Meridiano

Add Article

No Image Available

Article Details

Title

Article: IA e trabalho: como fugir da transição dolorosa

Impact Score

6 / 10

AI Summary (Processed Content)

Resumo objetivo:
A notícia discute os impactos da inteligência artificial e automação no mercado de trabalho brasileiro entre 2027 e 2030, apontando dois cenários possíveis: uma transição excludente, que pode afetar até 30% dos postos de trabalho, ou uma transição inclusiva, com requalificação, aumento de renda e redução da informalidade. O artigo destaca que, embora a IA não elimine ocupações inteiras, ela reconfigura tarefas e exige novas qualificações, com efeitos diferenciados por setor e perfil demográfico. O resultado final dependerá de fatores institucionais, como políticas públicas e estratégias de capacitação.

Principais tópicos abordados:
1. Cenários futuros do trabalho no Brasil frente à IA e automação (inclusivo vs. excludente).
2. Dados do mercado de trabalho brasileiro em 2025 (baixo desemprego, alta informalidade).
3. Impacto diferenciado da IA por setores e grupos (mulheres, jovens).
4. Papel das instituições e políticas públicas na direção da transição tecnológica.

Original URL

https://outraspalavras.net/tecnologiaemdisputa/ia-e-trabalho-como-fugir-da-transicao-dolorosa/

