Em junho de 2026, Fei-Fei Li — a “madrinha da IA” — sentou-se com David Rogier, fundador e CEO da MasterClass, para uma conversa em podcast. O título era uma provocação precisa: Em 10 Anos, Restarão Apenas Dois Tipos de Trabalhadores.
Isto não é mais um exercício de adivinhação sobre IA. Se você ler o diálogo inteiro, verá que Li quase não faz previsões sensacionalistas. Em vez disso, ela fez algo mais raro: arrancou pela raiz a narrativa que a mídia de tecnologia e os tecno-otimistas ficam revendendo, colocou-a sobre a mesa e disse — essa história está errada.
Uma Premissa Errada em Repetição
Comece pela frase que está na moda nos círculos de IA: “o custo da inteligência está caminhando para zero.” Parece certo. O ChatGPT escreve textos muito mais barato do que contratar um redator. O Claude gera código mais rápido do que qualquer engenheiro júnior. Raciocínio, análise de dados, pesquisa — as tarefas que antes exigiam formação profissional realmente estão ficando baratas.
Então Li diz a coisa que desmonta tudo: “Qualquer pessoa por aí afirmando que o custo da inteligência está caminhando para zero está sendo irresponsável.”
Por quê? Porque a inteligência humana não é unidimensional. A inteligência linguística é uma camada. Acima dela estão a inteligência perceptual, a espacial, a corporal, a emocional. Ainda não entendemos de onde vem a criatividade — com que base o seu custo seria zero? Um professor que diagnostica por que um aluno não está aprendendo depende de mais do que análise de texto — de ler expressões, tom de voz, o momento da hesitação. Um líder de equipe que decide se diz a frase dura na frente de um cliente importante não tem nenhum algoritmo à espera para tomar essa decisão.
Isto não é negação do poder da IA. Li afirma claramente que os grandes modelos de linguagem “demonstraram capacidade poderosa em inteligência de negócios, engenharia de software e raciocínio dedutivo.” O problema é que equiparar inteligência linguística à inteligência em si — uma troca de conceito — está se tornando o ponto de partida das decisões de gestão.
Uma premissa errada, da qual deriva uma série de ações corretas, porém perigosas. Isso é o mais assustador de tudo.
Três Mentalidades de Automação que Descarrilam a Adoção de IA
A posição central de Li se repete ao longo da conversa: IA é uma ferramenta, uma ferramenta extraordinariamente poderosa. Mas a ferramenta é usada para substituir pessoas ou para elevá-las? A resposta não depende da tecnologia. Depende das pessoas. A discussão dela revela três das mentalidades de automação mais comuns.
Mentalidade um: IA como substituição de headcount. O exemplo dela com gerentes de produto é preciso. Dez anos atrás, gerentes de produto “eram mais como maestros. Eles não escreviam código; geralmente não eram engenheiros de software.” Os protótipos iam para os designers, o desenvolvimento esperava os engenheiros, e um ciclo completo — protótipo, lançamento, feedback, integração — levava meses. Agora, muitos PMs programam com IA eles mesmos, fazem prototipagem por vibração, e o ciclo se comprimiu de meses para dias. A IA não substituiu ninguém. Ela empurrou todo mundo um nível acima — PMs de maestro a construtores práticos, designers e engenheiros de executores a pessoas que atacam apenas os problemas mais difíceis. Então, qual é a primeira reação do gestor com mentalidade de automação a essa mesma história? “Então podemos contratar dois engenheiros a menos.” Mesmos fatos, mesma ferramenta, conclusões opostas. A diferença não é a tecnologia. É a compreensão da tecnologia.
