- Os dados atuais não confirmam uma grande queda no emprego em ocupações com alta exposição à IA, mas é possível que a IA já tenha afetado parcialmente a fraqueza nas contratações de recém-formados e jovens trabalhadores de escritório
- Desde 2022, a taxa de desemprego subiu 0,77 p.p. nos 20% de ocupações mais expostas à IA e 0,85 p.p. nos 20% menos expostos, o que sugere mais uma desaceleração geral do mercado de trabalho do que demissões causadas por IA
- A IA generativa em geral aumentou a velocidade em suporte ao cliente, programação, escrita e trabalho jurídico, mas os efeitos variaram conforme a função e o nível de habilidade, e também apareceram imprecisão, conselhos errados e padronização da criatividade
- A taxa de adoção de IA nas empresas varia de cerca de 20% a mais de 80%, dependendo da pesquisa, e subiu rapidamente, mas na maioria dos casos ainda está na fase de experimentos e pilotos em algumas funções, então o impacto no emprego ainda é pequeno
- Com base apenas nas evidências iniciais, não é possível definir o efeito de longo prazo da IA sobre o emprego, e a velocidade de adoção e o tempo de reorganização das empresas devem determinar o tamanho do choque no mercado de trabalho e a margem para resposta de políticas públicas
Ainda faltam evidências para sustentar demissões em massa causadas por IA
- Cresceu a preocupação de que a IA possa abalar fortemente o mercado de trabalho de escritório no curto prazo, e o CEO da Anthropic, Dario Amodei, previu que a IA pode eliminar metade dos empregos de escritório e elevar o desemprego para 20%
- Nos dados agregados atuais, כמעט não há evidência de que a IA já tenha causado uma forte redução de empregos
- Desde 2022, a taxa de desemprego subiu 0,77 p.p. nas 20% de ocupações mais expostas à IA e 0,85 p.p. nas 20% menos expostas
- Isso aponta mais para um enfraquecimento geral do mercado de trabalho do que para um choque exclusivo nas ocupações expostas à IA
- A tendência de emprego nas ocupações com alta exposição à IA também permanece relativamente estável
- O crescimento do emprego em ocupações com alta proporção de programação desacelerou, mas ainda segue positivo
- Não há evidência de que a adoção de IA tenha reduzido os anúncios de vagas das empresas
- As vagas para desenvolvedores de software cresceram mais rápido do que as de outras ocupações no último ano
- O emprego em empresas que adotaram IA corporativa cresceu 10% nos dois anos seguintes, liderado pelas empresas com maior gasto em IA por funcionário
- Anúncios de demissão atribuídos à IA também têm causas reais diferentes
- Alguns cortes limitados podem estar ligados à automação por IA
- Outros parecem ter vindo da necessidade de levantar caixa para investir em IA ou de ajustes após contratações excessivas no período da pandemia
- Profissionais de RH veem a influência da IA mais claramente na consolidação de funções e na decisão de evitar novas contratações para cargos passíveis de automação do que em demissões diretas
- Pode haver impacto em alguns grupos que não aparece nas estatísticas agregadas, especialmente sinais negativos na demanda por jovens trabalhadores de escritório
A relação entre a queda na contratação de recém-formados e a IA
- A taxa de desemprego de recém-formados subiu para 5,6% no início de 2026, alta de 1,6 p.p. em relação a três anos antes
- Funções de entrada costumam incluir muitas tarefas que a IA pode executar em boa parte, como pesquisa rotineira, análise e escrita, o que pode enfraquecer a demanda por novas contratações
- O estudo de Brynjolfsson, Chandar e Chen mostra que, após o lançamento do ChatGPT em 2022, houve queda clara no emprego de profissionais em início de carreira em ocupações expostas à IA, como desenvolvedores de software e atendentes de serviço ao cliente
- O emprego de trabalhadores mais velhos nas mesmas ocupações permaneceu relativamente estável ou continuou crescendo
- Os pesquisadores comparam os trabalhadores jovens a um “canário na mina de carvão”, por sentirem primeiro o choque da IA no mercado de trabalho
- Estudos posteriores nos EUA e no Reino Unido também identificaram efeitos negativos semelhantes na contratação de jovens trabalhadores expostos à IA desde 2022
