Inteligência Artificial ainda está longe de substituir a maioria dos empregos, revela análise inédita

A inteligência artificial vem sendo apontada como uma força capaz de transformar o mercado de trabalho, mas um levantamento recente indica que, na prática, os sistemas disponíveis hoje não conseguem executar de forma autônoma a esmagadora maioria das atividades que já são rotineiramente realizadas por pessoas.

Como o estudo avaliou a Inteligência Artificial em tarefas reais

O trabalho foi conduzido por pesquisadores ligados a uma empresa que fornece dados para desenvolvedores de algoritmos e a uma organização sem fins lucrativos dedicada à segurança de sistemas de aprendizado de máquina. Para medir a capacidade operacional dos modelos, o grupo reuniu centenas de projetos que haviam sido contratados em plataformas de trabalho remoto. Cada projeto correspondia a uma tarefa prática, com escopo, requisitos de entrega e pagamento já definidos por contratantes humanos.

Entre os exemplos analisados apareceram demandas variadas, como transformar uma planta baixa desenhada à mão em um arquivo digital, criar animações 3D de produtos de consumo, transcrever músicas, programar um jogo para web e formatar artigos científicos para publicação. Após selecionar esse material, os pesquisadores repassaram cada tarefa a modelos populares, entre eles ChatGPT, Gemini e Claude, pedindo que concluíssem o serviço sem qualquer intervenção humana.

A iniciativa recebeu o nome de Remote Labor Index e busca oferecer a gestores públicos e privados uma métrica objetiva das limitações e dos avanços das ferramentas de automação baseadas em linguagem natural e visão computacional.

Resultados: apenas 2,5% das atividades foram concluídas pela Inteligência Artificial

O desempenho foi medido em termos de entregas aceitas pelos próprios critérios estabelecidos nos anúncios originais. O melhor sistema avaliou os projetos, executou a tarefa e devolveu o resultado satisfatório em somente 2,5 % dos casos. Quase metade dos trabalhos falhou por apresentar qualidade final considerada insuficiente, mais de um terço acabou abandonado antes da conclusão e cerca de um em cada cinco registros apresentou defeitos elementares, como arquivos corrompidos.

Um exemplo emblemático foi a tentativa de converter uma planta de arquitetura desenhada à mão em um documento digital. O algoritmo não conseguiu reconhecer detalhes de escala e ignorou legendas presentes no desenho, inviabilizando o uso profissional da peça. Em outro caso, que pedia um painel interativo para exibir dados do World Happiness Report, o sistema até gerou gráficos, mas deixou países sem dados aparentes, sobrepôs textos e aplicou cores erradas nas legendas.

Mesmo nas situações em que houve algum êxito, o resultado ficou aquém das exigências completas. A construção de um jogo de navegador foi concluída e o título era jogável, porém a temática solicitada – uma cervejaria – acabou ignorada, demonstrando falta de aderência a instruções contextuais.

Principais falhas detectadas nos sistemas de Inteligência Artificial

Ao revisar as devolutivas incorretas, os pesquisadores identificaram duas barreiras técnicas recorrentes. A primeira é a ausência de memória de longo prazo capaz de armazenar e reaproveitar feedback recebido em diferentes etapas do projeto. Sem esse recurso, o modelo replica erros, não aprende com correções e perde coerência em trabalhos que se estendem por vários dias.

A segunda limitação envolve compreensão visual. Muitas demandas profissionais exigem manipulação de elementos gráficos, ajuste de paleta de cores, alinhamento de camadas e percepção de profundidade ou perspectiva. Os modelos avaliados foram treinados predominantemente para gerar texto ou código e, por isso, tentam resolver desafios visuais por meio de scripts, sem a sensibilidade que especialistas humanos demonstram ao utilizar softwares dedicados de design ou modelagem.

Além dessas dificuldades centrais, ocorreram falhas prosaicas: nomes de arquivos fora do padrão solicitado, ausência de documentação de suporte, dúvidas sobre formatos de exportação e erros de compatibilidade entre sistemas operacionais, fatores que qualquer profissional resolveria sem grande esforço, mas que se mostraram barreiras para o processamento automático.

