O paradoxo começou com o carvão
Em 1865, William Stanley Jevons contestou uma afirmação simples sobre motores a vapor. Um motor mais eficiente usava menos carvão para cada unidade de trabalho. Muitas pessoas concluíram que motores melhores reduziriam o uso total de carvão. Jevons viu a pressão contrária. Energia mais barata tornou os motores rentáveis em mais minas, fábricas e setores. Mais motores podiam consumir mais carvão, mesmo quando cada motor precisava de menos.
Hoje chamamos isso de paradoxo de Jevons. O nome parece descrever um truque. É uma questão comum de demanda. Quando o custo de fazer algo cai, as pessoas podem fazer mais, usar o recurso em mais lugares e criar usos que não valiam o preço anterior.
O efeito não é automático. Se a demanda é fixa, a eficiência pode reduzir o uso total. Se a demanda cresce bastante depois da queda do preço, o uso total aumenta. Jevons nos dá uma pergunta para a IA. O que acontece quando o custo de produzir uma resposta, rascunho, previsão ou linha de código se aproxima de zero?
A IA já mostra um rebote de computação
O exemplo mais claro está na eletricidade. A Agência Internacional de Energia informou em 2026 que a energia usada por uma tarefa de IA caiu pelo menos uma ordem de grandeza por ano nos anos anteriores. Pedidos simples de texto ficaram muito mais baratos.
O uso total ainda cresceu. A demanda mundial de eletricidade subiu 3% em 2025. A demanda de todos os centros de dados subiu 17%. Nos centros voltados à IA, ela subiu 50%. A agência espera que o consumo dos centros de dados passe de 485 terawatts-hora em 2025 para cerca de 950 terawatts-hora em 2030. O consumo dos centros voltados à IA deve triplicar no período.
Chips mais eficientes não falharam. Eles permitiram mais uso. Os fornecedores adicionaram raciocínio, vídeo e tarefas de agentes que podem gastar centenas ou milhares de vezes mais energia que um pedido simples de texto. As pessoas também fizeram mais pedidos. O custo caiu por tarefa enquanto o sistema em torno da tarefa cresceu.
Tarefas mais baratas chegaram com um uso total muito maior
O gráfico compara o crescimento anual da demanda no sistema mundial, em todos os centros de dados e nos centros voltados à IA.
O custo menor por tarefa pode coexistir com maior consumo total quando o uso cresce mais rápido que a eficiência.
International Energy Agency, Key Questions on Energy and AI, 2026Trabalho não é um pedaço de carvão
A versão do paradoxo para o trabalho exige mais cuidado. Uma pessoa não é um recurso que a empresa apenas consome. Um emprego reúne muitas tarefas, relações, decisões e deveres. O software pode acelerar uma tarefa sem fazer a profissão desaparecer.
O economista James Bessen estudou como a demanda mudou o emprego nos setores têxtil, siderúrgico e automotivo. A conclusão dele depende de uma condição. A automação pode aumentar o emprego enquanto reduz preços se os clientes comprarem muito mais do produto. O emprego pode cair depois, quando a demanda deixa de responder com a mesma força. O resultado depende da demanda, não apenas da eficiência.
A IA pode puxar o trabalho em sentidos opostos. Uma empresa pode precisar de menos horas para produzir a mesma quantidade de relatórios. Ela também pode decidir produzir dez vezes mais relatórios, atender clientes que antes não recebiam ajuda ou testar muito mais ideias. Parte desse novo volume exige decisão humana, revisão, venda, atendimento e reparo. Outra parte não. Jevons não resolve essa conta.
Por isso, uma demonstração que poupa trinta minutos não prova um plano de pessoal. A direção ainda decide o volume, o padrão de qualidade, o preço, a equipe e quanto risco cada trabalhador terá de aceitar.
Um estudo de campo mostra o ganho e o limite
Um estudo de 2025 acompanhou 5.172 agentes de atendimento depois que uma empresa adotou um assistente de IA. A ferramenta sugeria respostas e indicava documentos internos. As pessoas continuavam responsáveis pela conversa e podiam ignorar ou editar cada sugestão.
Os agentes resolveram 15% mais casos por hora, em média. Pessoas com menos experiência ou menor desempenho melhoraram cerca de 30%. Novos agentes avançaram mais rápido na aprendizagem. Os clientes também foram menos hostis, e a empresa registrou menor saída entre os agentes novos.
Esses resultados importam. Eles mostram uma ferramenta que ajudou pessoas a aprender e trabalhar melhor em uma empresa real. Eles não mostram o efeito sobre o emprego total ou os salários. Os autores dizem que os dados não respondem essas perguntas. Um gestor pode usar o ganho para reduzir filas, encurtar turnos, atender mais clientes, elevar metas ou cortar pessoal. O estudo mede a ferramenta. Ele não aprova a decisão do gestor.
Os maiores ganhos ficaram com pessoas menos experientes
O estudo mediu problemas de clientes resolvidos por hora depois que os trabalhadores receberam ajuda da IA.
O estudo cobriu uma empresa e não mediu emprego total, contratação ou remuneração.
Brynjolfsson, Li, and Raymond, Generative AI at Work, 2025Exposição costuma significar um emprego diferente
A Organização Internacional do Trabalho e o instituto polonês NASK analisaram quase 30 mil tarefas em 2025. Eles estimaram que uma em cada quatro vagas no mundo tinha alguma exposição à IA generativa. O trabalho administrativo tinha a maior exposição. Mulheres ocupavam uma parcela maior dos empregos mais expostos em países de renda alta.
