A IA vai substituir geoquímicos? A IA analisa a espectrometria, mas alguém ainda precisa escalar até o afloramento

41% de exposição à IA. 18% de risco de automação. Há um momento particular no trabalho do geoquímico que nenhum algoritmo consegue replicar. Você fez uma caminhada de quatro horas até um cume em Nevada com uma mochila de 15 kg de sacos de amostras. O afloramento que você foi buscar está mais intemperizado do que as imagens de satélite sugeriam. O filão que você queria amostrar está em uma face que se desfaz sob o martelo. Você precisa decidir, nos próximos dez minutos, se vai amostrar a superfície intemperizada, atravessar até um afloramento menos promissor a duas horas de distância, ou coletar um tipo diferente de amostra inteiramente. Essa decisão, e outras dez mil como ela ao longo da carreira de um geoquímico, é o que um modelo de IA não consegue fazer. Os geoquímicos enfrentam 41% de exposição à IA e apenas 18% de risco de automação em nossos dados — entre os perfis mais resilientes nas ciências. Veja o porquê. [Estimativa]

O que os geoquímicos realmente fazem — e por que a parte laboratorial é a menor

A geoquímica é, em termos gerais, o estudo da composição química da Terra — rochas, minerais, água, sedimentos, atmosfera e as interações entre eles. Os geoquímicos trabalham em uma ampla variedade de ambientes: exploração minerária, petróleo e gás, remediação ambiental, pesquisa acadêmica, levantamentos geológicos governamentais e, cada vez mais, ciência do clima.

O trabalho se divide em três fases aproximadas:

Fase um: coleta. Ir ao lugar onde as amostras estão. Isso inclui trabalho de campo em terrenos remotos, programas de perfuração, coleta de amostras em locais ambientais e expedições de mar profundo. É fisicamente exigente, dependente das condições climáticas e intensivo em julgamento. O geoquímico no local decide o que amostrar, onde e em que densidade. Essas decisões não podem ser tomadas a partir de um satélite ou de um modelo.

Fase dois: análise. Passar as amostras pelos instrumentos analíticos — espectrômetros de massa, fluorescência de raios-X, cromatógrafos a gás, microssondas eletrônicas. Esta é a parte do trabalho que foi mais transformada pela IA na última década. A interpretação espectral, a identificação de picos, as curvas de calibração e o controle de qualidade estão todos cada vez mais automatizados. Um geoquímico que antes passava metade da semana de trabalho interpretando espectros brutos agora passa uma fração desse tempo.

Fase três: interpretação. Traduzir os resultados analíticos em compreensão geológica. O que essa razão isotópica significa sobre a idade desta rocha? O que essa assinatura de elementos traços nos diz sobre os processos formadores do minério? O sinal de contaminação ambiental deste local é consistente com a fonte suspeita? Este é um trabalho intensivo em julgamento que integra dados analíticos com contexto geológico, literatura prévia e a compreensão do geoquímico sobre o sistema em estudo.

A IA devorou a fase dois em grande medida. Ela mal tocou a fase um ou a fase três. Essa assimetria é o que produz o baixo número de risco de automação.

Esse padrão não é exclusivo da geoquímica; ele reflete como a adoção de IA funciona em toda a economia. De acordo com o Anthropic Economic Index (2026), o uso medido de IA tende mais para o aumento (57% das interações de tarefas) do que para a automação total (43%), e a IA tende a ser aplicada no nível de tarefas específicas em vez de ocupações inteiras [Fato]. A geoquímica é um caso exemplar: a IA absorveu uma fase do trabalho quase inteiramente, enquanto as fases de campo e interpretação — as partes que definem a profissão — permanecem em grande parte intocadas.

O número de 41% de exposição, detalhado

A exposição de 41% mede quanto do trabalho diário intersecta com ferramentas de IA. Veja como isso se parece na prática.

