Em 2025, um terço dos profissionais ouvidos pela consultoria McKinsey apostava que a inteligência artificial reduziria o quadro de funcionários da própria empresa dentro de um ano. Doze meses depois, a mesma pesquisa voltou a perguntar o que de fato havia acontecido. Segundo a McKinsey, só 14% confirmaram esse corte. A maioria — dois terços dos respondentes de 2026 — não viu quase nenhuma mudança no tamanho do quadro da própria empresa por causa de IA no período.
Resposta Rápida (TL;DR): A pesquisa "The State of AI" da McKinsey mostra que a previsão de corte de vagas por IA em 2025 (32% das empresas) foi bem maior do que o corte realmente registrado um ano depois (14%). O motivo não é que a IA parou de avançar, mas que o corte está concentrado em funções de suporte e tarefas repetitivas, enquanto cargos de julgamento e relacionamento seguem resistindo. A própria McKinsey ilustra isso: cortou vagas técnicas de bastidor com IA e, ao mesmo tempo, sinalizou expansão em áreas voltadas a cliente.
O que a pesquisa realmente encontrou
O dado vem do relatório "The State of AI in 2026", a pesquisa anual da consultoria com milhares de profissionais em várias indústrias. A comparação entre as duas rodadas é o que chama atenção: a expectativa de corte caiu bem longe da realidade registrada depois. Olhando para frente, a própria base de respondentes de 2026 segue dividida — 39% esperam redução de quadro por IA no próximo ano, 43% esperam pouca ou nenhuma mudança e 10% chegam a esperar aumento de pessoal.
Essa distribuição é importante porque mostra que a expectativa de corte não desapareceu — ela só não se confirmou na proporção que as próprias empresas previram da primeira vez. Isso é diferente de dizer que a IA não está mudando nada no mercado de trabalho. É dizer que o impacto, até aqui, tem sido mais seletivo e mais lento do que o temor inicial sugeria.
A própria McKinsey é o estudo de caso
Enquanto publicava esse dado, a consultoria vivia a própria contradição. Em novembro de 2025, a Bloomberg revelou que a McKinsey havia cortado cerca de 200 vagas de tecnologia, substituindo parte dessas funções por automação com IA. Segundo a reportagem, a empresa não descartava novas reduções em diferentes áreas nos dois anos seguintes, e o sócio-diretor da firma declarou que o número de pessoas em funções que não atendem diretamente clientes deve continuar menor — mas "aproveitadas pela tecnologia e pela IA de hoje".
O detalhe que passa despercebido nessa notícia é onde o corte aconteceu: em funções de suporte interno e back-office, não nas equipes que atendem clientes diretamente. É exatamente o padrão que a pesquisa da própria consultoria capturou em escala — tarefas bem definidas e repetitivas são as primeiras a serem automatizadas; julgamento, negociação e relação com cliente seguem como território humano, pelo menos por agora.
Por que o medo correu na frente dos fatos
Essa discrepância entre expectativa e realidade não é exclusividade do mercado de trabalho. Em abril de 2026, a MIT Technology Review publicou uma análise sobre por que opiniões sobre IA estão tão divididas, usando como base o Índice de IA 2026 do instituto Stanford HAI. Um dos achados: 73% dos especialistas em IA nos Estados Unidos avaliam o impacto da tecnologia no mercado de trabalho como positivo, contra apenas 23% do público em geral — uma diferença de 50 pontos percentuais. Especialistas também estão mais otimistas que a população sobre o papel da IA na saúde, enquanto o público segue cético quanto à capacidade dos governos de regular a tecnologia a tempo.
Parte dessa divergência tem explicação técnica. O próprio relatório da Stanford HAI descreve o que chama de "fronteira irregular" da IA atual: os mesmos modelos capazes de conquistar medalha de ouro em olimpíadas internacionais de matemática leem corretamente a hora em um relógio analógico em apenas 50,1% das vezes — contra 90,1% de acerto humano no mesmo teste. Um sistema pode resolver um problema de física de pós-graduação e, ainda assim, falhar em uma tarefa visual trivial para qualquer criança. Isso ajuda a explicar por que a automação em massa de cargos inteiros não aconteceu como o temor sugeria: a capacidade real da IA avança de forma desigual, forte em certas categorias de tarefa e surpreendentemente frágil em outras.
Onde a mudança real está acontecendo: não é demissão em massa, é delegação
Se o corte de vagas não é o principal efeito até agora, qual é? A mesma pesquisa da McKinsey indica a resposta: a adoção de agentes de IA — sistemas que executam tarefas de ponta a ponta, não só respondem perguntas — está crescendo de forma desigual entre empresas grandes e pequenas. Em organizações com receita acima de US$ 1 bilhão, a fração que afirma estar escalando agentes de IA subiu de 27% no ano anterior para 40% na rodada mais recente. Em empresas menores, esse porcentual ficou estagnado em 22%.
Na prática, isso significa que o tipo de trabalho que está mudando primeiro não é "quem tem emprego", mas "o que cada pessoa passa o dia fazendo". Tarefas de execução repetitiva — triagem de e-mails, preenchimento de formulários, primeira versão de relatórios, busca de informação dispersa — estão sendo cada vez mais delegadas a agentes de IA, enquanto humanos se deslocam para supervisionar, decidir e lidar com exceções. É um deslocamento de função dentro do mesmo emprego, não necessariamente a extinção dele.
