Uma das perguntas mais importantes da era da inteligência artificial é relativamente simples: o que acontece com o valor do conhecimento humano quando as máquinas aprendem a executar tarefas cada vez mais complexas?

A narrativa dominante sugere que a IA reduzirá a importância de habilidades técnicas especializadas. Se um modelo consegue escrever código, analisar dados, produzir documentos e automatizar processos, então talvez o diferencial competitivo dos profissionais esteja desaparecendo.

Um novo estudo da Anthropic sugere exatamente o contrário.

Após analisar cerca de 400 mil sessões do Claude Code realizadas por mais de 235 mil usuários entre outubro de 2025 e abril de 2026, a empresa encontrou um padrão consistente: quanto maior a expertise que uma pessoa possui sobre um problema, maior o valor que ela consegue extrair da IA. Em outras palavras, os agentes estão automatizando a execução, mas continuam dependendo fortemente do julgamento humano para definir direção, contexto e prioridades.

A conclusão desafia uma das interpretações mais comuns sobre a inteligência artificial. O que parece estar acontecendo não é uma substituição da expertise. É uma amplificação dela.

A divisão de trabalho está ficando mais clara

O estudo revela uma dinâmica interessante.

Em uma sessão típica do Claude Code, os humanos continuam tomando a maioria das decisões estratégicas. Cerca de 70% das decisões relacionadas ao planejamento — o que fazer, qual problema resolver, qual abordagem seguir e quando considerar o trabalho concluído — continuam sendo tomadas pelos usuários.

Já a IA domina a execução.

Aproximadamente 80% das decisões relacionadas a implementação, código, comandos, arquivos e etapas operacionais ficam sob responsabilidade do modelo. Na prática, isso cria uma nova divisão de trabalho: humanos definem objetivos e contexto; agentes executam as tarefas necessárias para chegar lá.

Essa separação é importante porque ajuda a explicar por que a expertise continua relevante.

A IA pode ser extremamente eficiente para resolver problemas. Mas ela ainda depende de alguém que saiba quais problemas valem a pena ser resolvidos.

Programação está se tornando uma habilidade universal

Talvez o dado mais surpreendente do estudo seja que profissionais sem formação em tecnologia conseguem utilizar ferramentas de programação com níveis de sucesso próximos aos de engenheiros de software.

Advogados, profissionais de marketing, gestores, cientistas e analistas financeiros aparecem concluindo tarefas técnicas com taxas de sucesso relativamente semelhantes às observadas entre programadores profissionais.

Isso não significa que todos se tornaram desenvolvedores da noite para o dia.

O que mudou foi a interface.

Em vez de aprender linguagens de programação, frameworks e infraestrutura, profissionais podem simplesmente descrever problemas dentro de seus domínios de conhecimento e deixar que agentes transformem essas instruções em código funcional.

O resultado é uma democratização da produção de software.

Programar está deixando de ser uma profissão isolada e começando a se tornar uma capacidade distribuída por praticamente todas as áreas do conhecimento.

O conhecimento do problema importa mais que o conhecimento da ferramenta

A descoberta mais relevante do estudo aparece justamente quando os pesquisadores analisam o papel da expertise.

Usuários classificados como especialistas geram sessões significativamente mais produtivas do que iniciantes. Eles conseguem delegar mais trabalho para o agente, produzir resultados mais complexos e obter taxas maiores de sucesso.

Mas existe um detalhe importante.

O diferencial não está necessariamente em entender programação.

Um contador que compreende profundamente processos de conciliação financeira consegue orientar a IA de forma extremamente eficiente, mesmo sem saber desenvolver software. Um advogado que domina contratos pode construir ferramentas jurídicas úteis sem precisar conhecer arquitetura de sistemas. Um gestor que entende profundamente os processos da empresa consegue automatizar operações inteiras sem escrever uma única linha de código.

O padrão observado é que o conhecimento sobre o problema tornou-se mais importante do que o conhecimento sobre a ferramenta utilizada para resolvê-lo.

Os agentes estão evoluindo rapidamente

Outra conclusão relevante é que o comportamento dos usuários está mudando.

No final de 2025, grande parte das sessões estava concentrada em corrigir bugs e solucionar problemas técnicos. Em poucos meses, esse perfil mudou drasticamente.

A participação de tarefas relacionadas a depuração caiu quase pela metade. Em compensação, aumentaram atividades mais sofisticadas, como implantação de sistemas, análise de dados, automação de processos e produção de documentos completos.

Isso sugere que os agentes estão saindo da fase de assistentes técnicos e entrando na fase de colaboradores operacionais.

As pessoas não estão mais usando IA apenas para escrever código mais rápido.

Estão utilizando agentes para executar fluxos completos de trabalho.

A economia da IA também está mudando

O estudo traz outro dado que ajuda a entender a velocidade dessa transformação.

Segundo a metodologia da Anthropic, o valor econômico médio das tarefas realizadas aumentou aproximadamente 25% em apenas sete meses. Em praticamente todas as categorias analisadas, os usuários passaram a delegar trabalhos mais complexos e potencialmente mais valiosos para os agentes.

Isso é importante porque sugere que a evolução da IA não está apenas aumentando produtividade.

Ela está expandindo o escopo das tarefas que podem ser automatizadas.

A cada nova geração de modelos, agentes passam a assumir responsabilidades que antes exigiam profissionais especializados ou equipes inteiras.

O futuro pertence aos generalistas com contexto

Durante décadas, o mercado de trabalho recompensou a especialização técnica.

Quanto mais difícil era adquirir uma habilidade, maior tendia a ser seu valor econômico. A inteligência artificial pode estar alterando essa lógica.

Quando agentes conseguem executar tarefas altamente técnicas sob demanda, o diferencial competitivo passa a migrar para outra camada: entendimento de contexto, definição de prioridades, julgamento e conhecimento profundo do domínio em questão.

Isso ajuda a explicar por que gestores, profissionais de negócios e especialistas de diferentes áreas conseguem alcançar resultados tão próximos dos obtidos por desenvolvedores profissionais ao utilizar agentes.

A vantagem não está necessariamente em saber construir.

Está em saber o que deve ser construído.

Por que isso importa

A principal conclusão do estudo da Anthropic é que a IA parece estar reduzindo o valor de algumas habilidades técnicas enquanto aumenta o valor da expertise aplicada.

Os agentes estão absorvendo cada vez mais trabalho de implementação, mas continuam dependendo de pessoas capazes de fornecer contexto, direção e critérios de qualidade. Em vez de substituir especialistas, eles parecem funcionar como multiplicadores de capacidade para quem já entende profundamente um determinado problema.

Isso tem implicações importantes para o futuro do trabalho.

Se essa tendência continuar, a habilidade mais valiosa da próxima década talvez não seja aprender a programar. Talvez seja desenvolver conhecimento profundo sobre um domínio específico e aprender a colaborar com agentes capazes de transformar esse conhecimento em execução.

A programação não está desaparecendo.

Ela está se tornando invisível.

E justamente por isso, entender o problema passa a valer mais do que entender o código.