“A IA vai substituir o meu trabalho?” é a pergunta errada, e boa parte do debate público sobre IA e trabalho erra justamente porque insiste em respondê-la. O cargo não é a unidade de análise. As tarefas são. E as tarefas não estão todas sobre o mesmo espectro de substituibilidade — cada uma se enquadra em uma de quatro classes economicamente distintas. Quando você enxerga as classes, a pergunta muda de forma: não a IA consegue fazer o meu cargo, mas qual fração do meu cargo vive em qual classe, e o que isso implica para custo, remuneração e para onde direcionar o próximo ano da sua carreira.
Esta é a taxonomia canônica da Wagecore. Atribuímos cada tarefa de cada Wagecard a exatamente uma dessas quatro classes, e o número de destaque da exposição à substituição é uma agregação ponderada sobre elas. O framework se apoia em uma década de literatura sobre economia da automação (Autor, Frey/Osborne, Brynjolfsson, Acemoglu) somada às análises pós-implantação de IA dos últimos três anos. A contribuição é comprometer-se com uma partição pequena e mutuamente exclusiva sobre a qual a matemática possa se sustentar.
Classe 1: Substituível
Uma tarefa é substituível quando a IA a executa de ponta a ponta com supervisão humana mínima, taxas de auditoria abaixo de 10% e um custo de erro baixo o suficiente para que os casos em que ela erra não anulem a economia dos casos em que ela acerta. O trabalho é delimitado, repetitivo, estruturado, e as consequências de um erro individual são recuperáveis a baixo custo.
Exemplos concretos: encaminhar um chamado de suporte recebido para a fila certa, extrair dados estruturados de notas fiscais para um ERP, OCR mais classificação de primeira passagem em formulários recebidos, gerar descrições de produto a partir de um SKU e uma imagem, resumir a transcrição de uma reunião longa em itens de ação, transcrever áudio. São tarefas em que a saída da IA é conferida no momento em que ela produz um sinal a jusante (o chamado foi para a fila errada → um humano o move), e não semanas depois num tribunal.
A maioria dos cargos tem uma fração não nula de trabalho substituível. Até cirurgiões têm uma fatia: ditar notas clínicas já é substituível em muitos consultórios. Até terapeutas têm: agendamento de consultas, formulários de admissão, verificação de convênio. O erro é supor que a fração substituível do cargo é o cargo inteiro. Normalmente são 15–35% do tempo de um trabalhador do conhecimento.
Classe 2: Aumentado por IA
Uma tarefa é aumentada por IA quando a IA produz a primeira versão, o humano é dono dos últimos 20–30%, e é nessa última fração que o valor está. A IA faz o grosso do trabalho braçal de digitação; o humano fornece julgamento, contexto e responsabilidade pelo que é entregue.
Exemplos concretos: escrever um e-mail de marketing (rascunho da IA, humano refina para voz e público), redigir uma notificação extrajudicial (a IA puxa precedentes e estrutura, o advogado aplica os fatos específicos do caso), gerar código para uma funcionalidade (a IA escreve o esqueleto, o desenvolvedor integra à base de código e trata os casos-limite), criar slides para um pitch a um cliente (a IA monta o layout, o vendedor edita para o posicionamento), preparar um modelo financeiro (a IA monta o template, o analista ajusta as premissas).
Esta é a maior classe isolada para a maioria dos trabalhadores do conhecimento, tipicamente 25–40% do tempo. É também a classe com maior potencial de crescimento à medida que os modelos melhoram e a superfície de revisão humana encolhe. Mas tem um teto: enquanto o humano responder pelo que é entregue, ele precisa conhecer o trabalho bem o bastante para pegar os erros da IA — o que significa que o humano continua no circuito, continua sendo pago e continua tendo de dominar a competência de base. Aumentado por IA não é um caminho para zero funcionários; é um caminho para alavancagem.
Classe 3: Conduzido por humano, assistido por IA
O inverso do aumentado por IA. O humano conduz; a IA é uma ferramenta — consulta rápida, resumo, autocompletar de código, recuperação de informação. O humano é quem pensa e toma as decisões; a IA reduz o tempo entre a pergunta e a informação relevante. Se você tirasse a IA, o trabalho ainda seria feito, só que mais devagar.
Exemplos concretos: um médico consultando a literatura em busca de apresentações semelhantes antes de um diagnóstico, um advogado pedindo à IA para encontrar a cláusula que, em um contrato de 300 páginas, contradiz uma posição, um engenheiro perguntando a sintaxe de uma biblioteca que usou pela última vez há três anos, um professor gerando variações de exercícios para diferenciar uma aula, um arquiteto usando IA para renderizar uma opção de fachada que ele já projetou.
Cargos em trabalho regulado, de alto risco ou muito relacional tendem a se concentrar fortemente aqui: 30–50% do tempo. A IA não toma as decisões, não carrega a responsabilidade e não tem permissão para isso — seja por lei (aconselhamento médico, jurídico), seja pela física do próprio trabalho (a sessão de terapia, a relação com o cliente, o conflito de equipe). O que ela faz é tornar o humano mais rápido nas partes do trabalho que dependem de informação, não de julgamento.
Classe 4: Humano-crítico
Uma tarefa é humano-crítica quando a IA não entrega valor líquido, e muitas vezes entrega valor negativo, porque o valor da tarefa está em algo que a IA não consegue produzir: confiança, responsabilidade, tolerância à ambiguidade, julgamento relacional, persuasão sob pressão, leitura contextual de uma sala desconhecida. Não são tarefas que a IA ainda não alcançou. São tarefas em que o fato de a IA soar plausível é, ela mesma, o modo de falha.
