Automação ou aumento: a pergunta que decide onde a IA entra no seu time

Marcelo Sampaio, fundador da Hashdex, publicou no Brazil Journal um relato de seis semanas em Stanford que vale menos pela viagem e mais por uma pergunta que ele traz do professor Rob Reich: a IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → existe para automation ou para augmentation? Automatizar é construir a máquina que faz o que o humano faz (a tradição de John McCarthy, fundador do laboratório de IA de Stanford). Aumentar é a linha de Douglas Engelbart, que em 1962 escreveu Augmenting Human Intellect, propondo ampliar a capacidade humana em vez de tirar o humano da equação, o que Steve Jobs depois batizaria de "bicicleta para a mente".

Pra quem escreve código, isso não é filosofia de palco. É a decisão que você toma toda vez que liga um agente ou um copilot num fluxo: a ferramenta está substituindo uma pessoa da equação ou ampliando o que ela consegue fazer? E o artigo traz dado real pra mostrar que essa escolha tem consequência mensurável.

O número que separa "faz tarefa" de "tem emprego"

Reich apresentou em aula dois benchmarks que parecem se contradizer, e não se contradizem:

A leitura de Sampaio é direta: "a AI já é extraordinária em pedaços do trabalho, mas ainda é muito ruim em ter um emprego". Pra quem constrói software, isso descreve com precisão a experiência de usar Copilot ou Claude Code no dia a dia. O modelo escreve a função, resolve o bug isolado, gera o boilerplate. Ele não segura a arquitetura de um sistema de ponta a ponta por 30 horas sem se perder, sem alucinar contexto, sem precisar de um humano lendo cada passo. Emprego não é uma unidade indivisível: é um conjunto de tarefas, e a IA come as tarefas curtas primeiro.

David Autor, do MIT, passou décadas mostrando que tecnologia elimina tarefas, cria outras e redesenha profissões, não necessariamente destrói o trabalho. A mecanização agrícola, a linha de montagem, o computador: cada onda matou funções e criou economias inteiras. O erro histórico, argumenta o texto, é confundir automação de uma tarefa com extinção da necessidade de trabalho humano.

O dado que devia assustar quem lidera engenharia

Aqui o artigo sai da teoria. Erik Brynjolfsson, diretor do Digital Economy Lab de Stanford, junto com Bharat Chandar e Ruyu Chen, cruzou dados de folha de pagamento da ADP de milhões de americanos procurando os primeiros sinais do impacto da IA no mercado de trabalho. O achado:

Entre trabalhadores de 22 a 25 anos nas ocupações mais expostas à AI, o emprego já está 19% abaixo do dos colegas da mesma idade em áreas menos expostas. Profissionais experientes nas mesmas ocupações? Nenhum efeito comparável.

estudo de Brynjolfsson, Chandar e Chen, citado por Marcelo Sampaio no Brazil Journal

E, crucial: o ajuste não vem de demissão. Ninguém está cortando sênior. O mercado está deixando de contratar júnior. O segundo achado é o que fecha o argumento de Reich com dado real: a deterioração se concentra onde a IA é usada para automatizar. Onde ela complementa a capacidade humana, o emprego está estável ou subindo.

Traduzindo pra briga McCarthy vs. Engelbart com números de folha de pagamento: não é humano contra máquina. É humano com máquina contra humano que ainda não aprendeu a usá-la.

A escada invisível que a gente pode estar serrando

Esse é o ponto que mais deveria tirar o sono de quem monta time técnico no Brasil. Toda profissão tem uma escada. O programador júnior corrige bugs e revisa PR por anos antes de arquitetar sistema. O problema, como o texto coloca, é que os primeiros degraus são exatamente as tarefas mais fáceis de entregar à IA.

Ou seja: dá pra automatizar o júnior sem automatizar o sênior, e descobrir daqui a dez anos que se desmontou a fábrica de seniores. Um sênior não brota pronto. Ele é um júnior que passou por milhares de bugs, code reviews e decisões erradas. Se a máquina absorve essa camada de aprendizado, de onde vem o arquiteto de 2035?

É por isso que essa transição pode ser mais dura que as anteriores. O trator atingiu o campo, a linha de montagem a fábrica, o computador entrou aos poucos no escritório. Cada onda deu a uma geração tempo de se reinventar. A IA chega ao advogado, ao médico, ao designer e ao programador ao mesmo tempo, e não está pedindo licença.

O contra-argumento honesto

Antes de fechar, o argumento contrário mais forte: talvez cortar júnior não seja diferente do computador ter matado a datilografia. Ferramenta nova sobe a régua de entrada, o mercado se reacomoda, e o "júnior" de 2030 já entra sabendo pilotar agentes, virando produtivo mais rápido do que o júnior de hoje jamais foi. Nessa leitura, o gap de 19% é dor de transição, não estrutura permanente, e o próprio Sampaio se diz otimista com o equilíbrio final.

Pode ser. Mas há uma assimetria que a analogia da datilografia não cobre: a datilografia era uma tarefa periférica; a revisão de PR e o bug fix são o mecanismo de formação de quem vai arquitetar. Automatizar a saída dos textos é diferente de automatizar o degrau de aprendizado. E o dado da ADP não mostra júnior migrando pra função melhor. Mostra a vaga não abrindo.

O que eu faria com um time no Brasil

O fecho de Reich é o que mais interessa pra quem decide: o futuro com IA não é problema de previsão, é problema de design. Nada obriga a tecnologia a evoluir para maximizar automação. Empresas escolhem onde colocam capital e como implementam.

Pra líder de engenharia no Brasil, onde o custo de formar sênior local já é alto e a fila de júnior é grande, isso vira decisão concreta de gestão:

• Trate a IA como aumento, não substituição, no nível de entrada. Dê ao júnior o copilot como acelerador de aprendizado, não como argumento pra não contratar. Um júnior com IA que entende o que a IA gerou vale mais em três anos que a economia de não tê-lo contratado.
• Não deixe a máquina fechar o degrau da revisão. Se o agente resolve o bug e o júnior só aprova, você automatizou a tarefa e o aprendizado junto. Force a leitura, o entendimento do diff, a justificativa da escolha.
• Meça complemento, não corte. A pergunta certa não é "quantas vagas a IA me poupa", é "quanto a mais cada pessoa entrega com ela". A parte do estudo onde o emprego sobe é justamente a de augmentation.

O cenário em que máquinas simplesmente substituem humanos não é consequência inevitável da tecnologia. É uma escolha, e ela se faz no design do fluxo de trabalho do seu time, não numa keynote em San Francisco.

Fonte: Brazil Journal