Impacto econômico: o que a limitação da Inteligência Artificial significa para o mercado de trabalho

O contraste entre as expectativas sociais e o desempenho concreto é significativo. Uma pesquisa realizada anteriormente com a população dos Estados Unidos constatou que aproximadamente 75 % dos entrevistados acreditam que os algoritmos reduzirão a quantidade de empregos disponíveis na próxima década. Contudo, os números do estudo recém-publicado sugerem que a substituição em massa ainda não é operacionalmente viável.

Imagem: Flow

Isso não quer dizer que a tecnologia seja irrelevante para o futuro das ocupações. Em um dos experimentos, a versão de um jogo produzida por IA custou menos de 30 dólares, enquanto o mesmo produto feito por humanos havia exigido desembolso de cerca de 1.485 dólares. A diferença de custo indica potencial de redução de despesas para contratantes, caso as barreiras de qualidade sejam superadas em versões futuras.

Nesse cenário, mesmo que a automação total permaneça distante, a produtividade individual pode aumentar. Uma única pessoa apoiada por chatbots e geradores de código talvez consiga entregar o volume de trabalho que antes exigia uma equipe, diminuindo a necessidade de ampliação de quadros funcionais em determinados setores.

Percepção pública contrasta com desempenho real da Inteligência Artificial

Parte do entusiasmo em torno dos grandes modelos de linguagem surgiu após o lançamento de ferramentas que redigem textos longos, escrevem rotinas de programação e respondem a perguntas complexas em segundos. Esses feitos levaram a projeções de que profissões inteiras, do teleatendimento à advocacia, seriam rapidamente automatizadas.

Entretanto, a nova análise reforça que dominar fragmentos de competência ― como gerar parágrafos coerentes ou produzir blocos de código ― não equivale a assumir o papel completo de um especialista. Um economista, por exemplo, precisa emitir relatórios, mas também interpretar dados, negociar prazos, ajustar modelos diante de mudanças de contexto e apresentar conclusões a públicos diversos. Até o momento, tais responsabilidades conjugadas continuam fora do alcance dos agentes artificiais.

De acordo com especialistas que acompanharam o levantamento, a lacuna se aprofunda porque as máquinas não usam as mesmas ferramentas dos humanos. Enquanto um designer manipula interfaces visuais, o chatbot tende a devolver descrições em formato textual ou instruções de programação, tornando lenta a adaptação às plataformas criadas para interação direta.

Próximos passos na pesquisa sobre Inteligência Artificial e trabalho humano

Os autores do Remote Labor Index pretendem repetir o experimento periodicamente, incorporando cada nova geração de modelos que surja no mercado. A primeira versão do índice foi publicada em outubro e já recebeu atualização com a chegada de um modelo mais recente, que elevou a taxa de sucesso de 0,8 % para 1,3 % em um subconjunto de tarefas. Ainda assim, o salto não modifica a conclusão central: os sistemas atuais não estão “nem perto” de automatizar funções inteiras na economia real.

A equipe afirma que monitorar a evolução desse indicador ajudará formuladores de políticas públicas a calibrar expectativas e a definir programas de qualificação profissional. Se o ritmo de melhora permanecer gradual, haverá tempo para adaptação; caso algum avanço radical viabilize memória persistente e interpretação visual refinada, novas discussões sobre proteção de empregos terão de ser antecipadas.

A próxima atualização do Remote Labor Index será realizada assim que os principais provedores liberarem novos modelos de linguagem ou visão computacional, momento em que os pesquisadores vão comparar novamente a performance autônoma das ferramentas com o trabalho de freelancers humanos.

OrganizaSimples

Olá! Meu nome é Zaira Silva e sou apaixonada por tornar a vida mais leve, prática e organizada — especialmente depois que me tornei mãe.
Criei o Organiza Simples como um cantinho acolhedor para compartilhar tudo o que aprendi (e continuo aprendendo!) sobre organização da casa, da rotina e da mente, sem fórmulas impossíveis ou metas inalcançáveis.

Bateria de estado sólido em produção promete recarga total em 5 minutos para veículos elétricos

OpenAI reforça quadro de talentos ao incorporar equipe da Convogo em sua nona aquisição do ano

Lua hoje: fase Cheia em declínio aponta para a Lua Minguante neste sábado

Por que cortar cebola provoca lágrimas: explicação científica completa

Onde assistir futebol ao vivo hoje: horários e transmissões dos jogos de 09/01/2026