O debate sobre a reestruturação dos empregos em armazéns pela IA nos próximos três anos já não é teórico. Em junho de 2025, a Amazon colocou em serviço seu milionésimo robô de armazém, distribuído por mais de 300 instalações em todo o mundo. No mesmo ano, o Future of Jobs Report 2025 do Fórum Econômico Mundial projetou que, até 2030, a economia global criaria 170 milhões de novos empregos e deslocaria 92 milhões de empregos existentes. O debate, portanto, já passou da pergunta sobre se isso vai acontecer. A pergunta agora é até onde isso já chegou e qual emprego muda primeiro.
Os dados: a reestruturação já está em andamento
Segundo o Future of Jobs Report 2025 do Fórum Econômico Mundial, a criação e o deslocamento de empregos impulsionados por macrotendências afetarão juntos cerca de 22% dos empregos atuais até 2030: 170 milhões criados, 92 milhões deslocados, um ganho líquido de 78 milhões. O relatório é explícito sobre onde as perdas se concentram. As funções que mais rapidamente declinam são as de escritório: digitadores, assistentes administrativos, caixas e bilheteiros, trabalhadores gráficos e contadores e auditores. Esses números abrangem todas as macrotendências, não apenas a IA, mas o relatório aponta a IA, o processamento de informações e a robótica como os principais motores do declínio dos empregos de escritório.
O relatório de 2025 do McKinsey Global Institute, Agents, Robots and Us, apresenta a exposição de forma mais direta: cerca de 57% das horas de trabalho nos EUA são tecnicamente automatizáveis com as capacidades atuais de IA e robótica, e cerca de 40% dos empregos americanos estão em ocupações que enfrentam disrupção significativa. O relatório acrescenta uma ressalva que importa mais do que o número principal. Viabilidade técnica não é o mesmo que adoção real. O verdadeiro gargalo, argumenta a McKinsey, é se as empresas estão dispostas a redesenhar fluxos de trabalho inteiros e se as políticas e os investimentos acompanham o ritmo. Essa distinção atravessa tudo o que segue.
A Amazon oferece o estudo de caso público mais completo de como a adoção realmente se parece. Em junho de 2025, seu milionésimo robô entrou em serviço, e a empresa lançou simultaneamente o DeepFleet, um modelo de fundação de IA que coordena a frota de robôs. A Amazon afirma que o DeepFleet melhora a eficiência de deslocamento da frota em cerca de 10%, um número informado pela empresa que não foi verificado de forma independente. Os números mais reveladores vieram de documentos internos relatados pelo New York Times em outubro de 2025: a nova instalação da empresa em Shreveport, Louisiana, opera cerca de 1,000 robôs e precisa de aproximadamente um quarto a menos de trabalhadores do que precisaria de outra forma, e a Amazon planeja replicar esse desenho em 40 instalações até o fim de 2027.
Um conjunto de dados que raramente entra nessa conversa vem de um estudo de 2025 publicado na ILR Review: armazéns equipados com robôs registraram cerca de 40% menos lesões graves, mas 77% mais lesões não graves do que armazéns tradicionais comparáveis. A automação nunca é uma melhoria em um só sentido.
Três sinais: onde começa a reestruturação dos empregos em armazéns pela IA
Minha avaliação de quais funções mudam primeiro baseia-se em três sinais, os mesmos três que observo sempre que alguém me pergunta sobre a reestruturação dos empregos em armazéns pela IA nos próximos três anos. O primeiro é a redação dos anúncios de emprego. Em 2025, visitei vários grandes operadores de armazenagem, e a linguagem de contratação está sendo reescrita em silêncio. Anúncios que antes diziam "proficiente na operação de WMS" agora dizem "capaz de resolver as exceções sinalizadas pelo sistema". Funções antes anunciadas como "digitador" agora são anunciadas como "associado de armazém disposto a aprender ferramentas de IA". Os títulos das funções mal mudaram. As capacidades exigidas já mudaram. É aí que a reestruturação se mostra primeiro.
O segundo sinal é sobre o que realmente tratam as reuniões de gestão. As reuniões de armazém costumavam girar em torno de uma pergunta: temos gente suficiente hoje? Cada vez mais, giram em torno de outra: quais etapas já não precisam que um humano as examine? Uma vez que uma tarefa é definida como baseada em regras, com entradas padronizadas e saídas verificáveis, a automação é uma questão de tempo. A entrada de dados, os relatórios diários e a conciliação de estoques cumprem as três condições ao mesmo tempo, e é por isso que estão na frente da fila.
O terceiro sinal é para onde vai o orçamento de treinamento. O dinheiro é o indicador mais honesto disponível. Em 2025, um 3PL que pesquisei no leste da China transferiu a maior parte de seu orçamento anual de treinamento da integração de novos contratados para a operação de equipamentos e o tratamento de exceções para o pessoal existente. Sua equipe de relatórios encolheu de seis pessoas para duas, e o pessoal liberado foi para o grupo de tratamento de exceções. Os fluxos orçamentários revelam o julgamento real de uma empresa melhor do que qualquer declaração estratégica.