Mentalidade dois: comprar ferramentas é igual a fazer certo. Comprar as licenças, rodar o treinamento, ensinar os funcionários a escrever prompts — treinamento concluído, caixinha marcada. Esse é o fluxo padrão da maioria das “transformações de IA” corporativas. Li disse algo sobre educação na entrevista, e ele se aplica um a um à gestão se você trocar “educação” por “gestão” e “alunos” por “equipes”: “O objetivo da educação é cultivar pessoas — permitir que cada pessoa se torne um contribuinte significativo para sua comunidade e sociedade, e viva uma vida com significado. A IA não deve retirar nenhum desses objetivos básicos; deve ajudar a alcançá-los melhor e com mais eficácia.” Enquanto isso, Rogier ofereceu uma demonstração ao vivo. Ele não tem formação técnica, mas hoje constrói ele mesmo cada aplicativo que usa — seu conjunto de ferramentas de CEO, seus aplicativos de produtividade, suas listas de tarefas — com Claude Code ou Cursor. O custo de fazer um aplicativo caiu de meses para um fim de semana. Ele não está se exibindo. Ele está demonstrando uma lógica mais profunda: as pessoas excelentes da era da IA não são “melhores em executar tarefas” — são “melhores em desenhar sistemas de trabalho.” Compre todas as ferramentas do mercado e, sem pensamento de design, as ferramentas apenas se tornam versões digitalizadas do processo antigo.
Mentalidade três: anunciar “implantação total de IA” como uma diretriz tecnológica. Envie um memorando dizendo “a empresa vai implantar IA por completo”, e os funcionários ouvem “demissões estão chegando.” Sente-se e diga “vamos ver o que você poderia fazer com IA que não conseguia fazer antes”, e os funcionários ouvem “vamos ficar mais fortes.” Dois enquadramentos, mesma ferramenta, mesmo orçamento, mesmas pessoas — premissa diferente, resultado completamente diferente. Os funcionários hesitam não porque não conseguem aprender as ferramentas, mas porque não sabem se a gestão pretende que a IA os substitua ou os eleve. Este é o sinal mais facilmente perdido na adoção: o primeiro limiar da implantação de IA nunca é a tecnologia. É a confiança. O conselho inicial de Li é desarmantemente simples: encontre alguém com menos de vinte e cinco anos — um filho, uma sobrinha, um sobrinho — e observe com pura curiosidade como eles usam IA. Quando você realmente entende o que isso é, o mundo fica menos assustador.
A Lei da Barra: Em 10 Anos, o Meio Desaparece
Agora, a parte que dói. Rogier propôs uma hipótese sobre a estrutura do local de trabalho: o efeito barra (barbell). Um texto de redação mediano — qualquer pessoa com um grande modelo de linguagem hoje faz decentemente. Mas se você é o melhor redator do mundo, ou está no um por cento do topo, ninguém consegue superá-lo facilmente. As duas pontas da barra são, de um lado, os especialistas do um por cento do topo e, do outro, os generalistas de alta iniciativa capazes de lidar com muitas coisas ao mesmo tempo. O meio “decente” está sendo comprimido nas duas direções.
Li concorda com a estrutura e acrescenta uma camada crítica: “Esteja você no lado dos especialistas ou no lado dos generalistas, você precisa de agency.” Os especialistas na ponta esquerda são os que aplicam a ampliação ao limite: a IA filtra 90 por cento do trabalho repetitivo para que sua energia se concentre nos 10 por cento que genuinamente exige julgamento humano. O valor deles não está sendo comprimido — está sendo liberado. Os generalistas na ponta direita são os que iniciam a ampliação: eles pegam as ferramentas por conta própria, constroem as suas, definem seus próprios fluxos de trabalho. Eles não estão esperando por um futuro ampliado — eles são o ponto de partida dele.
O problema do meio não é um problema de habilidades. É um problema de postura. A IA elevou o patamar da “execução decente” a uma altura extraordinária; quem permanece no nível “sabe executar” é capturado, seja qual for a área. Mas no momento em que a pessoa muda de “esperar para ser orientada sobre como usar IA” para “deixa eu meter a mão e ver o que ela consegue fazer”, o meio recupera um caminho para qualquer uma das pontas da barra. Li resumiu de forma memorável: a palavra “empreendedor” é, em grande medida, sinônimo de “agency”.
