Agentes de IA e o novo mercado de trabalho

Durante os últimos anos, aprendemos a conviver com uma inteligência artificial que responde perguntas, escreve textos, cria imagens, resume documentos e ajuda a organizar informações.

Mas uma transformação mais profunda está começando.

A inteligência artificial está deixando de ser apenas uma ferramenta que espera por um comando para se tornar um sistema capaz de receber um objetivo, planejar etapas, acessar outras ferramentas, executar tarefas e entregar um resultado.

É nesse momento que surgem os agentes de inteligência artificial.

E essa mudança pode ser muito mais relevante para o mercado de trabalho do que a chegada dos primeiros chatbots.

A pergunta deixa de ser:

“O que uma IA consegue produzir?”

E começa a ser:

“Que parte do trabalho de uma empresa pode ser entregue a ela?”

Essa diferença parece pequena. Não é.

Da ferramenta para o agente

Quando utilizamos uma IA para escrever um e-mail, ainda somos responsáveis por praticamente todo o processo.

Decidimos que o e-mail precisa existir.

Coletamos as informações.

Pedimos o texto.

Revisamos.

Escolhemos o destinatário.

Enviamos.

A IA participou de uma tarefa.

Agora imagine outro cenário.

Você diz:

“Analise os leads que chegaram ontem. Consulte o CRM, identifique quais têm maior potencial, pesquise informações sobre as empresas, atualize os cadastros, prepare uma mensagem personalizada para cada oportunidade e me avise somente daqueles que exigem minha intervenção.”

Não estamos mais falando apenas de produzir um texto.

Estamos falando de executar um fluxo de trabalho.

É essa mudança que caracteriza a nova geração de sistemas agentivos. A McKinsey descreve agentes como sistemas baseados em modelos capazes de agir, planejar e executar múltiplas etapas dentro de um workflow.

Podemos pensar na evolução de forma simples:

Software tradicional: executa regras previamente programadas.

IA generativa: produz conteúdo ou uma resposta.

Copiloto: ajuda uma pessoa enquanto ela trabalha.

Agente: recebe um objetivo e executa partes do trabalho para alcançá-lo.

Quanto mais avançamos nessa sequência, menos a tecnologia está apenas auxiliando uma tarefa e mais começa a participar da própria estrutura do trabalho.

A IA já chegou às empresas. Os agentes, ainda não completamente.

É importante separar realidade de entusiasmo tecnológico.

O AI Index 2026, da Universidade Stanford, aponta que 88% das organizações pesquisadas já utilizavam inteligência artificial, e 70% utilizavam IA generativa em pelo menos uma função empresarial.

Isso mostra que IA já deixou de ser uma tecnologia experimental restrita aos departamentos de inovação.

Mas agentes ainda estão em outro estágio.

Na pesquisa global da McKinsey realizada em 2025, 23% dos respondentes afirmaram que suas organizações estavam escalando algum sistema agentivo e outros 39% estavam experimentando a tecnologia. Porém, quando cada função empresarial é analisada individualmente, não mais de 10% das organizações diziam estar escalando agentes naquela função.

O Stanford AI Index chega a uma conclusão semelhante: a implantação de agentes permanecia em dígitos únicos em quase todas as funções empresariais.

Portanto, existe uma diferença importante entre duas afirmações:

A inteligência artificial já está presente no trabalho.

e

Agentes autônomos já estão executando grande parte do trabalho das empresas.

A primeira é realidade.

A segunda ainda está começando.

E justamente por isso este é o momento interessante para observar o fenômeno.

O erro é perguntar quais profissões a IA vai substituir

Grande parte da discussão pública sobre inteligência artificial começa com a pergunta:

“Quais empregos vão acabar?”

Provavelmente estamos começando pelo lugar errado.

Uma profissão não é uma única atividade.

Um vendedor pesquisa clientes, atualiza CRM, envia mensagens, participa de reuniões, negocia condições, interpreta objeções, constrói relacionamentos e toma decisões.

