- Um artigo publicado recentemente por pesquisadores de Stanford revelou que o emprego de jovens trabalhadores de 22 a 25 anos em ocupações muito expostas à IA caiu cerca de 13%
- O estudo analisou dados controlando várias hipóteses, como pandemia, trabalho remoto e condições econômicas, com base em dados de folha de pagamento da ADP
- A redução do emprego jovem foi clara apenas em ocupações com forte impacto de automação da IA, como desenvolvimento de software e atendimento ao cliente
- Em funções nas quais a IA atua mais como ampliação (apoio e complemento), a queda no emprego jovem não foi tão evidente
- O estudo é avaliado como uma forte evidência empírica de que a IA já está provocando mudanças estruturais no mercado de trabalho jovem
Tendências recentes de pesquisa sobre a queda dos empregos para jovens nos EUA e o impacto da IA
Contexto do debate
- Continuam surgindo vários debates sobre a situação da economia dos EUA e o impacto da IA
- Para a pergunta "A IA já está tirando os empregos dos jovens?", existem três visões principais
- É possível: no início, surgiu a análise de que o enfraquecimento recente da contratação de recém-formados poderia ser efeito da IA
- Sim, com certeza: grandes veículos como New York Times e Axios afirmaram que a IA está tirando os empregos de entrada, e o CEO da Anthropic previu que metade dos cargos iniciais de colarinho branco pode desaparecer nos próximos 5 anos
- Quase não: instituições especializadas em análise econômica divulgaram dados indicando que o impacto da IA no emprego ainda não é claro, relatando que, na maioria das empresas, o efeito líquido da IA sobre a força de trabalho é quase nulo
Artigo de pesquisa de Stanford e descobertas empíricas
- Recentemente, a equipe de pesquisa de Stanford usou milhões de registros de folha de pagamento da ADP para observar tendências de emprego até meados de 2025
- Foi confirmada uma queda de 13% no emprego de jovens de 22 a 25 anos após a introdução do ChatGPT em ocupações com exposição muito alta à IA (por exemplo, desenvolvedores de software e atendimento ao cliente)
- Em contraste, em ocupações com baixa exposição (como home health care) e entre trabalhadores mais velhos, o emprego foi mantido ou até aumentou
- Além disso, mesmo controlando vários fatores exógenos, como pandemia, trabalho remoto e baixo crescimento, os resultados não mudaram significativamente
- Não se trata de um experimento causal, mas de uma análise observacional. Ainda assim, a redução do emprego jovem aparece claramente em funções de alta exposição
Análise por gráficos e casos
- Gráfico 1: mostra um padrão claro de queda nas novas contratações entre jovens engenheiros de software e trabalhadores de atendimento ao cliente
- Enquanto entre os grupos mais velhos o emprego foi mantido ou cresceu, no mesmo tipo de função houve uma queda acentuada apenas entre os jovens
- Gráfico 2: em funções com exposição muito baixa à IA, como home health care, o emprego jovem está crescendo rapidamente
- Isso sugere que a redução do emprego jovem causada pela IA é um fenômeno limitado a algumas funções
- Também houve queda clara no emprego dos jovens em funções com exposição intermediária à IA, como marketing
Por que este estudo é diferente dos anteriores?