Source Feed

Outras Palavras

Published Date

2026-03-11 22:20

Fetched Date

2026-03-11 20:16

Processed Date

2026-03-11 20:17

Embedding Status

Present

Cluster ID

Not Clustered

Raw Extracted Content

IA e trabalho: como fugir da transição dolorosa
Tecnologia impõe enormes riscos e oportunidades. Entre 2027 e 2030, há dois futuros possíveis. Uma automação excludente que pode afetar 30% dos postos de trabalho. Ou país pode se requalificar – com aumento da renda média e queda da informalidade
Publicado 11/03/2026 às 19:20
Introdução[1]
O mercado de trabalho brasileiro encerrou 2025 em um dos momentos mais favoráveis da história recente, segundo a série histórica iniciada em 2012. Os dados da PNAD Contínua do Instituto Brasileiro de Geografia e Estatística – IBGE indicam 103 milhões de ocupados, desemprego entre 5,1% e 5,6%, rendimento médio real em patamar recorde e informalidade em torno de 38%. Esses indicadores sugerem um ambiente de recuperação consolidada após choques econômicos recentes, mas também revelam fragilidades estruturais persistentes, como desigualdade regional, baixa produtividade média e elevada informalidade.
Ao mesmo tempo, o país ingressa em um período marcado pela aceleração da inteligência artificial (IA) generativa e da automação robótica. Segundo estimativas da Organização Internacional do Trabalho (OIT), no estudo “Generative AI and Jobs: A Refined Global Index of Occupational Exposure” [2], publicado em maio de 2025, 25% dos empregos no mundo estão potencialmente expostos à IA generativa, embora apenas 5% a 6% estejam sob risco de substituição quase total. No Brasil, estudo do IBRE/FGV, baseado na metodologia da OIT, concluiu que 30% dos trabalhadores brasileiros estavam em ocupações expostas à IA generativa no 3º trimestre de 2025 — o que corresponderia a cerca de 30,9 milhões de pessoas, com maior impacto sobre as mulheres, trabalhadores jovens e setores de comércio, serviços de informação e intermediação financeira[3].
Essa distinção é fundamental: a automação contemporânea não elimina ocupações inteiras, mas reconfigura tarefas, alterando o conteúdo do trabalho, os requisitos de qualificação e os próprios processos de trabalho, e com efeitos setoriais diferenciados. O problema central que orienta este artigo é compreender como a aceleração tecnológica entre 2026 e 2030 reconfigurará o mercado de trabalho brasileiro e quais fatores determinarão se essa transição será inclusiva ou excludente.
Referencial Teórico
A literatura internacional sobre automação e trabalho tem enfatizado que tecnologias digitais substituem tarefas rotineiras, mas criam empregos em atividades analíticas, criativas e socioemocionais. Essa abordagem, conhecida como task-based automation, desloca o foco da ocupação para o conjunto de tarefas que a compõem. Em paralelo, estudos sobre mercados de trabalho em economias avançadas mostram expansão simultânea de empregos altamente qualificados e de serviços de baixa remuneração, com erosão de funções intermediárias — fenômeno descrito como polarização ocupacional.
Outro eixo teórico relevante é o institucionalismo, que destaca que a capacidade de absorção tecnológica depende de políticas públicas, sistemas educacionais e estratégias empresariais.
Nesse sentido, segundo o Nobel de Economia Daron Acemoglu[4], o impacto da automação (e tecnologias relacionadas, como IA) na produtividade, no emprego e na desigualdade não é determinístico, mas depende criticamente das instituições, das políticas públicas, do poder relativo entre trabalhadores e capital, e das escolhas sociais e empresariais sobre o direcionamento da inovação tecnológica.
Países com instituições robustas tendem a transformar automação em produtividade; países com instituições frágeis tendem a converter automação em desigualdade. Essa perspectiva é particularmente pertinente ao caso brasileiro, dada a heterogeneidade regional e a persistência de informalidade estrutural.
Diagnóstico do Mercado de Trabalho em 2025
O mercado de trabalho brasileiro encerrou 2025 em uma das melhores posições da série histórica da PNAD Contínua iniciada em 2012.