- Ainda assim, o momento da queda é difícil de explicar apenas pela IA
- Em 2022, a capacidade dos modelos de IA ainda era bastante limitada
- O Federal Reserve começou a elevar agressivamente os juros em março de 2022 para combater a inflação, meses antes da divulgação do ChatGPT
- Os dois estudos analisam que a queda nas contratações em ocupações expostas à IA começou após a virada da política monetária e antes do lançamento do ChatGPT
- O excesso de contratações na pandemia e a expansão do trabalho remoto também podem ter influenciado
- O trabalho remoto pode retardar o aprendizado no local e reduzir o valor de contratar trabalhadores jovens, e após a pandemia as contratações em ocupações favoráveis ao remoto passaram a se inclinar para profissionais mais experientes
- Em análises adicionais controlando fatores de confusão, a queda no emprego de trabalhadores de entrada se destaca mais a partir de 2024
- Na queda em torno de 2022, é possível que fatores além da IA tenham atuado
- Em 2024, a adoção de IA e a capacidade dos modelos avançaram muito, aumentando a plausibilidade de um efeito direto da IA
- É claro que a contratação em ocupações de entrada expostas à IA caiu fortemente por volta de 2022, mas ainda não foi resolvido como separar o efeito causal da IA dos choques macroeconômicos
A produtividade em geral melhorou, mas os efeitos não foram uniformes
- Em experimentos, chatbots e ferramentas de programação muitas vezes elevaram relativamente mais o desempenho de trabalhadores com menos experiência e menor performance
- O assistente de IA generativa de um grande call center aumentou a produtividade total em 15%
- O número de problemas resolvidos por hora por atendentes iniciantes e menos qualificados aumentou 30%
- Para atendentes altamente qualificados, não houve melhora de desempenho e a qualidade das respostas caiu levemente
- No experimento com GitHub Copilot, o trabalho de desenvolvimento de software ficou 56% mais rápido, com o maior ganho concentrado em desenvolvedores menos experientes
- Em outro experimento de campo em empresas, o efeito sobre a produtividade de desenvolvimento ficou entre 10% e 30%, dependendo da companhia
- O ChatGPT reduziu o tempo de escrita para todos os grupos de habilidade e também elevou a qualidade do resultado de trabalhadores com menor capacidade de escrita
- Também houve ganho de velocidade em tarefas jurídicas, como redação de contratos por advogados jovens, e na produção de registros médicos
- O efeito das ferramentas de IA para prontuários médicos foi pequeno e, por causa de imprecisões ocasionais, exigiu supervisão médica
- Como cada estudo envolve tipos de tarefa e períodos diferentes, e alguns não são experimentos aleatórios, é difícil comparar diretamente o tamanho dos efeitos
Capacidades e custo de julgamento que variam conforme a tarefa
- O desempenho da IA mostra uma fronteira irregular (jagged frontier), podendo ser muito positivo ou muito negativo dependendo da tarefa
- No trabalho real, os funcionários precisam decidir quando e como usar a IA e julgar se o resultado é útil ou se precisa de correções adicionais
- Em um experimento com empreendedores no Quênia, empreendedores menos qualificados tiveram receita e lucro menores do que o grupo que fez o negócio crescer sem usar IA
- Os menos qualificados tinham mais chance de executar conselhos genéricos da IA que não se encaixavam na sua situação
- Empreendedores com melhor desempenho conseguiam extrair sugestões mais adequadas às necessidades do negócio
- A IA pode melhorar a qualidade do resultado individual e ao mesmo tempo reduzir a diversidade de ideias em grupo
- Na escrita criativa, a qualidade das histórias dos menos qualificados melhorou, mas as histórias produzidas com IA eram muito mais parecidas entre si do que as escritas por humanos
- Cientistas que adotaram ferramentas de IA publicaram mais artigos, mas o número total de temas pesquisados e a interação entre cientistas diminuíram
Por que a melhora em tarefas individuais não vira produtividade para a economia inteira
- A fatia de tarefas que a IA consegue encurtar de forma lucrativa ainda pode ser pequena no conjunto da economia