- Estudos anteriores (como CPS) tinham amostras pequenas, o que limitava a análise de grupos detalhados como o de 22 a 25 anos
- Com os dados da ADP, passou a ser possível fazer estimativas confiáveis também em subgrupos detalhados por idade e ocupação
Diferença entre os efeitos de automação e ampliação da IA
- A análise separou os casos em que a IA substitui automaticamente o trabalho humano daqueles em que a IA amplia e complementa o trabalho humano
- Ocupações com forte característica de automação (engenheiros de software, auditoria contábil etc.): houve queda clara no emprego jovem
- Ocupações com forte característica de ampliação (papéis complexos ou que exigem estratégia): a queda no emprego jovem não foi evidente
- Também foram considerados indicadores externos, como o Anthropic Economic Index, para classificar e analisar as características do impacto da IA por função
- Gráficos 6 e 7: ocupações fáceis de automatizar apresentam redução clara no emprego jovem, enquanto ocupações de perfil mais complementar mostram até tendência de alta no emprego
Diferenças no impacto sobre a contratação entre departamentos da mesma empresa
- Mesmo dentro da mesma empresa, departamentos muito expostos à automação, como jurídico e contabilidade, mostram queda no emprego jovem, enquanto outros departamentos se mantêm ou crescem devido ao efeito complementar
- Independentemente de fatores macroeconômicos no nível da empresa (como juros), existe uma diferença clara conforme o grau de exposição da função
Possibilidade de substituição por IA e características da força de trabalho
- LLMs (grandes modelos de linguagem) aprendem bem sobretudo com conhecimento documentado e estruturado. Isso se sobrepõe em grande parte ao conhecimento formal adquirido pelos jovens
- Já há menos sobreposição com o conhecimento tácito de trabalhadores mais velhos e experientes (know-how detalhado que só se aprende na prática)
- Tarefas de curto prazo, repetitivas e fáceis de avaliar são mais fáceis de substituir por IA. Já tarefas estratégicas, complexas e de longo prazo são mais difíceis de substituir
Direção para a resposta do ensino superior
- A capacidade de usar a IA ativamente como ferramenta está se tornando cada vez mais importante
- Surpreendentemente, desenvolvedores seniores são mais habilidosos no uso de IA. Isso levanta a necessidade de reformular os currículos universitários
- Também ganham destaque as limitações dos LLMs (trabalho físico, interação humana etc.) e a importância de novas competências profissionais
Conclusão e perspectivas
- Em vez de discutir apenas resultados ou ameaças futuras da IA, é preciso reconhecer que a IA já está afetando de forma concreta a economia atual e o mercado de trabalho jovem
- É enfatizada a necessidade de dados em tempo real e validação repetida na relação entre empregos para jovens e IA
- A mensagem é que, mais do que previsões sobre o futuro, o importante é diagnosticar com precisão a situação atual
2 comentários
Todos os avanços tecnológicos estão eliminando empregos existentes, mas só a IA está conseguindo chamar bem a atenção.
Opinião no Hacker News
Fico curioso sobre o motivo de a redução nas contratações em cargos centrados em NLP, como Customer Service Rep, já aparecer desde janeiro de 2023. Pelo que sei, a maioria das grandes empresas começou pilotos de LLM/NLP só na segunda metade de 2023, então não faz sentido essa queda nas contratações ocorrer mais de um ano antes da adoção real da tecnologia. A queda na contratação de SWE começou em meados de 2022 e isso coincide quase exatamente com a alta dos juros. LLMs e Copilot só se popularizaram um ano depois. O artigo diz que ajustou o efeito do fim do ZIRP, mas não sei se esse ajuste foi suficiente. Em pesquisas informais ao meu redor, a adoção séria de LLM Copilot aconteceu entre o fim de 2023 e meados de 2024. Ainda não era algo tão disseminado assim.
A queda na contratação de SWE (engenheiros de software) aconteceu por causa da mudança na legislação tributária de 2017. Parte do crédito fiscal ligado a P&D deixou de existir a partir de 2022, e isso elevou bastante o custo de pessoal em funções de P&D, como engenheiros e cientistas. As grandes empresas com forte peso de P&D foram as primeiras a sentir o impacto. Já a queda na contratação de Customer Service acontece porque as empresas simplesmente não ligam para atendimento ao cliente. Há décadas elas operam com sistemas telefônicos automatizados, call centers terceirizados, sites mal feitos, e mesmo com serviço ruim os investidores ainda reagem bem quando a empresa diz “vamos adotar AI e cortar ainda mais gente”. Como nem o mercado nem a regulação barram isso, mesmo que elas destruam o serviço de propósito não há nem expectativa de correção.
Trabalho com consultoria, e o clima mudou de forma dramática por volta de novembro de 2022. Antes eu precisava dar conta de inúmeros clientes em potencial; de repente, o fluxo de trabalho secou. Os clientes com quem lido também são startups ou empresas de médio porte, lugares sem relação com informação interna privilegiada ou tendências de ponta. Nunca vi ninguém discutindo reduzir custo de mão de obra com GPT. Minha sensação é que as causas principais foram o fim do ZIRP e o início das demissões, quando vagas de projeto passaram a ser preenchidas imediatamente.
