Futuro do trabalho com IA: como liderar pessoas e tecnologia com sinergia

O desafio da liderança não é decidir quanto automatizar, e sim o que automatizar, o que ampliar e o que manter nas mãos das pessoas.

O futuro do trabalho com inteligência artificial (IA) se decide menos na tecnologia e mais na gestão. Líderes que tratam a IA como forma de substituir pessoas em larga escala assumem riscos que as evidências recentes já começam a mostrar, enquanto os que a usam para ampliar capacidades, com humanos nas decisões e ganhos reinvestidos, tendem a construir vantagem mais duradoura. No Brasil, onde a adoção acelera e os primeiros efeitos aparecem entre jovens em início de carreira, essa escolha pesa ainda mais. A pergunta útil deixou de ser "quantos empregos a IA elimina?" e passou a ser "onde a tecnologia gera valor e onde a presença humana é insubstituível?".

Resumo: o que você precisa saber

• A pergunta certa: não é se a IA vai substituir pessoas, mas em quais tarefas ela deve ser aplicada e em quais o julgamento humano é indispensável.
• Evidências de cautela: cortes feitos antes da hora podem sair caro. O Gartner projeta que 30% dos demitidos por substituição por IA terão de ser recontratados até 2029 e que metade das empresas que planejavam reduzir equipes de atendimento deve desistir disso até 2027.
• O cenário brasileiro: cerca de 30 milhões de trabalhadores estão em ocupações expostas à IA generativa, a adoção na indústria mais que dobrou em dois anos e a falta de profissionais qualificados é uma das principais barreiras.
• Pessoas no centro: pesquisas indicam que a clareza sobre a mudança, a requalificação e o bem-estar pesam tanto quanto a produtividade.
• Critério de decisão: automatizar o repetitivo, ampliar o analítico, conduzir com pessoas o que exige confiança e manter humanos responsáveis pelas decisões de alto impacto.
• Caminho da liderança: começar pelo problema, mapear tarefas, pilotar, medir, comunicar e reinvestir os ganhos.

A pergunta errada e a pergunta certa

O debate público sobre IA e emprego costuma girar em torno de um número: quantas vagas vão desaparecer. É uma pergunta compreensível, mas pouco útil para quem precisa decidir amanhã. Empregos são feitos de tarefas, e cada tarefa tem uma natureza diferente: algumas são repetitivas e delimitadas, outras exigem contexto, relacionamento, ética ou criatividade. A boa gestão começa por separá-las.

O que a evidência recente sugere é que a substituição apressada é um mau negócio. O Gartner projeta que, até 2029, 30% dos profissionais demitidos sob a justificativa de substituição por IA precisarão ser recontratados, muitas vezes a custos significativamente maiores. Segundo a consultoria, cortes precoces esvaziam o pipeline de talentos e o conhecimento institucional. No atendimento ao cliente, a mesma consultoria prevê que, até 2027, metade das organizações que planejavam reduzir equipes de forma significativa abandonará esses planos; em sondagem com 163 líderes da área, 95% disseram pretender manter agentes humanos.

É preciso ler esses números com método. São previsões, não medições: os comunicados públicos não detalham amostra, setores nem custo médio de recontratação. E há uma distinção importante: abandonar planos de corte não é o mesmo que recontratar quem já saiu. Mesmo com essas ressalvas, o sinal converge com o de outras fontes: a IA tende a complementar o trabalho humano, e as empresas que a trataram como atalho para cortar custos estão revendo a conta.

Seis debates que a liderança precisa enfrentar

A discussão sobre o futuro do trabalho com IA se organiza em seis eixos. Para cada um, vale levar uma pergunta à mesa de decisão.