- Gargalos em processos que a IA não consegue apoiar podem limitar o ganho total de produtividade
- Ao adotar uma nova tecnologia, as empresas precisam reorganizar funções e fazer investimentos complementares, então a produtividade medida pode até cair no início
- Os efeitos observados em experimentos focam principalmente tarefas específicas e períodos curtos, portanto não equivalem ao efeito de longo prazo sobre a produtividade de toda a economia
- A IA pode acabar elevando a produtividade, mas no ritmo atual de adoção nas empresas isso ainda pode não aparecer nas estatísticas de produtividade total
Adoção empresarial rápida, mas desigual
- Se a transição para a IA acontecer ao longo de 3 anos ou de 20 anos, isso muda bastante o problema de política pública
- Uma transição brusca pode deslocar muitos trabalhadores ao mesmo tempo
- Uma transição lenta dá tempo para trabalhadores e formuladores de políticas se adaptarem
- Todas as pesquisas com empresas apontam crescimento rápido no uso de IA, mas as estimativas de adoção variam muito
- A pesquisa nacional representativa BTOS, do Census Bureau dos EUA, estima que cerca de 20% das empresas usam IA
- Em pesquisa com executivos de empresas americanas, mais de 80% dos funcionários usam IA no trabalho
- Entre clientes da Ramp, mais de 50% gastam com ferramentas ou fornecedores de IA
- Em uma pesquisa domiciliar nacional representativa, mais de 40% dos ocupados disseram usar IA no trabalho
- As diferenças nos números vêm do método de pesquisa e da composição da amostra
- Empresas grandes têm maior taxa de adoção de IA, então proporções ponderadas pelo tamanho do emprego ficam acima das medidas simples por número de empresas
- A amostra da Ramp não representa todas as empresas e é inclinada para companhias de tecnologia com alta adoção de IA
- Um estudo do Federal Reserve considera haver bons motivos para preferir a estimativa mais baixa do Census Bureau, baseada em amostra nacional, e avalia que a ponderação por emprego reduz bastante a diferença entre pesquisas
- A adoção de IA se concentra em empresas de tecnologia e em setores intensivos em informação, como finanças
- As áreas de aplicação mais comuns são vendas e marketing, TI, estratégia, finanças e contabilidade
- Mesmo empresas que adotam IA muitas vezes a limitam a uma ou duas funções ou a usam com baixa frequência em várias tarefas
- A integração ampla de IA é exceção; em pesquisa da McKinsey, a maioria ainda está na fase de experimentos e pilotos, e apenas um pequeno número de grandes empresas lidera a expansão em larga escala
- Até agora, o impacto da adoção de IA nas empresas sobre o emprego é pequeno
- Nos dados do Census Bureau, 5% das empresas disseram haver efeito no emprego, com o mesmo número de respostas apontando aumento e queda
- Entre executivos pesquisados pelo Atlanta Fed, 80% disseram que o investimento em IA ainda não mudou o número de funcionários nem a produtividade
- Um estudo da Dinamarca mostra que a IA reorganizou tarefas e a alocação do tempo dos trabalhadores, mas ainda não afetou emprego, horas trabalhadas nem renda
- Há também estudo indicando que o emprego em empresas que adotaram IA cresceu 10% nos dois anos seguintes
Evidência inicial não determina o futuro de longo prazo
- Inovações tecnológicas do passado levaram de anos a décadas para transformar empresas e mercados de trabalho
- Robert Solow disse em 1987 que “a era do computador pode ser vista em todo lugar, exceto nas estatísticas de produtividade”
- Nos anos 1980, as empresas investiram pesadamente em PCs, mas para obter resultados ainda precisaram de software corporativo, requalificação de trabalhadores e reorganização interna
- Por causa desses atritos de adoção, os resultados econômicos mensuráveis da revolução do computador só apareceram no fim dos anos 1990
- As perspectivas sobre a IA divergem bastante
- Quem a vê como uma tecnologia normal (normal technology) acredita que a IA será transformadora, mas se espalhará gradualmente, como tecnologias passadas
- Outros esperam efeitos capazes de mudar o mundo já em 2027