De acordo com a PNAD Contínua (IBGE), a redução da taxa de desemprego ou desocupação, conforme a terminologia oficial do IBGE, no Brasil entre 2022 e 2025 foi uma das mais expressivas da série histórica. O período marcou uma forte recuperação pós-pandemia, com queda contínua ano a ano, impulsionada por crescimento econômico, políticas de estímulo ao consumo, formalização de empregos e aumento da ocupação: em 2022, o desemprego estava em 9,6%, passando para 7,7% em 2023, e 6,6% em 2024. Em 2025, o país registrou 103 milhões de ocupados, taxa de desemprego entre 5,1% e 5,6%, rendimento médio real em patamar recorde (R$ 3.613) e informalidade estrutural em torno de 38%. No 4º trimestre de 2025 (outubro a dezembro), a taxa chegou a 5,1%, o menor nível trimestral já registrado desde 2012. Isso representou uma redução de 1,1 p.p. em comparação ao mesmo período de 2024 (6,2%).
Esse quadro reflete uma recuperação consolidada após os choques econômicos recentes, com indicadores agregados favoráveis: ocupação em nível histórico máximo, desemprego em patamar baixo e crescimento real expressivo da renda média do trabalho.
No entanto, persistem fragilidades estruturais importantes, como a alta informalidade, que limita a proteção social, a arrecadação previdenciária e a capacidade de absorção de ganhos de produtividade, a desigualdade regional acentuada, que restringe a difusão homogênea de tecnologias, investimentos e oportunidades qualificadas, e a baixa produtividade média da economia, que coexiste com a elevada informalidade e com uma estrutura ocupacional ainda concentrada em setores de baixa e média complexidade tecnológica (comércio e serviços privados respondem por mais de 58% da ocupação total, enquanto a indústria representa apenas 12–14%).
A composição setorial da ocupação — com forte peso de comércio (18–20%), administração pública, educação e saúde (17–19%), indústria (12–14%) e serviços privados diversos (acima de 40%) — condiciona fortemente os potenciais impactos da automação e da inteligência artificial nos próximos anos. Essa combinação de força cíclica e fragilidade estrutural define o ponto de partida brasileiro para o período de aceleração tecnológica entre 2026 e 2030.
Dinâmicas da Automação e da IA
A automação contemporânea opera em nível de tarefas, não de ocupações. Isso significa que ocupações inteiras raramente desaparecem; em vez disso, são reconfiguradas. Esse processo gera deslocamento de tarefas rotineiras, aumento do prêmio salarial para trabalhadores com competências tecnológicas e risco de polarização ocupacional. A adoção de IA é mais intensa em grandes empresas e setores digitais, mas tende a se difundir rapidamente. A desigualdade regional brasileira amplifica esse efeito, criando riscos de transições assimétricas entre regiões e grupos sociais, já que a adoção de IA e automação apresenta heterogeneidade setorial, sendo mais intensa em grandes empresas e setores digitais.
Os setores intensivos em tarefas padronizadas e repetitivas tendem a ser mais impactados, enquanto áreas baseadas em interação humana e criatividade tendem a crescer. A velocidade e a direção dessas mudanças dependerão de três fatores centrais: (i) capacidade de requalificação da força de trabalho; (ii) regulação do trabalho digital; e (iii) integração estratégica da IA pelas empresas.
A adoção de IA e automação apresenta heterogeneidade setorial, sendo mais intensa em grandes empresas e setores digitais. A tendência, contudo, é de aceleração generalizada. Os efeitos esperados incluem o deslocamento de tarefas padronizadas e repetitivas, tanto manuais quanto cognitivas, a elevação do prêmio salarial para trabalhadores com competências digitais e domínio de IA e uma polarização ocupacional, com expansão simultânea de empregos altamente qualificados e de serviços não automatizáveis.
Impactos Setoriais
No período 2027-2030, a indústria deve experimentar redução de 10% a 20% em tarefas repetitivas, mas essa perda deve ser compensada em parte pelo aumento da demanda por técnicos, analistas e operadores qualificados[5]. A tendência é de leve queda líquida no emprego, compensada por ganhos de produtividade.
Já o comércio, em que ocorre maior exposição à IA, será profundamente afetado por automação de atendimento, autoatendimento e logística inteligente, com redução de funções operacionais e expansão de atividades relacionadas a e-commerce, análise de dados e marketing digital. Os serviços, cuja exposição atual à IA é das mais elevadas (superando 80% das ocupações expostas à IA, segundo o IBRE/FGV) concentram o maior impacto absoluto da IA generativa, especialmente em atividades administrativas, contábeis, jurídicas e de atendimento. Em contrapartida, setores como saúde, educação, cuidados pessoais e economia criativa devem expandir, reforçando a tese de reconfiguração — e não colapso — do setor.
