IA Vai Remodelar Mais Empregos do Que Substituir, Aponta Estudo do BCG

A Inteligência Artificial está no centro de uma das maiores transformações do mercado de trabalho das últimas décadas. E quando o Boston Consulting Group, o famoso BCG, aponta que entre 50% e 55% dos empregos nos Estados Unidos serão remodelados pela IA nos próximos dois a três anos, é natural que o primeiro pensamento seja: será que meu emprego vai acabar?

Mas calma.

Esse número impressionante não é um sinal de apocalipse profissional. Na verdade, ele aponta para algo bem mais complexo e, dependendo de como você encarar, até animador: a maioria dos empregos não vai desaparecer, vai mudar de forma. Para muitos profissionais, isso significa manter a mesma função ou uma função similar, mas enfrentar expectativas radicalmente novas sobre como trabalham e o que entregam.

A diferença entre remodelar e substituir é enorme, e entender isso faz toda a diferença para quem está se perguntando o que vem por aí.

Aqui está um resumo do que você vai encontrar neste artigo:

• O que o estudo do BCG realmente diz sobre o futuro dos empregos
• Os dois fatores que definem como a IA vai impactar cada função
• Os 6 segmentos de impacto no mercado de trabalho, com exemplos reais
• Por que a automação de tarefas não significa necessariamente perda de emprego
• As grandes incógnitas que vão influenciar o ritmo dessa transformação
• O que líderes de empresa precisam fazer agora para não ficar para trás

Se você trabalha com tecnologia, lidera equipes ou simplesmente quer entender para onde o mercado está caminhando, esse conteúdo foi feito pra você. 🚀

O Que o Estudo do BCG Realmente Está Dizendo

Antes de qualquer coisa, vale entender o que está por trás desse número que gerou tanto barulho. O Boston Consulting Group não está dizendo que metade dos trabalhadores americanos vai perder o emprego. O que o estudo aponta é que a natureza dessas funções vai mudar de forma significativa, e que essa mudança vai acontecer em um ritmo muito mais acelerado do que qualquer transformação tecnológica anterior que o mercado de trabalho já enfrentou.

A análise, baseada em modelagem microeconômica, identificou uma parcela expressiva da força de trabalho para a qual a IA vai aumentar as capacidades dos profissionais nas funções atuais, em vez de simplesmente eliminá-los. Mais do que isso: quando os ganhos de produtividade gerados pelo uso da IA provocam um aumento na demanda pelo produto final e o potencial de ampliação é alto, o BCG acredita que vai haver necessidade de mais funções humanas e, em alguns casos, funções completamente novas.

Enquanto a remodelação e a criação de novos empregos vão acontecer de forma relativamente rápida, a substituição total de empregos pela IA será mais lenta. A estimativa do estudo é que, daqui a cinco anos ou talvez mais adiante, entre 10% e 15% dos empregos nos EUA poderiam ser eliminados. Esse número considera 165 milhões de empregos americanos distribuídos em cerca de 1.500 funções diferentes. É um nível de potencial perda de empregos considerável, mas bem diferente dos 50% que muita gente interpretou de forma apressada.

Um ponto importante: o BCG deixa claro que essa análise não é uma previsão de desemprego. Ela não leva em conta fatores macroeconômicos como geopolítica ou inflação, nem contempla o impacto de possíveis novos avanços em IA além das capacidades dos modelos de fronteira atuais. Também não consegue resolver incógnitas poderosas, como o impacto futuro da IA na acessibilidade dos empregos ou a velocidade com que a tecnologia será adotada em escala.

Os Dois Fatores Que Determinam Tudo

Entender como a IA vai impactar uma profissão específica passa, inevitavelmente, por dois conceitos que o BCG coloca no centro da análise.

Substituição versus Aumento de Capacidades

O primeiro fator é a relação entre substituição e aumento de capacidades humanas. Para ilustrar essa diferença, o estudo usa dois exemplos que já estão vivendo a adoção de IA agêntica em escala: representantes de call center e engenheiros de software.