1. Substituição versus complementaridade. Discute-se se a IA eliminará empregos inteiros ou apenas automatizará tarefas repetitivas e operacionais, liberando as pessoas para atividades estratégicas. O FMI considera que alguns empregos podem ser totalmente substituídos, mas que o cenário mais provável é a complementaridade. Pergunta para a liderança: quais tarefas da minha operação são realmente delimitadas e quais dependem de julgamento?
2. Mudança de habilidades e requalificação. Uma projeção do LinkedIn, divulgada pela Exame, indica que cerca de 70% das habilidades usadas na maioria dos empregos terão mudado até 2030. Dois cuidados: a estimativa vem da análise de vagas e perfis da própria plataforma, e o título da matéria fala em habilidades que "deixarão de existir", enquanto o texto fala em habilidades que "terão mudado". Mudar não é desaparecer. Na pesquisa da KPMG, 62% dos trabalhadores dizem que o investimento da empresa em suas habilidades pesa na decisão de entrar, sair ou ficar. Pergunta: quem paga, em tempo e dinheiro, pela requalificação?
3. Novas funções e cargos. Surgem funções de supervisão de algoritmos, engenharia de prompts, governança de dados e cibersegurança. A própria Exame observa que a engenharia de prompts, hoje em alta, pode dar lugar à gestão de modelos de linguagem: cargos do futuro têm prazo de validade curto. Pergunta: estamos formando pessoas para um título ou para competências duradouras, como análise, julgamento e comunicação?
4. Produtividade versus saúde mental. O estudo Futuro do Trabalho, da KPMG, ouviu 4 mil profissionais: 66% acreditam que a tecnologia aumentará sua produtividade nos próximos três anos, mas quase dois em cada cinco consideram que o ganho não compensa o efeito sobre bem-estar e saúde mental, e 36% dizem que a empresa não é clara sobre como os trabalhadores devem se adaptar. Pergunta: o ganho de eficiência está sendo medido junto com a carga que ele transfere para as pessoas?
5. Ética, privacidade e regulação. Entram aqui o viés algorítmico, o uso ético de dados, a propriedade intelectual (inclusive o uso de vozes e imagens) e a necessidade de diretrizes legais e auditorias. No Brasil, a LGPD já garante o direito de pedir revisão de decisões tomadas unicamente com base em tratamento automatizado, e o marco legal da IA segue em discussão no Congresso. Pergunta: se alguém de fora questionasse uma decisão apoiada por IA na minha empresa, conseguiríamos explicá-la e auditá-la?
6. Desigualdade e impacto regional. Em análise de janeiro de 2024, o FMI estimou que cerca de 40% dos empregos no mundo estão expostos à IA, com 60% nas economias avançadas, 40% nos mercados emergentes (grupo em que está o Brasil) e 26% nos países de baixa renda. Muitos países emergentes carecem de infraestrutura e mão de obra qualificada para aproveitar a tecnologia, o que pode aprofundar a desigualdade entre nações. Dados mais recentes, apresentados na próxima seção, mostram que a exposição é desigual também dentro do Brasil. Pergunta: a nossa adoção de IA amplia oportunidades para todos os perfis da equipe ou só para quem já tem mais acesso e formação?

Os seis debates convergem num ponto: as consequências da IA no trabalho dependem de decisões organizacionais e políticas, e não apenas do desempenho dos modelos.

O futuro do trabalho com IA no Brasil: adoção acelerada, efeitos desiguais

Os debates globais ganham contornos próprios no Brasil. Os dados mais recentes mostram uma adoção que avança rápido, mas de forma concentrada, e os primeiros efeitos sobre o emprego aparecem justamente onde a formação de novos talentos começa.

Adoção cresce rápido, mas de forma concentrada

Na indústria, a PINTEC Semestral, do IBGE, mostra que o percentual de empresas industriais com 100 ou mais pessoas ocupadas que usam IA saltou de 16,9% em 2022 para 41,9% em 2024, o maior avanço entre as tecnologias digitais avançadas pesquisadas. Os usos se concentram em administração (87,9%), comercialização (75,2%) e desenvolvimento de produtos e processos (73,1%). No conjunto da economia, o ritmo é menor: segundo a TIC Empresas 2025, do Cetic.br, 17% das empresas com dez ou mais pessoas ocupadas usaram IA em 2025, percentual que chega a 50% entre as grandes e cai para 15% entre as pequenas. A média brasileira ainda fica abaixo da registrada na União Europeia (20%).

