A onda de substituição por IA está sendo superestimada? Barclays: apenas 20% das habilidades essenciais no mercado de trabalho podem ser altamente replicadas, mas o efeito de amplificação já está se espalhando silenciosamente

O impacto da IA no mercado de trabalho pode ser muito mais suave do que o sugerido pelas narrativas de mercado, mas também mais profundo. Pesquisa recente do Barclays mostra que apenas cerca de 20% das principais competências profissionais podem ser altamente replicadas pela IA, indicando que o receio de uma "onda massiva de substituição" é superestimado; no entanto, o "efeito amplificador" da IA na produtividade apresenta um cenário totalmente diferente — sua abrangência é muito maior que a da substituição via automação, penetrando em quase todos os cantos do mercado de trabalho.

Em 22 de setembro, o Barclays publicou um relatório e lançou a "Barclays 3A Framework" (Quadro de Automação e Amplificação de IA), que usa competências, e não profissões, como unidade central de análise para avaliar sistematicamente os efeitos da IA cognitiva e da IA física em mais de 830 ocupações. O estudo descobriu que os riscos da automação estão altamente concentrados em determinados grupos profissionais; as ocupações mais expostas à IA cognitiva estão principalmente em computação, engenharia e ciências, enquanto as mais expostas à IA física estão em construção, produção, instalação, manutenção e reparação. Ao mesmo tempo, os dados de recrutamento nos EUA já mostram mudanças estruturais coerentes com a chegada da IA — desde 2022, a proporção de vagas nas profissões mais expostas à automação caiu de cerca de 30% para aproximadamente 25%.

A rápida expansão da demanda por competências em IA revela uma outra lógica: nos Estados Unidos, Reino Unido, França e Alemanha, a proporção de vagas que exigem competências em IA subiu de cerca de 2% em 2019 para algo entre 6% e 10% até agosto de 2026. Vale destacar que o foco da demanda por competências em IA está mudando — em 2019, mais de 70% das vagas relacionadas à IA estavam concentradas em áreas de tecnologia e dados; até 2026, esse percentual caiu para cerca de 50%, enquanto a participação de cargos gerenciais subiu de cerca de 10% para 25%, indicando que a IA está se difundindo do campo técnico para o ecossistema profissional mais amplo.

Análises tradicionais sobre o impacto da IA no mercado de trabalho costumam considerar a "profissão" como unidade, mas para o Barclays, profissão é um conjunto de tarefas, tarefas são um conjunto de competências, e competências são o "átomo" para entender o efeito da IA. É mais provável que a IA automatize ou amplifique competências específicas — como coleta de informações, redação ou análise de dados — do que uma ocupação inteira.

A 3A Framework baseia-se no banco de dados do Departamento de Trabalho dos EUA, que abrange 104 competências necessárias em diferentes profissões e mapeia esse conjunto para mais de 800 ocupações. A inovação do quadro está em três pontos: primeiro, inclui tanto IA cognitiva quanto física, abrangendo inteligência digital e física; segundo, usa competências ao invés de tarefas ou profissões como base para análise; terceiro, capta tanto o efeito de "automação" quanto o de "amplificação" — o primeiro mede o potencial de substituição do trabalho humano pela IA, o segundo avalia o potencial da IA em ampliar a produtividade das competências humanas.

Os resultados mostram que apenas cerca de 20% das competências profissionais são altamente replicáveis por IA, 40% apresentam forte resistência à IA cognitiva, e até 70% são altamente resistentes à IA física, indicando que o alcance da automação promovida pela IA física ainda é muito mais restrito do que pela IA cognitiva.

No que diz respeito à exposição à automação, a principal descoberta do Barclays é: o grau extremo de exposição concentra-se em um número muito pequeno de profissões, enquanto a maioria tende a estar exposta predominantemente à IA cognitiva ou física, e não às duas ao mesmo tempo.

As profissões de maior exposição à automação por IA cognitiva incluem cientistas de dados, estatísticos e atuários, cujas competências principais — busca de informação, reconhecimento de padrões, processamento de documentos e decisões programáticas — coincidem fortemente com as capacidades da IA. Já para a IA física, a maior exposição está em trabalhadores agrícolas, operadores de máquinas têxteis e operários de estruturas metálicas, atividades que dependem de trabalho físico repetitivo.