Penso de forma parecida com o autor do post. Já havia sinais claros de fraqueza no mercado de trabalho antes de LLM e AI entrarem de vez na discussão. Acho que a principal causa do encolhimento das contratações não é LLM, mas apenas correlação. Mais profundamente, há rachaduras na estrutura econômica não só dos EUA, mas do mundo todo, e isso está espalhando a crise de emprego entre os jovens. As causas passam por efeitos colaterais de políticas monetárias e fiscais, desigualdade de riqueza, tarifas, geopolítica e vários outros fatores combinados.
O artigo menciona que ajusta o efeito do fim do ZIRP, mas é duvidoso o quanto isso é suficiente. No paper (Equation 4.1, p.15), os efeitos individuais são separados por empresa, exposição a AI e período (
log(y_{c,q,t}) ~ a_{c,q} + b_{c,t} + g_{q,t}). Efeitos ao longo de toda a série temporal, como ZIRP ou Section 174, deveriam ser absorvidos porb.gfoi normalizado em outubro de 2022 e exposição 1, e a Figure 9 (p.20) mostra gráficos por faixa etária e exposição. Só os jovens nos níveis de exposição 3, 4 e 5 caem a partir de meados de 2024. O gráfico da matéria e a Figure 9 do paper passam impressões diferentes, e vejo o efeito do ZIRP como muito grande. Ainda assim, do jeito atual, cargos junior com alta exposição a AI, como SWE, que foram diretamente atingidos pela Section 174, não são corrigidos diretamente porbe podem acabar aparecendo emg, sendo confundidos com efeito de AI. Seria interessante refazer a análise excluindo cargos como SWE afetados pela Section 174. Paper originalNa nossa empresa também ampliamos fortemente o outsourcing em 2023. Projetos de AI também começaram, mas os resultados foram fracos; já o outsourcing avançou muito rapidamente.
Montei um modelo simples, e se até 2021 as contratações sobem de forma suave em todos os grupos (faixas etárias) e depois caem gradualmente, aparece um padrão parecido com o gráfico do paper. Isso acontece porque os engenheiros contratados em massa perto do pico vão envelhecendo e migrando entre as faixas etárias. Quando o paper normaliza o gráfico com base em 2022, ele esconde o fato de que quase não houve mudança real na proporção de contratações. Planilha do Google compartilhada
Resultado interessante. Na verdade, mesmo que a contratação fosse igual em todas as idades, por causa da estrutura dos dados — por exemplo, jovens envelhecendo com o tempo — pode parecer por engano que só os jovens estão perdendo empregos.
Isso me parece um pouco confuso. No modelo explicativo, as faixas de 20-24 e 25-29 anos atingem o pico em anos diferentes (2022 vs 2024). Se a estrutura fosse a mesma, eu esperaria que todas subissem, descessem e atingissem o pico no mesmo momento. Queria saber se isso é normal.
A queda na contratação de juniors é uma “tragédia dos comuns”. Isso já vinha desde o período da COVID, antes mesmo do boom de AI, e não é um fenômeno só dos EUA. Por causa do ZIRP, as empresas contrataram sem parar e disputavam talentos das concorrentes, a ponto de até estagiário com 2 anos de experiência ser tratado como senior. Conhecidos meus fizeram bootcamp e mesmo assim recebiam salário. No fim, como os juniors contratados logo saíam para outra empresa já como seniors, as empresas passaram a evitar contratar juniors.
O que agora chamamos de “AI” virou um serviço de assinatura, não uma tecnologia. A tecnologia entra no toolchain e ajuda a ampliar minha capacidade; já a empresa de assinatura apenas assume minha carga cognitiva enquanto eu continuar pagando. Quando o CEO da Anthropic fala que empregos white-collar vão desaparecer, isso também é fala de marketing de alguém que vende assinaturas corporativas de AI e quer que as empresas se vejam como compradoras inevitáveis.
