O paradoxo dos salários: IA paga mais, mas Excel ainda é o filtro
Há alguns meses, um dado cruzou meu feed de notícias e me fez pausar o café da manhã: segundo a Lightcast, que analisou mais de 1,3 bilhão de anúncios de emprego, vagas que exigem competências de inteligência artificial pagam, em média, 28% a mais. Números como esse alimentam o discurso de que quem não migrar para IA ficará para trás. Mas o mesmo estudo revela um detalhe que muitos ignoram – metade dessas vagas está fora do alcance de quem não domina Excel. Esse paradoxo merece uma análise mais profunda, porque revela algo sobre a estrutura real do mercado de trabalho que nem sempre aparece nos discursos de venda de cursos.
Como engenheiro de software, já vi de perto a diferença entre o que é notícia e o que é prática. IA é, sem dúvida, uma área quente e bem remunerada. Mas o Excel – sim, aquela ferramenta que muitos tratam como legado dos anos 1990 – continua sendo a porta de entrada para uma fatia enorme de oportunidades. E não estou falando apenas de cargos administrativos: posições em análise de dados, finanças, operações, logística e até mesmo desenvolvimento de produtos frequentemente listam Excel como pré-requisito. A questão não é escolher entre um e outro, mas entender o ecossistema de competências que realmente move o mercado.
O que os dados da Lightcast realmente nos ensinam
O estudo da Lightcast não é apenas sobre salários. Ele mapeia a frequência com que competências aparecem em vagas reais. O fato de metade das vagas que pedem IA também exigirem Excel não é coincidência – é um reflexo de como a IA ainda é aplicada em contextos corporativos tradicionais. Modelos de machine learning precisam de dados limpos, organizados e, muitas vezes, extraídos de planilhas. O engenheiro de IA que não sabe pivotar uma tabela ou fazer um PROCV pode até construir um modelo sofisticado, mas terá dificuldade para comunicar resultados ou integrar pipelines com áreas de negócio.
Do outro lado, o profissional que domina Excel – mas não conhece estatística, Python ou conceitos de IA – consegue executar análises de alto impacto, automatizar relatórios e tomar decisões baseadas em dados. Eu mesmo já resolvi problemas complexos de alocação de recursos usando apenas VBA e tabelas dinâmicas, enquanto times inteiros tentavam implementar soluções em nuvem que nunca saíam do papel. O Excel não é bonito, não é moderno, mas é pragmático. E o mercado valoriza o pragmatismo.
O erro de quem aposta tudo em IA
Nos últimos anos, vi uma enxurrada de profissionais migrando para carreiras de IA sem construir uma base sólida em análise de dados convencional. Cursos intensivos prometem salários de seis dígitos em poucos meses, mas ignoram o fato de que a maior parte das empresas – especialmente fora de big techs – ainda opera com processos que exigem Excel. Um analista de dados que sabe usar Pandas mas não consegue montar uma planilha de orçamento colaborativa pode ser visto como ineficiente. Já um profissional que entrega dashboards no Excel e explica os resultados para a diretoria ganha credibilidade rapidamente.
Isso não significa que IA seja irrelevante. Longe disso. O prêmio salarial de 28% existe e é real. Mas ele vem acompanhado de uma barreira de entrada que o Excel ajuda a transpor. Se você está começando agora, focar apenas em IA pode ser arriscado: o mercado de machine learning já está saturado de candidatos com cursos de curta duração, enquanto vagas que exigem Excel combinado com análise de dados muitas vezes ficam abertas por meses. A demanda por profissionais que unem os dois mundos é alta, mas a oferta é escassa.
Excel como linguagem universal de negócios
Vou além: o Excel é, para muitas empresas, a interface entre tecnologia e negócios. Enquanto sistemas de IA são caixas-pretas, uma planilha bem construída é transparente, auditável e editável por qualquer pessoa com conhecimento básico. Isso é crucial em setores regulados, como finanças e saúde, onde a explicabilidade dos modelos é mandatória. Já participei de projetos em que um modelo de regressão linear era rejeitado pelo compliance simplesmente porque o resultado não podia ser reproduzido no Excel. A solução? Construir o mesmo modelo em planilhas, com validação célula a célula.
Não estou defendendo que o Excel seja superior. Apenas reconheço que ele ocupa um espaço que a IA ainda não conseguiu preencher: o de ferramenta democrática e onipresente. Em startups, onde a agilidade é rei, o Excel é usado para prototipar métricas, testar hipóteses e até gerar MVPs de produtos. Em grandes corporações, ele é a linguagem comum entre áreas de TI, marketing, vendas e finanças. Ignorar isso é ignorar como o trabalho realmente acontece.
Riscos e limitações: o outro lado da moeda
É claro que o Excel tem limitações sérias. Escalabilidade, versionamento, integridade de dados e segurança são problemas conhecidos. Quem já trabalhou com planilhas de centenas de milhares de linhas sabe que o Excel pode travar ou corromper arquivos. Além disso, a automação de processos manuais em VBA é frágil e difícil de manter. Depender exclusivamente do Excel para análise de dados em larga escala é uma receita para desastre.
O profissional de tecnologia precisa saber quando usar Excel e quando migrar para ferramentas mais robustas – SQL, Python, Power BI, ou plataformas de IA. O erro é achar que uma competência exclui a outra. Na prática, as empresas buscam pessoas que entendam o contexto de negócio e saibam escolher a ferramenta certa. O Excel é a base, mas não deve ser o teto. Quem para no Excel pode ficar estagnado. Quem pula direto para IA sem essa base pode ter dificuldade de aplicar conhecimento em problemas reais.
Implicações práticas para sua carreira
Se você está em transição de carreira ou é um profissional de tecnologia buscando se destacar, sugiro uma abordagem em camadas. Primeiro, domine Excel a um nível avançado: fórmulas matriciais, tabelas dinâmicas, Power Query, VBA básico. Isso não é perda de tempo – é construir uma fundação que qualquer recrutador reconhece. Depois, adicione SQL, que é a ponte natural entre planilhas e bancos de dados. Com isso, você já consegue fazer análises que 80% dos profissionais não conseguem.
Só então invista em IA. Comece com estatística descritiva, regressão linear e árvores de decisão. Aprenda a implementar esses modelos em Python, mas também saiba replicá-los no Excel para validação e comunicação. O profissional que consegue mostrar o mesmo resultado de duas formas diferentes – uma técnica e outra acessível – é o que mais agrega valor. E, paradoxalmente, é o que mais recebe propostas salariais acima da média.
Minha visão sobre o futuro das competências
Acredito que o mercado de tecnologia está passando por uma maturação. O hype de IA está cedendo espaço para uma visão mais realista, onde as ferramentas são meios, não fins. O Excel, com 40 anos de idade, continua sendo um dos meios mais eficientes de transformar dados em decisão. A IA é o próximo passo, mas não um substituto. Para quem quer construir uma carreira sólida, a combinação de competências clássicas e modernas é o caminho mais seguro.
Se você está lendo isso e pensando em investir em um curso de IA, faça, mas não se esqueça de que o mercado ainda valoriza quem sabe fazer uma boa planilha. O salário maior pode vir com IA, mas as portas ainda se abrem com Excel. Domine os dois, e você não será apenas mais um candidato – será o profissional que as empresas disputam.