Um profissional de marketing pesquisa mercado, cria conceitos, escreve, analisa dados, conversa com clientes, organiza campanhas, revisa materiais e define prioridades.

Um advogado pesquisa legislação, lê documentos, escreve peças, conversa com clientes, negocia e estabelece estratégias.

Um gestor analisa números, participa de reuniões, distribui responsabilidades, resolve conflitos, desenvolve pessoas e toma decisões.

Cada cargo é, na realidade, um pacote de tarefas.

É justamente nesse pacote que a IA começa a entrar.

Por isso, a Organização Internacional do Trabalho estima que cerca de um em cada quatro trabalhadores no mundo esteja em ocupações com algum grau de exposição à IA generativa, mas apenas 3,3% do emprego mundial está na categoria de maior exposição. A própria OIT considera que, para a maioria das ocupações, a transformação dos empregos é atualmente mais provável do que sua substituição integral.

Isso muda completamente a discussão.

Talvez o vendedor não desapareça.

Mas grande parte da prospecção manual pode desaparecer.

Talvez o contador não desapareça.

Mas determinadas atividades de classificação, conferência e preparação de relatórios podem ser automatizadas.

Talvez o profissional de marketing continue existindo.

Mas a produção básica de textos, pesquisas e variações de conteúdo pode deixar de justificar grande parte de seu tempo.

A pergunta mais útil passa a ser:

Que parte do valor de uma profissão desaparece quando algumas de suas tarefas deixam de ser escassas?

O que acontece quando um funcionário passa a administrar trabalho digital?

Considere uma equipe comercial.

Hoje ela pode possuir um gerente e cinco vendedores.

Os vendedores pesquisam empresas, fazem prospecção, registram informações, escrevem mensagens, atualizam o CRM e conversam com clientes.

Agora introduza agentes capazes de executar pesquisa, enriquecimento de dados, classificação de oportunidades, atualização de CRM e preparação de follow-ups.

Os vendedores continuam existindo.

Mas seu trabalho muda.

Eles passam a receber oportunidades mais preparadas e podem concentrar maior parte do tempo em conversas, relacionamento, negociação e fechamento.

A primeira consequência pode ser positiva:

a mesma equipe vende mais.

Mas existe outra possibilidade:

a empresa percebe que três vendedores conseguem administrar o volume que anteriormente exigia cinco.

As duas situações são economicamente possíveis.

É justamente por isso que previsões simples sobre “IA criando empregos” ou “IA destruindo empregos” são insuficientes.

A tecnologia pode simultaneamente permitir que algumas empresas diminuam equipes e que outras expandam sua capacidade de atender clientes.

A pesquisa da McKinsey mostra exatamente essa incerteza. Entre respondentes de organizações que utilizam IA, 32% esperavam redução do quadro total no ano seguinte, 43% esperavam pouca ou nenhuma mudança e 13% esperavam aumento significativo.

Não existe um único futuro acontecendo.

Existem diferentes modelos de adoção acontecendo ao mesmo tempo.

Automação e ampliação são estratégias diferentes

Esse talvez seja um dos pontos mais importantes para líderes empresariais.

Uma empresa pode olhar para a IA e perguntar:

“Quantas pessoas consigo substituir?”

Outra pode perguntar:

“Quanto mais consigo produzir com as pessoas que tenho?”

A tecnologia é a mesma.

A estratégia é completamente diferente.

No primeiro modelo, IA é principalmente instrumento de redução de custo.

No segundo, é instrumento de ampliação de capacidade.

Imagine uma pequena agência que consegue atender dez clientes.

Depois de incorporar agentes em pesquisa, análise, relatórios, organização de informações e algumas etapas de produção, sua equipe passa a conseguir atender vinte.

Ela agora possui três possibilidades.

Continuar com dez clientes e reduzir sua equipe.

Manter a equipe e atender vinte.

Ou utilizar o tempo liberado para criar serviços que anteriormente não conseguia oferecer.