Cenários Prospectivos para 2030
No Anexo a este artigo (Modelagem Econométrica dos Impactos da IA e Automação (2026–2030), encontram-se os elementos e premissas que permitem identificar, em três cenários, o comportamento do emprego e renda no período até 2030.
Num cenário otimista, denominado “aceleração inclusiva”, pressupõe-se que sejam adotadas políticas robustas de requalificação, incentivos tributários, creditícios ou fiscais à adoção de IA em pequenas e médias empresas (PMEs) e expansão de setores intensivos em interação humana. Nesse caso, dados os potenciais impactos das medidas apontadas, o desemprego se manteria entre 4,8% e 5,5%, a renda real cresceria entre 20% e 25% e a informalidade cairia para 34%–36%.
Num cenário intermediário, que consideramos o mais provável, descreve-se uma “transição gerenciável”, na qual a automação avança mais rápido que a requalificação, especialmente em regiões vulneráveis. Na ausência ou insuficiência de políticas proativas coordenadas (requalificação em escala, incentivos à difusão em PMEs, proteção social ágil), o Brasil tende mais para desigualdades ampliadas e transições dolorosas do que para aceleração inclusiva: o desemprego subiria para 6%–7,5%, a renda real cresceria entre 12% e 18% e a informalidade permaneceria entre 38% e 40%.
Num cenário pessimista, denominado “automação excludente”, projeta-se a substituição tecnológica rápida e concentrada em varejo, logística e serviços administrativos. O desemprego poderia alcançar 8%–10%, a renda real cresceria apenas entre 5% e 8% e a informalidade subiria para 42%–45%. Isso porque essa “automação excludente” tem como efeitos a alta substituição em ocupações rotineiras sem criação equivalente de empregos acessíveis, a concentração dos ganhos de produtividade, acarretando estagnação salarial e aumento da informalidade como mecanismo de absorção do choque.
O crescimento da renda média, porém, evidencia um paradoxo: a renda média do trabalho aumenta ao mesmo tempo em que a maior parte dos trabalhadores empobrece.
Esse fenômeno ocorre porque a automação excludente redistribui a renda de forma profundamente desigual, concentrando ganhos extraordinários no topo da pirâmide enquanto reduz salários, oportunidades e estabilidade para a maioria, o que, no Brasil, seria catastrófico, dada a já elevada concentração de renda[6]. Em vez de elevar o bem-estar geral, o crescimento da renda média torna-se um indicador enganoso, pois reflete apenas a expansão dos rendimentos de uma minoria que controla capital, infraestrutura computacional e empresas intensivas em IA.
O relatório The 2028 Global Intelligence Crisis, da CitriniResearch[7], descreve esse processo com clareza ao mostrar que a automação massiva reduz custos de trabalho, aumenta a produtividade e amplia drasticamente os lucros das empresas que dominam a infraestrutura de IA. Esses ganhos, porém, não se distribuem pela economia real. Eles se acumulam em um grupo cada vez menor de proprietários de tecnologia, enquanto trabalhadores qualificados perdem seus postos para sistemas automatizados e são forçados a aceitar funções de menor remuneração. O resultado é um colapso dos salários reais para a maioria, acompanhado de uma explosão de renda e riqueza no topo.
Esse descolamento entre produtividade e salários cria o que o relatório chama de “Ghost GDP”: um crescimento econômico que aparece nas estatísticas nacionais, mas não circula entre as famílias. A renda média sobe porque os rendimentos dos mais ricos crescem em ritmo muito superior ao restante da população, distorcendo a média aritmética. Ao mesmo tempo, a renda mediana — que representa o trabalhador típico — cai, revelando que a maior parte da força de trabalho está em situação pior. Assim, o aumento da renda média não indica prosperidade, mas sim a intensificação da desigualdade.
O paradoxo se completa quando se observa que, mesmo com desemprego elevado, precarização e queda da massa salarial, a renda média pode continuar crescendo. Isso ocorre porque a automação concentra os ganhos de produtividade em poucos agentes econômicos, enquanto a maioria enfrenta rebaixamento ocupacional e perda de renda. A economia, portanto, cresce “para cima”, e não “para fora”. O crescimento da renda média, nesse contexto, deixa de ser um indicador de bem-estar e passa a ser um sintoma de concentração extrema.
Discussão
