A era da inteligência artificial tem sido repleta de previsões de desemprego em massa impulsionado pela tecnologia. Um relatório de 2013 do Oxford Future of Humanity Institute postulou que quase metade dos empregos nos EUA na época era “potencialmente automatizável” na próxima “década ou duas”. Uma década depois, no entanto, havia 17 milhões de empregos a mais nos EUA.
O avanço da IA generativa, sem surpresa, deu novo fôlego a essas projeções alarmistas. Recentemente, o FMI declarou que 40% dos empregos estão “expostos” globalmente; a Goldman Sachs colocou 300 milhões de empregos em risco de serem “perdidos ou degradados” e o Pew Research Center estimou que 19% dos trabalhadores dos EUA têm empregos na categoria “mais expostos à IA”.
Será que estamos à beira de um apocalipse global do emprego? As preocupações com o “desemprego tecnológico”, como John Maynard Keynes o apelidou em 1930, vêm de longa data. Na década de 1960, esses temores levaram o governo dos EUA a convocar uma Comissão sobre Tecnologia, Automação e Progresso Econômico, presidida pelo eminente economista Robert Solow. Ao contrário de muitos temores no início da revolução da TI, a Comissão concluiu que “[a] tecnologia elimina empregos, mas não o trabalho”. Até agora, os fatos têm corroborado essa tese: A economia dos EUA tinha 2,7 vezes mais empregos em 2024 do que em 1964 – com maior participação na força de trabalho (62,6% vs. 58,7%), menor desemprego (4% vs. 5,2%) e três vezes mais produção por hora trabalhada. No último meio século, a mudança tecnológica não eliminou o trabalho – ela o modificou.
Mas será que isso também acontecerá na nova era da IA? Ninguém sabe ao certo. Ainda há muitas incógnitas para levar muito a sério as previsões de destruição do emprego. Dissecar os estudos atuais de “exposição ao emprego” ajuda a revelar a verdadeira extensão dessas incertezas na era da IA (especialmente geradora). Essas incertezas são o ritmo, a extensão e a profundidade da adoção comercial; o efeito da maior produtividade da mão de obra sobre a demanda por serviços; e o momento e a distribuição geográfica das possíveis perdas de empregos.
O abismo entre a “exposição” e o deslocamento real
As estimativas de “exposição ao emprego” – o eufemismo predominante para projeções de desemprego tecnológico – tendem a aderir à seguinte lógica: Primeiro, determine as tarefas que podem ser automatizadas com uma determinada tecnologia; depois, identifique as ocupações que incluem essas tarefas automatizáveis antes de, finalmente, calcular a soma de todos os empregos em ocupações que atingem um limite predefinido de automatização. Essa linha de raciocínio parece bastante plausível, até que se perceba a completa negligência da microeconomia da empresa como o elo crucial entre o potencial de qualquer tecnologia e seu impacto econômico real.
A adoção de tecnologia não é livre nem sem atrito: Sempre deve haver um argumento comercial para a mudança tecnológica. Esse fato revela, desde o início, uma lacuna entre os níveis de automação tecnologicamente possíveis e o grau de automação que é economicamente racional para as empresas buscarem.
Em um dos estudos empíricos mais convincentes dessa lacuna tão importante, um grupo de economistas do MIT estimou recentemente que, embora 36% dos empregos do setor privado dos EUA estivessem tecnicamente “expostos” à automação por meio da visão computacional (ou seja, envolviam pelo menos uma tarefa que poderia ser automatizada dessa forma), só faria sentido econômico para as empresas buscarem a automação para 8% de todos os empregos do setor privado – apenas um quarto dos empregos rotulados como “expostos”. Três quartos da estimativa de “exposição” acabam sendo ilusórios quando a lógica da tomada de decisões em nível de empresa é considerada, expondo a lógica falha de extrapolações “micro para macro” excessivamente simplistas.
Quando as empresas avaliam os possíveis retornos da adoção tecnológica, elas analisam atentamente dois fatores inter-relacionados: o custo da mão de obra e o ambiente competitivo. Quanto maior a concorrência que enfrentam e quanto mais limitado o acesso à mão de obra qualificada – devido ao custo ou à rigidez do mercado de trabalho – mais forte é o argumento comercial para investimentos em tecnologia. Mas esses fatores podem variar drasticamente de um país para outro. O fato de não considerar a empresa muitas vezes leva os analistas a aplicar extrapolações idênticas nas economias nacionais. No entanto, mesmo em ambientes com custos de mão de obra comparáveis, a propensão de uma empresa à automação pode ser limitada por outros fatores de rigidez específicos dos mercados de trabalho individuais, como regimes legais que dificultam a redução de empregos, como pode ser o caso na Europa.
Colocar a empresa de volta no centro da análise significa que devemos ser cautelosos ao interpretar as evidências da adoção da IA generativa por parte de trabalhadores individuais, pois isso não diz diretamente até que ponto as empresas embarcaram na difícil tarefa de se reinventar em torno da tecnologia.
O uso generalizado da genAI por trabalhadores individuais pode ter alguns efeitos positivos na produtividade, mas os trabalhadores não criam ou eliminam seus próprios empregos, mas sim o empregador. É por isso que as perspectivas de redução do emprego precisam ser avaliadas em relação aos padrões de adoção institucional pelos empregadores.
