Os robôs vão tirar os empregos manuais? O que realmente diz o estudo de 2026 da Anthropic (Anthropic, Tesla, Nvidia, Jobbit)

Durante uma década, o debate público sobre a automação assentou num único número. Em 2013, Carl Benedikt Frey e Michael Osborne, em Oxford, estimaram que 47% do emprego nos Estados Unidos estava em profissões com elevado risco de informatização no espaço de duas décadas, e a cifra tem sido repetida em todos os discursos sobre o futuro do trabalho desde então. Treze anos depois, os robôs que supostamente iriam esvaziar os armazéns e os estaleiros chegaram em demonstrações, em alguns milhares de fábricas e num pequeno número de táxis, e as pessoas que supostamente seriam substituídas continuam a trabalhar, muitas delas em profissões com escassez que os empregadores não conseguem preencher. Algo na narrativa habitual estava errado, e até há pouco ninguém tinha medido o quê.

A 30 de setembro de 2026, a equipa de economia da Anthropic publicou "What work can robots do?", de Russell Legate-Yang e Maxim Massenkoff. É, tanto quanto esta análise consegue apurar, a primeira tentativa de avaliar todas as tarefas físicas da economia americana face a robôs que realmente existem, e de fazer depois a pergunta que os 47% nunca fizeram: a que preço. A resposta altera o debate. Os robôs já conseguem executar cerca de três quartos das tarefas de trabalho físico nos Estados Unidos, mas só são mais baratos do que um humano em três de cada mil. Fechar esse fosso ao ritmo a que os preços dos robôs têm descido desde a década de 1990 levaria cerca de quarenta anos para chegar a um décimo do trabalho, e mesmo um cenário agressivo coloca metade do trabalho físico para além de 2050. Este estudo de caso lê o artigo com atenção, coloca-o ao lado das provas sobre o que a IA já está a fazer ao trabalho de secretária, considera as objeções e extrai o que o padrão significa para um profissional de ofício britânico, para o dono de uma pequena empresa e para uma empresa como a Jobbit, construída sobre a premissa que o artigo agora quantifica: a passagem de testemunho entre máquinas e pessoas é a questão central de conceção dos próximos vinte anos.

Resumo das conclusões

Primeiro, a capacidade deixou de ser a restrição determinante para a maior parte do trabalho físico. O estudo da Anthropic conclui que os robôs conseguem executar 74% das tarefas físicas nos Estados Unidos, o que corresponde a 34% de todas as horas de trabalho, usando robôs que foram vendidos, implementados ou demonstrados, e não imaginados.

Segundo, o custo é. Os robôs são competitivos em custo face a um trabalhador em 0.3% das tarefas profissionais atualmente. Para a grande profissão mais exposta, os embaladores, a poupança anual estimada ronda os $2,500 por trabalhador, contra custos de mão de obra de cerca de $49,000; no caso dos taxistas, o robô ainda custa cerca de $7,000 mais do que o humano.

Terceiro, o fosso fecha lentamente. Os preços dos robôs têm descido cerca de 3% ao ano desde a década de 1990. A esse ritmo, são precisos 40 anos para os robôs se tornarem competitivos em custo em 10% do trabalho nos EUA. No cenário rápido do artigo, com custos a descer quatro vezes mais depressa e capacidades a melhorar duas vezes mais depressa, os robôs tornam-se mais baratos do que as pessoas em metade do trabalho físico por volta de 2050, contra 2085 na tendência histórica, e automatizar 90% desse trabalho ainda demora 53 anos.

Quarto, o trabalho digital enfrenta o quadro oposto. Cerca de 50% do trabalho nos EUA está exposto apenas aos grandes modelos de linguagem e 81% aos modelos de linguagem ou robôs em conjunto, e as primeiras provas do mercado de trabalho, a partir de dados de folhas de pagamento, mostram o emprego entre os 22 e os 25 anos nas profissões mais expostas à IA cerca de 19% abaixo dos pares menos expostos, sem movimento equivalente até agora para os trabalhadores experientes ou para a economia no seu todo.

