90% das horas de trabalho nos EUA são gastas em tarefas não bem cobertas por benchmarks de IA
Uma nova análise afirma que cerca de 90% das tarefas de trabalho nos EUA não estão representadas nos benchmarks atuais de IA, o que levou a um debate sobre até onde os modelos de hoje realmente conseguem automatizar empregos “reais”. Os comentaristas argumentam que os LLMs são bem adequados para tarefas digitais, verificáveis e bem delimitadas, como programação, mas têm dificuldade com os aspectos confusos, políticos e físicos que dominam a maior parte do trabalho, de negociações com partes interessadas a serviços de limpeza. Muitos veem os ganhos de curto prazo como modestos e desiguais, levantando preocupações sobre qualidade do emprego, desigualdade e se a automação vai principalmente reduzir custos para os empregadores, em vez de melhorar amplamente o padrão de vida.
Escopo dos Benchmarks de IA vs. Trabalho Real
- O fio concorda que os benchmarks cobrem principalmente tarefas digitais, com ciclo de feedback fechado e bem definido, e não a maior parte do trabalho, que é confusa, interpessoal ou física.
- Vários observam que os benchmarks muitas vezes visam cargos de alta remuneração “expostos à IA” (direito, programação) e ignoram funções de apoio (secretários jurídicos, auxiliares administrativos, alimentação, limpeza).
- Alguns argumentam que até mesmo as ocupações “cobertas” são apenas benchmarkadas em sub-tarefas de baixo valor, não no trabalho de maior alavancagem.
O que os Engenheiros de Software Realmente Fazem
- Muitos relatam que apenas uma pequena fração do tempo é gasto codificando; a maior parte é:
- Lidar com partes interessadas, política interna, gestão de expectativas, reuniões.
- Coordenação entre equipes, integração e lidar com a hierarquia organizacional.
- Há uma forte percepção de que codificar nunca foi o principal gargalo; a IA acelera uma parte que já era rápida.
Prioridades e Restrições da Automação
- Consenso: a IA acerta tarefas digitais, verificáveis e com dados sintéticos escaláveis de treinamento (código, matemática, algum trabalho de back office).
- Robótica e manipulação física são vistas como a última barreira; há debate sobre se robôs irão superar economicamente a mão de obra de baixo salário em breve.
- Alguns esperam que, no fim, “tudo o que puder ser representado como um programa” seja automatizado; outros citam o progresso lento e árduo na automação do mundo real.
Efeitos Econômicos e Sociais
- Há forte discordância sobre se a tecnologia trouxe “desinflação” para necessidades básicas (moradia, saúde, alimentação) ou se apenas barateou luxos.
- Muitos esperam que a IA primeiro corrói salários de colarinho branco bem pagos, aprofundando a desigualdade e esvaziando a classe média.
- Alguns enquadram isso como redução de “retornos não merecidos” para profissões de alto QI; outros veem como mais concentração de riqueza em direção a bilionários.
- Temores de alto desemprego estrutural, especialmente entre trabalhadores jovens/iniciantes; pedidos de mudanças em impostos e políticas sociais (renda básica universal, taxar mais o capital/IA).
Empregos de Merda, Trabalho Oculto e a Falácia do Porteiro
- Debate sobre quantos empregos são “de merda” versus exercer funções difíceis de medir, mas reais, de coordenação, segurança e experiência do cliente.
- Exemplos de porteiro/atendente são usados para mostrar que a automação frequentemente ignora o valor intangível até que ele se perca.
Produtividade, Gargalos e Hype de IA
- A Lei de Amdahl e a Doença de Custo de Baumol são invocadas: acelerar os 10–20% automatizáveis não transforma os resultados se aprovações, alinhamento e QA dominam.
- Indivíduos relatam ganhos pessoais significativos de velocidade (por exemplo, em programação e scripts), mas pouca mudança visível ainda na produtividade macro ou no número de funcionários.
- Há preocupação de que a IA seja superestimada como destruidora de empregos e subavaliada em domínios sem bons benchmarks.