O avanço da inteligência artificial não tem produzido apenas cortes de postos de trabalho. Empresas que mais adotaram a tecnologia também ampliaram seus quadros, enquanto agentes de IA passaram a executar tarefas específicas sob supervisão humana.
O chamado trabalhador sintético não é um chatbot com avatar. É um sistema configurado para cumprir uma função delimitada, com ferramentas, regras de negócio, metas, limites, identidade própria nos sistemas e um gestor humano. Ele participa da execução do trabalho, mas não tem autonomia para tomar decisões fora da alçada definida.
Contratações e reorganização
Dados citados no debate mostram que a Accenture passou de 721 mil para 799 mil funcionários em quatro anos e vendeu US$ 5,9 bilhões em projetos de IA generativa no último ano fiscal. O JPMorgan colocou a tecnologia nas mãos de 200 mil funcionários e, nas palavras de Jamie Dimon, fez realocações. O Mercado Livre anunciou 28 mil contratações em 2025, com previsão de chegar a 112 mil pessoas. O Nubank, que se define como AI-first, aumentou o headcount em 13% no último ano.
Um estudo da PwC, baseado em 1 bilhão de anúncios de vagas em 27 países, apontou crescimento de 52% nos quadros de empresas mais expostas à IA, contra 36% nas menos expostas.
A transição também inclui cortes localizados. A IBM automatizou 94% das tarefas do próprio RH e eliminou algumas centenas de posições nessa área, mas ampliou o emprego total, com mais vagas em programação e vendas. A Salesforce reduziu 4 mil postos no suporte e contratou milhares de vendedores.
Na Klarna, empresa que anunciou que seu assistente de IA fazia o trabalho de 700 atendentes, a ênfase no corte de custos foi posteriormente associada à queda na qualidade. Em 2025, o CEO admitiu o problema e a empresa voltou a contratar pessoas para um modelo híbrido.
O limite dos agentes
Um cargo reúne tarefas diferentes. A IA pode apresentar bom desempenho em partes previsíveis, mas ainda é irregular quando precisa lidar com o conjunto da função e com situações fora do padrão. Por isso, os sistemas mais maduros costumam atuar entre observar, redigir e executar com aprovação, antes de alcançar autonomia em cenários de baixo risco.
Em uma operação de grande porte, uma colaboradora sintética reduziu em 95% o tempo de um processo, com 99% de precisão. O resultado dependia da definição dos limites da máquina, além da sua capacidade técnica. Em tarefas de software bem especificadas, agentes mais capazes chegaram a mais de dez horas de trabalho humano equivalente quando se aceitava 50% de sucesso. Com exigência de 80%, o horizonte caiu para poucas horas.
O risco para quem está começando
O efeito mais difícil de perceber pode estar na entrada do mercado. Estudos reunidos pela OCDE indicam queda relativa na contratação de jovens em ocupações muito expostas, como desenvolvimento de software e atendimento. A evidência ainda é mista, mas a automação de tarefas simples, repetitivas e documentáveis pode retirar justamente as atividades pelas quais profissionais inexperientes aprendem.
A mudança tende a aparecer em vagas que deixam de ser abertas, equipes que crescem sem aumentar o quadro e cargos que passam a ter outro conteúdo. Também pode haver pressão sobre salários e disputa sobre quem ficará com o ganho de produtividade.
O organograma híbrido proposto para esse cenário teria uma camada humana de responsabilidade, com definição de objetivos, assunção de riscos e resposta pelas decisões. Outra camada mostraria a execução: o que cabe às pessoas, o que cabe aos agentes, quais tarefas exigem aprovação e para onde cada exceção deve ser encaminhada.
No Brasil, o PL 2338, marco legal da IA aprovado no Senado e em análise na Câmara, classifica determinadas aplicações sobre trabalhadores como de alto risco, com supervisão humana e avaliação de impacto. A LGPD exige clareza sobre quem responde pelos dados processados.
A recomendação para as empresas é tratar agentes como capacidade operacional gerenciada, com identidade própria, limites explícitos, gestor nomeado, avaliação de desempenho, botão de desligamento e trilha auditável. Também é necessário redesenhar a formação profissional para criar um novo primeiro degrau para quem deverá aprender a julgar exceções no futuro.