Quinto, as pessoas mais expostas aos robôs são as que têm menos margem de segurança. Em comparação com os trabalhadores não expostos, têm 55 pontos percentuais menos probabilidade de ter um grau universitário, ganham cerca de $30 por hora a menos e têm uma taxa de desemprego mais do que o dobro.

Sexto, as barreiras que subsistem são específicas e mensuráveis. Cerca de 70% das tarefas físicas estão travadas pela capacidade, aproximadamente metade delas pela manipulação e destreza; 14% estão bloqueadas pela regulamentação atual e 25% pelas preferências humanas. São as tarefas em que uma pessoa será necessária durante décadas, e para as quais os dados para ensinar as máquinas ainda não existem.

O caso: porque é que este estudo é o laboratório certo

As previsões de automação têm falhado, em regra, de duas maneiras. Os estudos ao nível das profissões, como o de Frey e Osborne, trataram empregos inteiros como unidades automatizáveis, o que produziu a cifra de 47%; quando Melanie Arntz, Terry Gregory e Ulrich Zierahn, na OCDE, repetiram o exercício em 2016 ao nível das tarefas, tendo em conta a mistura de trabalho dentro de cada profissão em 21 países, a proporção de empregos automatizáveis caiu para 9%. Os estudos baseados em inquéritos a peritos, entretanto, perguntaram a especialistas o que as máquinas seriam capazes de fazer, o que é uma aposta em tecnologias que podem nunca chegar ao mercado.

O artigo da Anthropic evita ambas as armadilhas por conceção. Parte das cerca de 19,000 descrições de tarefas de cerca de 900 profissões no O*NET, a base de dados ocupacional do Department of Labor dos EUA, e do emprego e dos salários do Bureau of Labor Statistics. Usa o modelo Claude para classificar cada tarefa quanto ao seu conteúdo físico, cognitivo e interpessoal, mantém apenas as tarefas físicas que não poderiam ser automatizadas por software comum e depois pesquisa na web robôs específicos que tenham comprovadamente executado cada tarefa, exigindo como prova implementação comercial, vendas ou uma demonstração significativa. Cada tarefa é colocada numa escala de quatro níveis de controlo do ambiente: E0, nenhum robô a consegue fazer; E1, um robô consegue fazê-la num ambiente construído de propósito, como uma linha de fábrica; E2, numa instalação humana estruturada, como um armazém; E3, num ambiente não estruturado, como uma estrada urbana. A maioria dos robôs implementados vive em espaços projetados, razão pela qual os autores tratam o nível como boa medida do risco a curto prazo.

O custo é modelado e não presumido. Para cada tarefa exposta, o modelo estima o custo anual do robô citado, incluindo compra e instalação, manutenção, software, energia, supervisão, seguros e desativação, com os custos fixos anualizados a um custo de capital estimado, e compara-o com a remuneração total do trabalhador, ajustada pela parte do seu tempo dedicada a essa tarefa. Uma tarefa só conta como competitiva em custo quando o custo anual do robô fica abaixo do trabalho que substitui. Os autores validam depois todo o aparato retroativamente: avaliando as tarefas face aos robôs que existiam em 1977 e nas décadas seguintes, mostram que as profissões mais expostas aos robôs da sua época perderam depois mais salários e emprego, que é o que uma medida de exposição tem de fazer para valer alguma coisa.

O estudo é americano. Essa é a imperfeição a que o leitor deve atender. Os salários, os preços da energia, a regulamentação e a mistura de profissões britânicos são diferentes, e ninguém aplicou ainda o método a dados do Reino Unido. Mas o que está em jogo aqui é, se algo, maior. A previsão de junho de 2026 do Construction Industry Training Board diz que o setor precisa, em média, de 41,200 trabalhadores adicionais por ano entre 2026 e 2030, mais de 206,000 no total, para acompanhar a procura, com 40% da mão de obra existente com mais de 45 anos e mais de 200,000 trabalhadores da UE perdidos desde o Brexit. A publicação Occupations in Demand do Department for Education, de dezembro de 2025, conta 10.9 milhões de pessoas, 32.9% da população ativa, em 125 profissões de procura elevada, e nomeia eletricistas e instaladores elétricos (201,000 empregos) e técnicos e mecânicos de veículos (183,000) entre os maiores ofícios qualificados dessa lista. Se os robôs estivessem prestes a substituir os ofícios, a escassez seria um problema passageiro. As provas abaixo dizem que não é.