Um representante de call center é tipicamente responsável por resolver um conjunto definido de consultas de clientes dentro de fluxos de trabalho estabelecidos. Grande parte do trabalho envolve interações estruturadas como consultas de conta, explicações de políticas e resolução de problemas seguindo roteiros. Quando sistemas de IA conseguem lidar de ponta a ponta com essas consultas repetitivas de forma confiável, menos representantes são necessários. O fluxo de trabalho pode ser claramente dividido: IA cuida das interações de primeira linha e humanos ficam com escalações e exceções. No geral, o emprego na função de representante de call center vai diminuir conforme as tarefas mais estruturadas são absorvidas pelo sistema.

Já um engenheiro de software produz um resultado muito diferente. Embora a programação inclua elementos rotineiros, o valor central da função está no design de sistemas, no julgamento arquitetural, nas decisões entre desempenho e custo, e na tradução de necessidades de negócio em soluções técnicas. A IA pode acelerar dramaticamente a geração e os testes de código, mas com as capacidades atuais, ela não consegue substituir o julgamento de nível sistêmico necessário para ser responsável pelo resultado de ponta a ponta. O trabalho não pode ser dividido de forma limpa entre sistema e engenheiro. Em vez disso, o desenvolvimento de software se torna uma interação contínua onde engenheiros definem objetivos, refinam saídas, validam resultados e integram componentes em sistemas mais amplos.

Demanda Limitada versus Demanda Expandida

O segundo fator é o que o estudo chama de expansibilidade da demanda, e é aqui que muita gente se surpreende. Quando a IA reduz o custo de entregar um resultado de negócio ou produto final, a pergunta central é: a demanda por aquele resultado se expande ou permanece limitada?

Essa dinâmica não é nova. Economistas observam há tempos que melhorias de eficiência podem aumentar o consumo total em vez de reduzi-lo, um fenômeno frequentemente chamado de Paradoxo de Jevons. Quando o custo de um recurso cai, o uso pode subir. A mesma lógica se aplica ao trabalho: se a produtividade aumenta, o impacto no emprego depende de como a demanda pelo resultado responde.

A engenharia de software ilustra a demanda expansível. Organizações de todos os setores continuam enfrentando necessidades persistentes não atendidas de produtos digitais, automação e novas funcionalidades. Conforme a IA reduz o custo e o tempo necessários para construir software, as organizações frequentemente constroem mais. O volume total de produção se expande e o número geral de empregos pode permanecer estável ou crescer, mesmo com o aumento da produtividade individual dos engenheiros. O crescimento contínuo do número de engenheiros de software nos anos seguintes à introdução do ChatGPT em 2022 ilustra esse fenômeno.

Representantes de call center ilustram a demanda limitada. O volume de interações recebidas é amplamente determinado pelo tamanho da base de clientes e pela frequência das necessidades de atendimento. Quando a IA reduz o custo de lidar com consultas rotineiras, o número de interações não se expande proporcionalmente. Nesse contexto, os ganhos de produtividade tendem a reduzir o número de representantes necessários.

Os 6 Segmentos de Impacto no Mercado de Trabalho

O mapa que o BCG propõe organiza as ocupações em seis grupos distintos, cada um contando uma história diferente sobre como a relação entre humanos e automação vai se desenvolver nos próximos anos. Esses segmentos formam o que o BCG Henderson Institute chama de Segmentos de Disrupção de Trabalho por IA.

Funções Amplificadas (5% dos empregos atuais)

Quando a IA aumenta as capacidades humanas e a demanda se expande, o emprego pode permanecer estável ou crescer. Os humanos continuam centrais para a criação de valor, e pode haver pressão de inflação salarial conforme a maior produtividade aumenta a competição por talentos qualificados.

