Quem trabalha em empresa pequena não vai aprender IA no trabalho

A discussão sobre IA e emprego costuma parar na pergunta errada: se a máquina vai substituir alguém. Uma pergunta mais imediata, e com dado disponível, é quem está tendo a chance de aprender a usá-la — porque essa chance não está distribuída por igual, e o custo da diferença não cai sobre as empresas.

A adoção é desigual, e a desigualdade tem tamanho

O Census Bureau americano acompanha uso de IA por empresas. Os dados divulgados em maio de 2026 mostram uma diferença que não é sutil:

Por setor, a distância é ainda maior: Informação aparece com 39,7% e Varejo com 14%. E o varejo emprega muito mais gente que o setor de informação — o que significa que a maior parte dos trabalhadores está do lado de baixo dessa tabela, não do lado de cima.

Enquanto isso, o mercado começou a cobrar a habilidade

Do outro lado da mesma equação, um levantamento da PwC baseado em perto de um bilhão de anúncios de emprego encontrou que vagas exigindo habilidades de IA anunciavam, em média, 56% a mais que vagas equivalentes sem essa exigência. E que esses anúncios cresceram 7,5% no período em que o total de anúncios caiu 11,3%.

Coloque as duas coisas lado a lado. O mercado passou a pagar mais e a pedir mais uma habilidade específica. E a principal via de aquisição dessa habilidade — usar a ferramenta no trabalho, resolvendo problema real, com alguém por perto que já usa — está disponível para quem trabalha em empresa grande, no setor certo, e indisponível para o resto.

Quem paga a conta

Repare em quem arca com o custo dessa diferença.

A empresa pequena que não adotou IA vai enfrentar suas próprias consequências competitivas, e isso é problema dela. Mas o funcionário dessa empresa carrega uma consequência separada e pessoal: quando ele for procurar a próxima vaga, o currículo dele não terá o repertório que passou a valer 56%. Ele não decidiu não adotar. Ele nem foi consultado.

É a assimetria de sempre, com roupa nova. A decisão foi tomada por quem tinha poder para tomá-la; a conta chega para quem não tinha. E chega com atraso — dois, três anos depois, num processo seletivo, sem que ninguém consiga apontar exatamente onde a perda aconteceu.

Por que "se qualifique" não resolve

A resposta padrão para isso é individual: aprenda por conta própria.

É possível, e muita gente faz. Mas exige três coisas que também não são distribuídas por igual: tempo livre fora do expediente, dinheiro para assinatura de ferramenta, e — a mais difícil — um problema real em que praticar. Repertório profissional não se forma em tutorial; forma-se resolvendo coisa que importa, de preferência com alguém experiente por perto para dizer o que está errado.

Quem tem isso no trabalho aprende de graça, no horário pago, com contexto. Quem não tem precisa comprar as três coisas com recursos próprios. Chamar as duas rotas de "se qualificar" trata como igual o que é estruturalmente desigual.

O dado que falta

Uma limitação que preciso declarar: os números acima são americanos. Não encontrei série brasileira equivalente que meça adoção de IA por porte de empresa.

Isso não é um detalhe metodológico — é um problema em si. A estrutura empresarial brasileira é fortemente concentrada em empresas pequenas, o que sugere que a exposição a essa desigualdade aqui seja maior, não menor. Mas sugerir não é medir, e políticas públicas de qualificação estão sendo desenhadas sem esse dado na mesa.

Enquanto ele não existe, vale ao menos parar de tratar acesso à ferramenta como escolha pessoal. Para a maior parte das pessoas, ela é uma condição do emprego que se tem — e emprego, quase sempre, não é escolha.