Nesse contexto, o debate central desloca-se da pergunta “quantos empregos serão destruídos?” para “quem terá acesso às novas oportunidades e quem ficará excluído?”. A resposta depende de fatores institucionais, educacionais e regulatórios — e não apenas da tecnologia em si.
Reitera-se que, conforme mencionado no Diagnóstico do Mercado de Trabalho em 2025, o ponto de partida brasileiro nesse processo de automação tecnológica apresenta simultaneamente força e fragilidade. A força está nos indicadores agregados: ocupação recorde, desemprego baixo e renda real elevada. A fragilidade reside na informalidade estrutural e na desigualdade regional, que limita a difusão homogênea de tecnologias e oportunidades.
A expansão simultânea de empregos altamente qualificados e de serviços não automatizáveis, acompanhada da erosão de funções intermediárias, configura um mercado polarizado. Essa tendência já observada em economias avançadas tende a se intensificar no Brasil.
O domínio de ferramentas digitais e IA torna-se determinante para empregabilidade, mobilidade ocupacional e proteção contra a informalidade. A ausência de políticas educacionais robustas pode cristalizar desigualdades.
A centralidade da educação emerge como elemento estruturante da transição tecnológica. O domínio de ferramentas digitais e IA torna-se determinante para empregabilidade, mobilidade ocupacional e proteção contra a informalidade. A ausência de políticas educacionais robustas pode cristalizar desigualdades e limitar a capacidade do país de aproveitar os ganhos de produtividade associados à automação.
A importância das instituições também se destaca. A transição tecnológica não é neutra: depende de políticas públicas, incentivos econômicos e estratégias empresariais. Países que investem em requalificação e regulação inteligente tendem a transformar automação em inclusão; países que negligenciam esses fatores tendem a ampliar desigualdades. No caso brasileiro, a heterogeneidade regional e a informalidade estrutural tornam essa discussão ainda mais urgente.
Outro tema emergente é o debate sobre jornada de trabalho. A redução da jornada — incluindo a semana de quatro ou cinco dias, atualmente em discussão no Congresso Nacional, em substituição à jornada “6×1”, com redução gradual da carga de trabalho semanal, das atuais 44 horas para 40 ou 36 horas — aparece como alternativa para redistribuição do trabalho em cenários de automação acelerada. Embora ainda incipiente no Brasil, e apesar da forte resistência do setor empresarial[8], essa discussão tende a ganhar relevância à medida que a automação substitui tarefas rotineiras.
Implicações Estratégicas
As implicações para os trabalhadores são profundas. Carreiras tornam-se mais dinâmicas, com transições frequentes e necessidade de requalificação contínua. Perfis híbridos, que combinam competências técnicas e socioemocionais, tornam-se o padrão. Para as empresas, a vantagem competitiva dependerá da capacidade de integrar IA sem descartar talento humano, e de como evitar os efeitos perversos da automação sobre a renda média.
Por seu lado, a escassez de profissionais qualificados pode limitar ganhos de produtividade e ampliar desigualdades salariais, enquanto a demissão de empregados para reduzir custos de mão-de obra – e sua recolocação em ocupações de menor renda – pode ter impactos dramáticos sobre a própria economia gig[9].
Para as políticas públicas, a prioridade é a criação de um programa nacional de requalificação contínua, capaz de atender entre 15 e 20 milhões de trabalhadores. A regulação da economia gig, os incentivos à adoção de IA em pequenas e microempresas e a expansão do ensino técnico são medidas essenciais para garantir uma transição inclusiva. A ausência dessas políticas pode transformar a automação em vetor de exclusão, aprofundando a concentração de renda e a desigualdade.
Como informa James Görgen em artigo publicado em 26.02.2026[10], acha-se em curso uma estratégia coordenada do governo Trump para bloquear avanços em soberania digital em países como o Brasil, protegendo os interesses das big techs americanas (Google, Meta, X, Microsoft etc.). Em fevereiro de 2026, um telegrama interno do Departamento de Estado, assinado pelo secretário Marco Rubio e revelado pela Reuters, instruiu diplomatas americanos a monitorar e combater ativamente propostas de soberania de dados e localização obrigatória em outros países. O documento classifica essas medidas como ameaças aos fluxos globais de dados, à IA, à computação em nuvem e à cibersegurança, além de associá-las a riscos de censura e controle governamental