As profissões mais expostas à IA
O que a IA poderia fazer frente ao que realmente está fazendo — nos 22 grupos ocupacionais, com a brecha real em junho de 2026.
Para falar com rigor sobre “as profissões mais afetadas pela IA” é preciso separar três coisas: quantas tarefas de uma ocupação um modelo poderia fazer tecnicamente (capacidade teórica), quanto a IA é de fato usada nesse trabalho hoje (cobertura observada) e o efeito líquido sobre emprego e salários. Esta página reproduz e amplia o radar da Anthropic dos 22 grupos ocupacionais SOC: uma brecha ampla e sistemática entre o potencial e a prática — e o que a evidência mais sólida diz que isso significa.
Passe o cursor ou toque numa categoria para ver seus números.
A Anthropic publicou valores observados exatos apenas para os 7 grupos mais expostos (mais Arquitetura e engenharia, derivado). O restante são estimativas transparentes ancoradas nas faixas qualitativas da literatura, mostradas com marcadores vazados e marcadas como “estimado”.
Ranking por grupo ocupacional
Os 22 grandes grupos SOC. Ordene pelo que a IA poderia fazer (teórica), pelo que faz hoje (observada) ou pela brecha entre elas.
| # | Grupo | Teórica | Observada | Brecha | Mecanismo |
|---|---|---|---|---|---|
| 1 | Computação e matemática | 94,3% | 35,8% | 58,5% | Complemento e aceleração |
| 2 | Escritório e administração | 90% | 34,3% | 55,7% | Substituição de tarefas |
| 3 | Negócios e finanças | 94,3% | 28,4% | 65,9% | Complemento e aceleração |
| 4 | Vendas | 62% | 26,9% | 35,1% | Substituição de tarefas |
| 5 | Jurídico | 89% | 20,4% | 68,6% | Substituição de tarefas |
| 6 | Artes e mídia | 83,7% | 19,2% | 64,5% | Substituição de tarefas |
| 7 | Educação e bibliotecas | 61,7% | 18,2% | 43,5% | Potencial latente |
| 8 | Direção | 91,3% | 9%* | 82,3% | Potencial latente |
| 9 | Ciências da vida e sociais | 77% | 6%* | 71% | Potencial latente |
| 10 | Serviços sociais | 50,5% | 5%* | 45,5% | Potencial latente |
| 11 | Profissionais de saúde | 59,9% | 5%* | 54,9% | Potencial latente |
| 12 | Arquitetura e engenharia | 84,8% | 4,2% | 80,6% | Potencial latente |
| 13 | Produção | 19% | 2%* | 17% | Resiliente aos LLMs |
| 14 | Apoio à saúde | 28,5% | 1,5%* | 27% | Resiliente aos LLMs |
| 15 | Serviços de proteção | 31,6% | 1,5%* | 30,1% | Resiliente aos LLMs |
| 16 | Instalação e reparo | 18,4% | 1,5%* | 16,9% | Resiliente aos LLMs |
| 17 | Transporte | 12,1% | 1,5%* | 10,6% | Resiliente aos LLMs |
| 18 | Alimentos e serviço | 16,9% | 1%* | 15,9% | Resiliente aos LLMs |
| 19 | Cuidado pessoal | 18,2% | 1%* | 17,2% | Resiliente aos LLMs |
| 20 | Manutenção de áreas verdes | 3,9% | 0,5%* | 3,4% | Resiliente aos LLMs |
| 21 | Agricultura | 15,7% | 0,5%* | 15,2% | Resiliente aos LLMs |
| 22 | Construção | 16,9% | 0,5%* | 16,4% | Resiliente aos LLMs |
* Valor observado estimado (não publicado oficialmente). A “Brecha” é a teórica menos a observada, em pontos percentuais: a margem entre o que a IA poderia cobrir e o que cobre hoje.
As ocupações individuais mais expostas
Por cobertura observada — uso real do Claude. Os programadores lideram a lista com 74,5%.
- 1Programadores74,5%
- 2Representantes de atendimento ao cliente70,1%
- 3Digitadores de dados (data entry)67,1%
- 4Especialistas em prontuários médicos66,7%
- 5Analistas de pesquisa de mercado e marketing64,8%
- 6Representantes de vendas no atacado e indústria62,8%
- 7Analistas financeiros e de investimentos57,2%
- 8Analistas e testers de QA de software51,9%
- 9Analistas de segurança da informação48,6%
- 10Especialistas de suporte técnico a usuários46,8%
No outro extremo: cerca de 30% dos trabalhadores têm cobertura observada praticamente nula — cozinheiros, mecânicos de motos, salva-vidas, bartenders, lavadores de louça e atendentes de provador, entre outros.
Aumento frente à automação
Como a IA é usada em conversas reais, não apenas se poderia ser usada.
Anthropic Economic Index (2025). A parcela de automação (“diretiva”) cresce ao longo do tempo — de 27% (dez. 2024) a 39% (ago. 2025) no Claude.ai, e ~77% na API empresarial.
A exposição é potencial, não destino
A brecha entre a curva azul e a vermelha — muitas vezes de 50 a 70 pontos — significa que o deslocamento não é iminente: o uso de hoje é majoritariamente de aumento, e ainda não surgiu uma alta clara do desemprego nos trabalhadores expostos. O número a observar é se a curva vermelha sobe em direção à azul.
