Quem usa menos IA teme mais perder o emprego: o que revelou uma pesquisa com 1.686 pessoas
A maior ansiedade aparece em quem já percebe a mudança, mas ainda não criou uma prática consistente com IA.
A intuição diz que quem usa mais IA deveria enxergar melhor a ameaça aos próprios empregos.
Uma pesquisa com 1.686 pessoas encontrou a divisão oposta. Usuários diários foram o único grupo com percepção líquida positiva sobre o efeito da IA na segurança do emprego atual.
Entre eles, 27% se sentiam mais seguros por causa da IA e 22% menos seguros. Entre usuários semanais, a relação foi 10% contra 25%. Para quem usava uma vez por mês ou menos, 3% contra 24%.
Não existe uma linha perfeita em que menos uso sempre produz mais medo. Entre quem nunca usava IA no trabalho, 4% se sentiam mais seguros e 10% menos seguros, uma diferença negativa menor que entre usuários semanais e de baixa frequência.
O grupo mais revelador está no meio: pessoas que já veem a IA mudar o trabalho, mas ainda não a transformaram em uma prática repetível.
A pesquisa mediu percepção, não demissões
CNBC e SurveyMonkey pesquisaram 1.686 trabalhadores e estudantes nos Estados Unidos entre 22 e 27 de julho de 2026 e publicaram os resultados em 19 de agosto.
Os dados são associações autodeclaradas. Não demonstram que usar IA diariamente evita demissões. Cargo, apoio da empresa, habilidades existentes e exposição à mudança podem afetar tanto o uso quanto a confiança.
Trinta por cento usam todos os dias; 37% nunca usam
O ambiente de trabalho já está dividido: 30% usam IA diariamente, 34% ocasionalmente e 37% nunca usam no trabalho. Os valores publicados foram arredondados e somam 101%.
Usuários diários vão além da pesquisa. Eles usam IA para gerar ideias, escrever, produzir relatórios, analisar dados, resumir documentos e organizar tarefas.
Assim, recebem feedback concreto: o que delegar a um Agent, onde o modelo erra, como revisar a saída e onde o julgamento humano continua essencial.
Usuários pouco frequentes veem colegas produzir mais rápido e líderes exigirem adoção, mas raramente concluem um trabalho do início à entrega. A mudança é visível; a própria capacidade continua incerta.
Usuários diários receberam três formas de feedback
Entre usuários diários, 84% disseram economizar tempo, 73% ganhar confiança nas próprias habilidades e 60% melhorar o pensamento crítico.
São percepções, não testes controlados de produtividade. Mesmo assim, concluir tarefas, corrigir erros e ver o tempo economizado constrói um mapa prático: execução repetitiva que um Agent pode assumir, evidência que precisa de revisão, decisões que não podem ser delegadas e métodos que já podem ser reutilizados.
Colecionar prompts raramente cria essa confiança. Uma conversa prova que a ferramenta responde. Um projeto concluído prova que uma pessoa sabe fazê-la trabalhar.
Empresas cobram adaptação sem criar as condições
Cinquenta e cinco por cento trabalhavam em empresas sem política oficial de IA. Outros 34% disseram que o uso era opcional. Apenas 6% trabalhavam onde a IA era obrigatória; 5%, onde era proibida.
As mensagens entram em conflito: IA é importante e a produtividade precisa subir, mas ninguém explica quais dados podem ser usados, quais tarefas são adequadas, quem revisa resultados ou quem responde por um erro.
Para profissionais iniciantes, 42% apoiavam uso com regras e limites claros, 14% uso supervisionado, 35% proibição total e só 9% uso irrestrito.
Proibir elimina a prática. Liberar tudo pode permitir que fundamentos sejam ignorados. O modelo mais útil separa por risco: prática em tarefas reversíveis e de baixo risco; revisão explícita quando clientes, dinheiro, permissões ou registros confiáveis são afetados.
Treine o trabalho completo, não a frequência do chat
Abrir IA todos os dias não cria capacidade automaticamente. Concluir trabalho real repetidamente cria.
Escolha uma tarefa semanal de baixo risco e resultado verificável. Registre entradas, tempo e erros do processo atual. Deixe um Agent pesquisar, organizar ou redigir. Uma pessoa revisa fontes e resultado. O método validado vira uma Skill; a Session preserva tarefa, ferramentas e artefatos.
No Buda, Agents trabalham com arquivos, ferramentas e tarefas reais. Sessions preservam execução e entregas, Skills preservam métodos e Automations repetem trabalhos maduros no horário definido. As pessoas mantêm julgamento e responsabilidade enquanto deixam a execução repetitiva.
Tranquilizar não é oferecer um ambiente de prática
Funcionários não precisam de mais uma promessa de que “a IA não vai substituir você”. Precisam de uma forma controlada de participar da mudança.
Empresas devem esclarecer quais tarefas incentivam IA, quais informações não podem entrar no modelo, quem revisa cada resultado e como um método comprovado passa a ser reutilizado pela equipe.
Pessoas devem medir avanço pelos artefatos que conseguem mostrar, revisar e executar novamente, não pelo número de conversas abertas.
A ansiedade cresce quando a mudança é visível, mas a participação é indefinida. A confiança vem de outra evidência: eu concluí o trabalho, sei onde o julgamento é necessário e consigo executar o método de novo.
Comece pela documentação do Agent Workspace, escolha uma tarefa real de baixo risco e substitua a próxima conversa sem objetivo por uma execução completa.