Cronologia das provas, 2013 a 2026

Conclusão 1: os robôs conseguem fazer a maior parte do trabalho físico e quase nada compensa

O primeiro número do artigo é o que vai ser citado, e merece ser enunciado com precisão. De todo o tempo de trabalho nos EUA, 54% é cognitivo ou interpessoal e 46% é físico. Dentro da parte física, 12 pontos percentuais não podem ser feitos por nenhum robô que os autores conseguiram encontrar (E0), 23 podem ser feitos em ambientes construídos de propósito (E1), 10 em instalações humanas estruturadas, como armazéns (E2), e 1 em ambientes não estruturados (E3). Em conjunto, os robôs conseguem executar 74% das tarefas físicas, o que equivale a 34% de todas as horas de trabalho. Os exemplos são concretos: táxis autónomos em estradas urbanas, robôs móveis autónomos a movimentar stock em armazéns, células de soldadura guiadas por IA em oficinas de fabrico, escavadoras de valas que abrem linhas retas sem condutor.

O segundo número é o que importa. Quando o modelo atribui um preço ao robô citado para cada tarefa e o compara com o trabalho que ele substituiria, os robôs saem mais baratos em apenas 0.3% das tarefas profissionais. Cerca de 300,000 trabalhadores americanos estão em profissões em que os robôs poderiam fazer 95% do trabalho; o maior grupo, cerca de 560,000 embaladores, é o caso mais claro de paridade de custos, com o robô estimado em cerca de $2,500 por ano a menos do que um humano cujo trabalho custa cerca de $49,000. No outro extremo, o táxi robô, tecnicamente a profissão mais exposta nos dados, com um índice de exposição de 2.2 em 3, é estimado em cerca de $7,000 por ano a mais do que o condutor que substituiria, antes de se considerar a regulamentação. Nove das dez profissões mais expostas são operadores de veículos.

A interpretação que os autores oferecem, e a que esta análise considera mais defensável, é que a fronteira física avançou muito mais do que a económica. Nos últimos 50 anos, os robôs passaram a conseguir fazer, a cada ano, cerca de 2% do trabalho físico que antes não conseguiam: em 1977 não conseguiam executar 62% das tarefas físicas, hoje não conseguem executar 24% dessas mesmas tarefas. A capacidade acumulou-se. O custo não a acompanhou, porque um robô que consegue transportar uma caixa continua a ser um ativo de capital com manutenção, energia, supervisão e seguros associados, a competir com um trabalhador que só é pago pelas horas trabalhadas.

Conclusão 2: o calendário é de décadas, mesmo no caso otimista

A contribuição mais importante do artigo é a análise de cenários, porque transforma "os robôs são caros" em datas. Os preços dos robôs, com base em séries do Bank of Japan e outras fontes, têm descido cerca de 3% ao ano desde a década de 1990. Mantendo esse ritmo, são precisos cerca de 40 anos para os robôs serem competitivos em custo em 10% do trabalho nos EUA. Uma queda de 20% nos custos, cerca de sete anos ao ritmo histórico, tornaria os robôs competitivos nas tarefas físicas de cerca de 2.8 milhões de trabalhadores; é preciso uma queda de 70% para chegar a 10% de todo o trabalho.

O cenário rápido é generoso por conceção. Os custos ajustados pela qualidade descem até quatro vezes mais depressa do que na história, e os robôs aprendem novas tarefas duas vezes mais rapidamente. Mesmo assim, os robôs só se tornam competitivos em custo em 50% do trabalho físico por volta de 2050, contra 2085 na tendência histórica, e automatizar 90% do trabalho físico demora 53 anos. A frase que os autores usam merece ser citada porque é invulgarmente clara para um artigo de economia: "Robots would need to sustain record rates of price declines and quality improvements over the coming decades to enable rapid physical automation."