O que a evidência realmente diz
Capacidade não é adoção.
O trabalho de conhecimento pontua entre 80% e 94% em capacidade teórica, mas a cobertura observada é uma fração disso (Computação e matemática: 94% vs 36%). Governança de dados, sistemas legados, responsabilidade jurídica e validação humana freiam a passagem de “pode” para “faz”.
Desta vez é o trabalho de escritório.
Ao contrário de ondas anteriores de automação, a exposição se concentra agora no trabalho administrativo mais bem pago e mais qualificado. O quartil mais exposto da Anthropic ganha ~47% mais e tem 16 pontos a mais de probabilidade de ser mulher — pela segregação ocupacional em tarefas clericais e de apoio.
O aumento ainda lidera — por enquanto.
O uso real é ~57% de aumento frente a ~43% de automação, embora a parcela de automação suba. A mesma tarefa pode ser acelerada por uma pessoa ou delegada ao modelo; hoje a balança ainda pende para a aceleração.
Observe o canário do emprego jovem.
Não surgiu um efeito agregado claro sobre o desemprego, mas a taxa mensal de inserção dos jovens de 22 a 25 anos em ocupações expostas caiu ~14% após o ChatGPT — o sinal de alerta precoce mais forte, corroborado por pesquisa independente.
Substituição frente à reconfiguração.
O clerical, o data entry e o suporte de primeira linha enfrentam substituição direta de tarefas. Software, análise, finanças e direito estão sendo reconfigurados — copiloto e delegação de subtarefas, não substituição total — com os degraus de entrada cada vez mais comprimidos.
A convergência é uma hipótese.
A Anthropic espera que o uso observado suba em direção à capacidade teórica, mas isso é uma suposição sobre adoção, não um achado empírico. Para muitas profissões a brecha pode persistir muito mais do que para o software.
O panorama macro
Números de referência das principais instituições. São cenários modelados com ampla incerteza — não resultados observados.
~80% dos trabalhadores dos EUA poderiam ter ≥10% de suas tarefas afetadas pelos LLMs; ~19% poderiam ter ≥50% afetadas.
A IA generativa poderia expor o equivalente a 300M de empregos FTE à automação; até ~7% de impulso potencial ao PIB mundial.
~40% do emprego mundial está exposto à IA — cerca de 60% nas economias avançadas, 26% nas de baixa renda.
170M de empregos criados e 92M deslocados até 2030 — uma rotação estrutural de 22% do mercado de trabalho.
Até ~29,5% das horas de trabalho nos EUA poderiam ser automatizadas até 2030; ~12M de transições ocupacionais nos EUA.
1 em cada 4 trabalhadores no mundo está numa ocupação com algum grau de exposição à GenAI; 3,3% na categoria mais alta, com viés feminino.
Fontes e métodos diferem (rubricas de tarefas, índices de habilidades, registros de uso), então os números não são diretamente comparáveis e devem ser lidos como cenários.
Metodologia e fontes
O radar reproduz a Figura 2 de “Labor Market Impacts of AI: A New Measure and Early Evidence” da Anthropic (Massenkoff e McCrory, março de 2026). A curva azul é o β de capacidade teórica de Eloundou et al., “GPTs are GPTs” (2023/2024); a vermelha é a medida de cobertura observada da Anthropic, construída a partir de milhões de conversas reais do Claude.ai e da API, mapeadas para as ~800 ocupações e ~17.000 tarefas da base O*NET dos EUA.
O β teórico está confirmado para os 22 grupos. A Anthropic publicou valores observados exatos apenas para os sete grupos mais expostos; Arquitetura e engenharia é derivado de sua razão observada/teórica declarada (~5%). Para o restante usamos estimativas transparentes ancoradas nas faixas qualitativas da literatura da OCDE, OIT, FMI, WEF e McKinsey — claramente marcadas como “estimado” e nunca apresentadas como números oficiais.
Como a medida observada se baseia apenas em dados do Claude, provavelmente subestima a exposição real (não vê ChatGPT, Gemini, Copilot nem ferramentas integradas), enquanto o β teórico reflete capacidades do início de 2023 e seguramente subestima a fronteira atual. Metodologias diferentes divergem por design: a exposição é potencial, não deslocamento.
Fontes primárias
- Anthropic Economic Index — Labor Market Impacts of AI (2026)
- Eloundou et al. — GPTs are GPTs (arXiv 2303.10130)
- OIT — Generative AI and Jobs: A Refined Global Index (2025)
- OCDE — Who will be the workers most affected by AI? (2024)
- FMI — Gen-AI: Artificial Intelligence and the Future of Work (2024)
- WEF — Future of Jobs Report 2025
- McKinsey — Generative AI and the future of work in America
- Goldman Sachs — Generative AI could raise global GDP by 7%
Compilado pela SANTISMM a partir de pesquisa pública. Os números estão arredondados; os valores estimados estão sinalizados. A exposição mede a sobreposição potencial de tarefas, não a perda real de emprego — toda fonte séria enfatiza a transformação frente à substituição total.