O apocalipse do emprego não veio e outras previsões falhadas sobre 2026, o ano da IA

2026 vai ser o ano da IA, do fim dos empregos de colarinho branco, da bolha — a narrativa da dobragem do ano impressionou e assustou. Quase meio ano passou e quase nada aconteceu. Fazemos o balanço.

Este exclusivo tem uma história.

Há mais de 20 anos que sigo o tema do impacto das tecnologias no trabalho e no emprego. A ameaça era a automação dos sistemas informáticos e, numa extensão menor, da robótica. Li autores que previam o pior e entrevistei-os quando, a meio deste período, ainda não se tinham cumprido os piores cenários nem, sejamos francos, cenários nenhuns.

Depois chegou aquilo que se convencionou chamar Inteligência Artificial. Em 2016 eram os chatbots que tinham por motor algoritmos que treinávamos com conjuntos de frases juntas em etiquetas. Fiz alguns, para o jornal Público e para o atendimento da Tranquilidade (creio que em 2018 ou 2019, o primeiro atendimento de voz totalmente automático baseado em IA), entre outros.

Depois, ainda não fez quatro anos, chegou o ChatGPT e a IA entrou para o topo do mundo. Nenhuma tecnologia terá causado tanto impacto em tão pouco tempo.

O coro de apocalípticos redobrou. Eu próprio incluído: sim, era desta, não são mais apenas processos de software comandados por minorias, a revolução tem impacto geral, afeta praticamente todas as atividades em que se divide o trabalho humano.

Contudo, não me esqueci da lição aprendida na vaga anterior dos apocalípticos. Mantive um olhar não diria crítico, mas atento ao desenrolar dos acontecimentos. Comecei 2026 com a ideia de fazer um índice da destruição de empregos na Europa. Não avançou. Se tivesse avançado, o que estaria hoje a medir? Quando temos praticamente pleno emprego, economias como a portuguesa — longe de ser a única — podiam até importar mais mão de obra, o que estaria esse índice a medir?

A resposta é dada neste exclusivo, logo no segundo capítulo. (Spoiler: empregos “intelectuais” pararam, quase todos os outros estão num frenesim contratual.)

Mas o apocalipse do emprego não foi a única previsão gongórica dos líderes empresariais da vaga da IA repetida ad nauseam pela imprensa. 2026 ia ser o ano da Inteligência Artificial Generativa, o início da Era Agêntica (as IAs a fazerem tudo por nós em vez de nos responderem ou ajudarem) e uma bolha a rebentar — tudo ao mesmo tempo.

Falharam todos?

Não. Nenhum falhou tão espetacularmente como o apocalipse do emprego e a era agêntica. A maior parte das outras previsões acertaram no geral, ou nos caminhos, e falharam no acessório, ou nas execuções.

E depois há aquilo que aconteceu e ninguém previu — porque não quis, porque era incómodo para a narrativa de sucesso que hoje embala os media todos, os tradicionais, emergentes e sociais. Falo do backlash — um movimento de retaliação, a revolta das pessoas, as manifestações cada vez mais numerosas e vocais contra a IA.

No cruzamento destes movimentos a favor e contra a IA começamos a ver os primeiros esboços de narrativas que se tornem públicas e com isso ajudem as sociedades, os países, os parlamentos, os governantes, os trabalhadores a capturarem algum do valor que a IA produz sem o envolvimento do nosso trabalho (mas com o nosso valor de consumidores e de cidadãos que financiam a ciência e co-partilham os recursos hídricos e energéticos). Do Vaticano ao Parlamento português passando pela esquerda americana e pela presidente da Coreia do Sul, que propôs um “dividendo IA” (escrevi sobre alternativas de financiamento dos estados noutro exclusivo, Como e onde vai o Estado financiar-se num mundo com menos trabalho humano?), os sinais chegaram às manchetes nas últimas semanas.

Portugal e a União Europeia

Falando-se de IA, leitores pensarão que é um artigo mais técnico. Não é. Pouco ou nada se fala em tecniquês. Alguma terminologia mais difícil tem a ver, sim, com os aspetos económico-financeiros.

Tive o cuidado, também, de não deixar o texto resvalar para o americano-centrismo que caracteriza este assunto em particular. Em quase todos os capítulos, mas sobretudo nos dois últimos, se encaixam os interesses e práticas de Portugal e da União Europeia.

Como ler este exclusivo

Esta é uma longa peça. Foi investigada e maioritariamente escrita pelo mais poderoso modelo da atualidade, o Claude Opus 4.8 (torrei tokens como nunca!) Paradoxalmente, tem um imenso e profundo envolvimento humano: pensei, dirigi, sugeri, emendei, alterei, mandei rever, revi, mandei rever novamente, capítulo a capítulo, tirei alguns, executei outros quando já estava a editar o artigo final no Substack, foi um longo processo interativo com o modelo (já disse que torrei tokens como nunca?). Debrucei-me sobre cada capítulo individualmente, alguns foram factualmente revistos pelo ChatGPT e pelo Gemini, além do Claude.