Aqui, as provas devem ser separadas da interpretação. As datas não são previsões; são as consequências de pressupostos aplicados uniformemente a todas as tarefas, que os próprios autores dizem poder não refletir a forma como as empresas de robótica realmente definem prioridades. Uma empresa que concentre o seu esforço numa tarefa de grande valor, a recolha em armazém, por exemplo, poderia fazer descer o custo dessa tarefa muito mais depressa do que 3% ao ano enquanto o resto da economia fica parado. O que os cenários estabelecem é a forma do problema, não o seu calendário exato: a automação física é um processo longo e desigual, regido pela economia do hardware, ao contrário do software, em que o custo marginal de mais uma tarefa é próximo de zero.

A comparação com a tecnologia anterior sustenta essa leitura. O estudo de 2020 de Acemoglu e Restrepo sobre os robôs industriais, a geração anterior desta tecnologia, concluiu que cada robô adicional por 1,000 trabalhadores entre 1990 e 2007 reduziu o rácio emprego-população nas zonas de deslocação pendular americanas afetadas em 0.2 pontos percentuais e os salários em 0.42%. Real, mensurável e lento: os efeitos acumularam-se ao longo de dezassete anos nos setores em que os robôs já eram mais baratos, e em nenhum outro.

Conclusão 3: o trabalho digital é a história oposta

O mesmo grupo de investigação mede a outra fronteira, e o contraste é o cerne deste estudo de caso. O trabalho anterior da Anthropic sobre exposição e a comparação do próprio artigo colocam cerca de 50% do trabalho nos EUA ao alcance dos grandes modelos de linguagem apenas, e 81% ao alcance dos modelos de linguagem ou robôs em conjunto. O padrão por profissão é instrutivo. Os transportes e a movimentação de materiais estão menos de 15% expostos aos modelos de linguagem, mas cerca de 90% expostos quando se incluem os robôs; o apoio administrativo e de escritório já está muito exposto aos modelos de linguagem e chega a quase 100% com os robôs; os cuidados pessoais e os serviços situam-se em cerca de 40% em ambos os casos, porque são interpessoais de uma forma que nenhuma das tecnologias aborda.

As estimativas para os modelos de linguagem têm uma linhagem mais longa. Em 2023, Tyna Eloundou, Sam Manning, Pamela Mishkin e Daniel Rock, na OpenAI e na University of Pennsylvania, concluíram que 80% dos trabalhadores americanos estavam em profissões com pelo menos 10% das tarefas expostas aos modelos de linguagem e 19% em profissões com mais de metade das tarefas expostas, com a escrita, a programação e a análise de dados mais expostas e o trabalho físico e ao ar livre menos. O Anthropic Economic Index, que associa conversas anonimizadas com o Claude a tarefas do O*NET, mostra o que as pessoas realmente fazem com as ferramentas: nos relatórios de 2026, o aumento ficou ligeiramente à frente da automação, 52% contra 45%, e a utilização diversificou-se, com as dez tarefas mais comuns a descer de 24% das conversas para 19% entre novembro de 2025 e fevereiro de 2026. O Index refere também que um aumento de 1% do PIB per capita está associado a um aumento de 0.7% da utilização por pessoa, o que lembra que a adoção acompanha a riqueza.

Saber se a exposição se tornou deslocação é a pergunta a que os dados de folhas de pagamento respondem, com cautela. Erik Brynjolfsson, Bharat Chandar e Ruyu Chen, no Digital Economy Lab de Stanford, usando registos da ADP de mais de 25 milhões de trabalhadores dos EUA, relataram em 2025 que os trabalhadores no início de carreira nas profissões mais expostas à IA tinham sofrido quedas relativas do emprego, enquanto os trabalhadores experientes nos mesmos empregos não; a sua revisão de agosto de 2026, com dados até meio do ano, coloca o emprego entre os 22 e os 25 anos nessas profissões cerca de 19% abaixo do que estaria se tivesse acompanhado os pares menos expostos, com o ajustamento a processar-se através da contratação e não do salário, e concentrado onde a IA automatiza em vez de aumentar. Ao mesmo tempo, os economistas da própria Anthropic, Maxim Massenkoff e Peter McCrory, como noticiou o Yahoo Finance a 1 de outubro, não encontram nenhum aumento sistemático do desemprego dos trabalhadores muito expostos desde finais de 2022, e o aviso do diretor executivo da Anthropic, Dario Amodei, de que a IA poderia eliminar metade dos empregos administrativos de nível inicial continua a ser, com os dados até agora, um aviso e não uma observação.

