A Oracle demitiu cerca de 21 mil funcionários no último ano fiscal, o equivalente a 13% de seu quadro global, e admitiu em relatório regulatório que parte desses cortes está diretamente ligada à adoção de inteligência artificial dentro da própria empresa4. Episódios como esse alimentam uma narrativa cada vez mais comum: a de que a IA já é capaz de substituir engenheiros, analistas e escritores em escala, e que as demissões são apenas o primeiro capítulo de um esvaziamento maior do mercado de trabalho qualificado.
É essa narrativa que o cientista da computação Joseph Sifakis, vencedor do Turing Award de 2007 e fundador do laboratório Verimag, em Grenoble, decidiu questionar em artigo publicado no China Daily nesta sexta-feira. Segundo o pesquisador, a ideia de que os modelos atuais compreendem, raciocinam ou substituem com segurança o julgamento humano carece de base científica sólida, sendo antes um discurso conveniente para justificar bilhões em investimento em infraestrutura de dados1. Para ele, sistemas de IA de hoje reconhecem padrões estatísticos, mas não exercem compreensão genuína, algo evidenciado por promessas recorrentemente adiadas, como a dos carros totalmente autônomos, anunciados para 2020 e ainda em fase de autonomia parcial supervisionada em 20261.
O que os números dizem, afinal
O relatório mais recente do AI Index, produzido pelo Instituto Stanford para Inteligência Artificial Centrada no Ser Humano (HAI), oferece um retrato mais matizado do que o discurso do "fim dos empregos". A adoção organizacional de IA já chegou a 88% entre as empresas pesquisadas, e o valor de consumo estimado das ferramentas de IA generativa nos Estados Unidos triplicou por usuário em um único ano2. Ao mesmo tempo, o relatório descreve o fenômeno da "fronteira irregular" (jagged frontier): a IA supera humanos em tarefas técnicas específicas, como programação competitiva ou resolução de problemas de cibersegurança, mas ainda falha de forma inconsistente em tarefas abertas que exigem julgamento contextual, o que segundo pesquisadores do MIT Sloan explica por que a substituição de cargos inteiros continua sendo mais rara do que a reorganização de tarefas dentro deles7.
A consultoria Lightcast, parceira do AI Index na análise de mercado de trabalho, mostra esse movimento de forma concreta: nos Estados Unidos, 2,5% de todas as vagas publicadas já mencionam habilidades de IA, alta de 55% em relação ao ano anterior, mas isso ainda está longe de configurar uma onda de extinção de ocupações inteiras. O crescimento mais expressivo está em habilidades ligadas a agentes autônomos, que saltaram de 0,06% para 0,23% das vagas entre 2024 e 20253.
O recorte brasileiro: exposição desigual, não substituição em massa
Pesquisadores do FGV IBRE (Fernando Holanda de Barbosa Filho, Paulo Peruchetti, Janaína Feijó e Daniel Duque) replicaram para o Brasil uma metodologia de mapeamento de exposição ocupacional à IA generativa, baseada em índice da Organização Internacional do Trabalho. O resultado mostra que, enquanto nos Estados Unidos e no Reino Unido cerca de 60% dos trabalhadores ocupados estão expostos à IA, no Brasil essa proporção gira em torno de 40%, refletindo uma economia com menor participação de ocupações intensivas em tarefas cognitivas rotineiras. Dentro desse grupo, os pesquisadores estimam que aproximadamente 20% da população ocupada brasileira combina alta exposição com baixa complementaridade, ou seja, são trabalhadores mais vulneráveis à substituição, e não apenas ao aumento de produtividade5.
Essa leitura converge com o livro "Inteligência Artificial, Automação do Trabalho, Empregabilidade e Previdência Social", lançado no Salão Nobre da Câmara dos Deputados em abril de 2026, no qual o pesquisador Luis Kubota, do Centro de Pesquisa em Ciência, Tecnologia e Sociedade do Ipea, analisa o potencial da IA generativa para elevar a produtividade brasileira ao mesmo tempo em que gera efeitos ainda incertos sobre a estrutura do emprego formal6. Já o Guia Estratégico de Remuneração 2026, da Gi Group Holding, aponta para o lado oposto da equação: a maior dificuldade das empresas brasileiras não é o excesso de mão de obra, mas a escassez de profissionais qualificados em IA, com metade das companhias do país ainda sem uso estruturado da tecnologia8.
