O Google mediu quase 15 milhões de conversas com inteligência artificial e encontrou a IA no trabalho criativo com quase o dobro do peso que esse tipo de tarefa tem na economia.
O relatório AI & Economy ATLAS, divulgado pela empresa em julho, classifica atividades como design criativo e formulação de hipóteses dentro do que chama de trabalho cognitivo não rotineiro. Essas tarefas respondem por 65% das interações profissionais registradas com o Gemini, enquanto ocupam 35% do total da economia.
A conta é simples de ler e desconfortável de aceitar. Onde o mercado prometeu que a máquina entraria por último, ela já está instalada.
A escala que sustenta o número
O ATLAS analisou 14.653.926 interações entre pessoas e IA, coletadas de forma agregada e desidentificada ao longo de duas semanas de abril. A amostra cobre o aplicativo Gemini, o AI Mode da busca e a Gemini API, superfícies que somam mais de um bilhão de usuários por mês.
O recorte alcança mais de 150 países, 140 idiomas, 800 ocupações, 4.000 tarefas de trabalho e 300 atividades domésticas. Nenhuma pesquisa declarada chega perto desse volume, e a diferença de método pesa.
Afinal, painel de pesquisa registra o que a pessoa diz que faz. O ATLAS registra o que ela digitou quando ninguém estava perguntando nada.
Para quem trabalha com comportamento de consumo, essa distinção vale mais que o próprio relatório. Já existe agora um mapa de intenção declarada em linguagem natural, produzido sem questionário, sem viés de desejabilidade social e sem recall.
A promessa vendida e o dado que apareceu
O discurso comercial dos últimos anos seguiu sempre a mesma linha. A IA assumiria o trabalho repetitivo e liberaria o profissional para as tarefas de julgamento, invenção e estratégia.
Os números apontam para outro lugar. Tarefas cognitivas não rotineiras aparecem nas interações de trabalho com IA numa proporção quase duas vezes superior ao peso que têm na economia, o que coloca justamente o território da criação como o mais exposto à tecnologia.
Faz sentido quando se observa o formato da ferramenta. Um modelo de linguagem responde bem a briefing aberto, a variação de tom, a rascunho, a alternativa de rota e a teste de hipótese. Ele responde mal a processo fechado, a fluxo com regra rígida e a integração com sistema legado.
Portanto, a barreira nunca foi o tipo de trabalho. Foi a interface. O que entra num campo de texto entra rápido; o que depende de encanamento corporativo demora.
Isso reorganiza a conversa sobre risco profissional. Enquanto o setor discutia a substituição de funções operacionais, a adoção real acontecia nos times de conteúdo, design, planejamento e análise.
Adoção larga, uso raso
O mesmo relatório oferece o contrapeso que impede a leitura apocalíptica. A adoção alcança 68% das ocupações mapeadas, que representam cerca de 90% do emprego nos Estados Unidos, mas o trabalho típico usa IA em aproximadamente 21% das suas tarefas.
Menos de 10% das interações profissionais automatizam a tarefa por completo. Na prática, a ferramenta entra no meio do processo e sai antes do fim.
Scott Strand, economista do time de tecnologia e sociedade do Google e um dos responsáveis pelo estudo, resumiu o padrão ao dizer que a adoção de IA é muito ampla porque toca uma enorme variedade de ocupações, e ao mesmo tempo muito rasa.
Duas coisas verdadeiras ao mesmo tempo, então. A tecnologia chegou a quase todo lugar e ainda não terminou nenhum trabalho sozinha.
Para a operação de marketing, essa combinação define o problema de gestão dos próximos meses. Uma ferramenta presente em todo canto e responsável por um quinto das tarefas cria muito mais superfície de revisão do que de economia.
O buraco que quase ninguém apontou
Contudo, existe uma limitação declarada no próprio documento e ela muda o valor da manchete tranquilizadora.
O estudo deixou de fora o Google Workspace, os AI Overviews, o Gemini for Google Cloud e o Gemini Enterprise. A empresa não mantém registros desses produtos e admite que dados adicionais poderiam apontar níveis maiores de automação.