Lê-la é por um lado interessante, por outro pode tornar-se penoso. Para facilitar o olhar, tanto o índice como o início de cada capítulo contém a sua tese principal. Cada leitor pode assim saltar os capítulos que menos lhe interessem ficando na mesma com uma ideia geral.

A lista de fontes é igualmente extensíssima.

Este é um artigo para ler em várias etapas.

Crédito: Flux com Claude e Paulo Querido

Índice

1. 🤖 O ano dos Agentes: falhada a adoção, ficámos com a desilusão e o agent washing
   A Era Agêntica não falhou — falhou o calendário e a ideia de que a dificuldade estava nos modelos. Estava nas organizações.

   (daqui em diante, conteúdo exclusivo para os apoiantes)

2. 💼 Empregos: o apocalipse que não veio e o gesto que não compensou
   Não houve vaga de despedimentos, mas congelamento da contratação, com o dano concentrado em quem entra. E quem despediu invocando a IA foi castigado pelo mercado.

3. 🫧 A bolha e o capex: quando gastar deixou de ser prova de fé
   A bolha não rebentou — inflou (investimento a crescer perto de 50%). O que mudou foi o significado do gasto: de prova de confiança a sinal de aflição. Adiada, não desmentida.

4. ⚖️ A AGI não chegou, veio a comoditização
   Em vez de inteligência geral, maturação incremental e corrida ao preço. Modelos mais capazes e baratos, não mais fiáveis — e a vantagem desloca-se do modelo para quem o sabe aplicar.

5. 👑 O quinhão dos vencedores: quem fica com o lucro extraordinário da IA?
   A resposta veio da Coreia, não do Ocidente. A renda só se arranca onde há lucro atribuível, posição de estrangulamento e força para parar a produção. Portugal e a Europa não têm nenhuma das três.

6. 🇪🇺 A Europa e a Ibéria: poder sobre as regras, dependência nos inputs
   A União manda no que controla — as regras, que adiou dezasseis meses — e depende do que não controla: chips, hélio e energia. A Ibéria traz energia e território, que atraem a fábrica mas não captam a renda.

7. 😡 O backlash: o ano em que a opinião pública virou

   A oposição à IA saiu do nicho e tornou-se popular e transversal — passou pelas sondagens, pelos tribunais, pelas ruas e, no extremo, por garrafas incendiárias à porta de Sam Altman. Está no Vaticano e no Parlamento português e na esquerda americana.

8. Fontes

🤖 O ano dos Agentes: falhada a adoção, ficámos com a desilusão e o agent washing

Tese principal: a Era Agêntica não falhou. O que falhou foi o calendário e a expectativa de que a dificuldade estivesse nos modelos. A dificuldade revelou-se estar nas organizações.

De todas as promessas que se fizeram sobre a inteligência artificial no final de 2025, a dos agentes autónomos, a Era Agêntica, foi a mais consensual e a mais transversal. Onde os outros prognósticos dividiam os arautos — uns viam apocalipse no emprego, outros uma bolha a rebentar —, neste havia acordo entre consultoras e “profetas” que costumam discordar. Deloitte, IBM, Gartner, Accenture, BCG: a leitura comum era que 2026 seria o ano em que os agentes deixavam de ser experiências de laboratório para se tornarem infraestrutura, parte do processo de criação de qualquer empresa. Um agente, na aceção que então se fixou, não é o assistente que responde a perguntas; é o programa que decide o passo seguinte, usa ferramentas, e leva uma tarefa até ao fim sozinho. A diferença entre um e outro é a diferença entre quem aconselha e quem executa.

O número que organizou todo o debate veio da Gartner: a presença de agentes nas aplicações empresariais saltaria de menos de 5% em 2025 para 40% no final de 2026. Era uma multiplicação por oito em doze meses, e foi citado a eito ao longo do ano, em apresentações de vendas e em planos estratégicos. Do lado dos investidores de risco, a previsão ganhava cor: falava-se de empresas que deixariam de parecer pacotes de software para passarem a parecer trabalho gerido, com agentes a receber títulos, orçamentos e limites de gasto, como se fossem quadros contratados. O nome que circulou para a coisa foi employee agent, o agente-empregado.

A maio de 2026 o mínimo que podemos dizer é que o número falhou, mas não a a direção da previsão.