O relatório não disse que uma em cada quatro vagas pode ser substituída. Ele concluiu que a transformação era mais provável, pois a maioria das profissões ainda tem tarefas que precisam de pessoas. A diferença importa. Um emprego diferente pode ser mais seguro, pagar melhor e ficar mais fácil de aprender. Ele também pode virar um trabalho menor, formado por exceções, reclamações e conferência constante depois que o software assume as tarefas fáceis.
Contar tarefas expostas mostra onde a mudança pode ocorrer. Isso não diz se uma pessoa manterá o emprego, receberá formação, participará do ganho ou fará mais trabalho pelo mesmo salário.
Uma em cada quatro vagas contém tarefas expostas à IA generativa
O índice da OIT e da NASK estima a possível exposição de tarefas. Ele não estima que um quarto dos trabalhadores perderá o emprego.
Na maioria das profissões expostas, a transformação é mais provável que a substituição completa
A exposição mede a sobreposição técnica com tarefas. Empregadores e políticas públicas definem o resultado para o emprego.
ILO and NASK, Generative AI and Jobs: A Refined Global Index, 2025O trabalhador pode sentir o rebote como uma fila mais rápida
O efeito mais imediato de Jevons no trabalho pode não ser mais empregos nem menos empregos. Pode ser mais trabalho por pessoa. Quando um rascunho leva cinco minutos em vez de uma hora, o tempo poupado costuma virar mais cinco rascunhos. Quando o software resolve os casos comuns, a pessoa recebe um dia feito apenas de casos difíceis.
Pesquisas da OCDE mostraram que 75% dos trabalhadores de finanças e 77% dos trabalhadores da indústria que usavam IA disseram que ela aumentou o ritmo de trabalho. O relatório também descreve uma fábrica que decidiu não automatizar todas as tarefas fáceis. A direção entendeu que o trabalho fácil dava uma pausa mental entre problemas difíceis.
Esse detalhe chega mais perto do custo humano que uma nota de produtividade. Uma fila pode crescer até ocupar cada minuto poupado. A pessoa entrega mais atenção, mais correções e mais esforço emocional. A empresa registra uma produção maior. A pessoa vive um dia mais apertado.
Esse resultado é uma escolha da empresa. Um modelo não define a meta diária, remove o tempo de descanso, monitora teclas ou decide que um ganho de quinze por cento pertence apenas ao empregador.
Uma política humana precisa dizer quem recebe o ganho
Antes de adotar IA, a empresa deve dizer para que serve o tempo poupado. Uma política útil informa qual trabalho vai parar, qual serviço vai crescer, como a qualidade será conferida e como o ganho afetará equipe, jornada e remuneração.
A política também precisa medir o uso total. O custo de uma tarefa pode cair enquanto a quantidade de tarefas cresce muito mais rápido. Meça a computação total, o tempo total de revisão, todos os contatos com clientes, o trabalho que falhou e as horas de trabalho. Um número por tarefa pode esconder o rebote que importa.
- Dê aos trabalhadores participação na escolha das tarefas e dos limites antes da adoção.
- Conte revisão, correção e tentativas que falharam como trabalho.
- Mantenha um padrão de qualidade que não caia quando o volume sobe.
- Defina um limite de fila ou carga em vez de tratar todo minuto poupado como nova capacidade.
- Informe como as pessoas participam do ganho por meio de salário, jornada menor, formação ou mais equipe.
- Publique o consumo total de energia e o total de tarefas, não apenas a eficiência de cada pedido.
Pergunte para onde vai o tempo poupado
Quem procura emprego não precisa perguntar sobre a economia do carvão no século dezenove. Pergunte o que aconteceu depois que a ferramenta ficou mais rápida. A resposta mostra se a empresa usa a eficiência para melhorar o trabalho ou para esticar cada pessoa.
- Quais tarefas a ferramenta removeu e quais aumentaram depois da adoção?
- As metas, o tamanho da equipe, a jornada ou o salário mudaram quando a produção subiu?
- Quem confere a saída da IA e esse tempo entra no plano de capacidade?
- Uma pessoa pode recusar uma sugestão sem prejudicar sua avaliação?
- O que acontece quando o sistema falha em um período movimentado?
- A empresa mede o resultado para o cliente e a saúde da equipe ou apenas o volume?
A eficiência não decide quem se beneficia
Jevons ajuda a explicar por que IA barata pode gerar mais IA, mais produção e mais consumo de eletricidade. Ele também avisa que uma economia por tarefa não é uma promessa para todo o sistema.
O resultado para o trabalho continua aberto. A demanda pode crescer. Novo trabalho pode aparecer. O trabalho atual pode ficar mais fácil. O empregador também pode usar a mesma ferramenta para elevar metas, estreitar funções, cortar pessoas ou passar o risco a fornecedores. A estimativa de Acemoglu em 2024 para o ganho de produtividade da IA em toda a economia foi modesta, no máximo 0,66% em dez anos dentro das premissas dele. As grandes promessas de crescimento ou perdas de emprego ainda estão à frente dos resultados medidos.
A pergunta útil não é se a IA é eficiente. É quem controla a capacidade adicional. Se os trabalhadores participam, o ganho pode comprar tempo, aprendizagem, acesso e atendimento melhor. Se não participam, a fila costuma encontrar primeiro o espaço vazio.