O mistério da elasticidade de preço da demanda
Suponhamos que seja verdade que um número assustadoramente grande de empregos esteja correndo risco real de automação. Nesse cenário, esperaríamos aumentos consideráveis na produtividade da mão de obra e, portanto, custos mais baixos, preços mais baixos e, como argumentamos em outro lugar, um aumento na renda real dos consumidores. No entanto, ao contrário das narrativas de “exposição ao emprego”, os setores com taxas mais altas de automação não necessariamente sofrerão declínios iminentes no emprego. De fato, eles podem vir a empregar mais pessoas por longos períodos de tempo à medida que se tornam menos intensivos em emprego (ou seja, empregam menos trabalhadores por unidade de produção).
O economista James Bessen estudou esse fenômeno – que ele descreve como o “padrão do U invertido” – na indústria de transformação dos EUA entre o início do século XIX e a década de 2010. Em áreas como a produção de têxteis, ferro e aço e veículos automotores, as tecnologias de automação levaram a aumentos acentuados na produtividade da mão de obra. Mas, em vez de eliminar postos de trabalho, o emprego setorial cresceu por décadas – porque a maior produtividade se traduziu em quedas de preços que impulsionaram a demanda. Diante de preços consideravelmente mais baixos, os consumidores gastaram muito mais em roupas e carros que, embora exigissem menos trabalhadores por unidade, os fabricantes, na verdade, empregaram mais trabalhadores no total.
Esse padrão aponta para uma das questões mais importantes e elusivas com relação aos efeitos da IA generativa sobre a mão de obra. Argumentamos anteriormente que a novidade da IA generativa está em sua capacidade de aumentar a produtividade dos trabalhadores de colarinho branco por meio da automação de tarefas que geralmente não são rotineiras e estão mais próximas do “núcleo” criativo do trabalho do conhecimento. Assim, espera-se que ela reduza o custo e o preço de segmentos consideráveis do setor de serviços. O que não sabemos é o quanto a demanda por muitos serviços é elástica em relação ao preço, o que torna quase impossível prever os efeitos líquidos sobre o emprego. Se o custo médio dos serviços jurídicos, por exemplo, diminuísse em um fator de 10 graças à automação de pesquisa jurídica, resumo e redação feita pela genAI, quanto mais demanda por esses serviços haveria como resultado? Será que esse e outros setores semelhantes poderiam passar por seu próprio “padrão de U invertido” de emprego, em que a produtividade do trabalho aumenta, mas o emprego também?
É compreensível que a maioria dos estudos de “exposição ao trabalho” nem sequer tente estimar como a demanda responderá à assimilação da IA generativa em várias ocupações. Mas é por isso que é melhor entender esses estudos pelo que eles realmente são: o limite superior teórico dos aumentos de produtividade da mão de obra impulsionados pela automação. Essas extrapolações são feitas sem levar em conta se, quando ou como as empresas realizam esse potencial de produtividade e com informações incompletas sobre a interação entre a mudança de preços e a demanda necessária para avaliar os efeitos líquidos sobre o emprego.
Não se, mas quando e como
É claro que não se pode negar que várias ocupações diminuirão com o tempo, à medida que a adoção da IA avança. Já há sinais de um declínio na contratação de desenvolvedores de software nos EUA, o que muitos atribuem à proficiência em codificação da genAI. Mas, novamente, esse não é um fenômeno econômico novo: As economias eliminam e criam ocupações de forma dinâmica o tempo todo. O tipo de imagem de “estado final” que os estudos de exposição apresentam não nos diz o que é mais importante: onde e em que ritmo ocorrerá a mudança no emprego. Para usar a expressão de Robert Solow, o que é necessário é uma bússola para navegar na “macroeconomia elusiva do médio prazo”.
Concentrar-se na dinâmica da mudança é ainda mais necessário quando a própria tecnologia é um alvo móvel. O ritmo acelerado do desenvolvimento da IA torna quase impossível determinar o quanto seu estado atual pode ou não automatizar – antes que esse estado de jogo deixe de ser relevante. Isso torna ainda mais urgente entender a profundidade, e não apenas a amplitude, da adoção comercial. A American Business Survey de 2024 apresentou uma estatística preocupante: Apenas 5% de todas as empresas dos EUA usam IA para a produção de bens e serviços. Embora os números sejam consideravelmente mais altos entre as grandes corporações, ainda não sabemos quantas realmente foram além de testes, pilotos e implementações locais para realizar o redesenho de processos de ponta a ponta, muito menos a reinvenção do modelo de negócios.
Nada disso quer dizer que os trabalhadores e os líderes empresariais devam ser complacentes. As empresas que se reinventarem com a IA ficarão à frente dos concorrentes, e os trabalhadores que entenderem o cenário mutável das habilidades essenciais serão mais adaptáveis à medida que a tecnologia continuar a evoluir. O foco na “exposição ao emprego” agregada é uma distração das questões mais urgentes sobre quais ocupações específicas enfrentam uma disrupção iminente (e onde e com que rapidez) e como as empresas estão se adaptando ao novo potencial tecnológico ao seu alcance.
