Vagas que pedem só execução caíram 13%. As que pedem julgamento cresceram 20%

Entre 2019 e março de 2025, o número de vagas de emprego que pediam funções cognitivas estruturadas e repetitivas — o tipo de trabalho que segue um roteiro previsível, com pouca variação de julgamento entre uma execução e outra — caiu 13%. No mesmo período, vagas que exigem trabalho analítico, criativo ou de liderança cresceram 20%. A inflexão nessas duas curvas não é gradual e distribuída ao longo de seis anos: ela se concentra visivelmente a partir do lançamento público de ferramentas de IA generativa em larga escala.

O estudo é da Harvard Business School, mencionado numa análise publicada pela Inc. em 2026 sobre o relatório de habilidades mais recente do LinkedIn. Juntos, os dois levantamentos desenham um retrato bastante específico de que tipo de trabalho está sendo redesenhado pela IA, e que tipo está sendo valorizado por ela.

O que exatamente conta como "função cognitiva estruturada e repetitiva"?

São tarefas que têm um caminho relativamente previsível entre entrada e saída: organizar informação num formato padrão, responder perguntas frequentes seguindo um roteiro, produzir um primeiro rascunho de documento a partir de um modelo já existente, triar informação segundo critérios claros e replicáveis. Esse tipo de trabalho é exatamente onde ferramentas de IA generativa entregam valor mais imediato e mais barato — o que explica por que a demanda por gente para fazer exclusivamente esse tipo de tarefa está encolhendo.

Não é que esse trabalho tenha deixado de existir. É que ele deixou de justificar, sozinho, a criação de uma vaga inteira dedicada a fazê-lo.

E o que está do outro lado da curva, crescendo 20%?

Trabalho que exige avaliar contexto ambíguo, decidir entre opções sem resposta claramente certa, influenciar pessoas para uma direção, e criar algo que não existia antes de forma que faça sentido para um público ou problema específico. É precisamente o tipo de tarefa em que a IA generativa, apesar de todo o avanço recente, ainda erra de forma consistente quando operada sem supervisão humana qualificada — porque exige julgamento sensível a contexto, não apenas geração de conteúdo plausível.

O relatório de habilidades 2026 do LinkedIn organiza essa mesma divisão em dois eixos complementares: de um lado, capacidades técnicas ligadas diretamente à IA — engenharia de prompt, capacidade de implementar e supervisionar sistemas de IA no fluxo de trabalho; do outro, habilidades centradas no humano — comunicação executiva, capacidade de influenciar sem autoridade formal, colaboração entre áreas diferentes da empresa. Ambos os eixos aparecem em alta no mesmo relatório, o que sugere que o mercado não está pedindo apenas "gente que sabe usar IA" — está pedindo gente que sabe usar IA e, ao mesmo tempo, sabe fazer o que a IA ainda não faz bem sozinha.

Isso significa que carreiras baseadas em execução estão automaticamente ameaçadas?

Significa que carreiras baseadas exclusivamente em execução repetitiva, sem nenhuma camada de julgamento, análise ou relacionamento agregada à função, estão perdendo prioridade de contratação — o que é diferente de dizer que a pessoa que hoje ocupa essa função está automaticamente ameaçada. A distinção importa: a mesma pessoa que hoje passa a maior parte do tempo em tarefas estruturadas pode, com desenvolvimento direcionado, migrar para um papel que combina supervisão de ferramentas de IA com julgamento humano sobre o resultado — exatamente o tipo de função que está em alta segundo os dois estudos.

O risco real não é a automação da tarefa em si. É a empresa (ou a pessoa) que não usa essa margem de tempo liberada pela IA para desenvolver, deliberadamente, a camada de julgamento e relacionamento que continua sendo humana por definição.

Empresas brasileiras estão redesenhando cargos nessa direção, ou só cortando função sem substituir por outra coisa?

É aqui que a maioria erra o timing. A reação mais comum de uma empresa que automatiza uma tarefa estruturada com IA é simplesmente reduzir o headcount dedicado a ela — sem investir a diferença de custo economizada em desenvolver, nas mesmas pessoas, as competências de julgamento e relacionamento que o mercado está claramente sinalizando como as que mais crescem em valor. Essa é uma economia de curto prazo que constrói um problema de médio prazo: uma força de trabalho cada vez mais estreita em exatamente as competências que a curva de crescimento de 20% está pedindo.

Sua empresa está desenvolvendo as competências que crescem 20%, ou só cortando as que caem 13%?

É a pergunta que separa uma reestruturação de custo de uma reestruturação de capacidade. Cortar uma função automatizável sem desenvolver, deliberadamente, o repertório humano que sobra em alta valorização é resolver o problema de hoje criando o problema de amanhã. Desenvolver essa camada de julgamento, criatividade e liderança que a IA ainda não substitui é justamente o propósito do Tomorrow Learning: preparar a nova geração (os seus filhos) para o que a inteligência artificial ainda não alcança.