Fortemente assistido pela IA hoje:

• Identificação de picos em espectros de massa e cromatogramas
• Calibração e controle de qualidade para execuções analíticas
• Pesquisas de banco de dados geoquímicos (literatura, bancos de dados de minerais)
• Reconhecimento inicial de padrões em grandes conjuntos de dados (detecção de anomalias em dados de exploração, por exemplo)
• Digitalização de mapas geológicos e extração de características
• Algumas formas de plotagem e visualização

Resistente à automação:

• Seleção de locais de campo e estratégia de amostragem
• Preparação de amostras que requer julgamento físico
• Interpretação petrográfica sob o microscópio
• Integração de dados analíticos com contexto geológico
• Interpretação de resultados incomuns ou inesperados
• Comunicação com não especialistas (executivos de mineração, reguladores, o público)
• Planejamento de campanhas analíticas para questões novas
• Redação de relatórios e artigos
• Revisão por pares e debate científico

O risco de automação de 18% captura a parcela dessas tarefas que poderia ser razoavelmente feita pela IA sozinha, bem o suficiente para deslocar um trabalhador. Esse número é baixo pela mesma razão que o dos geneticistas é baixo: a ciência é intensiva em julgamento, as consequências de errar são significativas, e o trabalho integra múltiplos tipos de conhecimento que nenhum modelo detém simultaneamente. [Estimativa]

Por que o trabalho de campo não vai a lugar nenhum

Uma pergunta comum que recebo de pessoas que não trabalham em ciências da Terra: os drones não conseguem fazer a maior parte do trabalho de campo agora? Eles conseguem fazer algum, e o impacto tem sido real. A imagem hiperespectral baseada em drones mudou a forma como a exploração mineral é conduzida em muitos lugares. Os levantamentos LiDAR revelam características geológicas sob a vegetação que nenhuma equipe de campo teria visto. Os sensores transportados por satélites retornam enormes volumes de dados de sensoriamento remoto.

Mas há uma diferença entre triagem em escala e amostragem para validação de campo. O sensoriamento remoto pode sinalizar uma região como anômala. Para saber o que é a anomalia, alguém ainda precisa ir até ela com um martelo de rocha, um caderno e sacos de amostras. A cadeia de confiança analítica — da assinatura de satélite ao corpo de minério até a viabilidade da mineração — ainda passa pelo geoquímico no local.

Uma segunda razão: o valor econômico das decisões nesse campo é enorme, e essas decisões precisam de responsabilização. Uma empresa de mineração não vai iniciar um projeto de US$500 milhões com base apenas em uma avaliação de IA. Um regulador não vai aprovar a remediação de um local com base apenas na interpretação algorítmica. Alguém — uma pessoa, com uma licença e uma reputação profissional — precisa assinar. Isso não é uma restrição tecnológica. É estrutural na forma como o trabalho de ciências da Terra é remunerado.

Uma terceira razão: os sistemas terrestres são desordenados. A relação sinal-ruído nos dados geoquímicos é variável, e os casos confusos são exatamente aqueles em que as respostas mais importam. Os modelos treinados em conjuntos de dados limpos falham nos dados reais com que o geoquímico precisa lidar. Um humano no circuito, que consegue reconhecer quando o modelo está errado e o anular, é atualmente insubstituível.

Onde o trabalho está mudando

Mesmo que os números de manchete sugiram resiliência, a textura do trabalho do geoquímico está mudando de maneiras importantes.

Conjuntos de dados maiores, menor fração interpretada manualmente. Um programa de exploração típico em 2015 poderia ter produzido alguns milhares de análises de amostras. O mesmo programa hoje pode produzir dez vezes isso, com orçamentos comparáveis. O trabalho do geoquímico não é mais interpretar cada uma — isso é automatizado. O trabalho é projetar o que é amostrado, decidir em quais chamadas automatizadas confiar e integrar os resultados em um modelo do sistema.

Mais integração com campos adjacentes. A geoquímica está cada vez mais entrelaçada com hidrologia, ciência climática, engenharia ambiental e sensoriamento remoto. Os geoquímicos que prosperam são aqueles que conseguem falar fluentemente múltiplas subdisciplinas.

Habilidades de ciência de dados são agora uma linha de base. Programação em Python, trabalho com modelos estatísticos, construção de pipelines analíticos reproduzíveis — essas costumavam ser habilidades de ponta na geoquímica. Agora são esperadas da maioria das novas contratações na indústria e cada vez mais na academia.

As campanhas de campo são mais direcionadas. Porque o sensoriamento remoto identifica locais de alta prioridade com maior confiança, a temporada de campo média hoje envolve trabalho mais focado em menos locais, com mais profundidade analítica em cada um. Essa mudança torna a parte de julgamento de campo do trabalho mais importante por hora, não menos.

Onde estão as pressões reais

Eu estaria enganando se sugerisse que a geoquímica é imune à disrupção. As pressões são reais e vale a pena compreendê-las.

