Os números que todos citam (e o que eles realmente significam)

O Relatório Future of Jobs 2025 do World Economic Forum ^[1] é o documento mais citado quando o assunto é IA e emprego. As manchetes sempre usam os números mais dramáticos: "85 milhões de empregos serão eliminados". O que raramente é mencionado:

• O mesmo relatório prevê 97 milhões de novos empregos criados — saldo positivo de 12 milhões.
• "Eliminados" não significa "extintos" — significa que as funções serão suficientemente transformadas para exigir requalificação ou realocação.
• O horizonte é 2025–2030, não 2025. Tecnologia leva tempo para se difundir e transformar mercados de trabalho.
• O impacto é profundamente desigual por setor, função, nível de educação e país.

A falácia da substituição total

O maior equívoco no debate sobre IA e empregos é pensar em termos de substituição quando a dinâmica real é de transformação. Daron Acemoglu e Simon Johnson argumentam em Power and Progress ^[2] que a tecnologia, historicamente, raramente elimina funções inteiras — ela elimina tarefas dentro das funções, forçando a evolução do perfil do trabalhador.

"A questão não é se a IA vai substituir humanos. É quais tarefas dentro de cada profissão serão automatizadas, e quais novas competências serão exigidas para as que restarem."
— Acemoglu & Johnson, Power and Progress, 2023

Erik Brynjolfsson et al. estudaram o impacto do ChatGPT no trabalho de consultores da McKinsey em 2023 ^[4]. Os resultados foram reveladores: consultores com acesso a LLMs completaram tarefas 25% mais rápido, com 40% mais qualidade — mas os consultores mais habilidosos beneficiaram-se mais do que os menos experientes, sugerindo que a IA amplia competência, não a substitui.

Quais funções estão em risco real (e quais estão crescendo)

O LinkedIn 2024 Work Change Report ^[5] analisa quais profissões tiveram mais variação de demanda. As funções sob maior pressão de automação compartilham características comuns:

• Tarefas altamente repetitivas e bem definidas
• Processamento de informação estruturada (digitação, triagem, categorização)
• Produção de conteúdo padronizado em escala
• Análise de dados simples com outputs predefinidos

As funções em crescimento acelerado compartilham outros atributos:

• Especialistas em IA/ML e engenheiros de dados
• Profissionais de segurança cibernética
• Gestores de sustentabilidade e ESG
• Especialistas em experiência do cliente e UX
• Analistas de dados que sabem comunicar insights (não apenas gerar relatórios)

Augmentation: o modelo que realmente está acontecendo

O McKinsey Global Institute ^[3] documentou o fenômeno de augmentation — IA que amplifica capacidades humanas em vez de substituí-las — em múltiplas indústrias. Os exemplos práticos são abundantes:

• Medicina: Radiologistas usando IA para detectar tumores em imagens — a IA não substitui o radiologista, mas permite que ele examine 3× mais casos com maior precisão.
• Direito: Advogados usando LLMs para pesquisa jurídica — redução de horas de pesquisa de dias para minutos, liberando tempo para estratégia e relacionamento com cliente.
• Análise de dados: Analistas usando Copilot/assistentes de dados — não para gerar os insights, mas para acelerar as etapas de limpeza, transformação e visualização.
• Engenharia de software: Desenvolvedores com GitHub Copilot produzem código 55% mais rápido — mas a qualidade da arquitetura e das decisões de design ainda é humana.

Habilidades mais demandadas em 2025 — o ranking do WEF

O Future of Jobs 2025 categoriza as habilidades mais críticas em três grupos:

Roadmap para profissionais de dados: como se posicionar

Se você é analista, engenheiro ou cientista de dados, o cenário atual é paradoxalmente favorável: a demanda por profissionais que entendem tanto de IA quanto de domínio de negócio é alta e crescendo. O que fazer:

1. Domine os fundamentos de LLMs aplicados a dados: RAG, embeddings, avaliação de modelos. Não precisa ser researcher — precisa ser um usuário sofisticado.
2. Desenvolva o stack moderno: Polars, DuckDB, dbt, Spark, ferramentas de orquestração (Airflow, Prefect, Dagster) e cloud (BigQuery, Databricks, Snowflake).
3. Cultive a habilidade de storytelling com dados: O profissional que transforma dados em decisões de negócio é 5× mais valioso do que quem só entrega dashboards.
4. Entenda ética e governança de IA: Privacidade, viés algorítmico, explicabilidade — essas não são soft skills opcionais, são requisitos regulatórios emergentes.
5. Construa presença técnica pública: GitHub, artigos técnicos, participação em comunidades. O mercado contrata reputação, não só currículo.

