Quem mais delega tarefa pra IA é quem menos teme perder o emprego
Numa reunião de squad em junho, o líder técnico perguntou ao time se dava pra automatizar um terço das triagens de chamado de suporte nível 1. A sala ficou quieta. Ninguém disse em voz alta o que estava no ar: quem trabalha mais perto da IA deve ser o primeiro a se sentir descartável.
Um estudo publicado em 26 de junho de 2026 pelo Anthropic Economic Index testou essa hipótese com 9.700 profissionais. (O índice é a pesquisa de uso real de IA que a Anthropic roda ligando respostas de questionário a dados efetivos de uso do Claude.) Deu o contrário do que a sala esperava. Quem já delega mais tarefa pra IA hoje é, em média, quem está mais otimista sobre o próprio futuro no trabalho. E a correlação se repete nos seis eixos que a pesquisa mediu: pagamento, segurança no emprego, facilidade de achar outro emprego, sentido do trabalho, autonomia e interação humana. Em nenhum deles quem automatiza mais aparece mais pessimista que quem automatiza menos.
Os números por trás disso não são pequenos. 86% dos respondentes relataram ganho de produtividade com IA. Seis em cada dez escolheram, pra si mesmos, uma faixa de automação maior pro ano que vem do que a que praticam hoje. Mais de 35% esperam que a IA passe a fazer a maior parte do trabalho deles, ou quase todo ele, dentro de 12 meses. É gente que já testou delegar e resolveu delegar mais.
O paradoxo de quem está começando agora
Tem um dado na mesma pesquisa que estraga a leitura fácil de "automação dá segurança". Trabalhadores no início de carreira relatam a maior fatia de tarefas que a IA já consegue fazer por eles. São também os mais preocupados em perder o emprego. 33% dos respondentes acham que a chance de um colega júnior específico perder o emprego pra IA passa de 60%.
Esse número me incomoda por um motivo bem específico. A correlação geral não vira verdade automática dentro de cada grupo. Ela parece depender de quem escolheu delegar por conta própria, com controle sobre o quê e sobre quando, contra quem teve a automação decidida por cima. É a diferença entre "eu tirei essa tarefa da minha mesa" e "tiraram essa tarefa da minha mesa sem me dizer por quê".
Renda do país muda o padrão, não a direção
O relatório junta esse achado com um dado de geografia que interessa direto pra quem opera no Brasil. A fatia média de tarefas que as pessoas dizem que a IA "consegue fazer por elas" é cerca de 10 pontos percentuais menor em países de renda alta do que em países de renda mais baixa. A Anthropic já tinha documentado o mesmo padrão em relatórios anteriores do índice, inclusive ajustando pela mistura de tarefas.
| Países de renda alta | Países de renda mais baixa | |
|---|---|---|
| Modo de uso predominante | Aumento: a IA ajuda, o humano decide e finaliza | Substituição: a IA executa a tarefa inteira |
| Fatia de tarefa que o usuário diz que a IA "já consegue fazer" | Menor | Cerca de 10 p.p. maior |
| Provável causa | Mais acesso a ferramenta complementar e a infraestrutura de revisão | Menos estrutura de revisão disponível pro usuário |
O Brasil está no grupo de renda per capita mais baixa que a dos países onde a pesquisa concentra respondentes. Lendo a geografia junto com o otimismo, o recado fica direto. Empresa brasileira que automatiza tarefa inteira, sem estrutura de revisão por trás, está no padrão de uso que a própria pesquisa associa a menos rede de segurança. E é justamente aí que o time júnior relata mais medo.
O medo de automação não cai com menos IA. Cai com mais gente decidindo o que a IA faz, e sabendo por quê.
O que muda pra quem lidera time
O erro comum é tratar "automatizar mais" e "time inseguro" como a mesma equação, e por causa disso segurar a automação achando que está protegendo alguém. O dado sugere outra ordem de prioridade: o que protege o time é participar da decisão de automatizar. O ritmo pesa bem menos do que parece de fora.
Na prática, essa é a diferença entre a fase de diagnóstico e a fase de cultura numa implementação IA-first. Mapear onde a IA entra é a parte fácil. Treinar o time e registrar por que cada decisão foi tomada é o que sustenta a mudança depois que o projeto acaba.
Uma forma simples de trazer isso pro dia a dia é classificar cada tarefa candidata a automação com o time na mesma sala da decisão, e não depois dela:
tarefa: triagem de chamados de suporte nível 1
decisao: automatizar
motivo: regra clara, volume alto, baixo risco de erro
revisao_humana: amostragem semanal de 5%
quem_decidiu: time + liderança, na mesma reunião
comunicado_antes_da_virada: sim
O campo que separa as duas culturas aí é "quem_decidiu". Uma automação decretada e uma automação debatida chegam no mesmo resultado técnico e produzem reações opostas no time. A gente já viu os dois casos de perto.
Pra segunda de manhã
Pegue uma tarefa que já é delegada informalmente, dessas em que alguém do time usa IA sem processo nenhum, e formalize a decisão com essa pessoa na sala. Não num comunicado depois do fato. Se você tem gente júnior no time, comece por ela, não por último: é o grupo que a pesquisa mostra ao mesmo tempo mais exposto e mais assustado. Defina a taxa de revisão humana antes de ligar o automatismo, não depois do primeiro erro. E marque uma revisão da decisão em 30 dias com número na mão. Produtividade subiu, caiu ou ficou igual, e o time confirma isso ou não.