Nenhuma dessas decisões está determinada pelo modelo de inteligência artificial.

É uma decisão empresarial.

Isso é importante porque frequentemente tratamos impactos tecnológicos como se fossem consequências automáticas da tecnologia.

Não são.

Tecnologia altera possibilidades. Empresas escolhem como explorar essas possibilidades.

E estamos falando de algo maior do que produtividade individual

A primeira geração da IA generativa foi introduzida principalmente como uma ferramenta pessoal.

Um funcionário usando ChatGPT.

Um desenvolvedor usando um copiloto.

Um designer utilizando geração de imagem.

Um advogado resumindo documentos.

Isso melhora a produtividade de indivíduos.

Agentes introduzem outra possibilidade: redesenhar processos inteiros.

A McKinsey encontrou que organizações que obtêm maior valor de IA são muito mais propensas a redesenhar seus workflows, em vez de simplesmente adicionar ferramentas aos processos que já existiam.

Essa distinção parece técnica, mas é enorme.

Colocar uma IA dentro de um processo antigo é uma coisa.

Redesenhar o processo considerando que agora existe uma inteligência digital capaz de executar partes dele é outra.

Pense na chegada dos computadores.

Durante algum tempo, empresas simplesmente digitalizaram aquilo que anteriormente faziam em papel.

Posteriormente, surgiram processos que simplesmente não fariam sentido no mundo anterior ao computador.

Podemos estar entrando em transição semelhante.

A McKinsey chega a sugerir que empresas deixem de perguntar “onde posso utilizar IA nesta função?” e passem a imaginar como determinada função seria estruturada se agentes executassem uma parcela relevante de todo o processo.

É nesse momento que a transformação deixa de ser tecnológica e passa a ser organizacional.

O funcionário digital não chega sozinho

Existe, porém, uma diferença fundamental entre automatizar uma planilha e entregar autonomia a um agente.

Para trabalhar, agentes precisam de acesso.

A e-mails.

Arquivos.

CRMs.

Bancos de dados.

ERPs.

Calendários.

Sistemas empresariais.

Talvez até sistemas financeiros.

Quanto mais capacidade concedemos ao agente, mais útil ele pode se tornar.

E maior passa a ser também a necessidade de supervisão, governança, segurança e definição clara de limites.

A própria McKinsey aponta que organizações agentizadas precisarão estabelecer níveis de autonomia, fronteiras de decisão, monitoramento e mecanismos de auditoria, além de novas funções ligadas à orquestração de agentes e ao desenho das situações que permanecem sob intervenção humana.

Isso introduz uma mudança curiosa.

À medida que delegamos mais execução às máquinas, algumas pessoas podem deixar de executar trabalho para começar a supervisionar trabalho executado por sistemas.

É uma mudança de papel.

De executor para supervisor.

De produtor para revisor.

De operador para orquestrador.

E talvez essa mudança seja mais importante para compreender o mercado de trabalho futuro do que tentar adivinhar uma lista de profissões que deixarão de existir.

Nem todo trabalho será afetado da mesma maneira

Quanto mais digital, estruturado e verificável for um processo, mais natural tende a ser sua incorporação por sistemas automatizados.

Uma atividade que acontece inteiramente dentro de computadores, segue padrões relativamente estáveis e possui um resultado fácil de avaliar é bastante diferente de uma atividade que exige interação física, leitura social, responsabilidade pessoal ou adaptação constante a situações imprevisíveis.

Isso ajuda a explicar por que as maiores aplicações atuais de agentes aparecem em áreas como TI e gestão de conhecimento, enquanto a produtividade medida com IA tende a ser maior em atividades estruturadas e cujos resultados podem ser avaliados claramente.

Essa fronteira certamente mudará conforme os modelos melhorarem.

Mas existe um princípio importante:

capacidade técnica não significa automaticamente viabilidade econômica ou organizacional.

Uma IA ser capaz de executar uma tarefa em um experimento não significa necessariamente que uma empresa esteja preparada para entregar a ela dados, autoridade e responsabilidade suficientes para executar aquela mesma tarefa diariamente.