Ou seja, a conclusão de que a IA colabora mais do que substitui foi medida exatamente nas superfícies onde a substituição teria menos chance de aparecer. Aplicativo de chat, busca e API pública são ambientes de uso pontual e individual.
Automação séria mora no fluxo corporativo, dentro da suíte de produtividade e das plataformas empresariais. Justamente o pedaço que ficou de fora da amostra.
Nada disso invalida o trabalho. Apenas coloca o número de 10% no lugar certo, como piso conhecido e não como teto do fenômeno.
O que isso muda no desenho de uma operação criativa
Se o território mais exposto é o criativo, a pergunta de estrutura deixa de ser quantas pessoas e passa a ser quais camadas.
O trabalho de entrada em criação e conteúdo é feito de variação, rascunho, adaptação de formato e primeira versão. É esse pedaço que cabe nos 21% de tarefas hoje cobertas pela ferramenta, e é ele que historicamente formou profissional sênior.
Uma agência que substitui a camada de entrada resolve o custo do trimestre e cria um problema de sucessão em três anos. Quem já viu isso acontecer com outras funções conhece o desfecho.
Antes do efeito sobre emprego, porém, aparece um efeito de qualidade. Quando a primeira versão vem pronta, a discussão criativa começa a partir de uma resposta em vez de começar a partir do problema, e o time perde o momento em que a ideia normalmente nasce.
Por isso a governança vira assunto de diretoria e não de ferramenta. Definir em quais etapas a máquina entra é uma decisão de posicionamento sobre o tipo de trabalho que a operação quer vender.
Os 21% servem como régua
Existe um uso imediato para o número mais modesto do relatório.
A média de um quinto das tarefas cobertas por IA funciona como referência externa contra a qual qualquer operação pode se medir. Um time que acredita estar muito acima disso provavelmente está contando errado, misturando teste com produção. Um time muito abaixo tem um problema de adoção que nenhuma licença resolve.
Na prática, o exercício é simples de montar. Basta listar as tarefas recorrentes de cada função, marcar quais passaram por alguma ferramenta de IA no último mês e dividir. O resultado costuma surpreender pela distância entre o discurso da liderança e a rotina.
Duas distorções aparecem quase sempre nesse levantamento. A primeira é a concentração em poucas pessoas, com dois ou três profissionais respondendo por quase todo o uso enquanto o restante do time nunca abriu a ferramenta. A segunda é o uso escondido, quando o profissional utiliza conta pessoal por falta de política clara e a empresa perde tanto o dado quanto o controle sobre o que sai de casa.
Nenhuma das duas aparece em relatório de licenças contratadas. Ambas aparecem numa auditoria de tarefas.
E aqui o dado de trabalho criativo volta a pesar. Se a concentração se dá justamente nas funções de criação e análise, a empresa está terceirizando à máquina a etapa em que a diferenciação competitiva costuma ser produzida, sem nunca ter decidido isso formalmente.
O uso doméstico é o sinal que ninguém está lendo
O ATLAS mapeou 300 atividades domésticas ao lado das 4.000 tarefas de trabalho, e essa metade do estudo recebeu bem menos atenção do mercado.
Já a leitura relevante para o setor é comercial. Quando a pessoa pergunta a um modelo o que comprar, como resolver um problema em casa, o que fazer com um sintoma ou qual serviço contratar, ela está descrevendo intenção com um nível de detalhe que nenhum formulário captura.
Esse é o ponto de contato que o marketing ainda não sabe ocupar. Não existe inventário de mídia, não existe métrica consolidada e não existe controle sobre como a marca é mencionada na resposta.
Enquanto a discussão do setor continua girando em torno de produtividade interna, o deslocamento mais caro está acontecendo do lado de fora, no momento anterior à busca.
Se a IA já responde por 65% do trabalho criativo medido e ainda assim cobre só um quinto das tarefas de cada profissão, quanto tempo o seu time tem antes que a conversa deixe de ser sobre eficiência e passe a ser sobre quem detém o relacionamento com o consumidor?
