O que você vai encontrar aqui:
- Por que o gargalo do trabalho não sumiu com a IA, ele mudou de lugar: saiu de fazer e foi para verificar, e o que isso exige de quem decide.
- O paradoxo do tempo que ninguém no palco quis encarar: a IA não está nos devolvendo tempo, porque a competição consome o ganho de produtividade.
- O que Alexis Ohanian (Reddit) diz que a IA não vai construir, e a reflexão que precisa vir antes de o valor migrar para o humano.
- Por que o medo da nova geração é real, não “narrativa”, e por que o júnior de hoje não vira sênior sozinho.
- A ponte com o Brasil: trabalho manual, contratação por skills, letramento raso e a jornada de formação que a empresa vai ter que desenhar.
Este artigo conversa com o meu livro gratuito Engenharia de Prompts na Prática, que dedica os capítulos finais justamente a carreira na era da IA e ao fator humano que a automação não alcança. Se este post te fez pensar no que sobra para você, o livro destrincha essa parte.
Terminei o terceiro dia do VivaTech 2026 com uma sensação diferente dos dois primeiros. Os dias anteriores foram sobre máquinas: foguete, tecido vivo, chip, qubit, modelo aberto. Se você não acompanhou, contei tudo na cobertura do primeiro dia e do segundo dia. Hoje o palco virou para o lado de dentro. A pergunta do dia foi o que acontece com a gente enquanto a IA faz o que faz.
Acompanho inteligência artificial de perto desde 2015. Este é o meu terceiro VivaTech, e a curadoria desta edição de 10 anos reservou um bloco grande de sessões sobre o lado humano da IA: trabalho, contratação, colaboração com agentes e os efeitos de segunda ordem que ninguém ainda mediu. Assisti a seis dessas sessões e juntei todas num post só, porque elas contam um arco único. Quem decide tecnologia sem ser do time técnico, que é o leitor que eu tenho em mente, vai agir sobre o que está aqui na segunda-feira, não daqui a dez anos.
Vou organizar por tensão, não por painel. São quatro tensões que se repetiram em palcos diferentes, com gente que normalmente não concorda entre si dizendo a mesma coisa.
“Augmented intelligence” e o coro do otimismo de palco
A primeira sessão do dia, “Is AI Making Us Worse at Being Human?” (a IA está nos tornando piores em ser humanos?), no Black Stage, reuniu Moira Gilchrist, Chief Global Communications Officer da Philip Morris International, André M. König, CEO da Global Quantum Intelligence, e Tahera Zamanzada, Executive Advisor on AI Strategy da SAP, com mediação de Ana Rold, da Diplomatic Courier.
A tese mais repetida foi a de Gilchrist: trocar “inteligência artificial” por “inteligência aumentada”. O argumento é conhecido e tem força. Como todo o conhecimento do mundo virou acessível, a pessoa não precisa mais memorizar fatos e pode focar no que é dela: julgamento, perspectiva, fazer conexões. Zamanzada complementou com a ideia de usar a IA como parceira de treino, alguém para questionar e provocar, não como piloto automático, e reservar de forma intencional os 20% finais da tarefa para o julgamento humano, mesmo quando a máquina faz os 80% iniciais.
König foi o contraponto, e o mais honesto da mesa. Disse que usar a IA como copiloto é uma das piores coisas que se pode fazer, porque o ser humano regride para o caminho mais fácil. Ele mesmo confessou um episódio de “cognitive offloading” (descarregar a cognição na máquina): deixou a IA escrever um artigo, não revisou, e o editor ligou constrangido. A imagem dele ficou: a reversão à média preguiçosa está codificada no nosso cérebro.
Aqui entra a minha primeira ressalva, e ela vale para o dia inteiro. Quase todo painelista se declarou otimista. Apareceram o “realistic optimist”, o “chief stay calm officer”, o pedido para “virar a manchete negativa em positiva”. Otimismo de palco é cômodo. Quem está ali, na maioria das vezes, ocupa uma posição muito confortável, tem privilégio financeiro e intelectual, e começou a trabalhar com a tecnologia muito à frente dos outros, o que garante uma janela de vantagem como especialista de mercado. Não é a realidade de quem está na quinta fila. Otimismo de quem vende a tecnologia, ou vive bem dela, é um dado de posição, e o leitor precisa descontar isso da fala.