- Um forte argumento a favor da visão de tecnologia normal é o histórico de revoluções tecnológicas anteriores, que eliminaram ou reduziram a demanda por trabalho em algumas ocupações, ao mesmo tempo que criaram novos empregos e novos setores
- A natureza do trabalho e da economia mudou, mas o emprego total aumentou
- Quem considera a IA diferente do passado aponta a velocidade rápida de adoção, o impacto desproporcional sobre trabalho cognitivo e o fato de atingir uma ampla faixa de empregos de escritório, e não apenas uma ocupação específica
- Independentemente de qual visão esteja certa, revoluções tecnológicas podem causar grandes choques para indivíduos, por isso é preciso identificar rapidamente as mudanças no mercado de trabalho e preparar possíveis respostas de política pública
1 comentários
Opiniões do Hacker News
Assim que a discussão começa, os dois comentários principais dizem exatamente o oposto. Um afirma que a IA aumenta ainda mais a produtividade de quem já tem alto desempenho, transformando o 80:20 em 99:1; o outro diz que os LLMs elevam os abaixo da média, mas atrapalham os experientes, fazendo tudo convergir para a média
Quando as tarefas fáceis acabam, sobram apenas as difíceis, e os juniors talvez não consigam avançar mais. Empresas burocráticas produzem tarefas fáceis em massa, então, se a produtividade for medida pelo volume de tickets no Jira, a melhora de produtividade com IA dos juniors vai parecer muito maior
Hoje acho que consigo tocar com mais eficiência só eu e um tester um projeto grande que antes envolveria eu, 2 desenvolvedores frontend, um desenvolvedor quase full-stack, um tester, 2 pessoas de produto e um PM. Mesmo voltando a escrever SQL depois de 20 anos, não fico mais lento, e consigo lidar sozinho e rapidamente com CSS, funcionalidades e testes
Como somos uma organização pequena, normalmente com 1 ou 2 desenvolvedores por projeto, operar projetos grandes é uma bagunça e desperdiçamos 80% do esforço em comunicação. No começo, o time de produto foi útil para definir escopo e padrões de UI/UX, mas depois basta pedir designs específicos; se um tester minucioso encontrar os casos de borda estranhos, é suficiente
Não estou dizendo que sou um gênio, só que sou razoavelmente competente em várias áreas; ainda assim, é assustador o que se torna possível quando um desenvolvedor full-stack experiente, com senso de UX e capacidade de gerenciar stakeholders, usa essa ferramenta
O resultado de que os ganhos se concentram nos juniors também pode ser diferença nas tarefas atribuídas. Se um senior fizer trabalho de junior, pode ficar 1.000% mais rápido, mas o trabalho realmente difícil acaba indo para os seniors, e agora aquilo que não é facilmente resolvido com Claude é classificado como trabalho difícil
Pessoas de alto desempenho terminam as tarefas muito rapidamente e se concentram em qualidade e processo, criando software bem polido, mas a situação começa a piorar quando os PMs percebem isso e continuam adicionando trabalho às sprints
O mais surpreendente é que você não precisa mais ser um especialista no assunto (SME). Uma equipe pequena sem nenhuma experiência em Android lançou em poucos meses, praticamente sem bugs, uma funcionalidade de produto difícil de portar; sem IA, isso teria levado no mínimo mais de meio ano. Algo que no dia anterior era “nem sei o que isso quer dizer” aparecia concluído no dia seguinte
A dificuldade de estudos assim é que agentes de programação como Claude Code e OpenAI Codex só começaram a funcionar direito no fim de novembro, e, por causa das férias de dezembro, muita gente só os usou de fato no começo de janeiro. Agentes de uso geral como OpenClaw, Anthropic Copilot e ChatGPT “Work” chegaram ainda mais tarde
Como o impacto no trabalho pode ser muito maior do que o dos sistemas conversacionais de 2022–2025, estudos que cobrem apenas até o fim de 2025 podem ter perdido um salto real de desempenho
Uso Claude, mas quase não vi o tipo de fanatismo por IA que encontrei em outros lugares, e isso também foi um filtro importante na busca por emprego. Acho que a narrativa de redução de empregos é muito exagerada, mais próxima do marketing apocalíptico da Anthropic, da OpenAI e de seus porta-vozes