Exemplos concretos: um vendedor sênior lendo um negócio emperrado e decidindo se escala ou recua, um gestor dando uma notícia difícil a um membro da equipe que está na empresa há quinze anos, um terapeuta permanecendo em silêncio enquanto o cliente se recompõe, um conselheiro calibrando a confiança declarada por um CEO contra o que percebeu no almoço, um jornalista investigativo decidindo em qual de duas fontes contraditórias acreditar, um professor notando que um aluno normalmente participativo ficou quieto e escolhendo se aborda isso agora ou em particular depois.
O trabalho humano-crítico é o que não escala, e é justamente esse o ponto. É também onde mora o poder de precificação. Cargos que são 40%+ humano-críticos são os cargos em que a adoção de IA torna o trabalho mais valioso por hora, e não menos — porque a ampliação retira o tempo de menor alavancagem e concentra a remuneração no núcleo irredutível.
A maioria dos cargos é uma mistura, não uma classe única
Aqui está a parte que o debate público insiste em errar: pouquíssimos cargos estão 100% em uma única classe. O tempo semanal real de um engenheiro de software pode ficar em torno de 20% substituível (código repetitivo, triagem de chamados), 35% aumentado por IA (implementação de funcionalidades sob revisão), 30% conduzido por humano, assistido por IA (depuração de problemas cabeludos em produção, decisões de arquitetura), 15% humano-crítico (negociar escopo com um PM, orientar um júnior, conduzir uma revisão de código politicamente carregada). Um líder de equipe de suporte ao cliente pode ficar em 30% substituível (atendimento de chamados de nível 1), 25% aumentado por IA (redação de macros e documentos de política), 30% conduzido por humano + assistido por IA (lidar com escalonamentos que a IA não consegue desarmar), 15% humano-crítico (1:1 com membros da equipe, mediação de conflitos, conversas de desempenho).
A distribuição importa mais do que qualquer número isolado. Um cargo que é 80% substituível vai comprimir de preço mesmo que sua tarefa média seja não trivial, porque a economia da adoção é clara. Um cargo que é 50% humano-crítico vai reter poder de precificação mesmo que o resto seja automatizado a zero — e a remuneração média por hora restante vai subir.
Por que a partição em quatro (e não três, ou seis)
Frameworks anteriores usavam duas classes (substituído / não substituído) ou três (substituído / aumentado / não afetado). Duas é grosseiro demais — colapsa aumentado por IA e humano-crítico em “não substituído”, o que esconde a verdade central de que a ampliação pode compor poder de precificação enquanto o trabalho substituível o retira. Três chega mais perto, mas junta os casos economicamente mais distintos — conduzido por humano, assistido por IA versus humano-crítico — em um único balde. Eles se comportam de forma diferente. Um diagnóstico é conduzido por humano, assistido por IA (a IA ajuda na revisão de literatura). Um paciente contando ao médico que não confia no cônjuge é humano-crítico (a IA está ativamente atrapalhando).
Seis ou mais classes é sobreajuste. A granularidade marginal deixa de carregar conteúdo econômico e passa a ser estética. Quatro mapeia limpamente as dimensões que de fato movem o custo por tarefa: quem faz o trabalho, quem carrega a responsabilidade, com que frequência ele é auditado e quanto custa o erro.
Onde isso muda como você pensa
Três mudanças práticas vêm de manter as quatro classes em mente:
Planejamento de carreira é sobre portfólio, não categoria. A pergunta não é “meu cargo está seguro” (que pressupõe binário). É “como é a minha mistura de classes, e em quais classes quero crescer”. O movimento confiável é pender o tempo para o humano-crítico e o conduzido por humano + assistido por IA, mesmo dentro de um cargo que começou na ponta substituível do espectro.
O desenho organizacional segue a distribuição. Uma equipe que opera contra uma carga de trabalho 60% substituível vai encolher em número de pessoas, mas reter ou aumentar a remuneração por posição restante. Uma equipe que opera contra 60% de trabalho humano-crítico não vai encolher e vai ficar mais difícil de compor, não mais fácil. O organograma de 2028 é diferente do de 2024 não porque o total de pessoas caiu pela metade, mas porque a mistura por cargo mudou.
O ROI da adoção de IA acompanha as classes. Tarefas substituíveis geram ROI rápido e defensável quando automatizadas. Tarefas aumentadas por IA geram ganhos de produtividade, não redução de pessoal — o ROI é real, mas é uma história de velocidade, não de custo. Tarefas conduzidas por humano + assistidas por IA geram pequenos ganhos por hora que não justificam um projeto dedicado de adoção. Tarefas humano-críticas têm ROI negativo na adoção — a IA insere erros que o humano agora tem de limpar. Esta é a disciplina que a maioria das implantações fracassadas de IA pulou: elas foram aplicadas a tarefas que não estavam, de fato, na classe 1.
O quadro completo para o seu cargo
A Wagecore calcula a distribuição em quatro classes para qualquer cargo que você descrever. O assistente leva cerca de dois minutos e a metodologia está aberta em /methodology. Você verá exatamente como o seu trabalho se divide entre as classes, que custo operacional a IA carregaria para fazer a parte substituível, onde a sua vantagem humana se concentra e a pontuação de destaque da exposição à substituição derivada da mistura. Nada disso é previsão. É medição contra a matriz de capacidade de hoje, atualizada mensalmente.
Se o enquadramento aqui for útil, a leitura aprofundada relacionada sobre a economia operacional é Por que o custo operacional de IA é 3–10× o que a demo mostra — ela retoma de onde esta para e percorre quanto custa de fato implantar IA contra uma tarefa de classe 1 em produção.