O paradoxo do tempo que ninguém quis encarar
Tem uma promessa que circula em quase todo evento de tecnologia e apareceu de novo aqui, em versões diferentes: a IA vai nos dar mais tempo, vai inaugurar uma era de abundância. Quero parar nessa promessa, porque ela não se sustenta do jeito que é vendida.
A IA não está nos dando mais tempo. O motivo é simples e desconfortável: em vez de usar o ganho de produtividade para preservar tempo, as pessoas e as empresas estão usando para produzir ainda mais, por causa da competição. É uma das coisas que já tinha colocado no meu texto sobre o futuro do trabalho com IA: se todo mundo usa IA, ninguém ganha tempo, todos correm para manter o passo. Enquanto existir pressão competitiva, o tempo economizado é reinvestido em mais trabalho, não em descanso nem em vida. A gente vai continuar trabalhando tanto ou mais do que antes, só que com a barra mais alta.
E a “era da abundância” é uma frase muito relativa. Quase sempre ela é dita por alguém de uma economia desenvolvida. Para uma pessoa de classe social menos abastada, ou de um país de economia menos desenvolvida, a IA não é abundância, é a chance de reduzir uma desigualdade social, de melhorar a economia ao redor. E, para isso, essa pessoa vai aumentar a própria produtividade, não baixar o ritmo. Ou seja: enquanto houver problema econômico, a corrida continua. A IA resolve uma questão de produtividade, mas não resolve a questão econômica. Encaixar as possibilidades da IA em novas possibilidades econômicas exige discussão que vai além dos palcos de qualquer evento de tecnologia.
Guardo essa pergunta para tudo o que vem a seguir: quando alguém diz que a IA vai libertar o humano para tarefas mais nobres, vale perguntar de volta, libertar quem, e em que país?
O gargalo não sumiu, mudou de lugar
Se você for guardar uma só ideia deste post, guarde esta. É onde os painéis, sem combinar, convergiram para um ponto que ainda escapa à maioria de quem decide, e que muda como você mede o trabalho da sua equipe.
Várias sessões insistiram na fórmula “human in the loop” (humano no circuito de decisão). Na mesa “Hybrid Intelligence”, no Purple Stage, com Valérie Beaulieu-James, da Manpower Group, Corine de Bilbao, presidente da Microsoft France, e Jeremie Profeta, Chief Transformation Officer da Sonepar, a expressão virou disputa de variações: “human in the loop”, “human in the lead”, “human at the center”. Soou quase competição para ver quem cravava o slogan mais bonito, e começou a beirar o ridículo.
Vou ser direto sobre o jargão, porque ele esconde uma verdade embaixo do desgaste. O humano não está “no loop”. O humano está em todos os lugares. Ele não foi removido da equação em nenhum momento. Continuam sendo sistemas humanos, criados por humanos, para resolver problemas humanos.
Todo agente ou tarefa orquestrada precisa ser planejado e pensado para um humano, precisa ter pontos de verificação (que se não são humanos, foram escritos por um humano com experiência naquela verificação) e, no fim, precisa gerar impacto positivo na vida de outro humano. A ideia de “tirar o humano” é uma falsa questão: o problema é humano, a solução é humana, e a IA é só uma ferramenta. Virou clichê dizer isso, mas é a realidade.
E aqui está o ponto que amarra o dia. De Bilbao deu o exemplo dos médicos, que gastam de 60% a 70% do tempo escrevendo relatórios e preenchendo documento administrativo. A IA assume essa parte mecânica, e sobra tempo para o julgamento, para olhar o caso, para decidir. Profeta deu o exemplo da Sonepar, com 46 mil colaboradores, 20 mil falando com clientes todo dia: a IA automatiza a cotação e o pedido, e libera o associado para entender a necessidade real do cliente.
Repare no que acontece nesses dois exemplos. A execução virou barata. Escrever o relatório, montar a cotação, produzir o rascunho: fácil, rápido, automatizável. O esforço se deslocou para outro lugar. O mercado tem chamado isso de gargalo da verificação (verification bottleneck), e é a leitura que faz mais sentido de tudo o que vi.
