Solomon's Verdict at Davos 2026: The "Job Apocalypse" is a Myth, but the Grind is Real
Davos, Switzerland — January 24, 2026 — Em meio aos picos cobertos de neve e à diplomacia de alto risco do World Economic Forum, uma mudança narrativa distinta está se consolidando em relação à Inteligência Artificial (Artificial Intelligence). Durante anos, a ansiedade predominante foi a de um deslocamento imediato e catastrófico — o "Apocalipse do Emprego". No entanto, falando do coração de Davos, o CEO do Goldman Sachs, David Solomon, emitiu uma rejeição firme desse cenário apocalíptico. Sua mensagem à elite global é fundamentada em um pragmatismo que apenas alguns anos de implementação real poderiam fornecer: a adoção de IA está se mostrando significativamente mais difícil, mais lenta e mais complexa do que o ciclo inicial de hype sugeria, e seu resultado primário provavelmente será a expansão de capacidade em vez do desemprego em massa.
À medida que a indústria passa da fase do "uau" da IA generativa (generative AI) para a fase do "como" da integração empresarial, os comentários de Solomon refletem um consenso crescente entre os principais executivos. O atrito da implantação no mundo real — abrangendo obstáculos regulatórios, governança de dados e reformulações de sistemas legados — está atuando como um freio natural à velocidade teórica da disrupção.
The Friction Factor: Why Adoption is Lagging Behind Hype
A narrativa de 2023 e 2024 prometia uma revolução sem atritos, onde agentes de IA substituiriam workflows humanos da noite para o dia. Em 2026, a realidade é bem diferente. Solomon argumentou que, embora o potencial da tecnologia continue revolucionário, o ritmo de adoção corporativa enfrenta ventos contrários estruturais.
"O ritmo dos investimentos continuará a aumentar", observou Solomon, referindo-se aos massivos gastos de capital pelos hiperescaladores (hyperscalers). "Mas se a demanda e a adoção irão corresponder às expectativas atuais é incerto, e podemos ver um ajuste de realidade ao longo do ano."
Esse "ajuste de realidade" surge das trincheiras operacionais. Integrar Modelos de Linguagem de Grande Escala (Large Language Models, LLMs) em indústrias altamente regulamentadas como a bancária exige um nível de precisão e segurança que modelos prontos raramente fornecem. Solomon destacou que as empresas estão descobrindo que "substituir novos processos" com IA é caro e demorado. As "taxas de consultoria" e os "custos mensais" de computação em nível empresarial são significativos, o que significa que o cálculo de ROI não é tão simples quanto trocar um salário por uma assinatura de software.
Key Bottlenecks Identified at Davos 2026:
- Integration Complexity: Conectar IA a bancos de dados legados sem quebrá-los.
- Regulatory Compliance: Garantir que decisões de IA atendam a padrões financeiros e legais rígidos (por exemplo, na Europa).
- Process Re-engineering: A constatação de que você não pode simplesmente plugar IA em um processo ruim; é preciso reconstruir o processo primeiro.
Capacity Over Cuts: The "One GS 3.0" Strategy
Talvez o argumento mais convincente que Solomon ofereceu contra a narrativa de "perda de empregos" seja a própria estratégia interna do Goldman Sachs, batizada de "One GS 3.0". Em vez de ver a IA como um mecanismo para reduzir o quadro de funcionários, o banco a está utilizando para reformular seis processos de negócios essenciais, incluindo o notoriamente trabalhoso processo de Conheça seu Cliente (Know Your Customer, KYC) e os fluxos de trabalho de integração de clientes.
O objetivo, enfatizou Solomon, é aumentar a capacidade da firma. Em um mundo onde o volume de dados e as exigências regulatórias explodem, as equipes humanas estão sobrecarregadas. A IA permite que o mesmo número de funcionários lide com 10 vezes o volume de trabalho, resolvendo efetivamente uma restrição de recursos em vez de criar um excedente de mão de obra.
