Início Mercado de IA IA no trabalho muda vagas juniores na Anthropic
Mercado de IAÚltimas notícias

IA no trabalho muda vagas juniores na Anthropic

A IA no trabalho já está alterando contratações, produtividade e organização interna na Anthropic. Um estudo publicado pela empresa em 16 de outubro de 2026 mostra que agentes passaram a executar mais horas de trabalho do que funcionários, enquanto a participação de profissionais técnicos juniores caiu e o tempo gasto em reuniões aumentou. O retrato importa porque mostra como uma empresa que desenvolve inteligência artificial está reorganizando suas próprias equipes em torno da tecnologia.

A pesquisa analisou dados internos de emprego, uso de IA, produção, calendários, comunicação e decisões de contratação, além de 17 entrevistas com funcionários. A própria Anthropic apresenta o caso como um possível indicador antecipado, não como uma previsão automática para toda a economia. Empresas de outros setores têm processos, riscos e níveis de adoção diferentes.

Gráfico da Anthropic sobre IA no trabalho e vagas técnicas juniores
Imagem: Divulgação (Anthropic)

O que a IA no trabalho mudou na Anthropic

A mudança mais visível aparece nas posições de entrada. Desde o início de 2025, a parcela de funcionários juniores nas áreas técnicas recuou de 21% para 14%. Entre as novas contratações técnicas, a participação desse grupo caiu de 27% para 9%. Isso não significa que toda contratação técnica tenha parado: a empresa continuou crescendo em números absolutos, mas vendas, finanças e recrutamento avançaram mais rapidamente.

Ao mesmo tempo, o uso de agentes cresceu. Em março de 2026, a soma das horas de agentes autônomos e interativos superou as horas humanas pela primeira vez. Em agosto, considerando agentes interativos dirigidos por funcionários, a relação chegou a seis horas de agentes para cada hora humana estimada. O relatório atribui grande parte desse uso à produção e manutenção de software, mas registra aplicações também em vendas, jurídico, recrutamento e tarefas administrativas.

Números que explicam a mudança

Indicador Resultado observado Leitura prática
Contratações técnicas juniores Participação caiu de 27% para 9% O perfil de entrada perdeu espaço relativo
Produção de código Commits por engenheiro chegaram a 5 vezes o ritmo de seis meses antes Mais volume exige controle de qualidade e prioridade
Gestão de agentes Meta-trabalho subiu de 10% para 22% das sessões interativas Parte do trabalho migrou para instruir, revisar e monitorar IA
Reuniões Tempo mediano aumentou 20% em um ano Coordenação e decisões humanas ganharam peso

Os ganhos de produção vieram acompanhados de uma ressalva importante. Mais código não equivale necessariamente a mais qualidade ou impacto comercial. Ao comparar código humano e código produzido por agentes, o estudo não encontrou diferença nos indicadores de remoção e reversão examinados, mas reconhece que esses indicadores não capturam todas as dimensões de qualidade.

Gráfico compara horas de agentes de IA e funcionários na Anthropic
Imagem: Divulgação (Anthropic)

O que muda para empresas e profissionais

O principal sinal para gestores é que comprar uma ferramenta de IA não encerra a transformação. Quando agentes produzem texto, código e análises em grande escala, revisão, contexto, julgamento e definição de prioridades viram gargalos. Na Anthropic, sessões interativas ficaram cerca de 80% do tempo aguardando intervenção humana. Até equipes não técnicas receberiam conteúdo suficiente para ocupar mais da metade da semana apenas com leitura.

Isso ajuda a explicar por que o tempo mediano em reuniões cresceu 20% em um ano, inclusive com alta de 16% entre colaboradores técnicos sem função gerencial. A automação reduziu partes da execução, mas ampliou a necessidade de coordenação, responsabilidade e decisões entre áreas. Em vez de eliminar a colaboração humana, os agentes acrescentaram uma nova camada que precisa ser supervisionada.

Para profissionais, o estudo sugere valorização crescente de autonomia, julgamento e capacidade de trabalhar com IA. As avaliações de candidatos passaram a mencionar com mais frequência o uso criativo de ferramentas, enquanto conhecimento técnico restrito e execução manual perderam peso relativo. Isso não torna fundamentos dispensáveis. Sem domínio do problema, fica mais difícil avaliar se a resposta do agente está correta, relevante e segura.

Para empresas brasileiras, a aplicação prática é começar por processos mensuráveis e definir quem aprova cada saída. Métricas de volume precisam ser acompanhadas por qualidade, retrabalho, tempo de revisão e resultado para o cliente. Também é prudente preservar caminhos de formação para iniciantes, pois reduzir posições de entrada sem criar novas formas de aprendizado pode comprometer a renovação das equipes no longo prazo.

Fontes

Escrito por
Filipe Lino

Filipe Lino é fundador da ClickGrowth e atua com marketing, CRM e automação de negócios. No Turbo Automate IA, acompanha ferramentas, modelos e projetos de inteligência artificial, explicando suas aplicações e impactos para profissionais e empresas.

Deixe um comentário

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Artigos relacionados

Quadros de apresentação do Earshot código aberto para agentes de IA
Código AbertoÚltimas notícias

Earshot: código aberto dá audição a agentes de IA

Earshot código aberto analisa, compara e recria sons localmente para agentes de...

Solid Glass, sistema de design para aplicações e projetos de IA
Código AbertoÚltimas notícias

Top 10 projetos de IA no GitHub da semana (10 a 17/10)

Confira agora os projetos de IA no GitHub que mais cresceram de...

Replit OpenAI em anúncio do modo gratuito da plataforma
Ferramentas e AutomaçãoÚltimas notícias

Replit adota OpenAI como padrão e mantém Claude disponível

Replit torna a OpenAI sua provedora padrão, mantém Claude como opção e...