A previsão do Fable 5 para os próximos 5 anos

Ninguém sabe o que a IA fará com o trabalho e a sociedade nos próximos cinco anos — e quem vende uma única narrativa confiante, para cima ou para baixo, está vendendo narrativa, não análise. O que você pode fazer é mapear o espaço de futuros plausíveis e atribuir pesos honestos aos ramos.

É isso que este post faz. Construímos uma árvore de cenários fundamentada nas evidências de julho de 2026: três cenários para os próximos doze meses — um salto de capacidade (35%), uma normalização gradual (45%) e uma correção financeira (20%) — cada um ramificando novamente para o ano seguinte e depois se resolvendo em trajetórias de 2028–2031. O resultado são 39 futuros distintos, cada um com uma probabilidade condicional (dado o seu ramo-pai) e uma probabilidade cumulativa de caminho (a chance de chegar até ele a partir de hoje). As probabilidades são julgamento estruturado, não medição — mas julgamento estruturado vence intuição solta, e obriga cada afirmação a somar 100%.

A árvore completa é interativa — cada nó expansível, com barras de probabilidade e marcadores de caminho cumulativo:

Onde realmente estamos — meados de 2026

O estado atual honesto não é a história de nenhum dos dois lados. Ambos trabalham com dados reais; estão medindo coisas diferentes.

O que joga a favor da tese da aceleração

• O progresso da codificação agêntica avançou mais rápido do que os previsores esperavam; o crescimento do horizonte de tarefas no estilo METR continua, e os agentes de codificação explodiram em uso no mundo real (o Claude Code passou de ~US$ 2,5 bi de receita anualizada cerca de nove meses após o lançamento).
• A análise da PwC sobre um bilhão de anúncios de vagas: as empresas mais expostas à IA mostram ~40% mais crescimento de produtividade e estão elevando salários e quadros mais rápido; vagas com habilidades de IA crescem ~8× o mercado geral com um prêmio salarial de ~62%.
• 72% das empresas já rodam pelo menos uma carga de trabalho de IA em produção (contra 20% em 2020); as que chegam à produção reportam ROI médio de ~1,7×, e as líderes muito mais.
• O JPMorgan e o presidente do Fed argumentaram que o investimento em IA está atrelado a receita real e não atende aos critérios clássicos de bolha.
• Líderes dos laboratórios de fronteira (Amodei, Legg, Suleyman) situam o desempenho de nível humano na maioria das tarefas cognitivas dentro dessa janela — Legg dá 50% de chance de uma "AGI mínima" até 2028.

O que joga a favor da tese cética

• Um estudo do NBER (fevereiro de 2026): ~90% das empresas relatam nenhum impacto de produtividade da IA — ecoando o paradoxo da produtividade de Solow.
• O MIT constatou que ~95% dos pilotos de GenAI não produziram impacto mensurável no P&L; a RAND coloca a falha de projetos corporativos de IA acima de 80%; o Gartner espera mais de 40% dos projetos agênticos cancelados até o fim de 2027.
• Apenas ~29% dos executivos veem ROI significativo, apesar de 59% das empresas gastarem mais de US$ 1 mi por ano; 42% das companhias abandonaram a maioria das suas iniciativas de IA no último ano.
• O capex é enorme e parcialmente financiado por dívida e circularidade: ~US$ 675 bi de gasto dos hyperscalers em 2026, US$ 3–4 tri projetados até 2030; a OpenAI comprometeu ~US$ 1,4 tri contra ~US$ 20 bi de receita.
• Pesquisadores respeitados (Karpathy) dizem que agentes autônomos úteis estão mais perto de uma década de distância e que escala sozinha não chega lá.

Os dados de trabalho, lidos sem viés

Ainda não há choque agregado de desemprego — os economistas da Anthropic, um estudo do FMI na Dinamarca e o AI Index de Stanford não conseguem encontrá-lo. Mas a composição está mudando com força: as folhas de pagamento de tecnologia e finanças nos EUA agora caem ~28.000 empregos por mês, as portas de entrada em funções expostas à IA estão se erodindo para os trabalhadores jovens enquanto as posições sêniores se mantêm ou crescem, e um mercado de duas vias está se formando, no qual as funções "profissionalizadas", intensivas em julgamento, se descolam das comoditizadas. Os próximos cinco anos são, sobretudo, sobre qual desses sinais se acumula.

Cenário A — Salto de capacidade, difusão desigual (35%)

Sistemas agênticos cruzam limiares de confiabilidade em codificação, operações de back-office e fluxos de atendimento. A curva de horizonte de tarefas continua compondo; os laboratórios de fronteira lançam agentes que sustentam tarefas de várias horas. O capex é vindicado o suficiente para continuar. Mas a difusão segue irregular: os líderes dos 72%-em-produção se distanciam ainda mais, enquanto a maioria do "90% não vê nada" do NBER fica para trás. Os congelamentos de contratação em funções de escritório se aprofundam, o declínio de 28 mil/mês em tecnologia e finanças se espalha, e os engenheiros que orquestram agentes se tornam o recurso escasso.

Para onde vai no Ano 2:

Folhas notáveis. A melhor folha de toda a árvore mora aqui: o boom de produtividade generalizado (~4,9% de probabilidade de caminho) — o crescimento da PTF sobe 1–2 p.p., equipes pequenas fazem rotineiramente o que departamentos faziam, e os salários reais sobem na maior parte da distribuição. Mas o mesmo cenário abriga uma das caudas mais sombrias: forma-se uma subclasse estrutural (~3,1%), na qual o pipeline de entrada no trabalho cognitivo colapsa mais rápido do que as alternativas surgem, o desemprego juvenil permanece elevado por anos e programas próximos de uma renda básica saem dos papers de think tanks para grandes pilotos.