excessivo — narrativa que equipara regulação soberana a autoritarismo. No plano multilateral, os EUA boicotam ou esvaziam agendas no G20 (sob presidência americana em 2026) — ignorando temas como governança de dados e infraestrutura pública digital defendidos por Brasil, Índia e África do Sul — e pressionam por extensão indefinida da moratória sobre tarifas em transmissões eletrônicas na OMC, o que limitaria a capacidade de países em desenvolvimento tributarem serviços digitais. O cerco combina pressão econômica (Seção 301), diplomática (telegrama de Rubio) e retórica (deslegitimação de regulações como barreiras ao comércio ou censura), criando um ambiente onde avançar em soberania digital parece caro, arriscado e diplomaticamente inviável. Assim, a necessidade de regulação das big techs emerge como central para preservar a soberania digital do Brasil. Sem ela, os dados — principal insumo da economia digital — permanecem sob controle estrangeiro, com valor econômico, político e tecnológico capturado pelas plataformas americanas. A regulação soberana (responsabilidade por conteúdos, proteção de dados, tributação e localização estratégica) é essencial para equilibrar o poder assimétrico, garantir inclusão financeira (como o Pix), proteger liberdades civis locais e evitar dependência tecnológica.
Conclusão
Em vista das tendências globais e da vulnerabilidade do País às tecnologias geradas pelas big techs, o período 2026–2030 será decisivo para o futuro do trabalho no Brasil.
Embora não se possa afirmar que o Brasil se dirija a um cenário de desemprego estrutural massivo, mas a uma reorganização ocupacional, aumento moderado do desemprego friccional, crescimento real da renda média e maior prêmio salarial para qualificação tecnológica, é preciso pensar em políticas públicas para mitigar os impactos da IA.
A tecnologia, por si só, não produz desemprego em massa; o risco reside na incapacidade institucional de acompanhar sua velocidade. A janela crítica situa-se entre 2026 e 2028, quando decisões sobre educação, regulação e incentivos determinarão se o País seguirá um caminho de inclusão tecnológica ou de ampliação das desigualdades estruturais.
Regular o avanço das tecnologias, impedindo que a disseminação da IA sob o controle total das big techs se converta num mecanismo de destruição não-criativa, substituindo de forma generalizada o ser humano por tecnologias sem controle, é um enorme desafio. Essa atuação requer uma posição firme em favor da soberania do País.
Assim, o desafio brasileiro não é apenas tecnológico, mas político e institucional: transformar a automação em motor de desenvolvimento inclusivo exige coordenação entre Estado, empresas e trabalhadores, ações regulatórias firmes, e um olhar diferenciado sobre os riscos de aumento da concentração de renda e exclusão no mercado de trabalho.
Anexo – Modelagem Econométrica dos Impactos da IA e Automação (2026–2030)
1. Estrutura Analítica
Parte-se de uma função de produção Cobb-Douglas ampliada, incorporando capital digital e segmentação do trabalho por intensidade tecnológica. A especificação geral assume a forma
onde A representa a produtividade total dos fatores (PTF), K o capital físico, LT o trabalho complementar à IA e LN o trabalho rotineiro potencialmente substituível. A difusão de IA afeta simultaneamente a PTF e a composição do trabalho, com efeitos diferenciados sobre elasticidade emprego-produto.
Com base na literatura internacional, adota-se elasticidade emprego-produto histórica brasileira de aproximadamente 0,55, com redução para 0,35–0,45 em cenários de automação intensiva. Estudos recentes indicam que ganhos de PTF associados à IA podem variar entre 0,8% e 2,5% ao ano, dependendo do grau de difusão tecnológica e complementaridade institucional.
2. Simulações Quantitativas
Foram construídos três cenários prospectivos (aceleração inclusiva, transição gerenciável e automação excludente), com hipóteses diferenciadas de crescimento do PIB, intensidade de difusão de IA e escala de requalificação profissional. As projeções indicam que, no cenário inclusivo, o emprego pode crescer até 6,8% acumulado até 2030, com redução da informalidade para 34% e aumento da renda média real em aproximadamente 23%. No cenário excludente, o emprego pode estagnar ou retrair marginalmente, com aumento da informalidade para 43% e elevação do coeficiente de Gini do trabalho para patamar entre 0,54 e 0,56.
3. Decomposição da Renda Média
