9621 Agnes Crossing, Lake Suzanneview, New Mexico Island 84604-9295.
A inteligência artificial não será a grande “tomadora” de empregos em escala massiva, como muita gente teme — não porque a tecnologia seja “leve”, mas porque ela é
A inteligência artificial não será a grande “tomadora” de empregos em escala massiva, como muita gente teme — não porque a tecnologia seja “leve”, mas porque ela é pesada. Pesada em demanda de energia, pesada em construção, pesada em redes, pesada em manutenção e pesada na quantidade de pessoas necessárias para manter tudo funcionando.
Esse é o argumento que Jensen Huang, fundador e CEO da Nvidia, apresentou nesta semana em um post no blog. Ele descreveu a IA como uma nova infraestrutura essencial — no mesmo patamar de eletricidade e internet — e afirmou que estamos apenas no começo de um ciclo de investimentos gigantesco, que pode chegar a trilhões de dólares. Se essa visão estiver correta, o lado mais subestimado da história da IA talvez não sejam os modelos ou os aplicativos. Talvez seja a força de trabalho necessária para instalar cabos, tubulações, refrigeração, segurança e operação dos sistemas físicos por trás dessa tecnologia.
Huang disse que a IA virou “infraestrutura essencial, como eletricidade e internet” e que as instalações que fabricam chips, montam computadores e abrigam IA em escala “estão se tornando a maior construção de infraestrutura da história humana”. A conclusão é bem prática: isso exige pessoas — muitas — e não apenas engenheiros de software.
“Estamos apenas começando essa construção. Já avançamos algumas centenas de bilhões de dólares. Ainda faltam trilhões de dólares em infraestrutura para serem construídos”, escreveu Huang, acrescentando que o trabalho necessário para sustentar essa expansão será “enorme”.
Por que Huang acha que o discurso “IA rouba empregos” ignora o essencial
A ansiedade em torno de IA e emprego é compreensível. Empresas prometem ganhos de produtividade, executivos falam de “eficiência” e trabalhadores veem organogramas encolhendo. A lógica parece simples: se a IA faz mais, humanos fazem menos.
A tese de Huang é que essa lógica foca demais no resultado do software e ignora a realidade da infraestrutura. Para ele, a economia da IA não se parece com uma atualização comum de software, em que um novo sistema reduz a necessidade de certas funções. Ela se parece mais com a criação de uma camada industrial inteira que precisa ser construída fisicamente — e depois mantida fisicamente — como ocorreu com a eletrificação e com a internet, que também geraram um volume enorme de empregos que não existiam naquela escala.
Em outras palavras: mesmo que a IA deixe algumas tarefas mais rápidas, ela aumenta ao mesmo tempo a demanda pelos sistemas que tornam a IA possível. O resultado pode ser substituição de empregos em certas áreas, mas não necessariamente um colapso líquido do emprego — especialmente se o investimento seguir grande e global.
A ideia dos “trilhões” é, no fundo, uma ideia sobre trabalho
Quando Huang fala em “trilhões de dólares”, ele não está apenas falando de capex. Ele está falando do que capex significa na prática.
Quando setores despejam dinheiro em infraestrutura física, eles não compram só servidores. Eles contratam eletricistas para instalar distribuição de energia, encanadores para montar circuitos de resfriamento líquido, metalúrgicos e montadores para estruturar instalações, operadores para movimentar materiais, técnicos de rede para passar fibra e equipes de operação para manter tudo rodando 24 horas por dia, 7 dias por semana.
Huang citou explicitamente funções como eletricistas, encanadores, trabalhadores do aço, técnicos de rede e operadores — empregos que ele chamou de “qualificados, bem pagos” e “em falta”.
Esse ponto é bastante concreto. IA, nessa visão, não roda na nuvem por magia. Ela roda em prédios cheios de máquinas que consomem enormes quantidades de energia e geram muito calor — o que significa que o gargalo não é só chip. É também energia, refrigeração e a mão de obra qualificada para entregar tudo isso com confiabilidade.
IA como “infraestrutura essencial” muda o debate
Chamar IA de “infraestrutura essencial” é uma escolha forte. Isso sugere que a IA não é opcional, nem um nicho, nem algo restrito a empresas de tecnologia. Indica que a IA tende a ser tratada como capacidade estratégica — não apenas como vantagem corporativa.
Se IA é infraestrutura, ela se espalha:
Huang foi direto nesse ponto: “Toda empresa usará IA. Toda nação vai construí-la.”