Exposição: 30 milhões de trabalhadores e um alerta para os jovens

Estudo do FGV Ibre estima que cerca de 30 milhões de trabalhadores, ou 29,6% da população ocupada, estavam no terceiro trimestre de 2025 em ocupações com algum grau de exposição à IA generativa, dos quais 5,2 milhões no grau mais alto. A exposição é maior entre mulheres, jovens, pessoas mais escolarizadas, no Sudeste e nos setores de informação e comunicação e de serviços financeiros. Mais revelador que o total é o cruzamento: cerca de 20% dos ocupados combinam alta exposição e baixa complementaridade, o grupo mais vulnerável à perda de emprego, enquanto pouco mais de 20% combinam alta exposição e alta complementaridade, com potencial de ganho de produtividade e salário. Exposição, portanto, não é sinônimo de substituição.

Os primeiros efeitos já aparecem. Análise do pesquisador Daniel Duque, também do FGV Ibre, com dados da PNAD Contínua, indica que jovens de 18 a 29 anos em ocupações mais expostas têm cerca de 5% menos chance de estar empregados e renda cerca de 7% menor do que teriam sem essa exposição, com efeito bem menor nas demais faixas etárias. O próprio autor pede cautela, já que o período observado é curto. Ainda assim, o sinal conversa diretamente com o alerta do Gartner: se a IA absorve as tarefas de entrada, a empresa economiza hoje e pode ficar sem quem formar para as posições de amanhã.

Qualificação é o gargalo, e a regulação está em construção

Entre as indústrias que adotam tecnologias avançadas, a falta de pessoal qualificado é citada por 54,2%; entre as que não adotam, a barreira chega a 60,6%, segundo o mesmo levantamento do IBGE. Na política pública, o Plano Brasileiro de Inteligência Artificial (PBIA) prevê R$ 23 bilhões entre 2024 e 2028, dos quais cerca de R$ 1,15 bilhão para formação e capacitação, uma fatia pequena do total, o que reforça o papel das empresas e das parcerias com instituições de pesquisa na requalificação.

No campo regulatório, o PL 2338/2023, conhecido como marco legal da IA, foi aprovado pelo Senado em dezembro de 2024 e, em outubro de 2026, aguarda parecer do relator na comissão especial da Câmara, com votação prevista para depois das eleições. O projeto adota uma lógica de classificação por risco, e a seleção de pessoas está entre as aplicações de maior risco, ao lado de saúde e crédito. Enquanto a lei não vem, a LGPD já assegura a revisão de decisões automatizadas que afetem os interesses das pessoas.

O que isso significa para a liderança no Brasil

• Proteja a porta de entrada. Estágios, programas de trainee e vagas júnior são o pipeline de talentos. Automatizar tarefas de entrada sem redesenhar a trilha de aprendizagem compromete a sucessão.
• Trate qualificação como infraestrutura. Se a falta de gente qualificada é uma das principais barreiras à adoção, requalificar é condição para capturar valor, e não custo acessório. Parcerias com universidades e institutos de ciência e tecnologia (ICTs) ampliam essa capacidade.
• Antecipe a regulação. Documente critérios, supervisão humana e canais de revisão em sistemas que afetam pessoas, sobretudo em recrutamento, avaliação de desempenho e crédito, antes que a lei exija.
• Olhe para a desigualdade dentro da equipe. A exposição varia por gênero, idade, escolaridade e região. Políticas de adoção que ignoram isso tendem a ampliar distâncias dentro da própria organização.

Onde aplicar IA e onde manter pessoas: um critério de decisão

Não existe fórmula universal, mas um critério simples ajuda a orientar a conversa: o papel da IA muda conforme a natureza do trabalho. A tabela abaixo é uma proposta de leitura, com exemplos ilustrativos, e deve ser adaptada a cada operação.

O atendimento ao cliente mostra a lógica na prática. A orientação do Gartner de "digital first, but not digital only" (digital primeiro, mas não só digital) reconhece que a IA resolve bem a demanda simples e volumosa, mas que casos delicados, reclamações e situações de produto que não funciona pedem uma pessoa. Cortar o atendente humano para economizar pode custar mais em reputação e retrabalho do que a folha economizada.

