O Impacto Líquido da AI nos Empregos Caiu para 11.000 por Mês. A Construção Civil Está Escondendo a Verdade

O número que diz que a AI está prejudicando menos o mercado de trabalho do que antes é exatamente o número em que você menos deveria confiar agora.

De acordo com a reportagem da Fortune de 1º de junho sobre uma nova pesquisa do Goldman Sachs, o impacto líquido da AI no crescimento da folha de pagamento mensal nos EUA recuou para cerca de 11.000 empregos, ante aproximadamente 16.000 no início do ano. Na superfície, isso parece que o pior já passou. Não é o caso. A melhora vem quase inteiramente dos capacetes de obra, não de uma recuperação do trabalho de escritório.

Se você dirige uma empresa e baseou seu plano de quadro de pessoal de 2026 apenas na manchete, vai planejar para um mercado de trabalho que está se estabilizando. Os dados que estão por baixo dizem algo mais incômodo, e isso muda onde você deve investir seu orçamento de AI.

O Que os Números do Goldman Realmente Dizem

Os economistas do Goldman decompuseram o efeito da AI no mercado de trabalho em duas forças opostas. Uma é a substituição: cargos onde a AI executa o trabalho no lugar de uma pessoa. A outra é a ampliação: cargos onde a AI torna uma pessoa mais produtiva e a empresa continua contratando.

Ao longo do último ano, a substituição eliminou cerca de 25.000 empregos americanos por mês. A ampliação recuperou cerca de 9.000. O resultado líquido é o impacto de aproximadamente 16.000 por mês que vigorou durante a maior parte do ano. O trabalho foi liderado pela economista do Goldman Elsie Peng, que avaliou as ocupações por uma medida de deslocamento combinada com um índice de complementaridade internacional, e então considerou o paradoxo de Jevons: quando a AI torna uma tarefa mais barata, a demanda total pelo produto pode aumentar e resgatar alguns empregos.

Essa decomposição é a parte que vale guardar. O único número líquido esconde tudo isso. Duas empresas podem registrar o mesmo quadro de pessoal estável e estar em posições completamente diferentes: uma sangrando silenciosamente cargos substituídos, a outra adicionando cargos ampliados. O número líquido não diz nada sobre qual das duas você é.

Fatos Principais

• A substituição por AI eliminou cerca de 25.000 empregos americanos por mês no último ano, enquanto a ampliação recuperou cerca de 9.000, resultando em um impacto líquido próximo a 16.000 (pesquisa do Goldman Sachs, via Fortune, 1º de junho de 2026)
• O AI Adoption Tracker mais recente do Goldman situa o impacto líquido em cerca de 11.000 empregos por mês, mas a construção de data centers adicionou 212.000 postos desde 2022, cerca de 9.000 por mês (Fortune, 1º de junho de 2026)
• O Goldman estima que a AI elevou o desemprego nos EUA em cerca de 0,1 ponto percentual até agora, com a taxa derivando em direção a 4,5% em 2026, ante 4,3% em janeiro (pesquisa do Goldman Sachs)

Por Que o Número Melhorado É uma Miragem

Aqui está o problema na melhora de 16.000 para 11.000. O gap não se fechou porque a AI parou de substituir cargos de escritório. Ele se fechou porque o boom de construção de AI está contratando equipes de obra.

A construção de data centers adicionou cerca de 212.000 empregos desde 2022 e está gerando atualmente cerca de 9.000 novas posições por mês. Esse é o tipo de trabalho físico, presencial e que exige julgamento situado no lado da ampliação no modelo do Goldman. Então o boom que está automatizando processadores de sinistros e funcionários de entrada de dados está, ao mesmo tempo, concretando e puxando fiação elétrica. A linha da construção civil está cobrindo a linha dos escritórios.

Para um CEO, a leitura prática é direta. A substituição de cargos de escritório que atingiu suas funções administrativas, de suporte e de nível inicial não se reverteu. Ela foi compensada por um surto na construção civil que não tem nada a ver com o seu organograma. Tire os capacetes de obra da equação e o impacto nos empregos de escritório parece pior do que 11.000, não melhor.

Substituição versus Ampliação É o Sinal Real

A parte mais útil do trabalho do Goldman não é a contagem macro. É o mapa de quais cargos se enquadram em qual lado, porque esse mapa é uma ferramenta de planejamento que você pode aplicar à sua própria empresa neste trimestre.

Do lado da substituição, os cargos de maior risco são os rotineiros e baseados em regras: operadores de telefonia, processadores de sinistros de seguro, cobradores de dívidas, representantes de atendimento ao cliente e funcionários de entrada de dados. Do lado da ampliação, os cargos que estão ganhando empregos compartilham um fio condutor que a planilha não consegue replicar: presença física, julgamento humano ou trabalho interpessoal genuíno. Os exemplos do Goldman incluem profissionais de educação, juízes e gerentes de construção.

Essa divisão oferece um instrumento simples. Chame-o de balanço de substituição-ampliação. Pegue cada função no seu negócio e faça uma pergunta: você está implantando AI aqui para remover pessoas, ou para fazer as pessoas que você mantém produzirem mais? Pontue cada cargo. O padrão que aparece no seu próprio balanço diz onde você está colhendo uma redução de custo única e onde está multiplicando o resultado.

