Resumo em cinco segundos: produtividade maior não vira automaticamente salário, lazer ou proteção social. Se o ganho fica em lucro e retorno do capital, a pessoa comum pode sentir apenas “mais cobrança com ferramenta melhor”. Já curar doenças e ampliar anos de vida saudável é um benefício que não exige vencer outra competição econômica.
1. “A IA vai acabar com todos os empregos” e “trabalho intelectual está seguro” são simplificações
A OIT estimou em 2025 que cerca de 25% do emprego mundial tem algum grau de exposição à IA generativa, chegando a 34% em países de alta renda. A conclusão central é mais transformação de tarefas do que eliminação total de profissões.[1]
Um setor de dez pessoas virar seis pessoas mais agentes já muda a demanda por trabalho.
2. O humano como “aprovador final” já é um fluxo plausível
O Economic Index da Anthropic de junho de 2026 encontrou maior autonomia de IA no Claude Code do que em chats comuns.[2]
O processo pode virar: humano faz tudo → IA ajuda → IA executa o pacote → humano trata exceções e decisão final.
Profissão regulamentada não é sinônimo de imunidade. O último metro físico é mais difícil hoje, mas robótica também muda a fronteira.
3. “GPU, memória e energia vão ganhar dos laboratórios de IA” é tese, não lei
Se modelos virarem commodity, insumos escassos podem capturar mais valor. Mas software pode manter valor por distribuição, dados próprios, integração empresarial, APIs, agentes e switching costs.
A pergunta é: o que continua escasso e o que ficou fácil de copiar?
4. Dizer que a IA não criará negócios novos também exagera
Interfaces, textos e apps simples são copiáveis. Mas custos menores podem viabilizar nichos, personalização, operação 24 horas e empresas com equipes minúsculas.
Comoditização e novos negócios podem acontecer juntos.
5. O ponto fraco: produtividade não cai automaticamente na sua conta
GPU trabalhando 100 vezes mais não paga aluguel.
Pesquisas do FMI mostram cenários em que a IA reduz desigualdade salarial, mas aumenta desigualdade patrimonial por retornos do capital. O resultado depende de substituição, complementaridade, propriedade, impostos, transferências e proteção social.[3][4]
Dobrar produtividade pode virar menos horas, mais produção, menos gente ou mais lucro. A tecnologia não escolhe a divisão.
6. Quem cansou da competição talvez prefira progresso que não exija vencer
Salário, promoção, credenciais, valor de mercado e domínio de IA são outra corrida.
Menos mortes, câncer detectado cedo, doenças genéticas tratadas, declínio cognitivo atrasado e mais independência na velhice são ganhos bem menos ligados ao ranking individual.
7. A medicina de 2026 já parece um pouco ficção científica
Em abril de 2026, a FDA aprovou Otarmeni, primeira terapia gênica para perda auditiva grave ligada a OTOF.[5] Em julho, Casgevy foi ampliado para pacientes de dois anos ou mais com doença falciforme ou beta-talassemia dependente de transfusão.[6] Em setembro, Fayuvi tornou-se o primeiro tratamento aprovado para alterar o curso da síndrome de Sanfilippo A.[7]
Não são curas universais, mas mostram a mudança de aliviar sintomas para intervir em causas moleculares e genéticas.
8. A parte mais interessante da IA médica pode ser acelerar pesquisa
AlphaFold disponibilizou mais de 200 milhões de estruturas proteicas previstas e avançou para interações moleculares.[8]
Talvez a métrica certa não seja quantos médicos foram substituídos, mas quantos anos foram cortados até um tratamento útil chegar ao paciente.
Se todos os GPUs do mundo só deixarem planilhas mais rápidas, dá vontade de pedir reembolso.
9. “Viver até 150” é menos sólido do que aumentar healthspan
O NIA dos EUA trata geroscience como estudo de mecanismos do envelhecimento ligados a doenças crônicas, buscando ampliar vida saudável.[9]
Senolíticos são promissores, mas eficácia clara em humanos ainda não está estabelecida.[10]
Detecção precoce → tratamento melhor → atraso de doenças do envelhecimento → mais vida saudável → depois discutir longevidade extrema.
10. Talvez a meta não seja “vencer com IA”, mas reduzir punições da vida
Com tanto poder computacional, vale perguntar quanto podemos reduzir doença, dor, deficiência, carga de cuidado, burocracia e trabalho obrigatório.
Já entendemos “trabalhar mais rápido”.
Agora cura alguma coisa.
- International Labour Organization — “Generative AI and Jobs: A Refined Global Index of Occupational Exposure” / research brief (2025-05-20) https://www.ilo.org/publications/generative-ai-and-jobs-2025-update Used for the estimate that roughly one quarter of global employment has some GenAI exposure, roughly 34% in high-income countries, and for the distinction between task/job transformation and wholesale replacement ilo.org
- Anthropic — “Anthropic Economic Index report: Cadences” (2026-06-26) Used for observed differences in AI autonomy between Claude Code and ordinary chat/Cowork usage and the shift toward larger delegated agentic tasks anthropic.com
- IMF — “Gen-AI: Artificial Intelligence and the Future of Work” (2024) Used for channels connecting AI adoption, labor income, capital income, inequality, and the role of policy imf.org
- IMF — “AI Adoption and Inequality” (Working Paper 2025/068, 2025-04-04) Used for model-based scenarios in which wage inequality and wealth inequality can move differently, especially through capital returns and asset ownership imf.org
- U.S. FDA — “FDA Approves First-Ever Gene Therapy for Treatment of Genetic Hearing Loss” (2026-04-23) Used for the approval and indication of Otarmeni for severe-to-profound hearing loss associated with biallelic OTOF variants fda.gov
- U.S. FDA — “FDA Approves First Gene Therapy for Young Children with Sickle Cell Disease” / CASGEVY product page (2026-07-01) https://www.fda.gov/vaccines-blood-biologics/casgevy Used for the expanded U.S. indication of Casgevy to patients aged two years and older with qualifying sickle cell disease or transfusion-dependent beta-thalassemia fda.gov
- U.S. FDA — “FDA Approves First Gene Therapy for Pediatric Patients with Sanfilippo Syndrome Type A” (2026-09-17) Used for the first approved treatment intended to alter the disease course of MPS IIIA / Sanfilippo syndrome type A fda.gov
- Google DeepMind — AlphaFold Used for the availability of more than 200 million protein-structure predictions and AlphaFold’s expansion toward biomolecular interaction prediction deepmind.google
- U.S. National Institute on Aging — Geroscience / Fifth Geroscience Summit materials (2026) Used for the definition and current institutional framing of geroscience around biological aging, chronic disease, and healthspan nia.nih.gov
- Khosla, Monroe & Farr — “Towards a personalized approach in senolytic trials,” Nature Aging (2025-09-09) Used for the caution that early human senolytic trials have produced biological signals but clear efficacy in humans remains unestablished nature.com