O relatório da Stanford HAI dá uma pista de por que isso acontece primeiro em tarefas técnicas bem delimitadas: o desempenho dos melhores modelos no SWE-bench Verified, benchmark que mede a capacidade de resolver tarefas reais de programação, saltou de cerca de 60% para quase 100% do nível humano em apenas um ano. Quando uma categoria inteira de tarefa — escrever e corrigir código seguindo um padrão claro — passa de "difícil para a IA" a "quase resolvido" nesse ritmo, é natural que empresas de tecnologia sejam as primeiras a redesenhar funções em torno dela. Já tarefas que dependem de percepção visual do mundo real, como ler um relógio analógico, seguem travadas na faixa dos 50%. É a mesma "fronteira irregular" se manifestando em dois extremos.
A tabela abaixo resume o padrão que aparece nos dados:
| Tipo de tarefa | Exemplo prático | O que os dados mostram |
|---|---|---|
| Execução previsível e bem documentada | Corrigir bugs de código com padrão claro, preencher planilha, triagem de e-mail | Automação avança rápido (SWE-bench: 60% → quase 100% em um ano) |
| Percepção visual/sensorial do mundo real | Ler um relógio analógico, inspecionar um objeto físico | IA ainda falha com frequência (50,1% de acerto, contra 90,1% humano) |
| Julgamento e relação com cliente | Negociar contrato, decidir exceção, construir confiança | Resiste à automação; é onde a McKinsey registra menos corte de vagas |
| Tarefa de ponta a ponta com agente | Pesquisar, redigir e revisar um relatório completo sem supervisão constante | Cresce rápido em empresas grandes (27% → 40%), estagnado nas pequenas (22%) |
Como usar esse dado na prática
Esse cenário muda o que vale a pena fazer agora, independente do seu cargo:
Mapeie suas próprias tarefas por tipo, não por título de cargo. Separe o que você faz hoje em duas colunas: tarefas de execução previsível (que seguem um roteiro claro, com poucas variáveis) e tarefas de julgamento (que exigem contexto, negociação ou leitura de uma situação ambígua). A primeira coluna é a que está sendo absorvida por automação mais rápido; a segunda é onde valor humano continua concentrado, pelo menos enquanto a "fronteira irregular" da IA persistir.
Comece a delegar você mesmo, antes que a empresa decida por você. Ferramentas de IA generativa e assistentes com recursos de agente já estão disponíveis na maioria das assinaturas corporativas e pessoais. Testar prompts específicos para automatizar a parte repetitiva do próprio trabalho — e não só pedir textos genéricos — é a diferença entre ser substituído por essa mudança ou conduzi-la. Uma boa forma de começar é estudar técnicas prontas na biblioteca de prompts do Turbina IA e adaptar para as tarefas repetitivas da sua rotina.
Escolha ferramenta pelo uso real, não pela marca. Com o mercado lançando opções novas quase todo mês, vale comparar recursos e preço antes de adotar uma assinatura paga — o comparador de IAs ajuda a colocar lado a lado o que cada modelo faz melhor antes de decidir onde investir tempo de aprendizado.
Acompanhe o custo, não só o hype. Se a ferramenta vai consumir parte do orçamento pessoal ou da equipe, rodar os números antes evita surpresa na fatura — a calculadora de custos de IA estima gasto por uso real em vez de depender do plano mais caro "por precaução".
Documente o que você delega e o resultado disso. Guardar um histórico simples — qual tarefa foi passada para a IA, quanto tempo ela levou antes e depois, o que precisou de correção — tem dois efeitos práticos: ajuda a enxergar com clareza se vale a pena manter aquele fluxo automatizado e cria um argumento concreto, baseado em número e não em sensação, caso você precise defender o próprio valor numa reorganização de equipe.
Nenhuma dessas medidas depende de a previsão de corte de vagas se confirmar ou não. Elas fazem sentido justamente porque o resultado observado pela McKinsey foi misto: parte das empresas não mudou nada, parte já está redesenhando funções em torno de agentes, e uma fração ainda espera cortar no próximo ano. Entender em qual desses três grupos a sua empresa está — e se posicionar antes dela decidir por você — é o uso mais prático possível desse dado.
No mesmo assunto: Microsoft Aposta no Copilot Só para o Trabalho, Frontier Professional: Brasil Quase Dobra a Média Mundial e Busca do Google Troca Links Azuis por Páginas do Gemini.
Perguntas Frequentes
A pesquisa da McKinsey significa que a IA não vai cortar vagas?
Não exatamente. Ela mostra que o corte até agora foi menor do que o previsto em 2025, mas 39% dos respondentes da rodada mais recente ainda esperam redução de quadro por IA no próximo ano. O padrão observado é de corte seletivo, concentrado em funções de suporte e tarefas repetitivas, não eliminação ampla de cargos.
Por que a própria McKinsey cortou vagas de tecnologia usando IA?
Segundo a reportagem da Bloomberg, os cortes de cerca de 200 posições em novembro de 2025 atingiram majoritariamente funções de suporte interno e back-office, não equipes voltadas a cliente. Isso é consistente com o padrão da pesquisa: a automação avança primeiro sobre tarefas bem definidas e repetitivas.
Como saber se o meu cargo está entre os mais expostos a essa mudança?
Separe as tarefas da sua rotina entre execução previsível (roteiro claro, poucas exceções) e julgamento (negociação, leitura de contexto, relação com cliente). Quanto maior a fatia de execução previsível no seu dia, maior a chance de parte dela já estar sendo delegada a algum agente de IA — o que torna a adaptação antecipada, e não a espera, a estratégia mais segura.