E essa diferença provavelmente será uma das maiores barreiras à adoção.

Talvez estejamos entrando no mercado de trabalho híbrido

Por muito tempo, pensamos nas organizações como conjuntos de pessoas auxiliadas por máquinas.

A empresa agentizada introduz uma estrutura diferente:

pessoas + software tradicional + modelos de IA + agentes.

E esses quatro elementos começam a dividir o trabalho.

O humano pode estabelecer objetivos.

Um agente pode pesquisar.

Outro pode analisar.

Um terceiro pode executar uma ação.

Um sistema tradicional registra a transação.

E um humano pode voltar ao processo quando alguma exceção exigir julgamento.

Isso cria algo parecido com uma força de trabalho híbrida.

Não porque agentes sejam funcionários no sentido jurídico ou humano da palavra.

Mas porque começam a ocupar posições funcionais dentro do fluxo de produção.

É essa mudança que merece nossa atenção.

A questão não é simplesmente se haverá menos empregos

A história da tecnologia mostra que produtividade, emprego, salários, novas profissões e desaparecimento de profissões não caminham de forma linear.

IA provavelmente seguirá essa mesma lógica, com uma diferença: agora a automação alcança uma parcela muito maior do trabalho cognitivo.

O ponto importante é evitar dois extremos.

O primeiro afirma:

“Nada muda. Toda tecnologia sempre criou novos empregos.”

O segundo:

“Desta vez todos serão substituídos.”

Até agora, os dados não sustentam nenhum dos dois com segurança.

A adoção empresarial é enorme, mas o uso de agentes ainda está começando. Os efeitos sobre emprego aparecem de maneira desigual e as próprias empresas divergem profundamente sobre se esperam reduzir, manter ou ampliar seus quadros.

O cenário mais plausível no curto prazo é muito mais complexo:

tarefas desaparecem;

outras são ampliadas;

cargos são redesenhados;

equipes mudam de tamanho;

novas funções surgem;

e o valor relativo das capacidades humanas começa a mudar.

É nessa última consequência que está a questão mais interessante.

Quando fazer bem deixa de ser suficiente

Durante décadas, uma grande parte do valor profissional esteve relacionada à capacidade de executar determinado trabalho com qualidade.

Saber escrever.

Saber pesquisar.

Saber analisar.

Saber criar uma apresentação.

Saber programar.

Saber elaborar um planejamento.

Saber produzir uma campanha.

Mas o que acontece quando um trabalhador mediano, utilizando uma IA excelente, consegue produzir algo próximo daquilo que antes exigia um profissional muito melhor?

Essa pergunta vai além da substituição de empregos.

Ela toca na própria definição de competência.

Talvez a maior transformação provocada pela inteligência artificial não aconteça quando uma máquina ocupar integralmente um cargo humano.

Talvez aconteça antes:

quando algumas competências que diferenciavam profissionais deixarem de ser escassas.

Nesse momento, o mercado passa a buscar outra coisa.

Critério.

Julgamento.

Contexto.

Originalidade.

Responsabilidade.

Capacidade de liderar pessoas.

Capacidade de decidir.

E, sobretudo, capacidade de saber o que merece ser feito, em um mundo onde executar fica progressivamente mais fácil.

Essa é a fronteira que os agentes começam a revelar.

E ela produz um paradoxo curioso:

quanto melhor a inteligência artificial se torna, mais pessoas conseguem produzir trabalho de excelente qualidade.

Isso parece exclusivamente positivo.

Mas existe uma pergunta escondida aí.

Se todos tiverem acesso às mesmas capacidades extraordinárias, o que continuará diferenciando uma pessoa da outra e uma empresa da outra?

Esse é o próximo problema.

É o que podemos chamar de Paradoxo da Excelência Medíocre: quando todos podem ser excelentes, ser excelente deixa de ser suficiente.

Por

Danielson Matos