É aí que a tese do “aumento de empregos” ganha força. Quando algo vira estratégico, governos e empresas costumam investir em resiliência, redundância e capacidade doméstica — mesmo que custe mais — porque a alternativa é dependência. Esse tipo de gasto sustenta demanda de trabalho local por mais tempo.
Por que a posição da Nvidia importa nessa mensagem
Huang não é um observador neutro. A Nvidia é uma das maiores vencedoras do boom de IA e se consolidou como fornecedora dominante de hardware para treinamento e inferência em grande parte do mercado. Ele também fala a partir do centro do furacão de demanda por infraestrutura de IA.
Mas mesmo com esse “viés natural”, a lógica principal se mantém: IA em escala não é leve. Ela puxa expansão física.
O modelo do “bolo de cinco camadas” e o que isso implica para empregos
Huang descreveu a infraestrutura de IA como um “bolo de cinco camadas”:
Isso é relevante porque o debate público costuma focar nas camadas 4 e 5 — modelos e apps. É aí que mora o medo de substituição: chatbots trocando suporte, copilots trocando trabalho júnior, agentes automatizando processos.
A ênfase de Huang puxa o olhar para as camadas 1–3, onde a expansão é naturalmente intensiva em trabalho.
1) Energia: o fundamento que não se escala sozinho
Se a IA é “como eletricidade”, a metáfora vira literal: IA consome eletricidade em escala enorme.
Mais demanda de energia geralmente exige:
Tudo isso tem exigência de trabalho real e, ao contrário de muitas funções digitais, não dá para “terceirizar” imediatamente, porque depende de geografia, licenças e regulação local.
2) Chips: capacidade industrial é um projeto de anos
Semicondutores não aumentam de produção do dia para a noite. Expandir capacidade envolve:
Mesmo que os nós mais avançados fiquem concentrados em poucos lugares, o ecossistema de semicondutores é global e intensivo em mão de obra, incluindo muitos cargos técnicos.
3) Infraestrutura: data centers viraram instalações industriais
O data center moderno é uma instalação industrial, com sistemas complexos:
É aqui que entram eletricistas, encanadores, técnicos e operadores — o “lado invisível” que faz a IA funcionar.
Por que a infraestrutura de IA precisou ser “reinventada”
Huang argumentou que a IA difere do software tradicional porque o software clássico recupera instruções armazenadas, enquanto a IA “raciocina e gera inteligência sob demanda”.
Isso implica padrões diferentes de hardware e operação:
Mesmo sem entrar em marketing, o recado é simples: workloads de IA estressam sistemas de um jeito diferente. Isso força upgrades e novas construções — e upgrades significam trabalho.
O atrito: demissões hoje, empregos amanhã
O post de Huang sai num momento em que várias empresas têm citado IA como motivo para cortes, alegando ganhos de eficiência. Isso cria o contraste: a IA expande infraestrutura em alguns lugares e reduz equipes em outros.
A visão de Huang não nega deslocamentos. Ela reposiciona o saldo final: perdas em certos fluxos de trabalho, ganhos na construção e manutenção do novo “stack”.
A grande pergunta prática: os novos empregos aparecem rápido o suficiente, nos lugares certos e com treinamento adequado para absorver quem foi deslocado? A resposta depende de política pública, capacitação e estratégia das empresas.
O gargalo real pode ser formação e qualificação
Huang disse que “boa parte da força de trabalho ainda não foi treinada”.
Talvez essa seja a frase mais importante de toda a tese. Se a construção for real, o limitador não será demanda por trabalho. Será oferta de gente qualificada.
Se eletricistas, técnicos e operadores já estão em falta, uma expansão acelerada pode:
Também significa que os benefícios podem ser desiguais: algumas regiões podem viver forte demanda por trabalho técnico enquanto outras sentem mais a automação em funções administrativas.
Conclusão: a IA pode deslocar empregos mais do que apagar empregos
A tese de Huang não é “ninguém perde emprego”. É: a expansão da IA tende a provocar uma onda de infraestrutura tão grande que cria demanda relevante por mão de obra — especialmente em funções qualificadas, físicas e operacionais.
Nesse cenário, o resultado mais provável não é um “IA tira empregos” ou “IA cria empregos” limpo. É uma transição cheia de atrito:
Ou, dito de forma bem direta: a IA pode reduzir pessoas necessárias para certas tarefas, enquanto aumenta pessoas necessárias para construir o mundo onde a IA roda. Não é um conforto. Mas é uma explicação física — e, neste momento, isso já ajuda bastante.