Empilhando os três sinais, surge um mapa de riscos. Primeiro a serem reestruturados: entrada de dados, picking simples e relatórios diários, onde as regras são claras, as entradas são padrão e o custo de um erro é baixo. Em mudança no momento: condução de empilhadeiras e inspeção de qualidade, onde as máquinas fazem a maior parte do trabalho, mas rotas complexas e defeitos ambíguos ainda precisam de olhos e mãos humanos. Mais difíceis de substituir: tratamento de exceções, manutenção de equipamentos e comunicação com o cliente, três funções que compartilham os mesmos traços: entradas não padronizadas, nenhuma resposta única correta e consequências imediatas para o cliente quando o julgamento falha.
As três funções difíceis de substituir são onde está o valor
A constatação contraintuitiva é esta: os primeiros empregos a serem reestruturados não são os mais difíceis nem os mais sujos, mas os mais limpos. Pessoas sentadas em escritórios digitando dados e elaborando relatórios estão sendo substituídas antes de pessoas em pé nas linhas de picking. A razão é simples. A IA não substitui primeiro o esforço físico. Ela substitui as regras. As regras da entrada de dados estão escritas no papel. As regras do picking vivem nas prateleiras e dentro das exceções, e as máquinas ainda têm um longo caminho a percorrer ali.
O tratamento de exceções é a primeira categoria difícil de substituir. Os sistemas só tratam as exceções que já viram antes, e um armazém produz novas todos os dias: uma mudança de endereço de última hora, um pacote danificado que não pode ser escaneado, um estoque que o sistema jura existir em uma prateleira vazia. Esses momentos exigem julgamento sobre qual regra pode ser quebrada e quem absorve a consequência. Nos próximos três anos, espero que esse trabalho passe do combate informal a incêndios para uma função central com pessoal formal.
A manutenção de equipamentos é a segunda. Quanto mais robôs houver, mais valiosas se tornam as pessoas que os consertam, e isso decorre quase por definição. O caso de Shreveport mostra que os robôs substituem o movimento repetitivo, não a manutenção em si. Quando um robô para, todo um fluxo perde seu ritmo, e a pessoa que o restabelece dentro de uma hora se torna mais valiosa à medida que a densidade de equipamentos aumenta.
A comunicação com o cliente é a terceira. A confiança entre um armazém e seus clientes repousa em uma coisa: quando algo dá errado, alguém pode explicá-lo com clareza. A IA pode redigir um e-mail de desculpas perfeito, mas não consegue ouvir se o cliente está preocupado com a data de entrega ou com a fatura, nem decidir na hora qual proteger quando não é possível salvar as duas.
Um cronograma para os trabalhadores de armazém: a reestruturação dos empregos em armazéns pela IA nos próximos três anos
Meu cronograma abaixo é um julgamento baseado nas faixas de previsão dos relatórios citados acima e no ritmo real de implantação empresarial. Não é uma previsão precisa. A reestruturação dos empregos em armazéns pela IA nos próximos três anos não chegará como um único evento, mas como uma sequência, e a sequência importa mais do que qualquer data. De 2026 a 2027, as funções de relatórios e entrada de dados se contrairão primeiro; grandes armazéns podem cortar o pessoal de escritório em cerca de um terço (julgamento, baseado nas expectativas de 2025 do Fórum Econômico Mundial para o declínio dos empregos de escritório e nos congelamentos de contratação que as empresas já estão aplicando). De 2027 a 2028, o picking simples e a embalagem padronizada entrarão em substituição em larga escala, embora apenas onde as categorias de produtos forem padronizadas o suficiente; armazéns não padronizados avançarão um pouco mais devagar. De 2028 a 2029, o centro da mudança se deslocará para a própria gestão: programação, previsão e análise de desempenho, trabalho metade regra e metade julgamento, serão redigidos pela IA e assinados por humanos.
Há aproximadamente três caminhos de transição. O primeiro é gerenciar robôs: passar de operador para monitoramento e programação de frotas, onde a habilidade central é entender a lógica do sistema em vez de memorizar passos operacionais. O segundo é gerenciar exceções: passar da execução para a especialização em exceções, onde o ativo central é o julgamento acumulado, o caminho mais dependente da experiência e mais difícil de atalhar. O terceiro é gerenciar clientes: passar de dentro do armazém para a interface com o cliente, convertendo a familiaridade com mercadorias e processos em capacidade de serviço. Nenhum dos três é superior aos outros, mas eles compartilham uma pré-condição: começar agora. Uma vez que uma função desaparece formalmente, as opções só se estreitam.
Daqui a três anos, os armazéns empregarão menos pessoas, mas as que permanecerem importarão mais. Isso não é um consolo, mas uma inferência: se as máquinas assumem as regras, o valor humano reside apenas no que está fora delas. A pergunta pertence a cada trabalhador de armazém: quanto do seu trabalho consiste em julgamentos que só você pode fazer? Essa proporção é a sua margem de segurança para os próximos três anos.
Por Dr. Chen, Pesquisador de cadeia de suprimentos Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.