No ano passado, o clima era “fazer o mesmo software com menos gente”; agora, empresas em estágio inicial estão crescendo com a expectativa de “fazer software de outro tipo ou de outro jeito”. Mas isso não garante o tamanho da força de trabalho no futuro nem o sucesso dessas empresas
Em empresas que não são startups, ainda há ameaça de demissões e pressão para usar ferramentas de IA, e as opiniões divergem sobre se agentes que rodam por longos períodos conseguem ser eficazes em código legado, sem quebrar nada e sem supervisão cuidadosa
Mesmo que o desenvolvimento de software tenha mudado completamente, não parece haver muita gente acreditando que em 2027 desenvolvedores deixarão de ser necessários ou que seu número cairá 50%
A produtividade segue uma distribuição de Pareto, e a IA já é uma ferramenta afiada que torna pessoas já produtivas proporcionalmente ainda mais produtivas. À medida que a inteligência da IA aumenta, o 80:20 pode virar 90:10, 95:5, 99:1
A burocracia corporativa muda devagar, mas, se os melhores performers saírem e criarem concorrentes menores, a substituição de empresas médias e grandes por pequenas empresas será rápida. A competição entre empresas eficientes pode aumentar o excedente do consumidor e, ao mesmo tempo, gerar um grande deslocamento econômico e o colapso da base tributária
A IA só ficou boa nesse nível recentemente, e fundar concorrentes também leva tempo, então isso ainda não deve aparecer nos indicadores defasados. Eu também estou conduzindo uma comoditização que pode render muito dinheiro oferecendo, praticamente de graça, um produto melhor que softwares premium de um setor de nicho, e não há motivo para avisar os concorrentes sobre isso. Se a mesma coisa acontecer em vários setores, o mundo pode mudar completamente
Seria preciso haver robôs muito inteligentes para lidar com a burocracia, desde implantações multicloud e multirregião até regulações locais, contabilidade, impostos e questões jurídicas; hoje, empresas como a SAP cumprem esse papel. Se esse tipo de automação se tornar possível, chegaremos perto de uma situação em que a própria empresa, como a conhecemos, deixa de ser necessária
Fico me perguntando por que o gráfico de desemprego sobe suavemente por mais de um ano antes do início da Covid. Os dados do BLS disparam de repente em março de 2020 (dados)
Também não está claro o que era “exposição à IA” em 2015. Na época não havia LLMs, e a divisão em quintis do artigo citado é, na prática, mais próxima de uso de computador do que de IA. É preciso distinguir entre uma IA que joga xadrez e um LLM que executa trabalho real; este último provavelmente existe há apenas cerca de um ano
Recentemente fui conferir minhas qualificações no mercado de contratação e, embora eu achasse que, como desenvolvedor solo dentro de uma organização, tinha acompanhado bem as tendências dos últimos 18 meses, o resultado foi duro. As empresas estavam exigindo 4 anos de experiência com IA agente
No fim, todo mundo está inventando coisas, acreditando no hype sem entender os princípios básicos e estabelecendo critérios que ninguém consegue cumprir. Mesmo desenvolvendo competências AI-native, você acaba subqualificado para vagas AI-native
Ainda assim, há valor em mexer com modelos antigos ou com modelos pequenos modernos que tenham restrições parecidas. Hábitos como gerenciamento cuidadoso de contexto e bons exemplos bem construídos também funcionam nos modelos mais novos, melhorando o desempenho e reduzindo custos. Sempre que possível, é melhor mostrar do que explicar em palavras
É uma pena que os modelos básicos/de texto, que eram extremamente interessantes e divertidos, tenham desaparecido
“X anos de experiência” também é mais um indicador substituto de proficiência do que um período literal. Se você consegue fazer aquilo tão bem quanto uma pessoa média que fez por X anos e consegue provar isso, é suficiente
Há dois pontos principais a destacar. Primeiro, a maior parte dos estudos de produtividade do gráfico 3 é de 2023–2024, então o Copilot registrou números altos, e naquela época ele era basicamente um autocomplete poderoso, antes da explosão de adoção de agentes de codificação