O gargalo do trabalho sempre existiu. O que muda é onde ele fica. Antes, o gargalo era a execução: tinha muita coisa para fazer, faltava tempo, a gente priorizava o que dava. Fazer era o caro. Agora fazer ficou fácil, mas, pela natureza dos modelos de linguagem, que alucinam, a gente precisa validar tudo. E validar ficou difícil. O gargalo saiu de produzir e foi para verificar. Não é uma tese minha, é uma leitura que adotei porque bate exatamente com o que vejo no meu trabalho e no trabalho das empresas que treino ou mentoro. Quem trabalha com agentes sente isso na pele: o agente entrega rápido, e o tempo todo vai para conferir se entregou certo.
Isso reposiciona o “human in the loop” de slogan para necessidade técnica. O médico que revisa o relatório, o associado da Sonepar que valida a cotação, o profissional que confere o que o agente fez: todos são o ponto de verificação. O valor humano migrou da produção para o julgamento sobre a produção. Quem entende isso para de medir produtividade por “quantas tarefas a IA fez” e passa a medir por “quão bem a gente está verificando o que ela faz”. Já tinha defendido na cobertura do Dia 2 por que um LLM não vigia outro LLM com segurança, e por que a saída passa por sensores determinísticos, que respondem sempre a mesma coisa para a mesma entrada. O gargalo da verificação puxa o mesmo fio por outro ângulo: para essa verificação funcionar, alguém com experiência precisa escrever a régua que decide se o resultado presta.
O que a IA não constrói, e a reflexão que vem antes
A sessão mais cheia do dia foi “What AI Can’t Build” (o que a IA não consegue construir), no VivaTech Theater, com Alexis Ohanian, entrevistado por Roxanne Varza, diretora da Station F. Ohanian cofundou o Reddit, um dos maiores fóruns da internet, ainda num apartamento, e hoje toca a Seven Seven Six, fundo de capital de risco com mais de um bilhão de dólares sob gestão. Quem passou quinze anos construindo comunidade com estranhos na internet tem alguma autoridade para falar do que a máquina não constrói.
Ohanian construiu o argumento sobre o que a IA não replica: confiança, comunidade, gosto, e a razão pela qual as pessoas aparecem. Ele deu o exemplo do esporte. Por melhor que o robô fique, ninguém vai querer assistir robô jogar futebol. Um gol do Mbappé renderizado em pixel perfeito pela IA, indistinguível do real, não vai mexer com a sua alma, porque o que torna o gol especial é que um humano o fez. Ele apostou que, à medida que a IA comoditiza a produção de conteúdo, o humano feito por humano fica mais valioso, não menos, e citou o crescimento dos encontros presenciais, dos clubes de corrida, do teatro ao vivo. O valor migra para onde a presença humana é o ponto.
Concordo muito com esse destino. Só que ele depende de uma reflexão anterior que o palco não fez. Para o valor migrar para o entretenimento, para o presencial, para o que move a alma, a gente precisa ter tempo e disposição para isso. E, como falei acima, a IA não está nos devolvendo tempo. Vivemos num mundo de escassez de tempo, e seguimos preenchendo o tempo economizado com mais trabalho. O futuro bonito que Ohanian desenha, de gente valorizando o croissant feito à mão e a peça de teatro com humanos no palco, esbarra numa pergunta econômica: quem vai ter tempo e dinheiro para esse valor? Enquanto a mentalidade for a de espremer mais produtividade, o valor humano que ele celebra fica reservado a quem já pode pagar por ele.
O medo da nova geração é real, e o júnior não vira sênior sozinho
A mesa “Beyond the Résumé” (além do currículo), no Purple Stage, foi a que mais falou com o mercado de trabalho. Estavam Sue Duke, diretora para EMEA e América Latina e VP de Política Pública Global do LinkedIn, Ruth Harper, da ManpowerGroup, e Claire Lebarz, CTO da Malt, com mediação de Charlie Perreau, do Les Echos.