A distância entre o piloto e a produção

O que os dados de meio de ano mostram não é a ausência de agentes — é a sua acumulação na antecâmara. A experimentação é quase universal; a entrada em funcionamento real, rara, pouco além da prova de conceito. Um inquérito de fevereiro e março de 2026 a 650 responsáveis de tecnologia, em empresas de cinco centenas a mais de cinquenta mil trabalhadores, fixou o contraste em dois números: 78% tinham pilotos de agentes a correr, menos de 15% tinham conseguido pô-los ao serviço à escala da organização. A McKinsey, no mesmo período, encontrou só cerca de 10% de empresas a reportar agentes escalados dentro de qualquer função. O fosso entre o que se ensaia e o que se usa tem nome próprio no setor, e o nome diz tudo sobre o estado de espírito: pilot purgatory, o purgatório do piloto — o lugar onde os projetos ficam a provar o seu valor sem nunca chegarem a entrar.

A razão por que ficam presos quase nunca é a máquina: os modelos chegam, o que falta é o resto. Os projetos piloto morrem na passagem da bancada para a operação, no ponto em que é preciso ligar o agente aos sistemas reais da empresa, definir quem responde quando ele erra, montar a vigilância que apanha o erro antes de ele custar dinheiro. A Gartner identificou o motivo mais comum de abandono, que não é técnico: é o valor de negócio que não fica claro. Investe-se, ensaia-se, demonstra-se que funciona numa ambiente de teste, e depois ninguém consegue dizer ao certo que processos foram melhorados nem quanto. Há ainda um problema de aritmética que os entusiastas costumam ignorar. Um agente pode parecer muito fiável quando acerta 95% das vezes. Mas se uma tarefa exigir vinte passos seguidos, essa taxa traduz-se numa probabilidade de sucesso completo de apenas cerca de um terço. O problema não é cada decisão isolada; é a acumulação dos pequenos erros. Para correr a faturação ou a logística de uma empresa, que exigem fiabilidade quase total, é pouco.

Onde os agentes entraram em produção, entraram de mansinho. As implantações que funcionam não são o agente que faz tudo: são o agente posto a fazer uma só coisa bem definida — triagem de pedidos de apoio, reconciliação de contas, encaminhamento de tickets de informática —, com fronteiras claras e um humano a validar as exceções. Um levantamento de março notou que os agentes de função única escalam de forma mais fiável do que os multifunções, e que as empresas bem-sucedidas só alargavam o âmbito depois de a versão de arranque se ter mostrado estável durante três meses. A promessa vendida era a do trabalhador sintético polivalente, mas o que vingou foi a ferramenta especializada e supervisionada.

Sintetizando: os casos de sucesso reais tendem a ser:

• classificação de tickets

• triagem documental

• reconciliação financeira

• apoio ao cliente

• workflows de desenvolvimento de software

Não vemos ainda o “trabalhador digital universal” vendido nas apresentações de 2025. Vemos especialistas restritos.

A comparação lembra bastante a evolução dos sistemas especialistas nos anos 80:

• onde o mercado imaginava generalistas, o valor apareceu em tarefas muito delimitadas.

A parte cínica (que se confirmou)

Se a promessa otimista falhou no calendário, houve uma leitura pessimista que se cumpriu quase à letra — a de que boa parte do que se vendia como agente não passava de etiqueta nova em tecnologia velha. O termo fixou-se: agent washing, a prática de colar o rótulo de agente a um chatbot, a um guião de automação, a um motor de regras, porque é isso que o comprador espera ver e paga para ter. Não muda nada por dentro; muda a página de marketing. E como não existe definição universal de agente, o vendedor explora a ambiguidade e o comprador, com receio de ficar para trás, aceita a alegação sem a testar.

O resultado é a desilusão visível em quem comprou. Um inquérito da Writer, conduzido entre dezembro de 2025 e janeiro de 2026 a 1.200 executivos e 1.200 trabalhadores na Europa e nos Estados Unidos, mostrou o desânimo a crescer: quase metade dos dirigentes, 48%, classificou a adoção de IA na sua empresa como uma grande desilusão, contra 34% no ano anterior. Praticamente todos diziam ter destacado agentes no último ano — 97% —, mas poucos viam retorno claro, e três em cada quatro admitiam que a estratégia de IA da casa era mais para inglês ver do que orientação a sério. Despejou-se dinheiro, multiplicaram-se os pilotos, e o que sobrou em muitos casos foi a sensação de ter comprado uma história.

Convém no entanto relativizar a desilusão porque os mesmos inquéritos também trazem bons sinais. Uma leitura honesta vive na tensão entre os tipos de sinal. As consultoras que vendem a transição — e há aqui um interesse a declarar, como em quase todas as fontes deste terreno — apresentam números de sinal positivo: estudos que falam de 80% das empresas a reportar retorno económico dos agentes, ou de organizações com IA plenamente integrada quatro vezes mais propensas a crescer em receita do que as que ficaram no piloto.