"O profissional de dados mais seguro no mundo de IA não é o que faz o que a IA não consegue. É o que faz o que a IA consegue — mas melhor, com mais contexto, mais ética e mais capacidade de comunicar."

The numbers everyone cites (and what they really mean)

The World Economic Forum's Future of Jobs Report 2025 ^[1] is the most cited document when the topic is AI and employment. What's rarely mentioned alongside the "85 million jobs eliminated" headline: the same report forecasts 97 million new jobs created — a positive balance of 12 million. "Eliminated" doesn't mean "extinct" — it means functions will be sufficiently transformed to require reskilling or reallocation.

The total substitution fallacy

The biggest misconception in the AI and jobs debate is thinking in terms of substitution when the real dynamic is transformation. Daron Acemoglu and Simon Johnson argue in Power and Progress ^[2] that technology historically rarely eliminates entire functions — it eliminates tasks within functions, forcing the evolution of the worker's profile.

"The question is not whether AI will replace humans. It's which tasks within each profession will be automated, and what new competencies will be required for the ones that remain."
— Acemoglu & Johnson, Power and Progress, 2023

Erik Brynjolfsson et al. studied the impact of ChatGPT on McKinsey consultants' work in 2023 ^[4]. Results: consultants with LLM access completed tasks 25% faster, with 40% higher quality — and more skilled consultants benefited more than less experienced ones, suggesting AI amplifies competence rather than replacing it.

Which functions are really at risk (and which are growing)

Functions under greatest automation pressure share common characteristics: highly repetitive and well-defined tasks, structured information processing, standardized content production at scale. Functions in accelerated growth include: AI/ML specialists, data engineers, cybersecurity professionals, customer experience specialists, and data analysts who can communicate insights.

Augmentation: the model that's actually happening

McKinsey Global Institute ^[3] documented augmentation in multiple industries. Radiologists using AI detect tumors in images — AI doesn't replace the radiologist but allows 3× more cases with higher precision. Developers with GitHub Copilot produce code 55% faster — but architecture quality and design decisions remain human.

Most in-demand skills for 2025 — WEF ranking

Roadmap for data professionals: how to position yourself

1. Master LLMs applied to data: RAG, embeddings, model evaluation.
2. Develop the modern stack: Polars, DuckDB, dbt, Spark, orchestration tools, cloud platforms.
3. Cultivate data storytelling: The professional who turns data into business decisions is 5× more valuable than one who just delivers dashboards.
4. Understand AI ethics and governance: Privacy, algorithmic bias, explainability — emerging regulatory requirements.
5. Build public technical presence: GitHub, technical articles, community participation.

Los números que todos citan (y lo que realmente significan)

El Informe Future of Jobs 2025 del Foro Económico Mundial ^[1] prevé que la IA eliminará 85 millones de empleos. Lo que rara vez se menciona: el mismo informe prevé 97 millones de nuevos empleos creados — saldo positivo de 12 millones. "Eliminados" no significa "extintos" — significa que las funciones serán suficientemente transformadas para exigir recualificación.

La falacia de la sustitución total

Daron Acemoglu y Simon Johnson argumentan en Power and Progress ^[2] que la tecnología históricamente rara vez elimina funciones enteras — elimina tareas dentro de las funciones. Erik Brynjolfsson et al. ^[4] demostraron que consultores con acceso a LLMs completaron tareas 25% más rápido con 40% más calidad — la IA amplifica competencia, no la sustituye.

Funciones en riesgo y funciones en crecimiento

Funciones bajo mayor presión: tareas repetitivas y bien definidas, procesamiento de información estructurada, producción de contenido estandarizado. En crecimiento acelerado: especialistas en IA/ML, ingenieros de datos, profesionales de ciberseguridad, analistas de datos que saben comunicar insights.

Augmentation: el modelo que realmente está ocurriendo

McKinsey Global Institute ^[3] documentó el fenómeno de augmentation en múltiples industrias. Radiólogos con IA detectan tumores con mayor precisión y mayor volumen. Desarrolladores con GitHub Copilot producen código 55% más rápido — pero las decisiones de diseño arquitectónico siguen siendo humanas.

Habilidades más demandadas en 2025 — ranking WEF

Hoja de ruta para profesionales de datos

1. Domina los LLMs aplicados a datos: RAG, embeddings, evaluación de modelos.
2. Desarrolla el stack moderno: Polars, DuckDB, dbt, Spark, herramientas de orquestación, plataformas cloud.
3. Cultiva el storytelling con datos: El profesional que convierte datos en decisiones de negocio es 5× más valioso.
4. Entiende ética y gobernanza de IA: Privacidad, sesgo algorítmico, explicabilidad.
5. Construye presencia técnica pública: GitHub, artículos técnicos, participación en comunidades.