IA pode substituir empregos? Entenda o cenário atual

Olha, a pergunta “IA vai substituir empregos?” não é nova, mas ultimamente virou tema de almoço e café, todo dia. E o papo sempre cai em catástrofe ou em um otimismo exagerado. Como alguém que vive enfiado em Google Sheets, Apps Script, Python, APIs e automações, eu vejo essa história de um ângulo bem particular: o da trincheira, do dia a dia, da coisa que precisa funcionar até o final do expediente.

Não sou de vender curso nem de prever o futuro. Meu negócio é pegar um problema chato, demorado, e tentar achar um jeito de ele parar de me incomodar tanto. Se der pra automatizar, eu automatizo. Se der pra meter um pouco de IA pra ajudar, eu meto. E nesse processo, a gente começa a sentir na pele o que realmente acontece com o trabalho da gente.

A verdade é que a IA não chegou para "passar a régua" em todo mundo de uma vez. Ela chegou para mexer nas bordas, para beliscar as tarefas mais repetitivas, as chatas, as que ninguém quer fazer. E é aí que a coisa fica interessante, e um pouco assustadora, pra quem não se liga.

O Começo da Mudança: Aquelas Tarefas Que Sumiram do Meu Prato

Sabe aquela história de ter que pegar dados de cinco sistemas diferentes, copiar e colar em uma planilha, formatar tudo à mão, e depois fazer um resumo inicial? Pois é, eu passava horas nisso. Horas que pareciam mais uma punição do que trabalho de verdade. Meu primeiro contato "sério" com automação foi pra matar essa dor.

No início, era script simples em Apps Script. Eu lia uma célula no Google Sheets, pegava um ID, fazia uma requisição para uma API REST usando UrlFetchApp, trazia um JSON e jogava na linha de baixo. Nada de IA ainda, só a automação pura e simples. Isso já poupava umas boas horas por semana. Onde antes eu passava um dia consolidando, eu passava uns 15 minutos rodando o script e conferindo.

Mas aí a coisa evoluiu. Comecei a ver que alguns resumos que eu fazia, ou a categorização de certas informações, seguiam padrões muito claros. Aquelas descrições de produtos genéricas ou o agrupamento de feedback de clientes em "positivo", "negativo", "sugestão"... Era sempre a mesma ladainha.

Quando a IA Bateu na Porta (e no Sheets)

Um dos primeiros testes que fiz foi com categorização de tickets de suporte. A gente recebia centenas de e-mails por dia, e o pessoal da minha equipe tinha que ler cada um e categorizar. Era um inferno. Demorava, era inconsistente, e a chance de erro humano era alta, especialmente na sexta-feira à tarde. Eu pensei: "Será que dá pra uma IA me ajudar com isso?".

Comecei a fuçar. Usando Python e a biblioteca requests, eu conseguia pegar os e-mails via API de um serviço de tickets. Aí, com a API de um modelo de linguagem (na época, uma versão mais antiga de um modelo que hoje é bem comum), eu montava um prompt mais ou menos assim:

"Classifique o seguinte texto em uma das categorias: 'Problema de Login', 'Erro no Sistema', 'Dúvida Geral', 'Solicitação de Recurso'. Se nenhuma se encaixar, use 'Outro'. Texto: '{conteúdo_do_email}'"

O resultado era jogado de volta no Google Sheets, junto com o e-mail original, numa coluna nova. Não era perfeito. Às vezes a IA se confundia, jogava um "Problema de Login" como "Dúvida Geral". Mas o ponto é: ela acertava uns 80-85% das vezes de primeira. Aquela pessoa que passava o dia lendo e categorizando, agora podia focar nos 15-20% mais complexos, nos casos de borda, ou em dar um retorno mais personalizado. O trabalho não sumiu, ele mudou de cara. Deixou de ser um trabalho de "digitador/leitor" para ser um trabalho de "curador/solucionador de problemas complexos".

Gerando Rascunhos e Consolidando Ideias

Outro ponto que a IA começou a morder foi a geração de rascunhos. Não pra escrever o artigo inteiro, mas pra dar um pontapé inicial. Por exemplo, precisávamos mandar um e-mail de follow-up para uma lista de clientes que não respondiam uma oferta. Escrever 50 e-mails com pequenas variações era um tédio.

Eu criei um script em Apps Script que lia uma lista de nomes e produtos em uma planilha. Para cada linha, chamava a API da IA (via UrlFetchApp, claro) com um prompt tipo:

"Escreva um e-mail de follow-up curto e amigável para '{nome_cliente}' sobre nosso produto '{nome_produto}'. Inclua uma frase de ação pedindo para agendar uma demonstração."

O resultado? Rascunhos de e-mail que precisavam de ajustes, sim, mas já vinham com a estrutura e a ideia principal. O tempo gasto em escrever do zero caiu drasticamente. O colega de vendas não parou de trabalhar, ele parou de fazer a parte chata da escrita e passou a focar em personalizar e fechar o negócio. Ele virou um editor de e-mails, não mais um escritor de rascunhos sem fim.

