A IA é sua amiga ou inimiga? O que o Anthropic Economic Index realmente diz sobre trabalho e automação

Se você passou os últimos dois anos ouvindo que a IA vai substituir uma fatia enorme dos empregos, o dado mais importante do momento veio justamente da empresa mais obcecada por risco existencial: a Anthropic. No Anthropic Economic Index, baseado em 1 milhão de conversas reais, o retrato é bem menos apocalíptico do que a narrativa dominante sugere.

O resumo do estudo é direto: 57% do uso analisado foi de amplificação, quando a IA colabora e expande a capacidade humana, contra 43% de automação, quando a ferramenta executa tarefas diretamente. E tem um detalhe decisivo: apenas 4% das operações mostraram a IA fazendo mais de 75% das tarefas. Isso muda completamente a forma como você deveria pensar carreira, produtividade e risco de substituição.

Trabalho com cybersegurança há mais de 18 anos e hoje atuo como Senior Cybersecurity Lead na Microsoft, assessorando líderes de segurança em ambientes onde automação já é realidade há muito tempo. Por isso, esse paper me chamou atenção não como hype de LinkedIn, mas como dado operacional: ele separa o que é medo difuso do que é uso real de IA no trabalho.

O que o Anthropic Economic Index realmente mediu?

O valor desse estudo está no método. Em vez de perguntar para executivos o que eles acham que a IA fará, a Anthropic olhou para 1 milhão de conversas reais e tentou entender que tipo de trabalho estava acontecendo ali.

Para classificar essas interações, o time mapeou cada conversa contra o O*NET, o banco de tarefas profissionais do governo dos Estados Unidos. O transcript cita cerca de 20.000 tarefas mapeadas nesse sistema. A lógica foi simples e poderosa: identificar qual tarefa profissional a pessoa estava executando e como a IA estava participando daquela tarefa.

Daí vem a distinção central do paper:

• Amplificação (augmentation): humano e IA colaboram; a ferramenta acelera, esclarece, resume, sugere caminhos e amplia a capacidade de decisão.
• Automação: a IA executa diretamente uma tarefa delimitada, com pouca ou nenhuma necessidade de participação humana durante a execução.

Esse ponto parece semântico, mas não é. Quando o debate público trata qualquer uso de IA como “substituição”, ele mistura categorias diferentes e produz um pânico que não ajuda ninguém a decidir melhor.

Por que os 57% de amplificação mudam a conversa?

Porque 57% de amplificação não é uma nuance estatística. É a diferença entre dois futuros profissionais completamente distintos.

No primeiro futuro, a empresa compra uma IA e elimina pessoas porque a máquina agora faz o trabalho inteiro. No segundo, que é o que os dados do paper sugerem com mais força, o profissional continua no centro do processo — só que entregando mais, mais rápido e com menos fricção cognitiva.

É por isso que o dado contraria a narrativa repetida por consultorias, vendors de IA e gurus de internet. Todos têm algum incentivo para exagerar: uns vendem transformação, outros vendem ferramenta, outros vendem atenção. O Economic Index, pelo menos nessa leitura inicial, aponta para um cenário mais pragmático: a IA está sendo usada mais como copiloto do que como piloto automático.

Na prática, amplificação significa coisas como:

• organizar informação antes da tomada de decisão;
• resumir um material longo para acelerar análise;
• criar um primeiro raciocínio para ser refinado;
• comparar alternativas;
• destacar nuance, contexto e inconsistência com mais velocidade.

Nada disso é trivial. Mas também não é a mesma coisa que “o humano saiu da equação”. Em grande parte dos casos, o profissional continua responsável pelo julgamento final, pela priorização e pelo contexto.

O que realmente entra nos 43% de automação?

Aqui está o erro mais comum da discussão pública: ouvir 43% de automação e concluir que 43% do trabalho humano já está sendo substituído. Não foi isso que o Gustavo destaca no vídeo, nem é isso que o paper, nessa leitura, permite afirmar.

Os 43% representam principalmente tarefas isoladas que a pessoa delega para a IA fazer sozinha. Exemplos citados no transcript:

• formatar um documento;
• gerar uma primeira versão de texto;
• traduzir conteúdo;
• montar uma tabela;
• produzir um resumo de reunião;
• criar um arquivo a partir de dados já estruturados.

Isso importa porque tarefa não é emprego. Tarefa é uma unidade de trabalho. Emprego é um conjunto de responsabilidades, contexto, julgamento, relacionamento, accountability e consequência.

Automatizar um rascunho de e-mail não significa automatizar o papel de um gerente. Automatizar a primeira versão de um relatório não significa automatizar o trabalho de um consultor, de um advogado ou de um analista de segurança. O risco de confundir essas duas escalas é transformar eficiência localizada em profecia exagerada sobre o mercado inteiro.

Por que tarefa não é o mesmo que trabalho?

Essa talvez seja a distinção mais importante de todo o vídeo. E, na minha visão, é aqui que muita gente está desperdiçando energia mental.

Uma tarefa automatizada costuma ter três características:

1. escopo limitado;
2. resultado relativamente binário;
3. baixa necessidade de julgamento contextual.

O exemplo usado no vídeo é excelente: um robô aspirador. Você não “colabora” com ele como numa dança; você liga, programa e deixa o robô limpar o chão. O objetivo é claro, o sucesso é fácil de medir e a intervenção humana durante a execução é mínima. Isso é automação.