Para perspectiva sobre a trajetória geral: o U.S. Bureau of Labor Statistics (2025) projeta que o emprego de geólogos crescerá 3% de 2024 a 2034 — aproximadamente na mesma velocidade que a média para todas as ocupações — com cerca de 2.000 vagas projetadas a cada ano ao longo da década e salário anual mediano de $99.240 em maio de 2024 [Fato]. Isso é estável, não em expansão, e muitas dessas vagas vêm da substituição de trabalhadores que se aposentam ou migram. O título é estabilidade com rotatividade, não deslocamento. Dentro desse envelope estável, três pressões específicas estão remodelando o trabalho.

Pressão um: consolidação da indústria em mineração e petróleo. À medida que as empresas de mineração e energia se consolidam, o número total de geoquímicos internos por unidade de produção tem caído por duas décadas. Isso não é diretamente uma história de IA — é uma história de estratégia corporativa. Mas a IA acelera a tendência ao tornar equipes menores de geoquímicos mais produtivas.

Pressão dois: o mercado de trabalho acadêmico. As posições de tenure-track em geoquímica têm sido estáveis ou em declínio por muitos anos. A IA é um fator pequeno nisso; o fator maior é a mesma compressão de financiamento que afetou a maioria das ciências naturais. Se seu plano de carreira depende da colocação acadêmica, esse mercado permanece apertado e competitivo.

Pressão três: amostragem ambiental de rotina. O canto mais automatizável da geoquímica é a amostragem de conformidade ambiental de rotina — executar conjuntos padrão contra limites regulatórios conhecidos. Esse trabalho pode ser feito por técnicos com menor qualificação usando ferramentas apoiadas por IA. Se sua carreira foi construída principalmente nesse trabalho, vale a pena diversificar.

O que isso significa para sua carreira

Se você é geoquímico ou está se formando para ser um, os dados e o quadro estrutural sugerem o seguinte.

• Invista no trabalho de campo e interpretação. As partes do trabalho que o ancoram fora da automação são as de campo e na fase de integração. Certifique-se de que seu portfólio de trabalho demonstre ambas.
• Desenvolva fluência em ciência de dados. Você não precisa ser engenheiro de software, mas o geoquímico que consegue escrever um script Python para processar um conjunto de dados, construir um modelo e produzir visualizações de qualidade para publicação é dramaticamente mais empregável do que aquele que depende inteiramente de software comercial.
• Especialize-se em problemas confusos. Os casos que confundem a IA são aqueles em que a relação sinal-ruído é baixa, onde a geologia é complexa, onde as respostas importam. Esses são os casos que requerem humanos e pagam de acordo.
• Desenvolva amplitude interdisciplinar. Os geoquímicos que conseguem fazer ponte com a ciência climática, hidrologia ou engenharia ambiental estão em maior demanda. Os especialistas analíticos puros são mais vulneráveis.
• Cultive o lado regulatório e de comunicação pública. Relatórios, testemunho público, publicação revisada por pares, trabalho como testemunha especialista — essas são as partes do trabalho mais isoladas da automação. Também são frequentemente as partes que levam às promoções em liderança.
• Se você trabalha em conformidade ambiental de rotina, amplie. Migre para gestão de projetos, consultoria regulatória ou desenvolvimento de métodos. As análises de amostras puramente rotineiras são o nicho mais pressionado.

Há algo poético na resistência da geoquímica à automação. O campo existe porque as pessoas queriam entender a química do planeta em escala. A IA reduziu dramaticamente o custo de geração de dados sobre essa química. A questão do que os dados significam — o que eles nos dizem sobre como a Terra funciona, o que fazer com um local contaminado, onde perfurar para a próxima descoberta — ainda é uma questão profundamente humana. O trabalho do geoquímico é fazer e responder a essas perguntas. Esse trabalho não vai a lugar nenhum.

Para a análise no nível de tarefas, consulte a página da profissão de geoquímico. Para funções relacionadas de ciências da Terra, nossa página de categoria de ciências acompanha como a exposição à IA está mudando em todo o campo mais amplo.

Histórico de Atualizações

• 2026-05-16: Análise expandida com decomposição do trabalho em três fases, estrutura de irreplaceabilidade do trabalho de campo e análise de pressões. Orientação de carreira adicionada.
• 2025-09-12: Post inicial.

_Este artigo foi preparado com auxílio de IA e revisado pela equipe editorial. As tendências da força de trabalho foram extraídas dos relatórios anuais do American Geosciences Institute._