Em julho de 2026, o IBGE divulgou um número que virou manchete de celebração: o desemprego caiu para 5,4%, o menor patamar para o período desde o início da série histórica. Segundo o G1, 103,1 milhões de brasileiros estão ocupados. O noticiário respirou aliviado. O problema é o que fica escondido dentro desse número.
De acordo com a Notícia Preta, 38,5 milhões dessas pessoas trabalham na informalidade. Isso representa 37,3% de toda a população ocupada. São entregadores, vendedores ambulantes, trabalhadores domésticos sem carteira, autônomos sem contrato. Pessoas que trabalham de verdade, mas sem proteção, sem estabilidade, sem acesso a crédito formal. E é exatamente sobre essa fatia da força de trabalho que a automação está prestes a cair com mais peso.
A automação não chega de forma uniforme
Existe uma narrativa confortável sobre o futuro do trabalho: a tecnologia vai eliminar empregos repetitivos, mas vai criar outros, melhores, mais criativos. Pode ser verdade para quem tem acesso a formação, a ferramentas digitais, a redes de contato. Para quem vive da economia de plataforma ou do trabalho informal, a história tem outro ritmo.
Os setores com maior concentração de informalidade, serviços domésticos, comércio de rua, transporte por aplicativo, são exatamente os que estão recebendo as primeiras ondas de automação e IA. Caixas automáticos substituem atendentes. Algoritmos de roteirização reduzem o número de entregadores necessários. Ferramentas de atendimento por IA eliminam posições em call centers que eram, em sua maioria, ocupadas por trabalhadores sem vínculo formal.
A renda média real do trabalhador brasileiro ficou estável em R$ 3.738, segundo o G1. Estável soa neutro, quase positivo. Mas estabilidade de renda num momento de aumento de produtividade via tecnologia significa, na prática, que os ganhos da automação não estão chegando para quem trabalha.
Quando a tecnologia aumenta a produtividade mas a renda não se move, alguém está ficando com a diferença. E raramente é quem faz o trabalho.
O problema não é a automação em si. É a velocidade com que ela acontece sem nenhuma estrutura de transição para quem está na base.
Governança de IA começa antes do modelo ser treinado
Muito da conversa sobre governança de inteligência artificial gira em torno de viés algorítmico, privacidade de dados, regulação de deepfakes. São questões reais e urgentes. Só que há uma dimensão que aparece pouco nesse debate: o impacto distributivo da automação sobre populações que já vivem em situação de vulnerabilidade econômica.
Uma IA de triagem de crédito que nunca viu dados de trabalhadores informais vai sistematicamente negar acesso financeiro a 38,5 milhões de pessoas. Não por má intenção de quem a construiu. Por ausência. Por invisibilidade dos dados. O sistema aprende com o que existe, e quem vive fora dos registros formais simplesmente não existe para o modelo.
Isso não é um bug técnico. É uma escolha de design, consciente ou não. E decisões de design têm consequências políticas.
Governança de IA que vale alguma coisa precisa fazer perguntas antes de o modelo ir para produção: quem está ausente nos dados de treinamento? Que populações serão afetadas pelas decisões automatizadas? Quem lucra com a eficiência gerada e quem absorve o risco? Essas não são perguntas filosóficas. São perguntas de engenharia, de produto, de negócio.
O que "estar atualizado" significa de verdade
Existe uma pressão crescente para que profissionais de tecnologia estejam sempre atualizados. Aprendam o novo framework, o novo modelo, a nova certificação. Entendo essa pressão e acho que faz sentido. Só que atualização técnica sem consciência contextual produz ferramentas poderosas aplicadas a problemas mal compreendidos.
Conhecer o estado da arte em machine learning sem entender o tecido social onde esses modelos operam é como saber calibrar um bisturi sem saber anatomia. A ferramenta é precisa. O corte, não.
O Brasil que os dados do IBGE revelam em julho de 2026 não é um problema de RH ou de política pública isolado. É o contexto real onde sistemas de IA vão tomar decisões sobre crédito, sobre emprego, sobre acesso a serviços. Ignorar esse contexto não é neutralidade técnica. É uma posição.
38,5 milhões de pessoas. Cada uma com uma rotina, uma conta para pagar no fim do mês, um filho esperando em casa. O algoritmo que as ignora não sabe que elas existem. Mas nós sabemos.