A síntese honesta é esta. O primeiro efeito mensurável da atual vaga de IA no mercado de trabalho não é o robô no armazém; é a contratação de licenciados que não acontece no escritório. O trabalho físico está protegido pela economia; o trabalho de secretária não.

Conclusão 4: quem está exposto e o que ainda bloqueia o resto

O perfil demográfico do trabalho exposto aos robôs é a conclusão que deveria orientar as políticas. Em comparação com os trabalhadores de profissões não expostas, os das profissões muito expostas têm 20 pontos percentuais menos probabilidade de ser mulheres, 16 pontos mais probabilidade de ser hispânicos, 55 pontos menos probabilidade de ter um grau de licenciatura, ganham cerca de $30 por hora a menos e têm mais do dobro da probabilidade de estar desempregados. Têm também muito maior probabilidade de transportar cargas, trabalhar com calor extremo ou perto de substâncias perigosas. As tarefas que os robôs já conseguem fazer são desproporcionadamente as duras, perigosas e mal pagas, o que é simultaneamente o argumento mais forte para as automatizar e a razão pela qual vai doer se a transição não for gerida.

O que bloqueia o resto é igualmente específico. Cerca de 70% das tarefas físicas que os robôs ainda não conseguem fazer estão limitadas pela capacidade, e aproximadamente metade destas pela manipulação e destreza: colorir cabelo, escavar à mão em redor de tubagens enterradas, montar andaimes, desembaraçar fios. As limitações de planeamento e raciocínio respondem por 8%. A regulamentação bloqueia 14% das tarefas físicas e a preferência humana 25%, os dois em conjunto cobrindo a maior parte do trabalho em que um robô seria tolerado numa fábrica, mas não num quarto ou numa sala de aula. Duas profissões do artigo mostram como o quadro é misto dentro de um mesmo emprego: os estucadores de pladur têm 1.6 no índice de exposição, com 41% do seu tempo exposto a um robô de projeção autónomo e 26% não exposto porque o trabalho de acabamento, mais desarrumado, está fora do seu alcance; os separadores de reciclagem têm 1.7, com mais de 75% do seu tempo exposto a pinças de visão computacional em tapetes rolantes e apenas 8% não exposto.

O resumo dos autores é aquele de que um profissional de ofício deve lembrar-se: o trabalho não exposto é "highly interpersonal or requires physical skills that robots today don't have", e "if the past is any guide, taxi drivers and warehouse packers will see changes sooner than nurses and mechanics".

Mecanismos: porque é que o padrão é este

Quatro mecanismos explicam as conclusões e antecipam o que vem a seguir.

Os ambientes, e não as tarefas, decidem a implementação. A escala de quatro níveis é a intuição discreta do artigo. Um robô que solda sem falhas numa linha de fábrica (E1) é inútil numa ampliação doméstica em que cada barrote está a uma distância ligeiramente diferente do anterior. A maior parte da economia física, e quase todos os ofícios, passa-se em condições E3: não estruturadas, improvisadas, entre pessoas. Os robôs conquistaram o E1 e avançam para o E2; o E3 detém 1% das tarefas ao fim de cinquenta anos.

A economia do hardware não é a economia do software. Um modelo de linguagem, depois de treinado, executa a tarefa seguinte a um custo próximo de zero, razão pela qual a exposição no trabalho de secretária se transformou em deslocação em poucos anos. Um robô é um ativo que se desvaloriza e que tem de ser comprado, instalado, segurado, mantido, alimentado e supervisionado em cada local onde trabalha. A descida anual de preços de 3% é a assinatura dessa diferença, e os cenários do artigo mostram quão pouco mesmo uma aceleração de quatro vezes altera a década em que a paridade chega.

A capacidade acumula-se, mas através dos dados. Os robôs ganham cerca de 2% do trabalho físico por ano, e a metade das tarefas restantes que exige destreza é precisamente aquela para a qual os dados de treino são mais escassos. Um modelo aprende a escrever a partir da web escrita; não existe um corpus equivalente das mãos de um canalizador. O progresso nos 24% restantes depende de captar trabalho real, em locais reais, com as pessoas que o fazem, o que é lento por natureza e levanta questões de consentimento e de propriedade que a vaga do software nunca enfrentou.