Duke trouxe o dado que mais me interessou, e ele se confirma fora do palco. Segundo o relatório do LinkedIn sobre contratação na Europa, a queda na contratação (em torno de 25% abaixo dos níveis pré-pandemia, conforme os dados do Economic Graph do LinkedIn) é puxada pelo contexto macroeconômico, não pela automação. E o ponto resiliente do mercado são os papéis que combinam proficiência em IA com habilidades humanas. Não é “IA ou humano”, é IA mais humano que segura o emprego. As vagas que exigem letramento em IA cresceram mais de 70% ano a ano nos Estados Unidos, segundo o relatório Skills on the Rise 2026 do LinkedIn, num período em que a contratação geral caiu nas economias avançadas.
Lebarz cravou a contratação por skills, não por diploma: usar matching semântico por competências (o sistema cruza o que a vaga pede com o que a pessoa sabe fazer, em vez de filtrar por escola ou diploma) reduz parte do viés histórico da triagem. No fundo, é a lógica de se enxergar como um conjunto de habilidades, não como um cargo, sobre a qual escrevi nas verdades duras da carreira na era da IA.
Aqui faço uma ponte com o Brasil. Contratar por skills, e não pelo diploma, já é realidade, principalmente em tecnologia, e faz tempo. O que muda agora são quais skills.
E aí mora a discussão que apareceu nessa mesa e voltou na de “Hybrid Intelligence”: o que é hard skill e o que é soft skill? A questão é que as hard skills continuam sendo “hard”, difíceis de aprender, e as soft, apesar de poderem ser aprendidas no dia a dia, também. Nem todo mundo cresceu e viveu num ambiente que permitiu desenvolver essas competências comportamentais.
Vivemos uma realidade em que as soft skills importam muito e, ao mesmo tempo, estudar por conta própria ficou mais importante, porque a educação ainda não abraçou as novas hard skills nem incorporou as soft skills. É exatamente aí que o programa de treinamento das empresas precisa tomar cuidado: letrar nas novas hard skills e desenvolver as soft skills onde existe déficit, porque é nelas que a contratação passou a apostar na era da IA.
A parte que mais me incomodou, e que a mesa tocou com honestidade, foi a do recém-formado. Lebarz contou que o novo graduado hoje se candidata a muito mais vaga e, com frequência, é rejeitado sem falar com nenhum humano, o que alimenta solidão e rejeição numa geração inteira. E vários painéis, aqui e na mesa “Hybrid Intelligence”, levantaram o problema do júnior: historicamente, o profissional aprendia executando as tarefas mais mecânicas, pesquisa, anotação, coordenação, compilação de casos. São exatamente as tarefas que os agentes passaram a fazer. Removeu-se a fricção que formava o júnior.
O medo dessa geração é real, não é “narrativa”. Discordo de quem, no palco, quis “virar a manchete negativa em positiva”, como se o problema fosse de comunicação. Minimizar a ansiedade de quem entra no mercado é confortar quem decide, não quem está entrando. Pense na conta que o jovem enfrenta: as pessoas vivem mais, com cognição cada vez melhor (o tema da longevidade, que cobri no Dia 1, bate aqui), entregando trabalho melhor por causa da IA, e não vão largar o osso. Por onde o jovem entra?
Uma das mesas notou que os jovens estão começando a empreender mais. Não acho que seja glamour. É necessidade. Se ele não empreende, não acha espaço aberto nas empresas. Quem tem mais potencial cria o próprio negócio, de novo por necessidade, e o que sobra para muitas empresas é o jovem que não conseguiu empreender, que vira alvo de crítica. A gente precisa repensar, como sociedade, a atratividade dos novos postos de trabalho para os jovens, e como lidar com esse jovem lá dentro, em vez de só criticar e martirizar uma geração que vive uma realidade que a minha não viveu.
Eu tive o privilégio de começar cedo na tecnologia, e ganhei muita vantagem com isso. Hoje estou numa posição confortável. Um jovem que tentar refazer o meu caminho não vai chegar onde eu cheguei, porque o caminho mudou. Ele precisa achar caminhos novos, e ajudá-lo nessa busca deveria ser o nosso papel: a responsabilidade de quem veio antes é ser mentor de quem vem depois. Em vez disso, estamos assumindo o papel de críticos exigentes, às vezes mesquinhos, que não compartilham a sabedoria que têm, ou que talvez nos falte, de saber lidar com a situação.