Cenário B — Normalização gradual (45%)

O caminho modal. A capacidade melhora de forma constante mas não explosiva; a lacuna de ROI se fecha lentamente à medida que as empresas aprendem as lições chatas — implantação liderada por fornecedores, incorporação em fluxos de trabalho, prontidão de dados. As ações passam por uma correção, mas o uso real continua crescendo por baixo. Nem a turma da AGI-até-2027 nem a turma do estouro-da-bolha consegue sua manchete. A IA vira infraestrutura como a nuvem virou: de forma desigual, sem glamour, irreversivelmente. A rotatividade de empregos permanece setorial — suporte, administrativo, tradução, programação júnior — em vez de agregada, e o mercado de duas vias continua se formando em silêncio.

Folhas notáveis. O futuro isolado mais provável de toda a árvore está aqui: o playbook da nuvem se completa (~9,1% de probabilidade de caminho). Em 2030 a IA é infraestrutura invisível, o crescimento da produtividade roda ~0,5–1 p.p. acima da tendência, e o trabalho da maioria das pessoas mudou 30% em conteúdo e 0% em existência — os historiadores comparam à segunda fase da eletrificação, não a uma singularidade. Seu irmão mais silencioso, o deslocamento discreto, é a versão em câmera lenta da cicatriz de entrada: funções de suporte, administrativo, QA e conhecimento júnior encolhem 20–30% via congelamentos de contratação e atrito — espalhado por anos suficientes para nunca virar um único evento político, o que, pode-se argumentar, torna mais difícil de corrigir.

Cenário C — Correção e desilusão (20%)

A estrutura financeira racha: acordos de investimento circulares se desfazem, a dívida de data centers reprecifica (metade dos US$ 3 tri projetados é crédito privado), uma empresa de IA de destaque bate num muro de financiamento, e a correção acionária vira derrocada. Os compradores corporativos congelam; a narrativa dos "95% sem impacto no P&L" vira a história de consenso. Crucialmente, a pesquisa de capacidade continua nos laboratórios — a correção é financeira antes de ser funcional, e as ferramentas centrais com uso real mantêm seus usuários.

Folhas notáveis. As caudas aqui importam mais do que as médias. O congelamento profundo (5% de probabilidade de caminho) é o pior ramo macro: o contágio de crédito privado vindo da dívida de data centers atinge a economia mais ampla, a retirada do capex de IA empurra uma recessão, e a IA leva a culpa pública tanto pelas perdas de emprego na subida quanto pela recessão na descida. Mas a recuperação da IA barata (5%) é o cenário-chave de desacoplamento — a bolha estoura enquanto a capacidade continua melhorando por eficiência em vez de escala, modelos abertos e destilados entregam o desempenho da fronteira de 2026 a 1/30 do custo, e a difusão acelera precisamente porque a IA ficou barata e sem graça. O valor migra violentamente dos provedores de modelos para os integradores, especialistas de domínio e usuários finais.

O método — um prior que faz a maior parte do trabalho

Essas probabilidades foram calibradas contra as evidências de meados de 2026 acima e deliberadamente ponderadas para que nem a narrativa do hype nem a narrativa do estouro domine a árvore. Uma premissa estrutural carrega a maior parte do peso. Da nota de método da árvore:

"O prior mais forte desta árvore: o progresso de capacidade e a difusão financeira/organizacional são variáveis parcialmente independentes. As capacidades podem continuar melhorando durante uma correção financeira (veja o ramo C3), e o dinheiro pode continuar fluindo durante um platô de capacidade (A3). A maioria das previsões ruins neste espaço colapsa essas duas coisas em um único eixo. Revisite e repondere a cada ~6 meses."

Esse desacoplamento é o motivo pelo qual a árvore tem tanto uma folha de "estouro financeiro que acelera a difusão" quanto uma de "platô de capacidade dentro de um boom" — futuros que previsões de eixo único estruturalmente não conseguem expressar.

Fontes

1. S&P Global — AI impact on employment 2026 (efeito líquido negativo no emprego em nível de firma; mudanças setoriais)
2. Anthropic — Labor market impacts of AI (nenhuma alta agregada detectável de desemprego para trabalhadores expostos)
3. Bloomberg — Tech & finance losing 28k jobs/month
4. PwC — 2026 Global AI Jobs Barometer (mercado de trabalho de duas vias)
5. Wikipedia (agregando NBER, Morgan Stanley, JPMorgan, Fed) — AI bubble
6. AI Futures Project — Q1 2026 timelines update (codificação agêntica à frente da previsão)
7. AIMultiple — AGI predictions survey; Vera Calloway — AGI timeline 2026 (ceticismo de Karpathy)
8. B. Sykes — State of AI adoption in the enterprise, Q1 2026
9. Unico Connect — AI statistics 2026 (taxas de falha do MIT / RAND / Gartner)
10. WRITER — Enterprise AI adoption 2026 survey
11. Goldman Sachs Research — How will AI affect the US labor market?
12. Gartner — 2026 Hype Cycle for Agentic AI

Planeje para ramos, não para manchetes

A lição prática não é nenhuma folha isolada — é que cerca de dois terços da massa de probabilidade está em mundos nos quais a IA continua se difundindo em fluxos de trabalho reais, em algum cronograma, através de alguma quantidade de ruído financeiro. As organizações que vencem na maioria dos ramos são as que constroem capacidade durável de IA agora: integração em fluxos de trabalho, músculo de avaliação e o julgamento para saber quais tarefas automatizar e quais profissionalizar.

É exatamente esse o trabalho que fazemos na FMKTech. Se você quer ajuda para posicionar seu produto ou sua operação para os ramos que importam, vamos conversar.