IA e trabalho: nova métrica revela quais profissões estão mais expostas à automação

A inteligência artificial está transformando o mercado de trabalho, mas medir esse impacto com precisão continua sendo um desafio. Enquanto muitos estudos tentam prever quais empregos serão substituídos pela IA, a maioria baseia-se apenas em capacidades teóricas dos modelos, ignorando como essas tecnologias estão sendo realmente utilizadas no dia a dia profissional.

Pesquisadores da Anthropic desenvolveram uma nova abordagem para medir a exposição de diferentes ocupações à IA, combinando capacidades teóricas dos modelos de linguagem com dados reais de uso. Os resultados trazem insights surpreendentes sobre quais profissões estão mais vulneráveis à automação — e revelam que os efeitos econômicos da IA ainda não são tão dramáticos quanto muitos temiam.

O desafio de medir o impacto da IA no emprego

Prever como novas tecnologias afetarão o mercado de trabalho nunca foi uma tarefa simples. Estudos anteriores sobre "offshorability" (potencial de terceirização para outros países) identificaram cerca de um quarto dos empregos americanos como vulneráveis, mas uma década depois, a maioria desses trabalhos continuou crescendo normalmente.

As previsões do próprio governo dos EUA sobre crescimento ocupacional, embora direcionalmente corretas, têm agregado pouco valor além da simples extrapolação de tendências passadas. Até mesmo ao olhar para o passado, o impacto de grandes disrupções econômicas no mercado de trabalho costuma ser ambíguo.

É possível que os impactos da IA sejam inequívocos. Mas essa nova estrutura analítica é especialmente útil quando os efeitos são ambíguos — podendo ajudar a identificar os empregos mais vulneráveis antes que o deslocamento seja visível.

Uma nova métrica: exposição observada

A abordagem tradicional define exposição ao nível de tarefas: a IA pode corrigir lições de casa, mas não gerenciar uma sala de aula, então professores são considerados menos expostos que trabalhadores cujo trabalho inteiro pode ser feito remotamente.

Os pesquisadores foram além, criando a métrica de "exposição observada" que combina três fontes de dados:

1. O banco de dados O*NET, que enumera tarefas associadas a cerca de 800 ocupações únicas nos EUA

2. Dados de uso real da plataforma Claude (medidos através do Anthropic Economic Index)

3. Estimativas de exposição teórica de Eloundou et al. (2023), que medem se é teoricamente possível para um LLM tornar uma tarefa pelo menos duas vezes mais rápida

A diferença fundamental está em ponderar não apenas o que a IA pode fazer teoricamente, mas o que ela está fazendo na prática. Tarefas completamente automatizadas recebem peso total, enquanto usos aumentativos (que apenas auxiliam humanos) recebem metade do peso.

A distância entre potencial e realidade

Um achado importante: a IA está longe de atingir suas capacidades teóricas. A cobertura real permanece uma fração do que é viável.

Por exemplo, em ocupações de Computação e Matemática, 94% das tarefas poderiam teoricamente ser realizadas por LLMs. Mas o Claude atualmente cobre apenas 33% dessas tarefas na prática.

Capacidade teórica vs. exposição observada por categoria ocupacional:

À medida que as capacidades avançam, a adoção se espalha e a implementação se aprofunda, essa lacuna tende a diminuir. Mas ainda existe uma grande área não coberta — muitas tarefas permanecem além do alcance da IA, desde trabalho agrícola físico como podar árvores até tarefas jurídicas como representar clientes no tribunal.

Profissões mais expostas: programadores no topo

As dez ocupações mais expostas segundo essa nova métrica revelam padrões interessantes:

Top 3 ocupações mais expostas:

1. Programadores de computador - 75% de cobertura

2. Representantes de atendimento ao cliente - alta exposição em tráfego de API

3. Digitadores de entrada de dados - 67% de cobertura

Na outra ponta do espectro, 30% dos trabalhadores têm exposição zero, incluindo cozinheiros, mecânicos de motocicletas, salva-vidas, bartenders, lavadores de pratos e atendentes de provador.

Quem são os trabalhadores mais expostos?

As características demográficas dos trabalhadores mais expostos à IA diferem significativamente daqueles com exposição zero:

• 16 pontos percentuais mais propensos a serem mulheres

• 11 pontos percentuais mais propensos a serem brancos

• Quase duas vezes mais propensos a serem asiáticos

• Ganham 47% a mais, em média

• Possuem níveis mais altos de educação (pessoas com pós-graduação são 4,5% do grupo não exposto, mas 17,4% do grupo mais exposto)

Esses dados desafiam a narrativa de que a automação afetaria principalmente trabalhadores de baixa qualificação. Na verdade, profissionais altamente educados e bem remunerados estão entre os mais expostos.

O que dizem os dados sobre desemprego?

Apesar da alta exposição teórica de certas profissões, os pesquisadores não encontraram aumento sistemático no desemprego para trabalhadores altamente expostos desde o final de 2022, quando o ChatGPT foi lançado.