Contraponto
Nem todos os especialistas endossam o diagnóstico de Sifakis. Executivos de tecnologia e parte da comunidade de pesquisa argumentam que a chamada "fronteira irregular" está se estreitando rapidamente: no benchmark SWE-bench Verified, usado para medir desempenho em tarefas reais de engenharia de software, a taxa de acerto dos modelos saltou de cerca de 60% para perto de 100% em um único ano, segundo o próprio AI Index 20262.
Para essa corrente, mais otimista quanto à capacidade da IA, a questão não é se os sistemas atingirão paridade com humanos em tarefas complexas, mas quando, e caso essa trajetória se confirme, o argumento de Sifakis sobre limites estruturais do aprendizado por escala perderia força. O próprio relatório de Stanford registra essa divisão: 73% dos especialistas americanos entrevistados se disseram otimistas quanto ao impacto da IA no trabalho, contra apenas 23% do público em geral, uma diferença de 50 pontos percentuais entre quem constrói a tecnologia e quem convive com seus efeitos9.
O que Sifakis propõe no lugar da substituição
A alternativa defendida pelo pesquisador grego-francês não é frear a inteligência artificial, mas redirecionar seu desenvolvimento para sistemas especializados e transparentes, pensados para colaborar com profissionais de medicina, engenharia e gestão em vez de operar como caixas-pretas de resposta única. No exemplo que ele usa, um diagnóstico médico assistido por IA colaborativa não substituiria o julgamento do médico: apresentaria pesquisas relevantes, sinalizaria anomalias e explicaria suas recomendações em linguagem acessível, deixando a decisão final com o profissional humano1.
Sifakis também critica a concentração da pesquisa em IA em um punhado de laboratórios privados, argumentando que isso desloca as prioridades científicas para funcionalidades proprietárias em vez de compreensão explicável dos sistemas, e defende maior investimento público em universidades para equilibrar essa equação1. O tema não é apenas acadêmico: projetos europeus como o SAFEXPLAIN, financiado pela União Europeia, já trabalham especificamente na criação de técnicas de aprendizado profundo explicável e rastreável para sistemas autônomos críticos, como veículos, justamente para atender a exigências de segurança que os modelos de caixa-preta ainda não cumprem de forma satisfatória.
Seção de Perguntas Frequentes
A inteligência artificial já está causando desemprego em massa?
Não segundo os dados disponíveis até agora. O Stanford AI Index 2026 descreve a IA reformatando o mercado de trabalho sem provocar, até o momento, uma onda comprovada de desemprego generalizado. No Brasil, a taxa de desocupação medida pela PNAD Contínua do IBGE caiu para 5,4% no segundo trimestre de 2026, a mais baixa da série histórica iniciada em 2012.
Por que a Oracle demitiu milhares de funcionários citando IA?
A empresa reduziu 13% do quadro global no ano fiscal de 2026, cerca de 21 mil pessoas, e associou parte da reestruturação à adoção de IA em suas operações, além de redirecionar bilhões de dólares para expansão de data centers voltados à computação de IA.
O que é IA colaborativa, segundo Joseph Sifakis?
É um modelo de sistema de IA especializado e transparente, projetado para apoiar decisões humanas em áreas como medicina e engenharia, explicando seu raciocínio em vez de fornecer respostas de caixa-preta sem justificativa.
O Brasil está mais ou menos exposto à automação por IA do que países ricos?
Menos, segundo pesquisadores do FGV IBRE: cerca de 40% dos trabalhadores brasileiros estão expostos à IA generativa, contra aproximadamente 60% nos Estados Unidos e no Reino Unido. Ainda assim, cerca de 20% da força de trabalho ocupada no país está classificada como altamente vulnerável à substituição.
Nota editorial: este texto foi inspirado no artigo de opinião "AI needs a symbiotic reset with humanity", de Joseph Sifakis, publicado no China Daily em 21 de agosto de 2026 (ver referência 1). O conteúdo original não foi reproduzido nem traduzido integralmente; trechos e argumentos foram parafraseados e contextualizados com fontes independentes, incluindo dados do Stanford AI Index, do Ipea e da FGV IBRE.