Sinergia na prática: sete movimentos para liderar equipes com IA

1. Comece pelo problema, não pela ferramenta. Defina o resultado desejado (menos retrabalho, resposta mais rápida, decisão mais bem informada) antes de escolher a tecnologia.
2. Mapeie tarefas, não cargos. Decomponha as funções em tarefas e classifique cada uma com o critério acima. Isso evita automatizar o que deveria ser ampliado, e vice-versa.
3. Desenhe o fluxo com humanos na decisão. Defina quem revisa, quem aprova e quem responde pelo resultado. O Gartner prevê que, até 2027, 40% das empresas vão rebaixar ou desativar agentes autônomos de IA por lacunas de governança identificadas só depois de incidentes em produção: autonomia sem supervisão não escala.
4. Pilote, meça e só então reorganize. Cortes são difíceis de reverter; validar a tecnologia em escala evita pagar duas vezes e preserva o conhecimento institucional.
5. Comunique com clareza. Quando 36% dos trabalhadores dizem não saber como se adaptar, o problema é de gestão da mudança. Explique o que muda, o que não muda e como cada pessoa será apoiada.
6. Invista em requalificação como parte da estratégia. Equilibre contratação de talentos novos com o desenvolvimento de quem já conhece o negócio, tratando o aprendizado contínuo como rotina, e não como evento. No Brasil, onde a falta de profissionais qualificados trava a própria adoção, esse movimento pesa ainda mais.
7. Reinvista os ganhos. O Gartner prevê que, até 2027, 75% das organizações que transformarem a produtividade da IA apenas em corte de custos serão superadas por concorrentes que reinvestirem em inovação, modernização e capacitação. O ganho que não volta para as pessoas e para o negócio tende a se esgotar.

Como saber se a sinergia está funcionando

Indicadores só de custo escondem metade da história. Vale acompanhar um conjunto que inclua:

• qualidade e retrabalho, não apenas velocidade;
• tempo de resolução combinado com satisfação de clientes e usuários;
• carga de trabalho percebida, engajamento e retenção das equipes;
• aprendizado: competências desenvolvidas, pessoas requalificadas e vagas de entrada preservadas;
• custo total da solução, incluindo supervisão, governança e correção de falhas.
• O rótulo não garante a prática. Pesquisas acadêmicas apontam que boa parte do que se chama de centrado no humano, em áreas como processamento de linguagem natural, ainda prioriza o desempenho do sistema, e que não há definição amplamente compartilhada do termo. Sem critérios verificáveis (quem decide, quem responde, quem se beneficia), a expressão vira marketing.
• Humanizada não é humana. Uma interface que simula empatia não substitui a empatia de quem atende. Há ainda o viés de adulação, em que sistemas concordam com o usuário mesmo quando ele está errado. O objetivo não é buscar o resultado mais humano, e sim ampliar a capacidade das pessoas, lidando com as imperfeições da IA com supervisão, como se faz com o trabalho de um colega.
• Quem captura o ganho de produtividade? Se a produtividade extra vira apenas corte de custos, o discurso humano-cêntrico é retórica.
• Quem sai e não volta. Se 30% das posições cortadas forem repostas, a maioria não volta, e nada garante que as vagas recompostas fiquem com as mesmas pessoas. Que a recontratação saia cara para a empresa não repara a perda de renda, de confiança e de trajetória de quem foi dispensado antes da hora. No Brasil, onde os jovens já mostram os primeiros efeitos, esse custo recai sobretudo sobre quem está começando.
• A pressão por custos é real. Empresas respondem a investidores e a margens, e nem todo corte motivado por automação será revertido. O argumento humano-cêntrico precisa ser também econômico, e os dados de custo de recontratação, retrabalho e perda de conhecimento ajudam a construí-lo.
• Quais tarefas da nossa operação podem ser automatizadas sem perda de qualidade, e quais não?
• Quem responde pelas decisões apoiadas por IA, e como esse papel está desenhado?
• Os ganhos de produtividade estão sendo reinvestidos em pessoas e inovação ou apenas em redução de custos?
• As equipes sabem o que vai mudar nos próximos 12 meses e como serão apoiadas?
• Estamos medindo carga de trabalho e bem-estar junto com eficiência?
• Como estamos preservando as vagas de entrada e a formação de novos talentos?
• Que conhecimento crítico sairia da empresa se uma função fosse automatizada hoje?