A taxa de desemprego entre os trabalhadores no quartil superior de exposição permaneceu estável em comparação com aqueles sem exposição à IA. Durante a COVID-19, os trabalhadores menos expostos — que tendem a ter empregos presenciais — viram um aumento muito maior no desemprego.

Evidências sobre jovens trabalhadores

Embora não haja aumento claro no desemprego geral, existe evidência sugestiva de que a contratação de trabalhadores mais jovens desacelerou em ocupações expostas.

Para trabalhadores de 22 a 25 anos:

• A taxa de entrada em novas posições em ocupações altamente expostas diminuiu cerca de meio ponto percentual

• Isso representa uma queda de 14% na taxa de contratação em comparação com 2022

• Não há tal diminuição para trabalhadores com mais de 25 anos

Esses dados podem fornecer algum sinal dos primeiros efeitos da IA no emprego, mas existem várias interpretações alternativas. Os jovens trabalhadores que não são contratados podem estar permanecendo em seus empregos atuais, aceitando trabalhos diferentes ou retornando à escola.

Projeções do governo validam a métrica

Uma validação interessante da nova métrica vem das projeções do Bureau of Labor Statistics (BLS) dos EUA para crescimento de emprego de 2024 a 2034.

Os pesquisadores descobriram que as projeções de crescimento são um pouco mais fracas para empregos com maior exposição observada. Para cada aumento de 10 pontos percentuais na cobertura, a projeção de crescimento do BLS cai 0,6 pontos percentuais.

Curiosamente, não há tal correlação usando apenas a medida teórica de Eloundou et al. Isso sugere que medir o uso real da IA, e não apenas suas capacidades teóricas, fornece insights mais precisos sobre tendências futuras de emprego.

O que não detectaríamos?

É importante entender as limitações dessa abordagem. Os pesquisadores estimam que poderiam detectar aumentos diferenciais de desemprego na ordem de 1 ponto percentual.

Cenários que seriam detectáveis:

• Se todos os trabalhadores nos top 10% fossem demitidos, o desemprego no grupo do quartil superior aumentaria de 3% para 43%

• Uma "Grande Recessão para trabalhadores de colarinho branco" (duplicando o desemprego de 3% para 6%) seria visível

O que não seria detectado:

• Se o desemprego aumentasse para todos os trabalhadores em paralelo, não seria atribuído aos avanços da IA

• Efeitos que se manifestam fora do desemprego (mudanças de carreira, redução de salários, etc.)

Principais conclusões e próximos passos

Esta pesquisa representa um primeiro passo importante para catalogar o impacto da IA no mercado de trabalho. As principais descobertas incluem:

1. A IA está longe de atingir seu potencial teórico - a cobertura real é uma fração do que é viável

2. Profissões altamente qualificadas estão mais expostas - programadores, analistas financeiros e representantes de atendimento ao cliente lideram

3. Ainda não há impacto claro no desemprego - pelo menos não nos dados agregados desde o final de 2022

4. Possível desaceleração na contratação de jovens - trabalhadores de 22-25 anos em ocupações expostas podem estar enfrentando mais dificuldades

Os pesquisadores planejam atualizar regularmente essa análise à medida que novos dados sobre emprego e uso de IA surgem. Uma abordagem estabelecida pode ajudar futuros observadores a separar sinal de ruído.

Implicações para trabalhadores e empresas

Para trabalhadores em profissões altamente expostas:

• Desenvolver habilidades complementares à IA pode ser crucial

• A adaptabilidade e aprendizado contínuo tornam-se ainda mais importantes

• Considerar como a IA pode aumentar (não substituir) seu trabalho

Para empresas e líderes:

• A implementação de IA está acontecendo mais lentamente que o potencial sugere

• Foco em retreinamento pode ser mais produtivo que substituição

• Trabalhadores jovens podem precisar de atenção especial no processo de transição

Perguntas frequentes (FAQ)

A IA vai substituir programadores?

Apesar de programadores terem 75% de exposição observada (a mais alta entre todas as profissões), ainda não há evidência de aumento no desemprego nessa categoria. O uso da IA parece estar mais focado em aumentar produtividade do que substituir completamente profissionais.

Por que trabalhadores mais educados estão mais expostos?

A IA baseada em linguagem natural é particularmente eficaz em tarefas cognitivas que envolvem processamento de texto, análise e comunicação — exatamente as habilidades mais comuns em profissões de alta qualificação.

Quando veremos impactos reais no emprego?

Os dados atuais cobrem apenas até o início de 2026 (pouco mais de três anos após o lançamento do ChatGPT). Impactos significativos podem levar anos para se materializar à medida que a tecnologia amadurece e a adoção se aprofunda.

Como essa métrica se compara a outras?

Diferente de métricas baseadas apenas em capacidade teórica, a "exposição observada" incorpora dados reais de uso, oferecendo uma visão mais precisa de como a IA está sendo implementada no mundo real.

Este post é baseado em pesquisa original da Anthropic. Para detalhes técnicos completos e análises adicionais, consulte o paper original e seus apêndices.