Isso joga a bola para dentro das empresas. Se a fricção que formava o júnior sumiu, alguém precisa recriar a formação de propósito. A empresa que esperar a pessoa chegar pronta vai esperar para sempre. E aqui aparece a objeção clássica: “vou formar e o profissional vai embora para a concorrência”. É um risco real.
Só que toda empresa que investe em educação convive com esse risco, e sabe da contrapartida: o funcionário que recebe formação no lugar entende que está desenvolvendo a carreira ali, e tende a se fidelizar, ainda mais na jornada do júnior ao sênior, quando não tem certeza de receber esse letramento em outro lugar. Numa empresa onde o sênior é bem reconhecido, ficar até a senioridade vira a escolha mais lógica para ele. Cabe à empresa desenhar uma jornada de retenção em torno de uma nova formação de trabalho para a era da IA. Quem não desenhar essa jornada vai perder os dois lados: não forma o júnior e ainda reclama que a geração não vem pronta.
Os agentes saíram do código e entraram no trabalho de todo mundo
Para fechar o arco, duas sessões mostraram o que muda quando o agente sai do código de programador e vira colega de qualquer área.
Em “Second Order AI” (IA de segunda ordem), no VivaTech Theater, Steven Levy, da Wired, conduziu Tony Fadell, Marc Mathieu, da Rogue Ventures AI, e Ian Rogers, Chief Human Agency Officer da Ledger.
Fadell é uma das vozes mais respeitadas em produto físico: liderou a criação do iPod e participou do desenvolvimento do iPhone na Apple, depois fundou a Nest, e hoje toca a Build Collective. E foi ele quem trouxe a melhor provocação do dia sobre desigualdade de competência. Ele disse que se preocupa menos com a IA e mais com a distância entre quem aprendeu a usá-la muito bem e quem não toca nela. Conhece gente que “queima mais de um bilhão de tokens por dia” porque descobriu como extrair valor real, e gente que diz “não chego perto disso”. O abismo entre os dois é o que vai separar quem prospera de quem fica para trás.
Casa com a tese do Fadell uma observação que faço em quem treino: a desigualdade de competência em IA vira desigualdade econômica. E ela não é só individual, é entre países. Quem exporta o modelo captura o valor; quem importa paga a conta. O Brasil está do lado que importa quase tudo, então o nosso abismo de competência tem um peso a mais.
A sessão “Your Next Coworker Is Here and He Isn’t Human” (seu próximo colega chegou, e ele não é humano), no Red Stage, trouxe Stanislas Polu, cofundador e CTO da Dust, com mediação de Helen O’Reilly, do French Tech Journal.
Polu mostrou um agente que prepara sozinho a reunião semanal de uma equipe: acorda na segunda, consulta as fontes de dados da empresa, monta os slides, pinga cada responsável pedindo a parte dele, junta tudo e entrega a apresentação pronta na terça. Oito pessoas participam do processo, dando o seu pedaço, sem que nenhuma tenha feito o trabalho braçal de montar.
Repare na direção da seta, porque ela inverte a leitura mais comum. O mercado costuma imaginar um humano orquestrando vários agentes, e esse modelo de fato vai existir em muitos casos. O exemplo do Polu mostra um segundo padrão, bem menos discutido: um agente orquestrando vários humanos. Ele roteia a necessidade, vai a cada especialista da empresa buscar o pedaço, organiza tudo e devolve pronto para o topo. Os dois convivem, e eu venho chamando atenção em treinamentos para essa segunda direção, que costuma passar despercebida.
E é nessa segunda direção que mora a parte desconfortável, que ninguém no palco quis dizer com todas as letras. Esse roteamento de informação, coletar de cada área, organizar e passar para cima, é exatamente o que muita camada de gestão faz o dia inteiro. O caso fica mais sensível quando o agente passa a costurar camadas administrativas inteiras, conectando diferentes níveis da hierarquia que antes dependiam de um gestor no meio do caminho.
Quando o agente assume esse meio de campo, a gestão que só roteava informação perde a razão de existir. Sobra valor para o gestor que faz outra coisa além de coletar e repassar: decidir, dar contexto, lidar com gente, definir o que importa. Quem reduziu o próprio trabalho a ser o cano por onde a informação passa vai descobrir que o cano agora é de software.