IA centrada no ser humano: princípio de projeto, não slogan

IA centrada no ser humano (human-centered AI) é uma abordagem de projeto e uso da inteligência artificial que prioriza necessidades, valores, bem-estar e autonomia das pessoas. Parte de uma premissa simples: as soluções devem ser pensadas e executadas por pessoas e para as pessoas, e a tecnologia veio para ampliar capacidades humanas, e não para ocupar o lugar de quem as exerce. Na prática, privacidade, transparência e justiça são requisitos, e o controle e a responsabilidade pelas decisões permanecem com quem responde por elas. O termo aparece também como IA humanizada ou human-centric AI.

Defender o humano no centro exige encarar as críticas ao próprio conceito:

• O rótulo não garante a prática. Pesquisas acadêmicas apontam que boa parte do que se chama de centrado no humano, em áreas como processamento de linguagem natural, ainda prioriza o desempenho do sistema, e que não há definição amplamente compartilhada do termo. Sem critérios verificáveis (quem decide, quem responde, quem se beneficia), a expressão vira marketing.
• Humanizada não é humana. Uma interface que simula empatia não substitui a empatia de quem atende. Há ainda o viés de adulação, em que sistemas concordam com o usuário mesmo quando ele está errado. O objetivo não é buscar o resultado mais humano, e sim ampliar a capacidade das pessoas, lidando com as imperfeições da IA com supervisão, como se faz com o trabalho de um colega.
• Quem captura o ganho de produtividade? Se a produtividade extra vira apenas corte de custos, o discurso humano-cêntrico é retórica.
• Quem sai e não volta. Se 30% das posições cortadas forem repostas, a maioria não volta, e nada garante que as vagas recompostas fiquem com as mesmas pessoas. Que a recontratação saia cara para a empresa não repara a perda de renda, de confiança e de trajetória de quem foi dispensado antes da hora. No Brasil, onde os jovens já mostram os primeiros efeitos, esse custo recai sobretudo sobre quem está começando.
• A pressão por custos é real. Empresas respondem a investidores e a margens, e nem todo corte motivado por automação será revertido. O argumento humano-cêntrico precisa ser também econômico, e os dados de custo de recontratação, retrabalho e perda de conhecimento ajudam a construí-lo.

Perguntas para abrir a conversa na sua organização

• Quais tarefas da nossa operação podem ser automatizadas sem perda de qualidade, e quais não?
• Quem responde pelas decisões apoiadas por IA, e como esse papel está desenhado?
• Os ganhos de produtividade estão sendo reinvestidos em pessoas e inovação ou apenas em redução de custos?
• As equipes sabem o que vai mudar nos próximos 12 meses e como serão apoiadas?
• Estamos medindo carga de trabalho e bem-estar junto com eficiência?
• Como estamos preservando as vagas de entrada e a formação de novos talentos?
• Que conhecimento crítico sairia da empresa se uma função fosse automatizada hoje?

Perguntas frequentes sobre o futuro do trabalho com IA

A inteligência artificial vai substituir empregos?

A IA tende a automatizar tarefas, e não funções inteiras, e o cenário mais provável, segundo o FMI, é que complemente o trabalho humano. Alguns empregos podem ser totalmente substituídos, mas as previsões recentes do Gartner indicam que muitas empresas que cortaram cedo demais podem precisar voltar atrás.

Como a IA está afetando o mercado de trabalho no Brasil?

Cerca de 30 milhões de trabalhadores, quase 30% dos ocupados, estão em ocupações com algum grau de exposição à IA generativa, segundo o FGV Ibre. Os primeiros efeitos negativos aparecem entre jovens de 18 a 29 anos em ocupações mais expostas, com menor chance de emprego e renda mais baixa. Ao mesmo tempo, a adoção avança: 41,9% das indústrias com 100 ou mais pessoas ocupadas usavam IA em 2024, segundo o IBGE.

O Brasil já tem lei sobre inteligência artificial?