As preferências e as regras são um piso, não um atraso. Os 25% de tarefas limitadas pela preferência e os 14% pela regulamentação não estão à espera de um robô melhor. A disposição de um doente para ser levantado por uma máquina, as regras de uma câmara municipal sobre veículos autónomos e o desejo de um cliente de falar com a pessoa que instalou a cozinha mudam em escalas de tempo políticas e culturais, razão pela qual os autores as tratam como separadas da capacidade e do custo.

Um cético deve manter três explicações alternativas ao lado destas. As avaliações de exposição são produzidas por um modelo que lê descrições de tarefas lacónicas, as quais, como notam os autores, "omit details that may be easy for humans but hard for robots", pelo que a capacidade pode estar sobrestimada ao nível da tarefa, mesmo estando subestimada para a profissão no seu conjunto. As estimativas de custo são aproximações de um mercado com poucos preços públicos; um levantamento de preços de humanoides em agosto de 2026 concluiu que apenas 12 de 58 humanoides comerciais tinham sequer um preço verificado. E os cenários pressupõem a mesma descida para todas as tarefas; um avanço na manipulação de uso geral, do tipo em que a Nvidia e a Tesla apostam, poderia, nas palavras dos autores, "leapfrog our scale". As datas são robustas na forma e frágeis no pormenor.

Como reagiu a indústria

A reação dividiu-se pela linha que o artigo traça. No campo do hardware, o diretor executivo da Nvidia, Jensen Huang, tinha previsto um "ChatGPT moment" para a robótica na CES em janeiro de 2026, e Elon Musk disse que o humanoide Optimus da Tesla será posto à venda já em 2027, com um preço-alvo a longo prazo inferior a $20,000 em escala, embora não exista preço oficial; as perspetivas de 2025 da Morgan Stanley colocam o mercado de humanoides acima de $5 trillion até 2050, com a adoção a acelerar a partir do final da década de 2030. O Yahoo Finance enquadrou o artigo da Anthropic, a 2 de outubro, como a projeção que essas apostas vão testar. A realidade do que se vende é mais modesta: o G1 da Unitree custa $13,500 e a empresa expediu mais de 5,500 humanoides em 2025, mais do que todos os rivais juntos; o Digit da Agility, o humanoide mais implementado em armazéns dos EUA, tem um preço superior a $250,000 por unidade ou cerca de $8,500 por mês como serviço; a Figure, avaliada em $39 billion, vende a empresas sem preço público.

Os economistas aceitaram na sua maioria o calendário. O economista-chefe da Apollo, Torsten Sløk, citado pelo Yahoo Finance, disse que mesmo com projeções agressivas a deslocação física generalizada demoraria décadas, citando estrangulamentos na manipulação fina, na regulamentação e nas preferências. O debate mais acirrado está no lado digital, onde as provas de folhas de pagamento de Stanford e a análise do desemprego da própria Anthropic apontam em direções diferentes sobre quanta deslocação já aconteceu, e onde a OpenAI, a Anthropic, a Google, a Microsoft, a Manus e a Meta com o Muse estão a lançar agentes que navegam, preenchem formulários e concluem tarefas de escritório em vários passos, a categoria em que a exposição é mais alta e o custo mais baixo.

A posição da Jobbit neste panorama é uma escolha de conceção e não uma previsão, e o artigo descreve-a por coincidência. O agente de IA da empresa trata do trabalho digital e revisável que, segundo as provas, é barato de automatizar: pesquisa, documentos, sites, automatizações, imagens e a administração que rodeia um trabalho. Quando uma tarefa precisa de mãos, de juízo no local ou de alguém responsável, o que os números do artigo dizem ser a maior parte do trabalho físico durante décadas, o trabalho passa para um profissional humano verificado em pro.jobbit.uk, com o pagamento retido em depósito de garantia e o cliente capaz de observar o agente e assumir o controlo a qualquer momento. A Jobbit Labs, a divisão de investigação da empresa, trabalha no problema mais lento que o artigo identifica na sua lacuna de dados: captar dados de tarefas do mundo real de pessoas a fazer trabalho real, com consentimento, para treinar e verificar modelos do mundo para a IA física. A Jobbit não publicou dados de ensaio sobre os resultados deste modelo e não afirma aqui que o tenha feito; a afirmação é mais estreita: que uma arquitetura de agente mais rede humana é a que as provas sustentam enquanto a paridade de custos estiver a décadas de distância. O lado prático dessa divisão está exposto em 12 Jobs an AI Agent Can Do for Your Business This Week e Should Your Next Hire Be an AI Agent?, as provas sobre freelancers em Do AI Agents Replace Freelancers?, e a própria empresa em What Is Jobbit?.