A engenharia de software se encaixa nessa categoria. Assim como muitos advogados, particularmente aqueles em áreas de consultoria e prática jurídica que exigem alto nível de julgamento. O investimento em startups de tecnologia jurídica, como a Harvey AI, atingiu níveis recordes em 2025, gerando discussão significativa sobre como a IA vai remodelar esse campo. Conforme a IA acelera pesquisa, elaboração de documentos e preparação de casos, os serviços jurídicos podem se tornar mais acessíveis. Em domínios onde existe demanda não atendida, como compliance, revisão regulatória e gestão de contratos, custos mais baixos podem aumentar o volume de trabalho jurídico.

Funções Reequilibradas (14% dos empregos atuais)

Quando a IA amplia o trabalho mas a demanda é limitada, o número de funcionários pode permanecer estável enquanto as funções são redesenhadas. Tarefas rotineiras são automatizadas e responsabilidades mais complexas se expandem. O upskilling se torna essencial à medida que o trabalho migra para atividades de maior valor.

Um exemplo é o marketing de conteúdo, onde a demanda é limitada por orçamentos de marketing e prioridades estratégicas. Ao mesmo tempo, com a fragmentação de audiências e com influenciadores e modelos de linguagem remodelando jornadas de clientes, as marcas precisam de mais conteúdo, não menos, entregue de forma mais segmentada para o público certo no momento certo. As funções de profissionais de marketing, em vez de serem divididas por canal como acontece hoje, vão se expandir para se tornarem especialistas omnichannel capazes de pensar campanhas de ponta a ponta.

Funções Divergentes (12% dos empregos atuais)

Onde a IA substitui tarefas humanas mas a demanda permanece expansível, o efeito sobre o emprego se torna desigual. Nessas funções, posições de nível inicial e júnior estão mais expostas à automação no curto prazo. Uma parcela considerável das tarefas estruturadas tradicionalmente realizadas nesses níveis está entre as primeiras a serem automatizadas, o que significa que haverá algumas perdas de emprego nessa categoria. Ao mesmo tempo, responsabilidades em níveis seniores persistem e podem crescer.

Agentes de vendas de seguros se encaixam nessa categoria. A IA automatiza atividades rotineiras como qualificação de leads, geração de cotações e comparações de apólices. Ao mesmo tempo, lacunas significativas de proteção permanecem, particularmente em coberturas de seguro de vida mais amplas e entre pequenas empresas que continuam com seguro insuficiente. Ao reduzir custos de distribuição e atendimento, a IA permite que seguradoras alcancem clientes anteriormente mal atendidos, expandindo a participação geral no mercado.

Técnicos de suporte de TI oferecem um exemplo similar. A IA pode resolver chamados rotineiros e automatizar diagnósticos. Conforme a infraestrutura digital se expande e os sistemas se tornam mais complexos, a necessidade de resolução avançada de problemas e supervisão de sistemas pode crescer.

Funções Substituídas (12% dos empregos atuais)

Somente quando a demanda é limitada e a IA substitui diretamente trabalhadores humanos em tarefas centrais é que as funções entram nessa categoria. Ganhos de eficiência se convertem em perdas líquidas de empregos e pressão descendente sobre salários se desenvolve para as posições que permanecem.

Certas funções de analista financeiro se encaixam aqui, assim como representantes de call center. O volume de análise financeira está amplamente atrelado a ciclos de relatórios existentes, mandatos de investimento e processos decisórios internos. Quando a IA automatiza modelagem rotineira, agregação de dados e interpretação inicial, a produção não se expande proporcionalmente.

É importante notar que substituição não implica exclusão permanente da força de trabalho. Conforme funções aumentadas, menos automatizáveis e emergentes se expandem em outras partes da economia, trabalhadores em posições expostas à substituição podem fazer a transição para essas funções com reskilling direcionado e suporte de mobilidade.