Ainda não há uma lei geral. O marco legal da IA (PL 2338/2023) foi aprovado pelo Senado em dezembro de 2024 e, em outubro de 2026, segue em análise na Câmara dos Deputados. Enquanto isso, a LGPD já garante o direito de revisão de decisões tomadas unicamente com base em tratamento automatizado.

Onde aplicar IA e onde manter pessoas?

Aplique IA para automatizar tarefas repetitivas e delimitadas e para ampliar o trabalho analítico e criativo. Mantenha pessoas na condução de interações sensíveis e nas decisões de alto impacto, éticas ou regulatórias, com a IA apoiando nos bastidores.

O que é IA centrada no ser humano?

É uma abordagem que projeta e usa a IA para ampliar as capacidades das pessoas, com privacidade, transparência e responsabilidade humana pelas decisões. Também aparece como human-centered AI ou IA humanizada.

Como a liderança pode começar a integrar IA e pessoas?

Começando pelo problema a resolver, mapeando tarefas em vez de cargos, pilotando antes de reorganizar, comunicando com clareza e reinvestindo os ganhos em requalificação e inovação.

Quais habilidades serão mais importantes até 2030?

Uma projeção do LinkedIn indica que cerca de 70% das habilidades usadas na maioria dos empregos terão mudado até 2030. A tendência apontada é a migração de tarefas operacionais, como entrada de dados, para funções de gestão e supervisão, o que exige aprendizado contínuo e compreensão prática das ferramentas.

Conclusão

O futuro do trabalho com inteligência artificial não está escrito pela tecnologia. Está sendo escrito, todos os dias, pelas decisões de quem lidera: onde aplicar, o que ampliar, o que preservar e como dividir os ganhos. As evidências recentes sugerem que a substituição apressada custa caro e que a sinergia entre pessoas e IA, com governança, clareza e requalificação, é o caminho mais sólido. No Brasil, onde a adoção acelera e os primeiros efeitos atingem quem está começando a carreira, proteger a porta de entrada e investir em qualificação é também proteger a capacidade de inovar. A IA centrada no ser humano deixa de ser slogan quando vira critério de gestão, com perguntas claras, indicadores honestos e responsabilidade definida.

Fontes consultadas

• Gartner: Gartner Identifies Four Shifts Shaping the Future of Work (comunicado, set/2026)
• Gartner: 50% das organizações abandonarão planos de reduzir equipes de atendimento por causa da IA (comunicado, jun/2025)
• Gartner: Applying Uniform Governance Across AI Agents Will Lead to Enterprise AI Agent Failure (comunicado, mai/2026)
• Portal Information Management: Gartner identifica quatro mudanças que estão moldando o futuro do trabalho
• Tecnoblog: IA no SAC? Metade das empresas deve desistir dessa ideia
• FMI: AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity (jan/2024)
• IBGE / PINTEC Semestral: de 2022 a 2024, percentual de empresas industriais utilizando IA subiu de 16,9% para 41,9% (set/2025)
• Convergência Digital: TIC Empresas 2025, do Cetic.br, sobre uso de IA nas empresas brasileiras (jun/2026)
• Blog do Ibre (FGV): IA generativa e mercado de trabalho no Brasil, evidências iniciais (abr/2026)
• Olhar Digital: IA já reduz emprego e renda de jovens brasileiros, diz estudo (abr/2026)
• Revista Pesquisa FAPESP: Plano nacional de IA elenca áreas prioritárias para receber investimentos (ago/2024)
• Senado Federal: PL 2338/2023, que dispõe sobre o uso da inteligência artificial
• Câmara dos Deputados: ficha de tramitação do PL 2338/2023
• Grownt: PL da IA avança na Câmara, mas impasses travam o calendário (mai/2026)
• Planalto: Lei Geral de Proteção de Dados Pessoais (Lei nº 13.709/2018)
• Exame: IA e o futuro do trabalho, 70% das habilidades atuais (mai/2025)
• KPMG Brasil: Estudo revela impactos da inteligência artificial no futuro do trabalho (jul/2025)
• MobileTime: IA centrada no humano (mar/2026)
• arXiv: Human-Centric NLP or AI-Centric Illusion?
• Wilkens et al. (2021): Understandings and perspectives of human-centered AI