Matt Shumer gerou pânico em torno da AI e do mercado de trabalho, mas os dados não confirmam uma onda de demissões

Matt Schumer Desencadeou Pânico sobre IA e Mercado de Trabalho, mas os Dados Não Confirmam Uma Onda de Demissões

O post viral de Matt Schumer afirmando que o impacto da IA no mercado de trabalho será "maior que a Covid" reuniu dezenas de milhões de visualizações e desencadeou uma onda de ansiedade. Mas se você colocar de lado o tom dramático e olhar para os dados, a imagem é muito mais complexa: há atualmente uma lacuna enorme entre o que a IA teoricamente consegue fazer e o que as empresas realmente implementaram.

Por que o Post Funcionou

Schumer atingiu o ponto de dor perfeito do mercado: o medo de que os modelos já sejam capazes de substituir a maioria dos profissionais de escritório hoje. Sua linguagem era simples e alarmante—"algo massivo está acontecendo", "a maioria das pessoas não saberá disso até ser tarde demais". Mais de 85 milhões de pessoas viram o post, e para muitos, isso foi suficiente para aceitar a tese emocional como uma conclusão analítica. O problema é que o post continha quase nenhum dado sobre emprego, taxas de implementação ou demissões reais.

Depois, uma vez que a onda já havia se espalhado, o tom do autor ficou notavelmente mais suave. Em uma entrevista à CNBC, ele admitiu que não queria assustar ninguém e sugeriu que parte de sua linguagem deveria ter sido reescrita. Isso é crucial para o mercado: o pânico se espalha rapidamente, enquanto as correções são lidas por poucos. É precisamente por isso que posts virais sobre IA são perigosos para líderes. Eles facilmente provocam demissões, congelamento de contratações ou "transformações" precipitadas sem compreender onde os modelos realmente entregam resultados e onde apenas parecem bons em demonstrações.

"Se eu tivesse sabido como isso se tornaria viral, teria reescrito

algumas partes."

Onde a Automação Falha

O principal contraargumento para "IA já substitui todos" é visível nos dados da Anthropic. A cobertura teórica de tarefas pelos modelos é de fato muito alta: para algumas profissões se aproxima de 90% ou mais. Mas o uso real é notavelmente menor. Em TI, por exemplo, Claude cobre apenas cerca de um terço das tarefas na prática, apesar de muito maior potencial no papel. Essa é a lacuna-chave: capacidade não é igual a implementação, e implementação não é igual a substituição humana completa.

A razão é simples: o trabalho em empresas consiste não apenas na tarefa em si, mas em tudo que a circunda. Os modelos encontram uma barreira não na geração de texto ou código, mas no contexto, dependências e limitações organizacionais. Mesmo que um sistema consiga escrever um email, analisar um documento ou sugerir código, isso não significa que ele compreende quando iniciar o processo, quem pedir aprovação e o que fazer quando surgem exceções. É precisamente por isso que a automação estagna onde tudo parece óbvio de fora.

• aprovações internas que não estão formalmente documentadas em lugar nenhum
• sistemas legados e workarounds não-padronizados
• limitações regulatórias e verificações de conformidade
• conhecimento implícito do time sobre clientes, riscos e prioridades
• regras que mudam constantemente dentro da própria organização

Por essa lógica, a IA frequentemente acaba sendo até mais fraca que um novo funcionário. Um humano pelo menos se integra gradualmente ao ambiente, aprende com conversas, nota exceções e capta regras não escritas. Um modelo começa quase do zero a cada vez e depende de quão cuidadosamente o contexto foi passado para ele. E o contexto em uma empresa viva muda mais rápido do que é formalizado. Portanto, substituição em massa de pessoal baseada nas capacidades teóricas da IA hoje não é uma estratégia, mas um experimento caro com alto risco de retrocesso.

Para Onde a Demanda está se Deslocando

A parte mais útil dessa discussão não é o debate sobre quantas profissões desaparecerão, mas a pergunta sobre quais tarefas finalmente se tornam economicamente viáveis. O autor sugere olhar para uma simples curva de demanda. Em sua "cabeça" vivem produtos em massa como CRM, software de escritório e serviços de design. Eles já cobrem há muito tempo processos padrão. Mas na "cauda"—milhares de tarefas pequenas, dolorosas e muito específicas que não foram automatizadas por anos simplesmente porque o desenvolvimento custava mais que o resultado. Poderia ser um relatório em formato único para um cliente, um processo de conformidade não-padronizado, um painel privado para um CFO, ou um procedimento burocrático local que descarrila toda a linha do tempo dos negócios.

A IA torna essas tarefas endereçáveis: agora podem ser resolvidas por um pequeno time ou até uma única pessoa com expertise profunda em domínio. Daí o paradoxo de 2026: IA não necessariamente encolhe uma empresa, mas quase sempre a acelera. Em janeiro de 2026, a Citadel Securities reportou crescimento de 11% ano a ano em vagas para desenvolvedores, e previsões para muitas profissões afetadas por IA ainda apontam para crescimento, não colapso.

O Que Isso Significa

Agora a principal vantagem competitiva é não entrar em pânico com teses virais, mas entender onde no seu negócio fica a lacuna entre "IA poderia fazer isso" e "IA realmente faz isso". Aqueles que cortam pessoas cedo demais arriscam ter que reconstruir expertise apressadamente depois. Aqueles que primeiro escolhem o problema e depois a ferramenta provavelmente ganharão com a atual onda de automação.