O Paradoxo do Trabalho da IA: Por que Huang Acredita que Faltas, Não Desemprego, se Aproximam—Na Verdade, Já Está Acontecendo

Na Cimeira Mundial de Davos de 2026, Jensen Huang, CEO da Nvidia, participou numa discussão de amplo alcance com Larry Fink, CEO da BlackRock, sobre o potencial transformador da inteligência artificial. Em vez de ver a IA como uma força que destrói empregos, Huang apresentou uma tese contrária: a tecnologia irá, na verdade, levar a escassez de mão-de-obra em vários setores. Este argumento desafia a narrativa predominante de deslocamento em massa e oferece uma estrutura para compreender como a IA remodela o trabalho, as necessidades de infraestrutura e as oportunidades económicas globais.

A conversa iluminou como a Nvidia entregou um retorno composto de 37% aos acionistas desde a sua oferta pública inicial em 1999 — o mesmo ano em que a BlackRock se tornou pública, alcançando um retorno anualizado de 21%. No entanto, a discussão foi além do desempenho financeiro para explorar questões mais profundas sobre o papel da tecnologia na transformação da sociedade. Huang posicionou a IA não como uma aplicação isolada como o ChatGPT ou o Claude, mas como uma mudança fundamental de plataforma, comparável ao surgimento dos computadores pessoais, da internet e da computação móvel em nuvem.

A Revolução da Infraestrutura de Cinco Camadas: Por que a IA Exige Triliões de Investimento Global

Huang introduziu o que chama de modelo do “bolo de cinco camadas” para ilustrar a complexidade sistémica da IA e as exigências de infraestrutura. A camada inferior é a energia — o processamento em tempo real e a geração de inteligência da IA requerem uma potência substancial. Acima, encontra-se a camada de infraestrutura de semicondutores e computação, onde empresas como a TSMC estão a construir 20 novas fábricas de wafers. A terceira camada compreende os serviços de cloud que fornecem essas capacidades globalmente.

A quarta camada contém os próprios modelos de IA — os algoritmos e redes neurais que capturam a maior parte da atenção pública. No entanto, Huang enfatizou que os modelos sozinhos são insuficientes sem as camadas subjacentes que os suportam. A quinta e última camada são as aplicações — serviços financeiros, saúde, manufatura e setores emergentes que, em última análise, gerarão valor económico.

Este quadro de cinco camadas revela por que estamos a testemunhar, na estimativa de Huang, “a maior construção de infraestrutura da história humana”. Centenas de bilhões já foram investidos, com trilhões adicionais necessários para lidar com o crescimento exponencial na procura de energia, construção de data centers, fabricação de chips e expansão de fábricas de computadores. A Foxconn, Wistron e Quanta estão a colaborar na construção de 30 novas fábricas de computadores. Entretanto, fabricantes de chips de memória como a Micron (que investe 200 mil milhões de dólares em instalações nos EUA), SK Hynix e Samsung estão a expandir rapidamente a capacidade de produção.

De Radiologia a Enfermagem: Como a IA Amplifica o Propósito Humano em vez de Substituir Trabalhadores

A questão do emprego está no centro da ansiedade em relação à IA. Huang contrapôs o pessimismo predominante com uma distinção entre o “propósito” de um trabalho e as suas “tarefas”. Há uma década, a radiologia enfrentava previsões de obsolescência devido às capacidades de visão computacional superhumanas da IA. No entanto, hoje, o número de radiologistas aumentou, mesmo com a IA a assumir a análise central das escaneamentos.

O mecanismo: Quando os radiologistas são libertos do fardo repetitivo da interpretação de escaneamentos, eles passam mais tempo em atividades de maior valor — diagnóstico direto, comunicação com pacientes, colaboração clínica. Os hospitais podem agora atender mais pacientes de forma eficiente, gerando maiores receitas e justificando contratações adicionais de radiologistas. A mesma dinâmica aplica-se à enfermagem. Os EUA enfrentam uma escassez de aproximadamente 5 milhões de enfermeiros, mas a documentação médica alimentada por IA e a transcrição de visitas estão a libertar os enfermeiros de tarefas administrativas que anteriormente consumiam metade do seu tempo. Com maior capacidade para atender pacientes, os hospitais expandem-se e contratam mais enfermeiros em vez de reduzir.

A estrutura de Huang sugere que, para qualquer profissão, a questão não é se a IA a elimina, mas se a tecnologia automatiza tarefas rotineiras enquanto reforça o propósito central. Se a automação realmente permite que os trabalhadores se concentrem em funções humanas insubstituíveis — cuidado, julgamento, resolução de problemas complexos — então o emprego normalmente aumenta em vez de diminuir.

