deixa agentes trabalhando em partes diferentes de um projeto enquanto resolve o problema principal.
Um profissional de comunicação transforma uma entrevista de uma hora em transcrição, levantamento de dados, oportunidades de pauta, cortes, conteúdo para diferentes canais e material de apoio sem reconstruir tudo manualmente.
Um comercial consegue pesquisar uma empresa antes de uma abordagem, organizar informações disponíveis, comparar histórico e preparar uma conversa muito mais específica.
Nada disso exige demitir alguém.
Exige redesenhar trabalho.
É menos cinematográfico do que um exército de robôs chegando ao escritório.
Também é muito mais útil.
LLM não é um funcionário digital
Outro problema da discussão atual é tratar modelos de linguagem como se fossem profissionais artificiais esperando uma mesa vazia no escritório.
Não são.
Um LLM produz saídas a partir de contexto, instruções, ferramentas disponíveis e padrões aprendidos durante seu treinamento. Modelos mais recentes conseguem operar softwares, executar código, pesquisar informações e trabalhar em fluxos cada vez mais longos, mas continuam dependendo da qualidade do contexto, da definição do problema e dos mecanismos de verificação.
É por isso que a mesma ferramenta pode ser extraordinária nas mãos de uma pessoa e produzir uma coleção impressionante de bobagens nas mãos de outra.
Automatizar uma tarefa bem especificada é relativamente simples.
Descobrir qual tarefa deveria ser feita, identificar uma exceção inesperada, entender uma consequência comercial, decidir quando uma regra precisa ser quebrada e assumir responsabilidade pelo resultado são problemas diferentes.
É também por isso que o avanço de agentes de IA provavelmente não produzirá uma redução uniforme do valor de todas as pessoas de uma profissão.
Pode produzir algo mais desconfortável: uma diferença muito maior entre profissionais da mesma profissão.
Talvez a IA não esteja desvalorizando profissões. Pode estar desvalorizando partes delas
Um programador que vive de reproduzir código previsível passa a competir com uma tecnologia extremamente barata capaz de gerar código previsível.
Um redator cuja principal entrega é reorganizar informação disponível enfrenta problema semelhante.
Um analista cuja função consiste em abrir uma planilha, aplicar sempre as mesmas transformações e produzir sempre o mesmo relatório também.
Isso não significa que programação, comunicação ou análise perderam valor.
Significa que determinada parcela do trabalho deixou de justificar o mesmo prêmio econômico.
Ao mesmo tempo, cresce o valor de quem consegue definir problemas, avaliar resultados, combinar áreas de conhecimento, decidir diante de informação incompleta e utilizar as ferramentas para produzir muito mais.
A Anthropic encontrou algo que aponta justamente para a complexidade desse processo. Em seu Economic Index, profissões como desenvolvimento de software podem apresentar alta cobertura de tarefas, mas impacto efetivo menor quando são considerados tempo gasto, sucesso na execução e características das atividades. A própria empresa reconhece que observar uma tarefa sendo realizada no Claude não mostra automaticamente como aquilo altera o trabalho no mundo real.
É muito mais interessante do que simplesmente perguntar qual profissão “vai acabar”.
Para uma empresa, o indicador importante não é exposição à IA. É custo por resultado
Se uma equipe produz 20 propostas comerciais por mês e passa a produzir 50 com a mesma estrutura, alguma coisa economicamente relevante aconteceu.
Se um desenvolvedor entrega em dois dias uma integração que levaria uma semana, alguma coisa aconteceu.
Se um processo administrativo que consumia 40 horas passa a consumir oito, também.
Nenhuma dessas mudanças exige uma única demissão para gerar retorno financeiro.
O ganho pode financiar crescimento.
Pode permitir atender clientes menores.
Pode aumentar margem.
Pode abrir um produto que antes seria caro demais.
Pode reduzir prazo.
Pode liberar profissionais para atividades mais valiosas.
Pode também ser desperdiçado porque a empresa assinou cinco ferramentas de IA, criou meia dúzia de contas e continuou trabalhando exatamente como antes.
Essa última possibilidade é bastante comum.
Tecnologia isolada não cria produtividade. Processo é o que transforma capacidade técnica em resultado econômico.
Colocar ChatGPT em todos os computadores não é estratégia de IA
A adoção empresarial ainda tem muito dessa lógica.
Compra-se uma assinatura.
Libera-se acesso.
Cada funcionário descobre alguma coisa sozinho.
Um pede para resumir e-mail.
Outro cria uma legenda.
Outro escreve uma fórmula.
A empresa conclui que “já usa IA”.
Isso é parecido com comprar computadores em 1995 e considerar concluída a transformação digital.
A oportunidade maior está em olhar para o fluxo completo.
Onde uma informação nasce? Quantas vezes alguém precisa copiá-la? Quem precisa conferir? Que sistema recebe o dado? Qual decisão depende dele? Qual etapa tem regra previsível? Onde ocorre a exceção? Onde existe risco demais para automatizar? Onde uma pessoa qualificada está gastando horas fazendo trabalho mecânico?
São essas perguntas que revelam dinheiro escondido dentro de uma operação.
Às vezes a resposta será um agente de IA.
Às vezes será uma integração tradicional entre dois sistemas.
Às vezes um script de 30 linhas resolve melhor do que um modelo de linguagem de bilhões de parâmetros.
E, em alguns casos, a melhor solução será deixar uma pessoa fazer o trabalho porque automatizar custaria mais, criaria risco ou pioraria o resultado.
Usar IA bem também significa saber onde não usá-la.
Enquanto discutimos se a IA vai acabar com empregos, empresas estão aprendendo a produzir de outro jeito
A manchete sobre salários não deve ser ignorada.
Se a inteligência artificial estiver enfraquecendo o poder de barganha de determinadas categorias, reduzindo contratação de entrada ou transferindo ganhos de produtividade principalmente para o capital, teremos uma discussão econômica importante pela frente.
Os dados atuais ainda estão longe de encerrar essa questão.
Para quem administra uma empresa, porém, existe uma conclusão mais imediata.
A vantagem competitiva não está em possuir acesso ao mesmo modelo que milhões de pessoas podem contratar em cinco minutos.
Está em transformar aquela capacidade em processo.
É justamente esse trabalho que fazemos na Descomplica Comunicação: comunicação, tecnologia, automação e inteligência artificial não como departamentos isolados, mas como partes do mesmo problema empresarial.
Antes de procurar “qual IA usar”, vale descobrir onde sua empresa perde horas, repete trabalho, deixa informação parada, demora para responder, desperdiça conhecimento ou mantém pessoas qualificadas executando processos que já poderiam ser parcialmente automatizados.
Porque seu concorrente não precisa substituir nenhum funcionário para ficar mais barato, mais rápido e mais produtivo que você.
Ele só precisa aprender a trabalhar melhor antes.