Ciência e Dados
Menu
  • Home
  • Sobre
  • Contato
Menu
Antes de Dizer Que Uma Profissao Vai Acabar Por Causa da IA Entenda o Que Ela Realmente Faz

Antes de Dizer Que Uma Profissão Vai Acabar Por Causa da IA, Entenda o Que Ela Realmente Faz

Posted on 16 de agosto de 202618 de agosto de 2026 by David Matos

Outro dia, um colega que não trabalha na área de tecnologia compartilhou comigo uma preocupação:

A filha dele, estudante de Direito, havia assistido no YouTube a um “especialista em IA” afirmando que, em breve, os advogados deixariam de existir. Assustada, perguntou ao pai se deveria abandonar a faculdade.

Esse tipo de conteúdo tem se espalhado rapidamente pelo YouTube, Instagram e, cada vez mais, pelo LinkedIn. E está ficando chato e cansativo.

Toda semana aparece um novo “veredito definitivo” sobre o futuro do trabalho. Uma profissão que vai desaparecer. Uma área que se tornará irrelevante. Um conjunto inteiro de conhecimentos, competências e experiências reduzido a uma tarefa que a Inteligência Artificial supostamente realizará “em segundos”.

As frases seguem quase sempre o mesmo padrão.

“Acabou.”

“Isso não importa mais.”

“Tudo mudou.”

São afirmações categóricas, construídas para chamar atenção, provocar reação e gerar compartilhamentos. O problema é que, quando observamos esses argumentos com um pouco mais de cuidado, quase nunca encontramos profundidade. Encontramos uma simplificação agressiva de realidades extremamente complexas.

Profissões não são tarefas isoladas.

Profissões são sistemas de conhecimento, experiência, julgamento, decisão e responsabilidade.

Reduzir o Direito à elaboração de uma petição, a Medicina à interpretação de um exame, a Engenharia à produção de um projeto, o Design à criação de uma imagem ou o desenvolvimento de software à geração de código não é uma análise séria sobre o futuro dessas profissões.

É desconhecimento sobre o que esses profissionais realmente fazem. Em alguns casos, é apenas conveniência para produzir uma manchete impactante.

O trabalho real raramente está apenas no resultado final. Está na capacidade de compreender o contexto, identificar o problema correto, formular boas perguntas, interpretar informações incompletas, avaliar riscos, conciliar interesses, tomar decisões e responder pelas consequências dessas decisões.

Está também na experiência acumulada, no julgamento profissional e na capacidade de lidar com situações ambíguas, contraditórias ou completamente novas.

A Inteligência Artificial não elimina essas dimensões. Pelo contrário. À medida que determinadas tarefas se tornam mais rápidas, baratas e acessíveis, o valor tende a se deslocar justamente para aquilo que exige compreensão, discernimento e responsabilidade.

Quando produzir uma resposta se torna fácil, passa a valer mais saber qual pergunta fazer.

Quando gerar um documento se torna fácil, passa a valer mais saber se aquele documento está correto.

Quando produzir código se torna fácil, passa a valer mais compreender arquitetura, segurança, requisitos, integração e impacto sobre o negócio.

Quando gerar uma análise se torna fácil, passa a valer mais saber se os dados são adequados, se a interpretação faz sentido e se a decisão baseada naquele resultado é realmente defensável.

Em outras palavras, à medida que a IA amplia nossa capacidade de produzir, aumenta também a importância de saber o que pedir, como avaliar o resultado, quando confiar nele e, principalmente, quando não confiar.

Curiosamente, essas são justamente as partes do trabalho profissional que dificilmente cabem em um vídeo de trinta segundos ou em uma publicação criada para viralizar.

Existe ainda outro elemento nessa narrativa que merece atenção. Em muitos discursos sobre Inteligência Artificial há uma espécie de ansiedade disfarçada de otimismo tecnológico.

Quando alguém afirma que a IA finalmente “nivelou o jogo” e tornou desnecessários anos de estudo, experiência e especialização, muitas vezes não está apresentando uma conclusão técnica. Está expressando um desejo.

O desejo de que a tecnologia apague diferenças de repertório, disciplina, dedicação, capacidade analítica, experiência e domínio profissional.

Mas não vai.

Ferramentas sempre transformaram profissões.

O computador transformou a Contabilidade. A internet transformou o Jornalismo. Os softwares de edição transformaram o Design. Os mecanismos de busca transformaram a pesquisa. Calculadoras, planilhas e sistemas de simulação transformaram a Engenharia. Linguagens de alto nível, frameworks, bibliotecas e ambientes integrados transformaram profundamente o desenvolvimento de software.