A própria construção de infraestrutura cria uma procura adicional por trabalhadores qualificados de colarinho azul: eletricistas, operários de construção, técnicos, siderúrgicos e especialistas em redes. Nos Estados Unidos, esses papéis estão a experimentar uma procura sem precedentes, com salários a atingir seis dígitos para quem trabalha na fabricação de chips e na construção de fábricas de IA.

A IA como a Tecnologia Mais Acessível do Mundo

Huang argumentou que a IA representa “o software mais fácil de usar da história”. Ao contrário de eras anteriores da computação, que exigiam aprender linguagens de programação, os sistemas de IA aceitam instruções em linguagem natural. Uma pessoa sem formação formal em ciência da computação pode solicitar: “Mostre-me como construir um website”, e receber orientação passo a passo. Esta acessibilidade tem implicações profundas para economias em desenvolvimento.

Em vez de ampliar a divisão tecnológica global, a IA pode na verdade reduzi-la. A barreira de entrada é dramaticamente menor do que na era do software. Indivíduos de países sem infraestrutura tecnológica extensa podem agora aproveitar a IA para participar na economia global do conhecimento. Modelos de código aberto, como os da Deepseek e outros contribuidores, democratizaram ainda mais o acesso, permitindo que empresas e nações personalizem soluções para línguas, culturas e dados locais.

A Imperativa de uma IA Soberana: Por que Cada País Precisa da Sua Própria Infraestrutura de IA

Huang defendeu fortemente o que chamou de “IA soberana” — cada nação construindo a sua própria infraestrutura de IA, treinando modelos em línguas nativas e dados culturais. Caracterizou isto como essencial para a competitividade nacional, semelhante a ter redes de eletricidade ou sistemas de transporte. A preocupação vai além da economia, estendendo-se à preservação cultural e à soberania tecnológica.

A Europa representa um caso de estudo particularmente convincente. Enquanto os EUA dominaram a era do software, Huang observou que a forte base industrial e de manufatura da Europa foi subutilizada nesse período. A transição para a IA, especialmente com avanços em IA física e robótica, oferece à Europa o que chamou de uma “oportunidade única na vida”. Em vez de “escrever” IA, os países devem focar em “ensinar” — integrar a excelência na manufatura com inteligência artificial para liderar na manufatura inteligente e na robótica.

A tradição de investigação científica da Europa pode combinar-se com a IA para acelerar dramaticamente a descoberta em várias disciplinas. No entanto, concretizar esse potencial requer um compromisso sério com o fornecimento de energia e investimento em infraestrutura. Huang instou os líderes europeus a levarem essa base a sério.

Testando a Tese da Bolha de IA

Quando questionado se os enormes investimentos em IA representam um excesso especulativo, Huang ofereceu um indicador de mercado direto: as GPUs da Nvidia de todas as gerações são extremamente difíceis de alugar na cloud devido aos preços de spot em alta. Isto reflete uma procura genuína de startups e empresas que redirecionam orçamentos de P&D para inteligência artificial. A Eli Lilly exemplifica essa mudança — uma empresa que, outrora, direcionava praticamente todo o investimento em P&D para pesquisa laboratorial, agora investe substancialmente em supercomputadores de IA e laboratórios de investigação em IA.

O aumento do investimento em infraestrutura é justificado, na verdade, pelas exigências computacionais que cada camada cria. À medida que os modelos de IA melhoram e as aplicações proliferam, a necessidade de energia, chips, serviços de cloud e instalações físicas intensifica-se em vez de diminuir. Mais de 100 mil milhões de dólares foram investidos em empresas nativas de IA só no ano passado, tornando-se um dos anos de maior investimento de capital de risco da história.

Remodelando o Cálculo Econômico Global

A tese que emerge desta discussão é que a IA funciona como uma mudança de plataforma fundamental, reestruturando o stack de computação. Pela primeira vez, os computadores podem processar informações não estruturadas — imagens, sons, linguagem natural — em tempo real, inferindo a intenção humana e executando tarefas complexas. Esta transição de sistemas “pré-gravados” para sistemas gerativos em tempo real define a distinção da IA de todas as tecnologias anteriores.

Em vez de uma redução da oportunidade global, Huang apresentou a IA como um motor para uma inclusão económica mais ampla. Mercados emergentes sem infraestrutura tecnológica legada podem saltar etapas intermediárias ao adotar a IA desde o início. O fator de acessibilidade significa que um programador de uma nação em desenvolvimento, sem formação formal, tem ferramentas equivalentes às disponíveis para engenheiros do Vale do Silício.

O teste económico final será se a construção de infraestrutura cria riqueza e emprego suficientes para validar a tese de investimento. Se os modelos de radiologia e enfermagem se generalizarem — se a automação ampliar o propósito humano em várias profissões — então a previsão de Huang de escassez de mão-de-obra em vez de desemprego pode revelar-se premonitória. De fato, os primeiros indicadores sugerem que esta dinâmica já está a materializar-se na saúde, na manufatura e em indústrias emergentes nativas de IA.