Por Que a Ampliação Não É Otimismo Ingênuo
Aqui está a parte mais interessante. Alguém perguntará: e se a tecnologia continuar avançando até que o julgamento humano, a criatividade e a inteligência emocional também sejam automatizados? Li responde com inteligência espacial e biologia evolutiva. Sua empresa, a World Labs, pesquisa inteligência espacial — compreender o mundo tridimensional, raciocinar sobre ele, gerá-lo, interagir dentro dele. Ela usa a cesta de basquete como exemplo. Até o ato de arremessar uma bola é um momento densamente inteligente. O raciocínio linguístico participa — o jogador registra se a bola entrou e o que isso significa para o jogo. Ver a quadra inteira, ler a posição de cada jogador, mirar na cesta — isso é espacialidade profunda. Ajustar o corpo, saber como produzir o movimento — isso é fisicalidade profunda. Três inteligências — linguística, espacial e corporal — disparam simultaneamente no instante do arremesso, cooperando. Não é um pipeline: primeiro a linguagem, depois o espaço, depois o corpo. A maior parte do que fazemos no dia a dia é uma mistura de inteligência linguística, espacial e física.
E o julgamento evolutivo: levou mais de quinhentos milhões de anos de evolução para a inteligência espacial amadurecer; a inteligência linguística levou muito menos tempo. A inteligência espacial é uma capacidade profunda, antiga e fundamental, compartilhada por animais e humanos. Tudo isso aponta para uma conclusão: o que a IA consegue realmente acelerar hoje é a camada linguística das tarefas — escrever relatórios, buscar literatura, analisar dados, produzir código, gerar imagens. O que ela compra é tempo e energia para tudo o que está fora dessa camada: julgamento, criatividade, empatia, decidir sob ambiguidade, manter a calma sob pressão, segurar o único sinal que importa quando todos os sinais entram em conflito. A ampliação não é um desejo nem uma escolha de valores. É um julgamento científico sobre esta fase da tecnologia: os humanos ainda detêm uma grande quantidade de coisas que a IA não consegue alcançar.
Então, O Que Fazemos de Fato?
Li encerrou a conversa com uma frase que merece ser a pedra de toque para toda decisão de gestão de IA:
Ensinamos nossos filhos a usar o fogo, depois as facas, depois a internet. Agora, como espécie e como sociedade, temos que aprender a usar a IA.
A palavra-chave não é “aprender”. É “nós”. Não são os funcionários descobrindo sozinhos. Não é o departamento de TI implantando de cima para baixo. Gestores e equipes juntos, tratando a IA como algo que uma organização inteira precisa resolver às claras. Um fechamento para quatro assentos à mesa: se você é um gestor — pare de perguntar quantas pessoas a IA pode substituir; comece a perguntar quantos níveis acima a IA pode empurrar cada pessoa. Se você é um executor de camada intermediária — pare de esperar que lhe atribuam um fluxo de trabalho com IA; ponha a mão na massa e veja o que ela consegue fazer, mesmo que isso signifique construir uma única ferramenta de produtividade para você mesmo. Se você é um especialista do um por cento do topo — deixe a IA filtrar os 90 por cento e despeje a energia liberada no trabalho que mais precisa de julgamento. Se você é um generalista — mantenha a curiosidade ampla, mas treine a agency até virar memória muscular: não use apenas as ferramentas dos outros; defina o seu próprio sistema de trabalho. Em dez anos, o local de trabalho talvez tenha apenas dois tipos de trabalhadores. Mas a escolha é hoje, e está nas mãos de cada pessoa.
Fonte: Fei-Fei Li em conversa com David Rogier, fundador e CEO da MasterClass, no podcast Silicon Valley Girl (25 de junho de 2026).
