É fácil descartar a visão de Mark Zuckerberg sobre o futuro do trabalho como mais um exercício de otimismo corporativo. Em um momento em que executivos de tecnologia competem para soar mais alarmistas, ouvir que a superinteligência artificial vai gerar uma era de abundância e criar profissões como a de "biólogo pessoal" parece um contraponto interessante — mas o assunto merece análise mais séria. Não porque o fundador da Meta tenha uma bola de cristal, mas porque ele descreve um mecanismo que já estamos vendo se materializar nas empresas que adotam IA em produção.
Passei os últimos anos trabalhando com infraestrutura em nuvem, segurança e automação, e em todos esses campos a IA generativa acelerou mudanças que já estavam em curso. O que aprendi nesse período é que a pergunta certa não é "a IA vai criar empregos?", mas sim "que tipo de trabalho vai tornar possível?". O "biólogo pessoal", citado na carta do executivo e noticiado pelo Pplware, não é uma previsão de cargo; é um sintoma de algo maior. Quando uma tecnologia barateia uma capacidade cognitiva, ela não apenas substitui processos — ela reconfigura a relação entre conhecimento e ação.
O que o "biólogo pessoal" realmente significa
Para entender a proposta de Zuckerberg, é preciso olhar para o termo com lupa. Um biólogo pessoal não seria um "assistente de saúde" genérico; seria alguém capaz de integrar dados de genômica, microbioma, hábitos alimentares, atividade física e outros marcadores pessoais, e agir sobre eles de forma contínua. Até recentemente, essa função não existia porque não havia ferramentas para processar e correlacionar esses dados em escala individual. A IA não apenas torna essa função plausível — ela redefine o que significa "cuidado preventivo".
O mesmo padrão se repetiu em outros domínios. O cientista de dados, o engenheiro de machine learning, o especialista em privacidade — todos são funções que, há duas décadas, não existiam nos organogramas. Elas surgiram quando a capacidade computacional e os volumes de dados criaram um novo estrato de problemas profissionais. A IA generativa acelera esse processo em uma ordem de magnitude, porque ela atua como uma interface universal que baixa o custo de gerar, resumir e transformar informação.
De onde vêm os novos empregos: uma análise em camadas
Na minha experiência, as novas profissões não aparecem como um bloco homogêneo. Elas se distribuem em três camadas. A primeira é a camada técnica direta: quem constrói, treina, ajusta e mantém modelos. São engenheiros de IA, especialistas em MLOps, arquitetos de infraestrutura e analistas de dados. A segunda é a camada de integração e mediação: profissionais que traduzem o potencial técnico em uso concreto — consultores de processos, analistas de risco de modelo, curadores de conteúdo. A terceira, mais ampla, é a camada de usuários capacitados: profissionais de qualquer área que incorporam a IA ao seu cotidiano e passam a realizar atividades que antes demandavam especialistas. O "biólogo pessoal" está na segunda camada, com passagem obrigatória pela terceira.
Esse raciocínio ajuda a entender por que o otimismo de Zuckerberg tem uma base econômica real. Ao baratear análises complexas, a IA aumenta a elasticidade de demanda por conhecimento especializado. Uma pessoa que jamais contrataria um biólogo particular pode vir a ter um, se o custo de análise for reduzido ao ponto em que o serviço se torne acessível. Não é a mesma coisa que "criar um emprego para todos"; é criar um espaço de trabalho que emerge da mudança de preço relativo de uma capacidade.
O que isso significa para a engenharia e a infraestrutura
Para quem, como eu, vive de infraestrutura em nuvem, há uma consequência prática imediata: nenhuma dessas novas funções existe sem uma base computacional robusta, segura e eficiente. O "biólogo pessoal" de Zuckerberg, para funcionar, exigirá coleta contínua de dados, armazenamento seguro, privacidade de ponta a ponta, inferência em baixa latência e resiliência de sistema. Isso é exatamente o que engenheiros de plataforma fazem — e a IA pode até automatizar várias tarefas operacionais, mas a arquitetura de sistemas críticos continua a exigir tomada de decisão humana, especialmente quando a falha afeta a vida das pessoas.
Há um trade-off que a discussão pública ignora: a criação de empregos na camada tecnológica pressupõe investimentos colossais em capacidade computacional, energia e redes. Se esses investimentos se concentrarem em poucos atores, a "abundância de trabalho" pode coexistir com uma escassez de autonomia. A infraestrutura em nuvem de alta performance não é um recurso homogêneo; seu preço e acesso definem quem pode inovar. Profissionais que entendem essa dinâmica serão capazes de se posicionar melhor, porque as empresas pagam por quem consegue operar no limite dessas restrições.