Segundo, mais de 50% dos americanos relatam usar IA toda semana, mas o uso real representa apenas 6% do expediente, o que corresponde ao “uso amplo, porém raso” descrito pela pesquisa do Google
Na mesma pesquisa, o tempo economizado aparece como 2% do expediente, o que implica um ganho de produtividade superior a 30% por hora de uso de IA, algo compatível com vários setores e estudos controlados. Alguns economistas consideram que mesmo esse nível baixo de adoção já basta para aparecer nas estatísticas nacionais de produtividade do trabalho
Como 6% é muito pouco, o impacto no emprego pode estar apenas começando. Já que a utilidade é confirmada tanto por autorrelatos quanto por números micro e macro, tanto o número de usuários quanto o escopo das tarefas devem aumentar, e o medo é que o impacto avance aos poucos e então exploda de repente
dados de acompanhamento da adoção, pesquisa do Google (discussão), dados do St. Louis Fed, análise de produtividade
Há um forte indício de que os ganhos de produtividade se concentram principalmente em engenheiros com pouca experiência e desaparecem, ou até se tornam negativos, entre os mais experientes. Isso bate com a sensação de que LLMs deslocam a linha de base para a média, ajudando quem está abaixo dela, mas atrapalhando quem está acima
Além disso, o trabalho feito com LLM fica menos na memória do que o trabalho realizado diretamente. Se for assim, engenheiros com pouca experiência acabam não acumulando experiência real. Talvez CEOs de empresas de tecnologia queiram trabalhadores menos qualificados, a quem possam pagar menos
Por outro lado, em empresas onde o software não passa de um componente não essencial ou de um sistema interno de TI, desenvolvedores são vistos não como ativos geradores de receita, mas como custos a minimizar. Elas procuram a mão de obra mais barata e com menos experiência, e tentam evitar contratar bons desenvolvedores por meio de terceirização ou LLMs
Mesmo que o trabalho real seja difícil e exija profissionais experientes, enquanto a empresa o enxergar como custo, tentará resolvê-lo com a mão de obra mais barata. Se possível, deve-se evitar trabalhos em produtos ou sistemas de TI nos quais a relação entre qualidade do software e rentabilidade não seja óbvia para a diretoria
O maior impacto da AI no trabalho são os geradores de código com LLM para desenvolvedores, mas isso ainda só arranha a superfície do que é possível nas empresas. Minha empresa não tem direção, vontade nem capacidade técnica para aproveitar o verdadeiro poder da AI em prol dos objetivos de negócio; apenas compra soluções empacotadas de terceiros e não consegue integrar uma camada de inteligência ao ambiente
Empresas assim provavelmente não são raras. Chatbots são úteis, mas a AI levará anos, talvez décadas, para transformar o trabalho, e a vida cotidiana pode demorar ainda mais. Por mais profunda que seja uma tecnologia, ela precisa se disseminar enfrentando o atrito da realidade
Mas a AI está se infiltrando de forma muito mais ampla do que sites, e todo mundo já usa celular, então o atrito é menor do que parece. Quando o MS Copilot ficar bom o suficiente, usuários não técnicos também vão mandar a AI fazer tarefas
O dono de uma empresa de HVAC poderia instruir: “houve uma grande emergência no Bob’s Burgers em Brentwood; envie dois funcionários o mais rápido possível e, se necessário, remaneje outras visitas”. Tarefas assim não exigem uma quantidade enorme de tokens, então ficarão baratas, e comandos administrativos gerais como “agendar” ou “contatar X sobre Y” devem se tornar muito práticos em 3 a 5 anos. O principal gargalo será fazer com que os agentes tenham acesso aos dados adequados
Vejo pessoas ao meu redor realmente perdendo empregos, mas felizmente ainda não fui afetado diretamente. Com SaaS, iPaaS e serverless adotados como principais tecnologias de entrega, o trabalho de agência já é feito por equipes menores do que há 10 anos
Graças à AI, dá para fazer mais com menos gente, mas não há demanda de projetos suficiente para manter todos ocupados
O CEO da Anthropic, Dario Amodei, prevê que a AI pode eliminar metade dos empregos administrativos e elevar o desemprego para 20%, ao mesmo tempo em que diz que certos modelos são perigosos demais para lançar