Funções Habilitadas (23% dos empregos atuais)

A IA vai se tornar parte do dia a dia de 23% dos empregos, remodelando como as tarefas são executadas mas sem alterar fundamentalmente como o trabalho é estruturado. Os trabalhadores serão esperados a usar IA para melhorar eficiência, precisão e tomada de decisão, enquanto as responsabilidades centrais, que frequentemente envolvem a presença física de um trabalhador humano, interações interpessoais ou expertise específica de domínio, permanecem lideradas por humanos.

Assistentes clínicos e técnicos de laboratório ilustram essa dinâmica. O trabalho deles permanece manual ou voltado ao paciente, mas a IA cada vez mais apoia documentação, coordenação de fluxo de trabalho e aspectos de análise diagnóstica. Por exemplo, assistentes clínicos podem usar IA para anotações em tempo real e triagem de pacientes, e técnicos de laboratório podem aproveitar a IA para interpretar resultados de exames ou sinalizar anomalias.

Funções de Exposição Limitada (34% dos empregos atuais)

Na parcela restante de empregos com menor automação, tanto a viabilidade técnica da automação quanto o escopo para ganhos de produtividade impulsionados por IA permanecem limitados. O trabalho é frequentemente altamente contextual, orientado por relacionamentos ou dependente da presença física humana de maneiras difíceis de codificar ou escalar por meio da IA.

Médicos e professores são ilustrativos. Ambos exigem a capacidade de formar julgamentos complexos, engajar em interações interpessoais e se adaptar em tempo real às necessidades individuais. A IA pode auxiliar de maneiras limitadas e específicas para certas tarefas, mas não vai remodelar significativamente nenhuma dessas funções no curto prazo. O cerne do trabalho, cuidado com o paciente e instrução, permanece fundamentalmente humano.

A Escala do Impacto: Os Números em Perspectiva

Olhando para todos os seis segmentos em conjunto, entre 10% e 15% dos empregos são vulneráveis à eliminação. Esses são os empregos nas categorias substituídas e divergentes, ponderados pelo seu potencial de automação e ajustados para expansão de demanda. Ao mesmo tempo, 50% a 55% serão remodelados, incluindo os empregos nas categorias amplificadas, reequilibradas e habilitadas, além das porções restantes dos empregos nas categorias divergentes e substituídas onde o trabalho não é vulnerável à eliminação. As funções restantes carecem de potencial significativo de automação no curto prazo.

Enquanto isso, um número não especificado mas significativo de empregos provavelmente será criado à medida que novas demandas surgem e novas capacidades são habilitadas pela IA. Essa é uma parte da equação que frequentemente fica de fora das manchetes alarmistas.

As Grandes Incógnitas Que Vão Influenciar o Ritmo da Mudança

A análise do BCG permite categorizar funções, mas essa não é a história completa. Cada segmento, e potencialmente funções individuais dentro de cada segmento, vai evoluir e ter efeitos cascata diferentes que precisam ser gerenciados em diferentes marcos temporais.

Os Efeitos Colaterais da Transformação por IA Agêntica

Primeiro, um desafio central na era da IA não será simplesmente o número de empregos afetados, mas a velocidade com que os trabalhadores podem ser requalificados e reposicionados em funções redesenhadas. Absorver uma mudança de força de trabalho dessa magnitude vai exigir investimento deliberado em reskilling, mobilidade e construção de capacidades.

Segundo, conforme a IA absorve grande parte do trabalho rotineiro que historicamente justificou grandes cohorts de contratação em nível inicial, menos posições focadas em execução serão necessárias. No curto prazo, o volume de empregos de entrada pode diminuir. Com o tempo, porém, esses empregos serão redefinidos e preenchidos por candidatos preparados para assumir tarefas de ordem superior, como supervisionar saídas de IA, gerenciar exceções e contribuir para resolução de problemas mais complexos desde o início de suas carreiras.