Nenhuma dessas tecnologias eliminou a necessidade de profissionais competentes.

Elas eliminaram algumas tarefas, automatizaram outras, criaram novas possibilidades e elevaram o nível de exigência sobre quem permaneceu no mercado.

Com a Inteligência Artificial, provavelmente veremos um processo semelhante, embora em escala muito maior e velocidade consideravelmente superior.

A IA automatizará partes do trabalho, acelerará processos e permitirá que uma pessoa produza muito mais em menos tempo. Mudará estruturas organizacionais, fluxos de trabalho, modelos de negócio e formas de contratação. Algumas funções desaparecerão. Outras surgirão. Diversas profissões serão profundamente remodeladas.

Mas isso é muito diferente de afirmar que profissões inteiras simplesmente deixarão de existir.

Um advogado utilizando Inteligência Artificial poderá pesquisar jurisprudência, revisar contratos, comparar documentos, resumir processos e estruturar argumentos com muito mais rapidez.

Ainda assim, alguém precisará compreender o caso, interpretar a legislação, avaliar riscos, formular a estratégia, negociar com as partes, orientar o cliente e assumir responsabilidade profissional pelas decisões tomadas.

Um médico poderá utilizar IA para analisar exames, organizar informações clínicas e identificar padrões difíceis de perceber.

Ainda assim, alguém precisará compreender o paciente, avaliar o contexto, ponderar alternativas, considerar riscos, tomar decisões e assumir responsabilidade pelo tratamento.

Um engenheiro poderá utilizar sistemas capazes de gerar projetos, simulações e cálculos em segundos.

Ainda assim, alguém precisará compreender requisitos, restrições físicas, custos, normas, segurança e consequências de uma eventual falha.

Um programador poderá gerar centenas de linhas de código em poucos minutos.

Ainda assim, alguém precisará decidir o que construir, por que construir, como integrar aquilo a sistemas existentes, como proteger os dados, como garantir confiabilidade e como manter a solução funcionando em produção.

O mesmo princípio vale para professores, designers, analistas, administradores, pesquisadores e inúmeras outras profissões.

A ferramenta pode gerar uma resposta.

Ela não transforma automaticamente essa resposta em uma boa decisão.

Na prática, quanto mais acessíveis se tornam as ferramentas, mais evidente tende a ficar a diferença entre quem simplesmente produz alguma coisa e quem realmente compreende aquilo que está fazendo.

O diferencial profissional não desaparece.

Ele fica mais exposto.

Existe também uma questão mais básica, frequentemente esquecida nesse debate: respeito.

Desqualificar outras profissões para valorizar a própria não é visão de futuro. É falta de compreensão sobre como organizações, sociedades e sistemas complexos realmente funcionam.

Nenhuma empresa relevante é construída apenas por programadores.

Assim como não é construída apenas por advogados, médicos, engenheiros, vendedores, administradores, designers ou especialistas em Inteligência Artificial.

Problemas reais raramente respeitam fronteiras profissionais. Eles exigem conhecimentos complementares, experiências diferentes e colaboração entre pessoas capazes de observar o mesmo problema sob perspectivas distintas.

Por isso, da próxima vez que alguém afirmar que determinada profissão desaparecerá por causa da Inteligência Artificial, talvez valha fazer uma pergunta simples:

Essa pessoa realmente entende o que os profissionais dessa área fazem?

Talvez conheça uma tarefa visível daquela profissão.

Talvez tenha assistido a uma demonstração impressionante de uma ferramenta.

Talvez consiga reproduzir em poucos minutos um resultado que antes exigia algumas horas de trabalho.

Mas reproduzir uma tarefa não significa compreender uma profissão.

Essa diferença é fundamental.

No fim, muitos desses conteúdos supostamente “disruptivos” dizem menos sobre o futuro do trabalho e mais sobre a superficialidade de quem prefere slogans marqueteiros a entendimento.

A inteligência artificial transformará profundamente o mercado de trabalho. Algumas dessas transformações serão extraordinárias. Outras serão desconfortáveis. Algumas serão difíceis de prever.

Mas compreender essa transformação exige muito mais do que proclamar que “tudo acabou”.

Exige compreender o trabalho.

Exige reconhecer sua complexidade.

Exige separar tarefas de profissões.

E, principalmente, exige respeitar quem realmente conhece e exerce aquilo sobre o que estamos tentando opinar.