O que uma empresa deve fazer com estas provas

As provas sustentam uma regra de delegação que uma pequena empresa pode aplicar sem um consultor de estratégia.

Automatize primeiro a camada digital em torno do trabalho físico, porque é aí que o custo e a capacidade já se encontram. Os orçamentos, as faturas, o site, os pedidos de avaliação, a pesquisa de fornecedores e o agendamento de um canalizador são os 50% do trabalho expostos aos modelos de linguagem; os próprios números do artigo dizem que a instalação, o diagnóstico num armário húmido e a conversa com o proprietário não vão a lado nenhum. A margem de uma empresa de ofício na próxima década vem de gastar as horas de secretária poupadas em mais horas no local, e não de esperar por um robô.

Trate a automação física como uma decisão de aquisição sobre uma tarefa, não como uma decisão de mão de obra sobre um emprego. O modelo de custos do artigo é o modelo a seguir: compare o custo anual total do robô com o trabalho nessa única tarefa, no seu nível de ambiente, e espere paridade apenas em condições E1 e E2, embalagem repetitiva, movimentação, soldadura e triagem, durante os próximos anos. Para quase tudo o que se faz em casa de um cliente, a paridade não está no calendário.

Contrate e forme para o núcleo não exposto. Os 24% de tarefas físicas que os robôs não conseguem fazer e os 25% que as pessoas não querem que eles façam são a parte duradoura de um ofício: destreza, juízo em espaços não estruturados e a relação humana. A lacuna de 206,000 trabalhadores do CITB até 2030 diz que o mercado vai pagar por elas.

Observe a passagem de testemunho, não o título da notícia. A pergunta útil para qualquer trabalho é onde a máquina deve parar e a pessoa deve começar, e essa linha move-se tarefa a tarefa. Uma empresa que a escreva, quem revê o resultado do agente, quem aprova o trabalho no local, quem responde perante o cliente, capta os ganhos sem as falhas.

Por fim, leia os primeiros sinais no sítio certo. O artigo sugere acompanhar as profissões expostas, condutores e embaladores de armazém, para os primeiros sinais de perturbação física, e os dados de folhas de pagamento dizem que a perturbação digital já é visível na contratação de licenciados. Planeie já para a segunda e mais tarde para a primeira.

Limitações e questões em aberto

O estudo é americano, avaliado por um modelo e estático. As avaliações de exposição e de custo vêm do Claude a ler descrições de tarefas e provas na web sobre robôs, verificadas face à história mas não face a ensaios no terreno; um painel de peritos humanos poderia avaliar a destreza de forma diferente. As estimativas de custo omitem fricções de adoção, como limites de endividamento, e os cenários deixam de lado efeitos de retroação, incluindo a possibilidade de que a queda dos salários nas profissões expostas abrande ainda mais a adoção. O artigo não examina como a IA poderia mudar o trabalho físico sem robôs, por exemplo através da manutenção preditiva, e não modela o Reino Unido, onde os custos de energia, a regulamentação e a estrutura dos ofícios são diferentes.

As provas digitais têm os seus próprios limites. Os dados de folhas de pagamento mostram o emprego relativo dos jovens em profissões expostas, não causalidade, e os autores de Stanford descrevem as suas conclusões como consistentes com "no widespread displacement so far"; a análise do desemprego da Anthropic e a análise de contratação de Stanford podem ambas estar certas sobre margens diferentes. Os dados de utilização de um único assistente não são a economia. E o mercado de humanoides move-se suficientemente depressa para que qualquer preço aqui citado seja um retrato do início de outubro de 2026.