Os limites do otimismo de Zuckerberg
A tese da abundância de trabalho, porém, tem um ponto cego: ela pressupõe que a transição será rápida o suficiente para evitar rupturas sociais. A história dos automóveis não eliminou a necessidade de ferreiros de uma hora para outra; levou décadas, e mesmo assim houve comunidades inteiras devastadas. Com a IA, o ciclo é mais curto e o alcance é mais amplo. Tarefas repetitivas de processamento de texto, análise de documentos, atendimento ao cliente e até partes do trabalho jurídico e contábil podem ser absorvidas por agentes autônomos em poucos anos. Os empregos que aparecerem não serão distribuídos automaticamente entre os que foram deslocados.
Há também uma assimetria geográfica. O "biólogo pessoal" pressupõe acesso a dados de saúde de qualidade, dispositivos de monitoramento, conexão de alta velocidade e um sistema de saúde que absorva seus insights. Em grande parte do mundo, inclusive no Brasil, esses requisitos ainda estão longe da realidade para a maioria da população. Se o discurso de abundância invisibiliza essas desigualdades, ele se torna mais uma ferramenta de distração do que um mapa do futuro.
O que fazer diante da incerteza: uma agenda prática
Diante desse cenário, a atitude mais honesta é adotar um otimismo crítico. Para profissionais de tecnologia, o movimento mais acertado é investir em múltiplas camadas de valor. Dominar a API de um LLM é pouco se não houver entendimento de como aquilo se encaixa em processos regulados. O profissional com maior empregabilidade será aquele que combinar um conhecimento de domínio — saúde, direito, finanças, logística — com competência técnica para construir e supervisionar sistemas de IA. Essa combinação é exatamente o perfil do "biólogo pessoal", mas aplicado às carreiras de cada um.
Para as empresas, a recomendação é abandonar a caça à ferramenta mágica e investir em estrutura. Em vários projetos que acompanhei, o sucesso da adoção de IA dependia menos da qualidade do modelo e mais da qualidade da governança de dados, da segurança da informação e da capacidade de avaliar resultados de forma responsável. Uma empresa que ainda não definiu políticas de uso de dados tem pouca chance de criar empregos sustentáveis em IA. Ela criará projetos-piloto, não funções.
Riscos que não podem ser negligenciados
A segurança de sistemas de IA é um tópico que os otimistas costumam deixar de fora. Agentes autônomos que interagem com dados pessoais vão exigir novas abordagens de autenticação, controle de acesso, auditoria e resposta a incidentes. Ataques de prompt injection, envenenamento de dados de treinamento e exfiltração via modelos são vetores reais que estão no radar de quem trabalha com segurança da informação. O "biólogo pessoal" precisará operar em um ambiente de conformidade rigorosa — e isso significa novas funções de segurança, mas também novas responsabilidades legais.
Outro ponto que merece atenção é a dependência de fornecedores. Empresas que constroem seus produtos sobre APIs terceirizadas assumem riscos de continuidade e oscilação de preços. A abstração é uma competência estratégica: arquiteturas que permitem trocar de provedor, que preservam a opacidade dos dados, que mantêm a capacidade de re-treinar modelos com dados próprios tendem a gerar mais valor e mais estabilidade. O engenheiro que lidera essa agenda não precisa esperar a próxima previsão otimista; ele já está construindo o futuro do trabalho.
Conclusão: o futuro do trabalho é uma decisão de engenharia
O "biólogo pessoal" de Zuckerberg é mais do que uma manchete simpática; é um teste de imaginação. Ele nos obriga a pensar em que profissões emergem quando a IA deixa de ser um assistente e passa a ser o ambiente de trabalho em si. Ao mesmo tempo, expõe nossa tendência a projetar o futuro sem examinar as condições materiais para que ele exista. A IA pode criar empregos que ainda não conhecemos, mas a forma como faremos a transição — com ou sem rede de proteção social, com ou sem acesso equitativo à infraestrutura, com ou sem soberania tecnológica — é uma decisão de engenharia e de política pública.
Na minha trajetória, a maior lição foi que a tecnologia não determina o futuro; ela oferece possibilidades que podem ser abandonadas, contidas ou expandidas. A visão de Zuckerberg tem o valor de ampliar o repertório, mas a prática de construir o futuro exige mais do que previsões. Exige trabalho de base: dados governados, sistemas confiáveis, pessoas qualificadas. Cada profissional que assume essa responsabilidade — seja como engenheiro, gestor ou formulador de políticas — se aproxima de se tornar, na sua própria carreira, um "biólogo pessoal": alguém que interpreta sinais, antecipa tendências e age com autonomia em um mundo transformado pela IA.