O outro ponto que guardo de Polu é sobre o júnior, e fecha o tema. Ele disse que, quando a IA faz a maior parte do trabalho, o que importa deixou de ser saber “como construir” e passou a ser saber “o que construir”. E saber o que construir exige uma forma de talento difícil de ter sem experiência: iniciativa para agir sem ninguém mandar, senso de dono, a capacidade de mudar o rumo de um projeto. Um ano atrás, um recém-formado ser confiável e rápido já bastava. Hoje quase não basta. Ou seja: o próprio mercado está elevando a régua de entrada justamente quando remove o degrau que formava o iniciante. É a contradição do momento, e ela não se resolve sozinha.
Por décadas, organizações treinaram pessoas para se comportar como máquinas: pontualidade precisa, eficiência reproduzível, padronização, redução de variabilidade. Agora as máquinas chegaram e fazem isso muito melhor do que qualquer pessoa jamais fará. O que sobra, o que a automação não alcança, são exatamente as capacidades que passamos décadas treinando as pessoas a esconder.
Escrevi essa página no meu livro antes do VivaTech, e o dia 3 inteiro foi uma confirmação dela.
O que o Dia 3 me deixou
O terceiro dia coube numa virada de foco. Os dois primeiros dias foram sobre a máquina ficar mais capaz. O terceiro foi sobre o que isso faz com a gente. E o fio que costura tudo é que o gargalo do trabalho mudou de lugar. Saiu da execução, que a IA barateou, e foi para a verificação, que continua sendo humana e ficou mais cara. Ohanian aposta no valor que a IA não replica, Fadell alerta para o abismo entre quem usa bem e quem não usa, as mesas de RH mostram a contratação por skills e o júnior que não vira sênior, e Polu mostra o agente que coordena o trabalho de oito pessoas.
Para o Brasil, a conta pesa, e ela tem mais de uma camada. Não temos um modelo próprio e importamos quase toda a IA que usamos, o que nos deixa expostos a um rearranjo econômico que decidem fora. E, dentro de casa, o efeito sobre o emprego não cai igual para todo mundo.
Aqui vale desarmar uma simplificação comum, a de que a IA generativa ameaça o escritório e poupa o trabalho manual. O corte não segue o colarinho, segue o tipo de tarefa. O que está exposto, com a mão ou com a cabeça, é o trabalho repetitivo e previsível. O que resiste, por enquanto, é o que exige adaptação, imprevisto e toque humano. Dá para enxergar três grupos.
O primeiro é o trabalho cognitivo repetitivo, e ele já está sob pressão da IA generativa: relatório padronizado, triagem de documento, atendimento roteirizado, a parte mecânica do escritório. O segundo é o trabalho manual repetitivo, e esse já convive com a automação física há décadas, não é novidade: a linha de montagem corta posto desde os anos 1980, e a separação de pedido no armazém logístico é a leva mais recente. Quem é da indústria automotiva ou têxtil viveu isso muito antes do ChatGPT. O terceiro é o trabalho de adaptação e cuidado, que segue protegido por enquanto: a enfermeira que cuida do corpo do idoso, com destreza e presença que nenhum robô entrega tão cedo, o eletricista que desembaraça e identifica um emaranhado de fios num espaço apertado, e o profissional da construção que faz o acabamento fino. É a manualidade refinada, em ambiente que muda a cada obra, que a máquina ainda não reproduz.
O “por enquanto” do terceiro grupo é a parte que pede atenção. A fronteira que se desenha agora é a robótica ganhando flexibilidade com IA, capaz de lidar com o ambiente que muda e a tarefa que exige adaptação, exatamente o que o braço robótico fixo nunca alcançou. O caminho dela foi um dos temas da abertura do evento, que cobri no Dia 1. Quando essa robótica amadurecer, parte do terceiro grupo migra para a zona de pressão. O alívio de hoje é provisório, não uma garantia.
Tem ainda a questão da alavanca, e ela separa as pessoas dentro de cada grupo. Usar a IA para aumentar a própria produtividade exige acesso, tempo e letramento, e a maior parte da população brasileira não tem os três. O trabalhador de escritório qualificado consegue transformar a IA em ferramenta a seu favor. O trabalhador de baixa qualificação, manual ou cognitivo, fica exposto à pressão sem a mesma chance de reagir com a tecnologia. Quem tem a alavanca vive o paradoxo de “nunca tive tanta oportunidade” contra “nunca tive tanta competição”. Quem não tem fica só com a pressão.