Nesse ambiente, a fluência em IA pode se tornar um complemento cada vez mais importante à experiência na hora de avaliar a prontidão para responsabilidades ampliadas. Em alguns casos, isso vai criar oportunidades para candidatos juniores, incluindo recém-formados, que podem estar mais familiarizados com a IA do que trabalhadores com mais tempo de estrada. 💡

Terceiro, os limiares de habilidade vão subir. Funções redesenhadas vão exigir que os funcionários demonstrem maior expertise, supervisão e responsabilidade, aumentando o prêmio sobre conhecimento de domínio e bom julgamento. As funções mais duráveis tendem a exigir credenciais mais altas e maior senioridade.

Por fim, a carga cognitiva vai se intensificar. Muitas funções atualmente equilibram execução estruturada com pensamento de nível superior. Conforme tarefas repetitivas são automatizadas, o trabalho restante vai se concentrar em resolução de problemas, tomada de decisão e integração de inputs complexos. Enquanto alguns trabalhadores vão prosperar em funções mais orientadas por julgamento, outros podem ter dificuldade com a mudança para engajamento cognitivo contínuo de alto nível.

O Atraso Entre Potencial e Adoção Real

Outra incógnita fundamental é o timing. O impacto econômico frequentemente fica atrás da capacidade dos modelos, pois também depende da maturidade da aplicação, do redesenho de fluxos de trabalho, da integração com sistemas legados e da disponibilidade de capital humano capaz de implantar e gerenciar esses sistemas de IA.

Ferramentas de contact center estão entre as aplicações mais maduras, mas a penetração geral de mercado permanece limitada em relação ao tamanho total da indústria. Na experiência do BCG, a substituição completa de trabalhadores tende a avançar mais lentamente do que o aumento de capacidades. A substituição frequentemente significa que menos humanos são mantidos no circuito, o que exige redesenho extensivo de processos e formalização de conhecimento tácito.

Escalar sistemas agênticos requer talento de integração especializado, incluindo engenheiros de campo, integradores de sistemas e gerentes de projeto que adaptam sistemas a contextos específicos de cada empresa. A oferta desses profissionais permanece limitada em relação à demanda, tornando a capacidade de implementação um gargalo central. Essas funções também são um exemplo de novos empregos emergindo da adoção da IA.

Como resultado, provavelmente haverá um atraso de vários anos entre o potencial de automação e o impacto real no mercado de trabalho. Indústrias com alto potencial de automação nem sempre demonstram altos níveis de adoção escalonada de IA. Em outras, como tecnologia e software, a adoção já está bem acima da média. Ainda outras indústrias, incluindo serviços financeiros e jurídicos, têm potencial substancial de automação, mas a implementação em escala ainda não acompanhou.

O Que Líderes Precisam Fazer Agora

Para quem está em posição de liderança, o estudo do BCG traz orientações claras distribuídas em quatro pontos de partida fundamentais.

Incorporar a estratégia de força de trabalho à estratégia competitiva

A IA vai remodelar a dinâmica competitiva e habilitar novos modelos de negócio. Empresas que responderem acelerando inovação, redesenhando ofertas ou reconfigurando a entrega de valor nos níveis da empresa, linhas de negócio, produtos e funções vão mudar fundamentalmente a natureza do trabalho dentro de suas organizações. A estratégia de força de trabalho não pode ficar a jusante da automação. Ela precisa estar integrada ao planejamento estratégico.

Líderes devem evitar ações reativas de custo motivadas por manchetes ou pelo comportamento de concorrentes. Decisões sobre força de trabalho precisam refletir a combinação específica de trabalho automatizável e ampliável dentro daquela empresa específica. Copiar reduções de outra empresa sem entender a própria exposição prejudica tanto a produtividade quanto a competitividade de longo prazo.

Focar automação em redesenho, não apenas redução de custo

A IA agêntica não é um instrumento grosseiro. Diferentes funções exigem abordagens diferentes. Às vezes o custo é o fator dominante. Em outras vezes, outras prioridades dominam, como velocidade do trabalho e qualidade. Ações de custo, como congelamento de contratações ou reduções, são visíveis e diretas. Mas quando a IA gera produtividade em vez de cortes, o ROI se torna mais difícil de definir e defender.