Minha própria rotina mudou. Antes, eu gastava tempo formatando relatórios. Agora, com Python e algumas bibliotecas de manipulação de dados como pandas, eu consigo processar, cruzar informações de APIs distintas (um ERP, um CRM, uma planilha de marketing) e, usando a IA, gerar um primeiro rascunho de "insights" ou "pontos chave" do relatório. Não é que a IA faz a análise completa, mas ela agiliza o processo de extrair padrões óbvios e liberar meu tempo para análises mais profundas e estratégicas.

IA Aumenta, Não Substitui: O Cenário Atual

O que eu vejo na prática é que a IA, hoje, é uma ferramenta de aumento de produtividade. Ela pega as tarefas que são repetitivas, que exigem menos discernimento humano, e as faz de forma mais rápida e consistente. Isso não significa que a pessoa que fazia essas tarefas é demitida. Significa que o escopo do trabalho dela tem que mudar.

Pense assim: se o seu trabalho principal é fazer algo que pode ser descrito em um prompt bem claro e repetido mil vezes, esse trabalho está em risco de ser automatizado. Mas a automatização não se constrói sozinha. Ela precisa de alguém para:

• Projetar a automação (eu, no caso, ou alguém com meu perfil).
• Escrever os prompts eficazes.
• Integrar as APIs (o que não é trivial, acredite).
• Testar incansavelmente (e corrigir, corrigir, corrigir...).
• Monitorar os resultados.
• Ajustar a IA quando ela "alucina" ou erra.
• Lidar com as exceções que a IA não consegue prever.

Essas são novas camadas de trabalho, que exigem novas habilidades. Não é mais sobre "fazer" a tarefa chata, mas sobre "gerenciar" a ferramenta que faz a tarefa chata, e intervir quando ela falha.

É uma curva de aprendizado. Lembro de tentar integrar uma API de IA com uma planilha que tinha um milhão de colunas com dados desorganizados. A IA simplesmente não conseguia entender o contexto. Passei um bom tempo limpando e estruturando os dados *antes* de tentar a IA. Isso, por si só, já era um trabalho que exigia meu conhecimento e que a IA não faria por mim.

Então, no cenário atual, eu vejo mais uma transformação de funções do que uma substituição em massa. As tarefas menos qualificadas e mais repetitivas são as primeiras a serem impactadas. As pessoas precisam aprender a trabalhar *com* a IA, e não *contra* ela.

Comparativo: Jeito Manual/Demorado vs. Jeito Automatizado (com IA)

Jeito Manual/Demorado	Jeito Automatizado (com IA)
Consolidar dados de 10 planilhas diferentes em uma só, copiando e colando manualmente.	Script em Apps Script ou Python que coleta dados via API ou Web Scraping, consolida e atualiza o Sheets automaticamente.
Ler e categorizar 500 e-mails de suporte por dia em categorias fixas.	Python + API de IA que faz uma pré-categorização. O humano revisa e ajusta os 15-20% mais complexos.
Escrever rascunhos iniciais de e-mails de vendas personalizados para 100 clientes.	Apps Script + API de IA gera 80% do conteúdo do e-mail. O vendedor personaliza e finaliza.
Analisar longos textos de feedback de clientes para identificar tendências e pontos problemáticos.	Python + API de IA para sumarizar, extrair entidades e classificar o sentimento do feedback. Humano interpreta os resultados e toma decisões.
Criar títulos e descrições para dezenas de produtos em um e-commerce.	API de IA gera múltiplas opções de títulos e descrições a partir de bullet points. Humano seleciona e refina os melhores.
Passar horas procurando informações em documentações técnicas para resolver um erro de código.	IA ajuda a gerar snippets de código, sugere soluções para erros e aponta para a documentação relevante. O desenvolvedor valida e implementa.

O Que Dá Errado: As Armadilhas da Automação com IA

Apesar de tudo parecer muito lindo na teoria, na prática a coisa desanda de um jeito que você nem imagina. E é nesses “defeitos” que a necessidade do ser humano se mostra mais forte.