"Se implementarmos isso corretamente, não espero uma redução significativa em nossa força de trabalho", afirmou Solomon. Isso se alinha ao conceito econômico do Paradoxo de Jevons (Jevons Paradox): à medida que a tecnologia aumenta a eficiência com que um recurso (trabalho) é usado, o consumo total desse recurso aumenta em vez de diminuir. Ao automatizar a monotonia de conformidade e entrada de dados, o Goldman Sachs pretende liberar sua força de trabalho para buscar oportunidades geradoras de receita que antes eram ignoradas por falta de capacidade.
Dispelling the "Hiring Nightmare"
Grande parte da ansiedade que antecedeu 2026 concentrou-se em um "pesadelo de contratações" — um cenário em que cargos juniores evaporam, deixando uma "geração perdida" de trabalhadores incapazes de ganhar experiência. Solomon refutou isso, sugerindo que a definição de talento está simplesmente evoluindo.
O medo era que a IA criasse um "crescimento sem empregos", onde a produção disparasse enquanto o emprego estagnasse. Em vez disso, o mercado está vendo um movimento em direção a "talentos de alto valor". A demanda por indivíduos que possam fazer a ponte entre expertise financeira e implementação de IA está crescendo rapidamente. O "pesadelo" não é para os trabalhadores, mas para os empregadores que tentam encontrá-los.
A visão de Solomon sugere que a barreira de entrada para banqueiros juniores pode subir, exigindo uma fluência técnica básica maior, mas os próprios cargos não estão desaparecendo. Eles estão se transformando de análise mecânica para supervisão estratégica — uma mudança que, em última instância, beneficia o empregado, desde que ele consiga se adaptar.
Myth vs. Reality: The 2026 AI Labor Market
Para esclarecer a divergência entre o alarmismo do passado e os dados do presente, analisamos os pontos-chave do discurso de Solomon frente aos mitos predominantes.
Table 1: The AI Labor Landscape – Expectation vs. Execution
| Category | The "Apocalypse" Myth | The 2026 Reality (Solomon's View) |
|---|---|---|
| Employment Impact | Mass layoffs across white-collar sectors. | Workforce remains stable; productivity and capacity increase. |
| Speed of Adoption | Overnight disruption and replacement. | Slower, "grinding" integration due to complexity and cost. |
| Role of AI | Replacement of human workers. | Augmentation of human capacity to handle higher volumes. |
| Hiring Trends | Collapse of entry-level hiring ("Hiring Nightmare"). | Shift in demand toward "high-value" cross-functional talent. |
| Economic Outcome | Deflationary crash in wages. | Potential "reality check" for AI valuations, but structural economic tailwinds persist. |
The Economic Long View
Solomon também abordou as implicações econômicas mais amplas dessa curva de adoção "mais lenta, porém mais profunda". Com os EUA vendo ventos favoráveis estruturais provenientes de estímulos fiscais e gastos sustentados em infraestrutura de IA (contabilizando mais de 1% do PIB em 2025), o pano de fundo econômico permanece resiliente.
No entanto, ele alertou para a distinção entre construção de infraestrutura (comprar os chips) e valor de aplicação (ganhar dinheiro com os chips). O primeiro está em expansão; o segundo ainda está em sua fase de "destruição criativa". "Haverá vencedores e perdedores", admitiu Solomon, sugerindo que empresas que superinvestiram em IA sem uma estratégia clara de capacidade podem enfrentar uma reconciliação.
Conclusion: The Boring Truth is Good News
Para os leitores da Creati.ai, a lição de Davos 2026 é surpreendentemente fundamentada. As manchetes sensacionalistas sobre robôs fazendo fila para receber seguro-desemprego estão sendo substituídas pela realidade mundana e difícil da integração de software empresarial.
O Goldman Sachs, um indicador para a economia global, está apostando em um futuro onde a IA torna o trabalho mais difícil no curto prazo (devido à luta de implementação), mas mais valioso no longo prazo. O "Apocalipse do Emprego" foi adiado indefinidamente, cancelado pela pura complexidade do mundo real. Em seu lugar, temos um novo desafio: a corrida para construir a capacidade de usar as ferramentas que criamos.