As questões em aberto são as que decidirão a próxima década: se a manipulação de uso geral melhora mais depressa do que 2% ao ano quando os robôs aprenderem com trabalho real em vez de demonstrações projetadas; se os pisos regulamentar e de preferência se movem; e, como dizem os autores, como muda o próprio trabalho, "perhaps becoming more social and interpersonal as robots and AI advance".

Conclusão

Os robôs vão tirar os empregos manuais? Não da forma que os 47% sugeriam e não em nenhum calendário em torno do qual um profissional de ofício no ativo precise de planear. O estudo da Anthropic mostra que os robôs já conseguem fazer a maior parte das tarefas físicas e só se podem dar ao luxo de quase nenhuma; que a economia fecha a alguns por cento ao ano; e que mesmo um mundo de progresso recorde dos robôs deixa metade do trabalho físico em mãos humanas para além de 2050. A perturbação mensurável hoje está no trabalho digital, onde a exposição é mais alta, o custo mais baixo e os primeiros licenciados já faltam nas folhas de pagamento. Para um ofício britânico ou uma pequena empresa, as provas apontam para uma só estratégia: automatizar a secretária, proteger as mãos e ser deliberado sobre onde uma passa o testemunho à outra. Essa passagem de testemunho é onde a Jobbit trabalha, e o artigo é a declaração mais clara até agora de porque é que o fosso em que ela se constrói vai existir durante muito tempo.

Perguntas frequentes

Os robôs vão substituir os trabalhadores manuais?

Não durante décadas, segundo o estudo de setembro de 2026 da Anthropic. Os robôs já conseguem fazer cerca de 74% das tarefas físicas nos Estados Unidos, mas só são mais baratos do que um trabalhador em 0.3% delas, e com a descida histórica de 3% ao ano nos preços dos robôs seriam precisos cerca de 40 anos para atingir a paridade de custos em 10% do trabalho. Mesmo um cenário agressivo coloca metade do trabalho físico para além de 2050.

Que empregos estão mais expostos aos robôs?

Operadores de veículos e embaladores de armazém. Os taxistas lideram o índice de exposição com 2.2 em 3, nove das dez profissões mais expostas são condutores, e os embaladores são o caso mais claro em que um robô já é ligeiramente mais barato do que uma pessoa. Os enfermeiros, os mecânicos e a maior parte dos ofícios qualificados situam-se no outro extremo, porque o seu trabalho exige destreza, juízo em espaços não estruturados ou contacto humano.

A IA está a tirar empregos administrativos mais depressa do que os robôs tiram os físicos?

As primeiras provas dizem que sim, ao nível inicial de carreira. A análise de Stanford de registos de folhas de pagamento de mais de 25 milhões de trabalhadores conclui que o emprego dos 22 aos 25 anos nas profissões mais expostas à IA está cerca de 19% abaixo dos pares menos expostos, sem alteração equivalente para os trabalhadores experientes, enquanto os economistas da Anthropic não encontram aumento sistemático do desemprego dos trabalhadores expostos no seu conjunto. As tarefas digitais custam quase nada a automatizar depois de existir um modelo; as tarefas físicas precisam de hardware que ainda é caro.

O que deve fazer um profissional de ofício face à automação?

Automatize o lado de escritório do negócio, que é onde a IA já é barata e capaz, e invista nas competências que os robôs não igualam: destreza, diagnóstico em espaços não estruturados e a relação com o cliente. Só o setor da construção do Reino Unido precisa de mais de 206,000 trabalhadores adicionais até 2030, segundo o CITB, pelo que a parte humana do ofício está em escassez, não em excesso.

Qual é a lacuna para a qual a Jobbit foi construída?

A passagem de testemunho entre o trabalho digital automatizado e o trabalho físico humano. O agente de IA da Jobbit faz a pesquisa, os documentos, os sites e a administração que, segundo as provas, são baratos de automatizar, e passa o trabalho que precisa de mãos, de uma visita ao local ou de responsabilização a um profissional verificado em pro.jobbit.uk, com o pagamento retido em depósito de garantia. A Jobbit Labs trabalha nos dados de tarefas do mundo real que o estudo identifica como o ingrediente em falta para a IA física.