Compartilhar

  • Compartilhar no X(abre em nova janela) X
  • Compartilhar no Facebook(abre em nova janela) Facebook
  • Compartilhar no LinkedIn(abre em nova janela) LinkedIn
  • Compartilhar no WhatsApp(abre em nova janela) WhatsApp
  • Compartilhar no Telegram(abre em nova janela) Telegram
  • Compartilhar no Tumblr(abre em nova janela) Tumblr
  • Compartilhar no Pinterest(abre em nova janela) Pinterest

Relacionado

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Assinar blog por e-mail

Digite seu endereço de e-mail para assinar este blog e receber notificações de novas publicações por e-mail.

Buscar

Tags Mais Comuns nos Posts

Agentes de IA Analytics Análise de Negócios Apache Spark Aprendizado AWS Banco de Dados Vetorial Big Data Blockchain Business Intelligence Carreira ChatGPT Cientista de Dados Ciência de Dados Claude Code Cloud Computing Data Lake Data Mesh Data Science Data Scientist Data Warehouse Deep Learning Engenharia de Dados Estatística GPU GraphRAG Hadoop IA Generativa Inteligência Artificial Internet of Things Linguagem Python Linguagem R LLM LLMs Machine Learning MCP (Model Context Protocol) Metadados Microsoft NVIDIA Oracle Predictive Analytics Probabilidade Python RAG Storytelling

Histórico de Posts

  • agosto 2026 (4)
  • julho 2026 (3)
  • junho 2026 (3)
  • maio 2026 (5)
  • abril 2026 (8)
  • março 2026 (2)
  • fevereiro 2026 (9)
  • janeiro 2026 (8)
  • dezembro 2025 (3)
  • novembro 2025 (6)
  • outubro 2025 (7)
  • setembro 2025 (4)
  • agosto 2025 (4)
  • julho 2025 (4)
  • junho 2025 (2)
  • maio 2025 (6)
  • abril 2025 (3)
  • março 2025 (5)
  • fevereiro 2025 (8)
  • janeiro 2025 (5)
  • dezembro 2024 (4)
  • novembro 2024 (1)
  • outubro 2024 (1)
  • setembro 2024 (1)
  • agosto 2024 (1)
  • julho 2024 (2)
  • junho 2024 (1)
  • maio 2024 (1)
  • abril 2024 (2)
  • março 2024 (1)
  • janeiro 2024 (1)
  • dezembro 2023 (1)
  • outubro 2023 (2)
  • setembro 2023 (1)
  • agosto 2023 (4)
  • julho 2023 (2)
  • junho 2023 (4)
  • maio 2023 (2)
  • abril 2023 (1)
  • março 2023 (3)
  • fevereiro 2023 (2)
  • janeiro 2023 (3)
  • dezembro 2022 (6)
  • novembro 2022 (5)
  • outubro 2022 (2)
  • setembro 2022 (2)
  • agosto 2022 (2)
  • julho 2022 (1)
  • junho 2022 (3)
  • maio 2022 (1)
  • abril 2022 (3)
  • março 2022 (1)
  • fevereiro 2022 (3)
  • janeiro 2022 (2)
  • dezembro 2021 (1)
  • novembro 2021 (4)
  • outubro 2021 (2)
  • setembro 2021 (2)
  • agosto 2021 (1)
  • junho 2021 (1)
  • fevereiro 2021 (2)
  • janeiro 2021 (1)
  • dezembro 2020 (1)
  • novembro 2020 (1)
  • outubro 2020 (2)
  • agosto 2020 (1)
  • abril 2020 (1)
  • março 2020 (1)
  • fevereiro 2020 (2)
  • agosto 2019 (1)
  • abril 2019 (1)
  • setembro 2018 (2)
  • julho 2018 (1)
  • junho 2018 (3)
  • abril 2018 (1)
  • março 2018 (1)
  • fevereiro 2018 (2)
  • janeiro 2018 (1)
  • dezembro 2017 (1)
  • novembro 2017 (1)
  • outubro 2017 (1)
  • setembro 2017 (1)
  • julho 2017 (1)
  • junho 2017 (1)
  • maio 2017 (2)
  • abril 2017 (1)
  • janeiro 2017 (1)
  • novembro 2016 (1)
  • outubro 2016 (1)
  • setembro 2016 (1)
  • julho 2016 (1)
  • junho 2016 (1)
  • maio 2016 (1)
  • abril 2016 (1)
  • fevereiro 2016 (1)
  • janeiro 2016 (3)
  • dezembro 2015 (4)
  • novembro 2015 (6)
  • outubro 2015 (9)
  • setembro 2015 (9)
  • agosto 2015 (9)
©2026 Ciência e Dados