Já a amplificação se parece mais com uma dança de salão: dois agentes atuando juntos, ajustando ritmo, contexto e direção. A IA ajuda, mas o humano continua orientando o sentido do movimento.

Essa metáfora é útil porque mostra por que algumas partes do trabalho são tão automatizáveis e outras não. Tomada de decisão, criatividade, julgamento, relacionamento e contexto continuam sendo áreas em que o profissional permanece no centro. E são justamente essas áreas que, na maioria dos trabalhos de maior impacto, carregam a parcela mais valiosa do resultado.

O que o dado de 4% revela sobre a automação total?

Revela que o discurso “a IA já faz quase tudo” ainda não encontra sustentação robusta nesse conjunto de dados.

Segundo o vídeo, apenas 4% das operações analisadas mostraram a IA realizando mais de 75% das tarefas. Isso é o oposto da imagem popular de automação total em massa.

Perceba o que esse número não está dizendo. Ele não afirma que o risco de substituição futura é zero. Também não diz que em 10 ou 20 anos nada mudará. O próprio Gustavo é cuidadoso nesse ponto: falar de horizonte longo com certeza é um erro. O mundo de 2036 não será o mundo de 2026.

Mas para o profissional tentando tomar decisão agora, o recado é importante: o dado mais robusto disponível neste momento sugere convivência ampliada, não remoção generalizada imediata. Isso deveria deslocar seu foco de “será que eu desapareço?” para “como eu fico mais forte usando isso da forma certa?”.

Como isso aparece na prática em cybersegurança?

Em cybersegurança, esse padrão fica muito claro. Pense em um analista júnior de SOC triando alertas ao longo de um turno de oito horas. No vídeo, o Gustavo menciona uma faixa de 100 a 200 alertas por turno como ordem de grandeza para contextualizar o trabalho operacional.

Quando você coloca IA nesse fluxo — por exemplo, copilots de segurança capazes de resumir evidências, correlacionar sinais, apontar contexto adicional e acelerar a primeira leitura do incidente — a pergunta correta não é “o analista acabou?”. A pergunta correta é: ele está sendo substituído ou amplificado?

Na maioria dos casos observados em campo, o que acontece é amplificação:

• menos tempo gasto com triagem repetitiva;
• mais contexto disponível mais cedo;
• menos dependência de chute ou memória imperfeita;
• maior consistência na sumarização inicial;
• mais tempo mental para a parte que realmente importa.

A IA remove o trabalho repetitivo do início da cadeia, mas não elimina a necessidade de discernimento. Em segurança, isso é ainda mais crítico, porque falso positivo, impacto de negócio, prioridade de resposta e nuance de ameaça não são coisas que você deveria terceirizar cegamente.

Ou seja: a automação pega a vassoura; a amplificação fortalece o analista.

Como um profissional de alto impacto deveria reagir a esse estudo?

Com menos ansiedade abstrata e mais estratégia concreta.

Se o retrato atual é 57% amplificação, o jogo profissional não é fugir da IA. É aprender a separar, no seu próprio trabalho, o que deve ser automatizado e o que deve ser potencializado.

Minha recomendação prática, alinhada ao espírito do vídeo, é a seguinte:

1. Automatize os 43% chatos do seu dia. Resumos, formatação, primeiras versões, organização mecânica, tradução, estruturação inicial de dados.
2. Proteja os 57% que constroem vantagem competitiva. Julgamento, tomada de decisão, narrativa, priorização, relacionamento, contexto e criatividade aplicada.
3. Experimente uma ferramenta nova de IA por alguns dias. Não no modo turista, mas no modo profissional: teste, integre ao workflow e decida se ela realmente aumenta sua capacidade.
4. Pare de usar IA só como chat genérico. Quem fica só nesse nível captura pouco valor. O ganho real aparece quando a ferramenta entra em processo, ritual e sistema pessoal de trabalho.
5. Construa perfil de high individual contributor. O profissional de alto impacto não necessariamente gerencia equipes; ele entrega resultado desproporcional. E esse perfil tende a ser um dos maiores beneficiados pela IA bem usada.

Esse é o ponto mais importante para mim: vantagem competitiva profissional não está desaparecendo. Ela está mudando de forma. Quem souber combinar automação de tarefa com amplificação de julgamento vai produzir mais sem se tornar apenas um operador dependente da ferramenta.

Então a IA é sua amiga ou sua inimiga?

Depende menos da tecnologia e mais da forma como você a incorpora ao trabalho.

Se você usa IA para desligar o cérebro, delegar sem critério e aceitar qualquer resposta bem escrita, ela pode enfraquecer seu desenvolvimento. Mas se você usa IA para remover atrito operacional e preservar energia para as decisões que realmente importam, ela vira uma aliada poderosa.

O Anthropic Economic Index não encerra o debate sobre o futuro do trabalho. Mas ele oferece uma correção valiosa de perspectiva: hoje, o uso real de IA parece muito mais próximo de parceria do que de substituição total. E isso, honestamente, já é informação suficiente para orientar melhor sua próxima semana de trabalho.

Em vez de gastar energia imaginando um colapso inevitável em 20 anos, use os dados disponíveis para fazer uma pergunta mais útil: o que, no meu workflow atual, eu devo automatizar — e o que eu devo amplificar?

Este artigo foi gerado a partir do meu vídeo no YouTube sobre o Anthropic Economic Index e o impacto real da IA no trabalho. Assista à versão completa para acompanhar a leitura do paper, os números originais e a analogia visual entre amplificação e automação.