Os dois retratos não se anulam, apenas medem coisas diferentes: um conta quem entrou, o outro quem ficou à porta. Ora, a maioria está à porta. O traço comum, esse, atravessa-os todos — o que separa quem escala de quem encalha quase nunca é o modelo, é a governação, a definição de quem é dono do resultado, a infraestrutura de vigilância montada antes e não depois. A diferença é organizacional, não tecnológica, e é por isso que o dinheiro sozinho não a resolve. O fio do investimento — os meios de milhões em centros de dados que sustentam tudo isto — é matéria do capítulo anterior; aqui interessa que nem ele compra a passagem do piloto à produção.

Portugal: o paradoxo dos que usam e das que não usam

O debate dos agentes é, na origem, anglo-saxónico — os números vêm de inquéritos americanos, os profetas dirigem laboratórios da Califórnia. Visto da Europa, e de Portugal em particular, ganha outro contorno, e o contorno é um atraso que se mede com clareza.

Os dados do Eurostat mostram uma fotografia europeia de crescimento modesto: a média de adoção de IA nas empresas da União com dez ou mais trabalhadores ainda recupera de uma base baixa, rondando os 10% a 12% nos relatórios recentes, com o Norte digital (Dinamarca, Finlândia) a liderar destacado e o Sul e Leste na cauda. Portugal, fixado em torno dos 9% a 12% dependendo do indicador, corre atrás do prejuízo. A meta implícita para o final de 2026 é clara: não se trata de liderar, mas de alcançar a média europeia.

Por baixo deste número vive um paradoxo que a PwC descreveu ao anunciar uma parceria, em março de 2026, com a tecnológica luso-britânica Noxus para instalar agentes em empresas portuguesas: os cidadãos portugueses já usam IA generativa no dia a dia, mas as empresas mantêm-se numa relação informal, reativa e insegura com a tecnologia. E — detalhe que distingue 2026 do ano anterior — o travão já não é desconfiança quanto ao que a tecnologia faz; é aversão ao risco, o receio de a pôr a mexer em processos que importam. É o mesmo pilot purgatory dos inquéritos globais, traduzido para a escala de um país que adota devagar: não a recusa da ferramenta, mas a hesitação em confiar-lhe trabalho a sério.

O contraste entre o entusiasmo declarado e o uso efetivo aparece bem no terreno das vendas, o mais permeável à automação e por isso a vanguarda da adoção. Um estudo da Salesforce com dados para Portugal dava conta de que 89% das equipas comerciais portuguesas já usavam alguma forma de IA, mas só 41% tinham mesmo experimentado agentes, e era mais de metade — 53% — quem apenas planeava usá-los até 2027. A intenção corre à frente do gesto. O agente é prioridade no discurso, projeto para o ano que vem na prática. É a mesma distância entre o piloto e a produção que define o ano lá fora, aqui agravada pela posição de partida: uma economia de pequenas e médias empresas, com menos capital para montar a governação e a infraestrutura que a passagem à escala exige, a tentar não a liderança mas a média de um pelotão que ela própria já vai atrás dos primeiros.

O saldo

A promessa dos agentes chega a maio de 2026 com o número desmentido e a direção confirmada. Os 40% da Gartner não se materializam ao ritmo anunciado: a experimentação generalizou-se, a entrada em produção à escala ficou-se por uma fração disso, presa menos na capacidade dos modelos do que na incapacidade das organizações para os integrar, governar e responsabilizar. Onde os agentes funcionam, funcionam estreitos e vigiados, longe do trabalhador sintético autónomo que se vendeu. E a leitura que melhor se cumpriu foi a menos lisonjeira — o agent washing que rebatiza tecnologia antiga, e a desilusão de quase metade dos executivos com aquilo que compraram.

Para Portugal e para a Europa, o capítulo deixa uma pergunta que os seguintes retomam por outras vias: se a vantagem competitiva da IA já não está no modelo — que comoditiza e baixa de preço, como se verá —, mas em quem o sabe aplicar e integrar, então o atraso na adoção empresarial não é um pormenor de calendário. É a parte da corrida que se joga dentro de portas, na capacidade de pôr a tecnologia a trabalhar, e é justamente aí que uma economia de adoção lenta e pouca escala arrisca perder terreno que a regulação, por mais bem escrita, não recupera.

---

💼 Empregos: o apocalipse que não veio e o gesto que não compensou

Tese principal: o apocalipse do emprego não veio no prazo anunciado — houve congelamento da contratação, não vaga de despedimentos, e o dano concentrou-se em quem entra. Quem despediu invocando a IA não foi compensado: o mercado castigou o gesto, as contas não melhoraram, e os próprios profetas recuaram à porta da bolsa.