E ainda tem a frente da formação. A contratação por skills já chegou, mas as skills mudaram, e a nossa educação não acompanhou. O júnior, que sempre se formou na fricção das tarefas mecânicas, encontra essa fricção removida pela IA, sem um programa que o conduza até sênior.
A IA resolve produtividade. Ela não resolve economia, nem forma gente sozinha. Esse trabalho, o de encaixar a IA em novas possibilidades econômicas e desenhar a jornada que forma o profissional da próxima década, é humano, e é nosso. Nenhuma ferramenta faz por você.
Por onde começar
Você não precisa de um agente nem de um programa de IA para agir sobre o que esse terceiro dia mostrou. Esta semana, faça três perguntas dentro da sua área.
Existe verificação? Nas tarefas em que a sua equipe já usa IA, alguém confere o resultado antes de ele virar decisão? Se a resposta for “a gente confia na saída”, o problema é anterior ao gargalo: não há verificação nenhuma, e isso é um risco grande, não um detalhe. Resolver isso vem antes de tudo.
Como essa verificação acontece? Se ela existe, está escrita em algum lugar, com critério claro, ou mora só na cabeça de uma pessoa e depende da boa vontade de quem tem tempo? Verificação sem processo e sem documentação vira o novo entrave: o trabalho de conferir se acumula e trava a entrega.
Há priorização do que a IA faz? Antes de verificar, decida o que vale produzir. Produtividade não é quantidade de tarefas realizadas, é qualidade das tarefas que mexem no resultado da empresa. Usar a IA para produzir em massa o que não gera impacto cria volume, não valor, e ainda enche a fila de verificação com coisa que não importa. Priorizar o que fazer é o que evita o gargalo se formar lá na frente.
Existe um caminho de formação? A IA assumiu as tarefas mecânicas que antes formavam o júnior. Há na sua área um percurso desenhado para ele virar sênior mesmo assim, ou você está esperando as pessoas chegarem prontas?
Responder essas quatro perguntas custa uma conversa e já coloca a sua área à frente da maioria.
Se a sua dúvida é mais sobre a própria trajetória, sobre quais competências desenvolver na era da IA, vale conversar com o Consultor de Carreira, um agente de IA que indica os cursos da minha curadoria na ESPM conforme o seu perfil.
Perguntas frequentes sobre o VivaTech 2026
Qual foi o tema do terceiro dia do VivaTech 2026?
O terceiro dia do VivaTech 2026 concentrou as sessões sobre o lado humano da inteligência artificial: o que muda no trabalho, na contratação e na colaboração quando a IA assume parte do trabalho cognitivo. Painéis com executivos de Manpower Group, Microsoft France, LinkedIn, SAP, Sonepar e Malt, além de Alexis Ohanian (Reddit), Tony Fadell (criador do iPod) e Stanislas Polu (Dust), discutiram onde entra o valor humano quando a execução vira commodity.
O que é o gargalo da verificação na era da IA?
O gargalo da verificação (verification bottleneck) é a ideia de que, com a IA, fazer ficou fácil e validar ficou difícil. Antes o gargalo do trabalho era a execução: havia muita coisa para fazer e pouco tempo. Agora a IA produz rápido, mas como os modelos de linguagem alucinam, o esforço se desloca para checar se o resultado está correto. O gargalo não desapareceu, mudou de lugar: saiu de produzir e foi para verificar.
A IA vai acabar com empregos segundo os painéis do VivaTech 2026?
Os painelistas, em geral, negaram demissões diretas causadas por automação e apostaram que o saldo de empregos será positivo. A leitura mais cuidadosa é que o efeito mais forte da IA sobre o emprego não é a automação de um posto específico, e sim o rearranjo econômico que ela provoca: muda quem fatura, redistribui investimento e produz cortes de forma indireta. O impacto depende do país, e economias que importam IA, como o Brasil, ficam mais expostas.
Por que é cada vez mais difícil o profissional júnior virar sênior com a IA?