Os dados econômicos de 2020~2025 não significam nada e deveriam ser descartados. Estamos em uma era de variáveis como pandemia, inflação abrupta, incerteza sobre juros, efeito de tarifas etc., então é impossível saber o peso real da AI. Só será possível avaliar o impacto real da AI no emprego olhando a situação depois da próxima recessão e de um período em que essas variáveis tenham se acalmado.
Pode haver várias causas não explicadas. Em tempos de incerteza, não se contrata a menos que a vaga seja realmente necessária. Contratações de juniors ou de call center podem ser adiadas facilmente, mas funções essenciais, como cuidado, não dão essa escolha. Hoje as tarifas são a principal fonte de incerteza para os negócios, e a incerteza sobre juros também pesa bastante.
Eu também entrei na universidade em 2004 (na Austrália), logo após o impacto da bolha pontocom. Havia poucos candidatos para CS, e as pessoas fugiam por medo do mercado de trabalho. Isso gerou uma grande escassez de iniciantes, e as empresas voltaram a contratar mais por volta de 2004. Quando me formei, em 2008, consegui emprego imediatamente e desde então nunca me preocupei com falta de trabalho. Se eu fosse aconselhar estudantes do ensino médio em 2025, diria que agora é o momento perfeito para entrar em CS. Daqui a 5 anos, a febre de AI terá esfriado e faltará gente entrando no mercado.
Queria saber qual é a base disso. Você realmente tem confiança de que AI é só hype?
alternative view: desta vez o hype de AI pode ser real, e a AI pode de fato substituir empregos, de modo que daqui a 5 anos todo mundo esteja desempregado. Por outro lado, também é possível que em 5 anos uma grande onda de aposentadoria dos baby boomers e da primeira leva da GenX abra o mercado de trabalho em praticamente todas as áreas.
Desta vez pode ser diferente. Hoje já estamos em uma era em que dá para desenvolver software orquestrando LLMs e agents. O papel do engenheiro de software se reduz a controle de qualidade, compliance, arquitetura de software e tratamento de casos excepcionais em que o LLM falha. Mas talvez até isso o avanço da AI consiga resolver. No fim, parece que haverá cada vez menos trabalho que alguém formado em CS possa fazer com as habilidades que aprende hoje. Daqui para frente, será mais importante saber desenhar de forma abstrata as necessidades do cliente, repassar julgamento e instruções para a AI, e avaliar o resultado da AI como quem aprecia uma obra de arte.
Tendências levam tempo. Muitas vezes algo entra como “AI”, bagunça tudo, e depois nem se confirma se havia mesmo ‘Intelligence’ ali. Basta a liderança mandar implantar AI para o RH executar demissões em massa em poucos meses com base em justificativas duvidosas, enquanto a recontratação anda devagar. LLM é útil, mas não é ferramenta para demissão em massa. Do ponto de vista da gestão, eficiência de custo é tentadora, mas na prática a AI não vira “I” tão rapidamente quanto se espera. Pela minha experiência de uso direto, LLM é menos uma ferramenta revolucionária e mais algo como uma excelente régua de cálculo. A minha régua de cálculo sempre funciona sem internet nem eletricidade; já o LLM, não.
Na contratação de jovens, além de conhecimento e habilidade, vários outros fatores entram em jogo. Mesmo dentro de TI há muito trabalho operacional de perfil blue-collar, e isso costuma ficar com terceirizados ou contratados temporários, em geral jovens. Por exemplo, suporte de TI, manutenção e outras tarefas repetitivas são feitas em grande parte fora do Ocidente. Não parece que a AI vá substituir esse campo imediatamente. Parte dessas tarefas também vai para os jovens por motivos de distribuição de responsabilidade e risco. Não acho que AI consiga assumir responsabilidade como um humano. Jovens eram preferidos por rapidez, flexibilidade, alta disposição para trabalho, salários baixos etc., e não hesitavam em fazer hora extra. Pela minha experiência, o trabalho em equipe dos mais jovens também era melhor. Se você interpretar o fenômeno atual apenas pela ótica de capacidade técnica, vai perder o quadro geral.
A engenharia de software entrou em fase de ajuste desde 2022, e a AI é apenas uma desculpa para demissões em massa. O Zuck já vem repetindo há anos o “ano da eficiência”.