Nessas situações, líderes precisam redesenhar fluxos de trabalho e repensar como o desempenho é medido. Capturar valor exige novos KPIs específicos de domínio que conectem ganhos de produtividade a resultados tangíveis, como maior receita por funcionário, mais produto entregue ou impacto mais forte no cliente.

Colocar upskilling, reskilling e reposicionamento no centro da estratégia

Só porque um emprego permanece não significa que os funcionários estão preparados para ele. Upskilling, reskilling e caminhos estruturados de reposicionamento precisam se tornar centrais na estratégia de força de trabalho. Além disso, trabalhadores provavelmente vão precisar de requalificação mais frequente, não apenas pontual, conforme a tecnologia evolui.

Para cada um dos cinco segmentos de impacto onde a IA deve afetar materialmente o trabalho, o BCG oferece orientações específicas:

• Funções Amplificadas: foco em reter e desenvolver talentos, reinventar fluxos de trabalho baseados em equipe para maximizar a colaboração humano-IA e redefinir o que excelência significa
• Funções Reequilibradas: a oportunidade está no redesenho de funções, identificando componentes repetíveis que podem ser automatizados e reinvestindo a economia de tempo em atividades de maior valor
• Funções Divergentes: o desafio é estrutural, exigindo redesenho deliberado de trajetórias de carreira com trilhas aceleradas de desenvolvimento e rotas claras para responsabilidades de maior habilidade
• Funções Substituídas: reimaginar processos de ponta a ponta em torno de agentes de IA, desenvolvendo planejamento de transição de força de trabalho em paralelo com a implantação de IA
• Funções Habilitadas: foco em incorporar IA nos fluxos de trabalho diários e construir fluência ampla em IA por toda a força de trabalho

Moldar a narrativa da IA para desbloquear desempenho

Sequenciamento e sinalização importam. Focar primeiro em funções altamente substituíveis pode entregar ganhos de eficiência no curto prazo, mas pode criar um ambiente desmoralizado que prejudica a transformação mais ampla. Quando funcionários associam automação a demissão, o engajamento cai e a motivação para se requalificar desaparece. Líderes precisam comunicar com clareza que, se os trabalhadores investirem em desenvolvimento, a IA na maioria das funções vai ser sobre criação de valor, não sobre substituição. A narrativa definida pela liderança vai determinar se a força de trabalho abraça a transformação ou resiste a ela.

Um Cenário de Oportunidades, Mas Também de Incertezas

A IA cria uma oportunidade massiva para líderes de negócio, mas também traz incerteza significativa sobre como aproveitá-la. Isso tudo está acontecendo em um ambiente carregado. Em alguns casos, reestruturações que teriam ocorrido de qualquer forma, como parte do ciclo normal de negócios, provavelmente serão atribuídas à IA, o que vai gerar medo em nível social.

Ao mesmo tempo, o impacto da IA vai variar significativamente entre empresas. Algumas vão abraçar a IA para impulsionar inovação e crescimento, enquanto outras vão focar em eficiência e automação. Isso pode levar a estratégias de talento muito diferentes: algumas empresas reduzindo quadro enquanto outras contratam agressivamente.

O imperativo para CEOs hoje é focar em alcançar o equilíbrio certo entre automação, upskilling e planejamento deliberado de talentos, entregando ROI em escala para a empresa e ajudando seus funcionários a desenvolver as habilidades de que precisam para prosperar na era da IA. Quem conseguir navegar essa transição com visão estratégica e cuidado com as pessoas vai construir organizações mais resilientes e competitivas. E quem ignorar a complexidade desse momento, tratando tudo como uma simples equação de corte de custos, vai descobrir muito rápido que os melhores talentos não ficam esperando em ambientes que não investem no futuro deles. 🎯