• APIs Mudam Sem Avisar: Isso acontece o tempo todo. Você tem um script Python rodando há meses, integrando com uma API de terceiros. De repente, a API muda o endpoint, ou o formato do JSON de resposta. Seu script quebra. A IA não vai adivinhar essa mudança. Quem tem que ir lá, debugar, ler a documentação nova e reescrever a parte do código sou eu. Já perdi um fim de semana inteiro por causa disso.
• Dados Sujos Geram Lixo da IA: Já dizia o ditado: "Garbage in, garbage out". Se os dados que você alimenta a IA estão inconsistentes, incompletos ou mal formatados, a IA vai te dar respostas ruins. Tentei usar IA para analisar dados de vendas com campos de produto preenchidos de vinte formas diferentes ("TV", "Tv", "televisor", "tv de LED"). A IA se perdeu. Tive que gastar semanas limpando e padronizando esses dados *manualmente* ou com scripts Python de limpeza antes que a IA pudesse ser útil. Esse trabalho de pré-processamento é pesado e crucial.
• Alucinações e Invenções: Ah, as famosas alucinações! Pedi para a IA resumir um relatório financeiro e ela simplesmente inventou números e fatos que não estavam no original. Criei um fluxo onde a IA geraria descrições de produtos, e ela inventou características que o produto não tinha. Nesses casos, a revisão humana não é opcional, é obrigatória. Se eu confiasse cegamente, estaríamos vendendo carros voadores que não existem. É aí que o fator crítico do humano entra.
• O Custo Oculto da Nuvem e das APIs: No início, eu ficava empolgado com cada automação. Rodava scripts a torto e a direito. Até que a fatura da API ou da computação em nuvem chegava. Já tomei um susto com uma conta salgada porque um script estava chamando a API de forma ineficiente, gerando milhares de requisições desnecessárias. Gerenciar o uso, otimizar chamadas e entender os custos é uma responsabilidade humana.
• Falta de Contexto e Discernimento: A IA é boa em reconhecer padrões, mas péssima em entender nuances humanas, intenções não ditas ou o contexto cultural de uma situação. Ela não vai conseguir negociar com um fornecedor irritado, ou entender a política interna para tomar uma decisão. Já tive que intervir em automações de resposta a clientes porque a IA, apesar de educada, errava no tom ou na empatia, o que poderia gerar uma crise.
• Dependência Excessiva e Falhas: Minhas automações dependem de uma dezena de serviços externos (APIs do Google, de parceiros, etc.). Se um deles cai, toda a cadeia quebra. Eu preciso ter um plano B, um sistema de alerta, e saber como reverter para o manual enquanto resolvo o problema. A automação te dá uma eficiência incrível, mas também te deixa refém se você não se planejar para falhas.

Esses "pequenos" problemas são o que me fazem acreditar que, por enquanto, a IA é uma ferramenta para aumentar a capacidade humana, não para simplesmente tirar a gente do jogo. Ela muda o tipo de problema que enfrentamos, e nos obriga a ser mais espertos, mais adaptáveis.

FAQ Técnico e Direto

1. Com tanta IA por aí, vale a pena continuar aprendendo a programar, tipo Python ou Apps Script?

Sim, mais do que nunca. A IA é uma ferramenta poderosa, mas não programa sozinha com eficiência e sem erros para resolver problemas complexos do dia a dia. Ela te ajuda a acelerar, a gerar rascunhos de código ou a encontrar soluções, mas a lógica, a integração de APIs, o tratamento de erros e a manutenção são responsabilidades do desenvolvedor. Você vai ser mais um "arquiteto de automações" do que um "digitador de código".

2. Minha empresa está começando a usar IA para gerar conteúdo. Eu, que escrevo, vou perder meu emprego?

Provavelmente não o emprego, mas a natureza do seu trabalho muda bastante. Você passará de criador do zero para editor, revisor, "prompt engineer" e curador. Seu valor estará na sua capacidade de refinar o que a IA produz, garantir a qualidade, a originalidade, a adequação ao tom de voz da marca e, principalmente, na sua inteligência crítica para identificar e corrigir os erros e vieses da IA. Seu trabalho se torna mais estratégico e menos mecânico.

3. É verdade que as automações com IA são sempre mais eficientes e sem erros que um humano?

Não. Elas são mais consistentes para tarefas repetitivas e bem definidas, sem o cansaço ou o tédio humano. No entanto, introduzem seus próprios tipos de erros, como as "alucinações" (quando a IA inventa informações), vieses dos dados de treinamento ou falhas em cenários ambíguos que exigem julgamento humano. A eficiência e a ausência de erros dependem diretamente de quão bem você projeta, implementa e monitora a automação. A supervisão humana é essencial para garantir a qualidade e a correção.

Conclusão: O Jogo Mudou, Mas o Jogador Ainda é Você

Olha, a conversa sobre IA e empregos é complexa e cheia de nuances. Da minha cadeira, usando essas ferramentas no dia a dia, o que eu vejo é uma mudança, não uma erradicação. As tarefas maçantes, as que te faziam olhar pro relógio a cada cinco minutos, essas sim estão com os dias contados.

O que sobra? O que exige pensamento crítico, empatia, criatividade genuína, resolução de problemas complexos que a IA não consegue mapear sozinha, e a capacidade de construir e gerenciar essas próprias automações. Meu trabalho hoje envolve muito mais planejar a solução, integrar sistemas e debugar o que a IA não fez direito do que simplesmente executar tarefas repetitivas.

Não dá pra ignorar a IA. Ela está aqui e vai continuar evoluindo. Meu conselho é simples: se joga. Começa a usar. Entende como ela funciona, quais são os limites. Aprende a dar bons prompts. Tenta automatizar algo pequeno no seu dia a dia. Você vai errar, vai se frustrar, vai ver que a coisa não é mágica, mas vai aprender. E é esse aprendizado contínuo que vai garantir que você continue relevante, não como alguém que é substituído, mas como alguém que usa a IA pra ir além.