O motivo pelo qual isso importa além de um framework organizado é que a substituição pura continua gerando reações negativas. Abordamos como mais da metade das demissões impulsionadas por AI já estão se voltando contra as empresas que as fizeram na análise do imposto do babysitting de AI, onde o custo oculto de supervisionar e corrigir a AI consome as economias. O número de ampliação do Goldman, um real e positivo 9.000 empregos por mês, é o sinal mais silencioso: as empresas que apostam na ampliação ainda estão adicionando pessoas e obtendo mais delas.

Há também uma complicação no pipeline de talentos nos dados. O Goldman constatou que um aumento de um desvio padrão na exposição de um cargo à substituição por AI amplia a lacuna salarial entre trabalhadores de nível inicial e experientes em cerca de 3,3 pontos percentuais. A contratação de nível inicial em serviços profissionais já esfriou acentuadamente, o que se alinha ao colapso mais amplo do cargo de nível inicial que identificamos anteriormente. Se você para de contratar juniores porque a AI cobre a base hoje, você também para de construir os sêniores de que precisará em três anos.

O Que Isso Muda no Seu Plano de Quadro de Pessoal para 2026

Você não precisa reagir ao número macro. Você precisa executar sua própria versão dele. Três movimentos.

Movimento 1: Construa seu balanço de substituição-ampliação antes do próximo ciclo de planejamento. Liste suas funções. Marque cada uma como substituição por AI (quadro de pessoal caindo) ou ampliação por AI (quadro de pessoal estável ou crescendo, resultado aumentando). Não as calcule como uma média em um único número, da forma como a estatística macro faz. A composição é o insight. Se seu balanço é quase todo substituição, você está otimizando para uma redução de custo única e deve esperar que o imposto do babysitting apareça em seguida.

Movimento 2: Proteja a base júnior que você cortaria primeiro. Os cargos que a AI consome primeiro são os de nível inicial, e os dados salariais mostram que é exatamente onde a pressão é mais aguda. Decida deliberadamente se vai manter um pipeline de juniores em vez de deixar a AI apagá-lo silenciosamente por atrito. Os programas federais podem compensar o custo, que é por isso que analisamos se os programas de aprendizagem em AI superam a contratação em termos de custo.

Movimento 3: Teste sua resiliência com seu plano de quadro de pessoal contra mais de um cenário. O caso base do Goldman é uma curva de adoção de aproximadamente 10 anos, com 6 a 7% dos trabalhadores deslocados durante a transição e o desemprego aumentando cerca de 0,6 ponto percentual no longo prazo. Isso é um cone amplo de resultados. Uma previsão de ponto único estará errada; um plano que se sustente em vários cenários não. Exploramos esse exercício nos quatro futuros para empregos.

A manchete continuará oscilando mês a mês, e continuará sendo ruidosa porque a contratação na construção civil e a automação de escritórios estão puxando em direções opostas dentro dela. O sinal estável é o que você pode usar: substitua e você reduz uma vez, amplie e você multiplica. Construa o balanço que diz qual das duas você está realmente fazendo.

Saiba Mais

• Por Que 55% das Demissões por AI Estão Se Voltando Contra os CEOs
• A AI Está Destruindo o Cargo de Nível Inicial
• Quatro Futuros para Empregos até 2030: O Checkpoint de Meados de 2026 para CEOs
• Os Programas Federais de Aprendizagem em AI Podem Resolver Sua Lacuna de Competências por um Custo Menor do que Contratar?
• Planejamento de Cenários

Perguntas Frequentes

Quantos empregos a AI está eliminando por mês em 2026?

O Goldman Sachs estima que a AI tem sido um impacto líquido de cerca de 11.000 empregos americanos por mês recentemente, ante cerca de 16.000 no início do ano. Sob a superfície, a substituição eliminou cerca de 25.000 empregos por mês, enquanto a ampliação recuperou cerca de 9.000. A melhora no número líquido vem em grande parte das contratações na construção de data centers, não de uma desaceleração na automação de cargos de escritório.

O efeito da AI no mercado de trabalho está de fato melhorando?

Não na parte que importa para a maioria dos empregadores de escritório. O número líquido do Goldman melhorou principalmente porque a construção de data centers adicionou cerca de 212.000 empregos desde 2022, aproximadamente 9.000 por mês. Esse trabalho físico, presencial, compensa a substituição contínua de cargos administrativos e de suporte na média, de modo que o impacto nos cargos de escritório parece mais brando do que realmente é.

Quais empregos correm mais risco com a AI e quais estão mais protegidos?

A pesquisa do Goldman situa os cargos rotineiros e baseados em regras no maior risco de substituição: operadores de telefonia, processadores de sinistros de seguro, cobradores de dívidas, representantes de atendimento ao cliente e funcionários de entrada de dados. Os cargos mais protegidos, com ganho de empregos, envolvem presença física, julgamento humano ou trabalho interpessoal, como profissionais de educação, juízes e gerentes de construção.

Fonte: Fortune (1º de junho de 2026), reportagem sobre pesquisa do Goldman Sachs. Contexto adicional: Goldman Sachs Insights.