Historicamente o júnior aprendia executando as tarefas mais mecânicas (pesquisa, anotação, coordenação, compilação de casos). São exatamente as tarefas que os agentes de IA passaram a fazer. Com essa fricção removida, some o degrau de entrada que formava o profissional. A saída é a empresa desenhar um programa estruturado de formação que conduza o júnior até sênior, em vez de esperar que as pessoas cheguem prontas.
O conhecimento técnico ainda importa na era da IA, ou basta saber usar a ferramenta?
Importa, e muito. A ideia de que a IA dispensa o conhecimento técnico não se sustenta, porque é o domínio técnico que permite validar o que a IA produz. Como os modelos alucinam, alguém precisa saber se a saída está certa, e quem não tem a hard skill não consegue verificar. As hard skills continuam difíceis de aprender, e o treinamento técnico das empresas precisa continuar existindo. O que muda é o conjunto: ao lado do domínio técnico, ganham peso as habilidades humanas de julgamento e decisão. É a combinação que sustenta o profissional, não a troca de uma coisa pela outra.
Contratar por skills em vez de diploma já é realidade?
Sim, principalmente na área de tecnologia, já faz algum tempo. O que muda com a IA é quais skills importam e a forma de avaliá-las: o matching semântico por competências, em vez de filtros por escola ou diploma, reduz parte do viés histórico da triagem. O ponto de atenção é a experiência ruim do candidato, especialmente do recém-formado que é rejeitado sem falar com nenhum humano.
A IA ameaça mais o trabalho de escritório do que o trabalho manual?
Não é tão simples. O corte não segue o tipo de colarinho, segue o tipo de tarefa: o que está exposto é o trabalho repetitivo e previsível, com a mão ou com a cabeça. Dá para enxergar três grupos. O trabalho cognitivo repetitivo (relatório padronizado, triagem de documento) já está sob pressão da IA generativa. O trabalho manual repetitivo (linha de montagem, separação de pedidos) já convive com a automação física desde os anos 1980. E o trabalho de adaptação e cuidado (enfermagem, eletricista, acabamento fino) segue protegido por enquanto, porque exige destreza e ambiente que muda. Esse “por enquanto” depende do avanço da robótica com IA.
O futuro é o humano orquestrando agentes de IA ou o contrário?
Os dois modelos coexistem. O mais comentado é o humano coordenando vários agentes. Menos discutido, e ilustrado na sessão de Stanislas Polu (Dust) no VivaTech 2026, é o inverso: um agente orquestrando vários humanos, indo a cada especialista buscar uma parte e devolvendo o resultado pronto para o topo. Esse segundo modelo tem uma consequência direta: a camada de gestão que só roteava informação, coletando de cada área e passando para cima, perde a razão de existir quando o agente assume esse meio de campo. O argumento tem respaldo institucional no artigo “From Hierarchy to Intelligence”, publicado por Jack Dorsey e Roelof Botha na Sequoia Capital: hierarquias corporativas existiram porque humanos sempre foram o único mecanismo disponível para rotear informação em organizações grandes.
Quem foram os principais palestrantes do terceiro dia do VivaTech 2026?
Entre os destaques do lado humano: Moira Gilchrist (Philip Morris International), André M. König (Global Quantum Intelligence) e Tahera Zamanzada (SAP); Valérie Beaulieu-James (Manpower Group), Corine de Bilbao (Microsoft France) e Jeremie Profeta (Sonepar); Sue Duke (LinkedIn), Ruth Harper (ManpowerGroup) e Claire Lebarz (Malt); Alexis Ohanian (Seven Seven Six e Reddit); Tony Fadell (Build Collective), Marc Mathieu (Rogue Ventures AI) e Ian Rogers (Ledger); e Stanislas Polu (Dust).
Edney “InterNey” Souza atua com tecnologia desde 1990 como professor, palestrante e conselheiro consultivo de empresas em tecnologia e inovação. Fundou sete startups ao longo da carreira. Leciona na ESPM, Insper, USP, PUCRS e IBGC, e participa de eventos internacionais como SXSW e VivaTech. É autor do livro gratuito Engenharia de Prompts na Prática: do Zero ao Avançado com ChatGPT, Gemini e Claude.