Em contraste, cerca de 120 profissões apresentam baixa exposição combinada a ambos tipos de automação por IA, abrangendo aproximadamente 20% da força de trabalho dos EUA, principalmente professores, cuidadores infantis, treinadores e alguns funcionários de hotelaria e entretenimento — estas profissões dependem fortemente da interação interpessoal, supervisão presencial ou desempenho ao vivo, fatores de difícil replicação pela IA.

Diferente da automação, que é concentrada, o efeito amplificador da IA é mais abrangente e distribuído de forma mais uniforme. No modelo do Barclays, esse efeito destaca-se nas profissões onde as competências replicáveis, parcialmente replicáveis e não replicáveis estão equilibradas — a IA assume as atividades que pode e potencializa o valor e eficiência das competências humanas restantes.

Entre os cargos mais beneficiados pelo efeito amplificador da IA cognitiva estão os controladores de tráfego aéreo, gerentes de serviços de saúde e gestores de treinamento e desenvolvimento, cargos gerenciais em que a IA pode assumir o trabalho administrativo e de processamento de informações, permitindo aos humanos focar em liderança, mentoria e gestão de pessoas. Já a IA física apresenta maior efeito amplificador em ocupações técnicas e mecânicas, como mecânicos de ônibus e caminhões e mecânicos industriais: parte das tarefas físicas repetitivas pode ser automatizada, mas diagnóstico, tomada de decisão e resposta a imprevistos ainda dependem de habilidades humanas.

O Barclays destaca que, enquanto a automação pela IA está concentrada em certas profissões, sua capacidade de aumentar a produtividade cobre uma ampla gama de áreas. Profissionais diferentes como médicos, professores e engenheiros podem obter ganhos reais ao usar ferramentas de IA. Isso sugere que, no longo prazo, o ganho total de produtividade com IA pode superar os efeitos de substituição direta.

Dados do mercado de trabalho começam a confirmar o quadro acima. Conforme análise do Barclays sobre os dados de vagas do LinkUp, desde 2022 a participação das vagas mais expostas à automação caiu de cerca de 30% para aproximadamente 25%, com destaque na queda para cargos de engenharia de software; já as vagas de menor exposição subiram ligeiramente de cerca de 20% para 21%-23%.

Ao mesmo tempo, a demanda por competências específicas em IA está crescendo rapidamente. Segundo dados do Indeed Hiring Lab e outras fontes de palavras-chave ampliadas, a participação de vagas relacionadas à IA nos EUA, Reino Unido, França e Alemanha subiu de cerca de 2% em 2019 para entre 6% e 10% em 2026, sendo o Reino Unido o país com maior avanço.

O mais relevante em termos de estrutura é a mudança na origem dessa demanda. Em 2019, cargos em tecnologia e dados respondiam por mais de 70% das vagas relacionadas à IA; em 2026, esse percentual cai para cerca de 50%, enquanto cargos gerenciais passam de 10% para 25%. Essa tendência é observada em todos os quatro países, mostrando que a IA está se espalhando por todo mercado de trabalho como uma competência genérica, e não apenas técnica.

O relatório também antecipa os novos modelos econômicos impulsionados pela popularização da IA física, dividindo-os em dois estágios.

No primeiro estágio, humanos atuam como "instrutores de robôs" — devido à falta de bases de dados do mundo real comparáveis aos datasets de grandes modelos de linguagem, a indústria está utilizando controle remoto e capturas de vídeo em primeira pessoa para coletar demonstrações humanas que treinem robôs. Empresas como Figure's Index e Scale AI já estão construindo esse ecossistema de crowdsourcing.

No segundo estágio, o foco do valor desloca-se para os próprios "procedimentos de operação". Com o amadurecimento da IA física, a atenção sai do hardware e se volta para as competências e processos de trabalho embutidos nesses sistemas — conhecimentos especializados em soldagem, cirurgia, culinária podem ser codificados em "manuais de operação de robô" licenciáveis em escala, formando uma nova categoria de propriedade intelectual. A UniStore da Unitree e a NeuraGym/NeuraVerse da NEURA Robotics já são vistas como exemplos iniciais de mercantilização dessas competências, ainda que dependentes das plataformas de fabricantes de robôs humanoides.

Na avaliação do Barclays, em um cenário extremo, o hardware será gradativamente comoditizado e a verdadeira vantagem competitiva ficará com quem for capaz de capturar, codificar e controlar as competências de maior valor — ou seja, a empresa que constrói o maior número de robôs não será necessariamente a vencedora, mas sim quem dominar a "camada de instrução" poderá liderar essa nova disputa por competências.