O CEO da Meta, empresa de 79 mil funcionários e cerca de US$ 200 bilhões de faturamento, está dizendo que pretende substituir uma camada inteira de profissionais por IA, avisando que, no começo, será caro, mas que a curva de custo deve cair rapidamente.
Esse tipo de discurso existe no mercado e executivos realmente falam sobre aumento de automação. Porém, a ideia de substituir uma camada inteira ainda é mais interpretação do que fato confirmado.
O impacto real tende a ser aumento de produtividade e redução relativa de quadro de pessoal, não extinção de funções, especialmente porque a demanda global por software continua alta e a função do desenvolvedor está evoluindo, não desaparecendo.
A Meta cortou cerca de 21 mil pessoas entre 2022 e 2023, no chamado “year of efficiency”, reestruturou times e passou a otimizar o quadro de pessoal enquanto aumenta investimentos em IA e contrata especialistas em machine learning. Isso é factual e reflete uma mudança estrutural no perfil das equipes.
Na prática, empresas estão trocando parte das funções operacionais por profissionais capazes de construir sistemas mais automatizados, o que reforça a tendência de valorização de perfis com capacidade de arquitetura, integração e domínio de IA aplicada.
A narrativa de que empresas cortaram pessoas que escrevem código e contrataram pessoas que ensinam IA a escrever código descreve uma tendência plausível, embora simplificada. A composição das equipes realmente está mudando, com mais investimento em infraestrutura e ferramentas de IA.
Porém, isso não elimina desenvolvedores, apenas muda o tipo de trabalho. O impacto direto é aumento de produtividade individual, permitindo que um profissional produza o que antes exigia vários, o que reduz a necessidade de equipes grandes e aumenta a exigência técnica por profissional.
A comparação de custo entre um engenheiro mid-level nos EUA e um agente de IA é parcialmente verdadeira apenas em termos teóricos. Não existe hoje equivalência direta de custo porque sistemas de IA exigem infraestrutura, integração, supervisão humana e manutenção.
O efeito real observado no mercado não é substituição completa, mas amplificação de produtividade. Isso cria pressão sobre perfis mid-level tradicionais, especialmente aqueles focados em tarefas repetitivas e bem definidas, como CRUD simples ou manutenção básica.
Executivos como Sam Altman falam sobre redução de custo e tempo de tarefas com IA, e isso é consistente com o que está acontecendo: geração de código assistida, automação de testes, refatoração e depuração com LLMs.
O resultado prático é aumento de eficiência entre 30% e 70% em muitos contextos.
Esse aumento não reduz a demanda total por software, mas muda o equilíbrio entre quantidade de profissionais e produção necessária.
Declarações de líderes como Marc Benioff sobre ganhos de produtividade com agentes de IA também refletem a realidade corporativa. No Google, executivos já mencionaram percentuais relevantes de código assistido por IA.
Isso confirma a tendência de que o desenvolvimento assistido será padrão. O impacto direto para profissionais é que senioridade passa a ser definida menos por tempo de experiência e mais por capacidade de decisão, arquitetura e entendimento de negócio.
Quando se fala em substituir engenheiros mid-level, o alvo não é apenas programação, mas funções baseadas em entrada padronizada e saída previsível, como suporte técnico, análise operacional e coordenação de tarefas.
Isso coincide com estudos que mostram maior risco de automação em atividades repetitivas. Porém, funções que exigem julgamento, criatividade e responsabilidade continuam dependentes de humanos.
O Brasil possui um grande contingente de desenvolvedores, com estimativas na faixa de centenas de milhares, e muitos estão no nível pleno. Isso significa que a transformação tecnológica afeta diretamente o mercado nacional.
Ao mesmo tempo, existe déficit de profissionais qualificados, o que indica que o problema não é falta de vagas, mas desalinhamento de competências.
A comparação salarial entre Brasil e EUA perde relevância relativa quando a IA aumenta produtividade global.
O diferencial de custo geográfico diminui porque empresas passam a comparar produtividade total, não apenas salário. Isso cria pressão sobre salários médios, especialmente para perfis menos especializados, enquanto profissionais que dominam IA aplicada tendem a se valorizar.
Relatórios como os da McKinsey indicam que uma parcela significativa das horas de trabalho pode ser automatizada até 2030, o que é consistente com a ideia de transformação gradual do trabalho.
Ao mesmo tempo, o Brasil enfrenta escassez de profissionais qualificados em tecnologia, reforçando que o principal risco não é desemprego massivo, mas obsolescência de competências.
A decisão entre automatizar rápido ou não envolve trade-offs reais. Automatização reduz custos, mas pode gerar perda de conhecimento tácito se mal conduzida. Por outro lado, empresas que não adotam tecnologia perdem competitividade.
Esse dilema existe em praticamente todas as revoluções tecnológicas e tende a favorecer organizações que adotam mudanças de forma gradual e estratégica.
O fato de empresas como Salesforce, Google e Meta investirem fortemente em IA confirma que a integração dessa tecnologia é inevitável.
A ideia de que quem adotar primeiro terá vantagem temporária é plausível, pois existe uma curva de aprendizado organizacional. No entanto, não há evidência objetiva de uma janela fixa de dois ou três anos.
A conclusão de que haverá uma transição econômica com redistribuição de poder é coerente com mudanças tecnológicas históricas. O cenário mais provável não é colapso do emprego em tecnologia, mas evolução do papel do engenheiro para uma função mais próxima de orquestração de sistemas, tomada de decisão e integração de ferramentas inteligentes.
Profissionais que aprenderem a usar IA tendem a ganhar produtividade e valor, enquanto aqueles que não se adaptarem perdem competitividade ao longo do tempo.
Top comments (0)