A variação da renda média pode ser decomposta em três componentes: (i) efeito produtividade; (ii) efeito composição ocupacional; e (iii) efeito substituição. No cenário excludente, observa-se crescimento da renda média acompanhado de queda da renda mediana, indicando concentração distributiva dos ganhos tecnológicos.
3. Notas Metodológicas
As estimativas utilizam parâmetros derivados de estudos da Organização Internacional do Trabalho (2025), da Organização para a Cooperação e Desenvolvimento Econômico (2023–2025) e dos trabalhos de Acemoglu e Restrepo sobre automação orientada a tarefas e seus efeitos distributivos. A modelagem assume neutralidade de política fiscal e monetária no horizonte projetado e mantém constante a participação do trabalho no PIB, salvo nos cenários de automação excludente, onde se admite redução de até 2 p.p.
As tabelas a seguir apresentam detalhamento econométrico das simulações realizadas no artigo, incluindo especificações de modelos, parâmetros calibrados e tabelas de resultados estimados.
Tabela A1 – Estimativas Simuladas do Modelo de Produção Ampliado
Tabela A2 – Elasticidade Emprego-Produto por Cenário
Tabela A3 – Indicadores Distributivos Projetados para 2030
A calibração dos coeficientes baseou-se em literatura internacional sobre automação orientada a tarefas, com parâmetros consistentes com estudos empíricos de Acemoglu e Restrepo (2018; 2020).
As elasticidades foram ajustadas à estrutura setorial brasileira, considerando dados da PNAD Contínua e projeções de crescimento potencial do PIB entre 2,0% e 3,2% ao ano.
Os erros-padrão apresentados são simulados a partir de intervalos observados em estudos da OIT e da OCDE, não correspondendo a regressões originais com microdados nacionais.
As projeções distributivas assumem manutenção do regime macroeconômico atual, sem choques fiscais ou externos significativos no período.
Tabela B1 – Regressão Simulada: Crescimento do Emprego (Modelo Log-Linear)
Tabela B2 – Modelo de Impacto Distributivo (Regressão Quantílica Simulada)
Tabela B3 – Indicadores Distributivos Comentados por Cenário (2030)
No cenário excludente, observa-se divergência entre renda média e mediana, confirmando concentração distributiva. O cenário inclusivo neutraliza parcialmente o efeito substituição via requalificação e expansão de setores intensivos em interação humana.
Referências
ACEMOGLU, D.; RESTREPO, P. (2018). Artificial Intelligence, Automation and Work. NBER Working Paper.
ACEMOGLU, D.; RESTREPO, P. (2020). Robots and Jobs: Evidence from US Labor Markets. Journal of Political Economy.
ORGANIZAÇÃO INTERNACIONAL DO TRABALHO (2025). Generative AI and Jobs: A Refined Global Index of Occupational Exposure.
ORGANIZAÇÃO PARA A COOPERAÇÃO E DESENVOLVIMENTO ECONÔMICO (2023). OECD Employment Outlook.
ORGANIZAÇÃO PARA A COOPERAÇÃO E DESENVOLVIMENTO ECONÔMICO (2024). AI and the Future of Work.
[1] O autor agradece as críticas e sugestões de Petronio Portela Nunes Filho, Carlos Eduardo Esteves Lima James Görgen e Regina Souza, na elaboração deste artigo. Porém, os erros e inconsistências remanescentes são de inteira responsabilidade do autor. A modelagem econométrica constante do Anexo foi elaborada com apoio em inteligência artificial.
[2] https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
[3] https://valor.globo.com/brasil/noticia/2026/01/02/quase-1-3-dos-trabalhadores-do-pais-tem-emprego-exposto-a-ia.ghtml
[4] Ver ACEMOGLU, Daron, e James A. Robinson. 2012. Why Nations Fail: The Origins of Power, Prosperity, and Poverty. New York: Crown Business e ACEMOGLU, Daron, e Simon Johnson. 2023. Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity. New York: PublicAffairs.
[5] Ver Observatório Nacional da Indústria (ONI). (2024). Mapa do Trabalho Industrial 2025-2027. Confederação Nacional da Indústria (CNI) / Serviço Nacional de Aprendizagem Industrial (SENAI). Disponível em: https://www.portaldaindustria.com.br/canais/observatorio-nacional-da-industria/produtos/mapa-do-trabalho-industrial-2025-2027 e Observatório Nacional da Indústria (ONI). (2025). Prospectiva: Formação profissional na indústria brasileira até 2035. Confederação Nacional da Indústria (CNI). Disponível em: https://www.portaldaindustria.com.br/canais/observatorio-nacional-da-industria/produtos/prospectiva-formacao-profissional .
[6] De acordo com dados do IBGE (baseados na PNAD Contínua e Síntese de Indicadores Sociais), o índice Gini do rendimento domiciliar per capita caiu para 0,504 (ou 50,4) em 2024 — o menor valor da série histórica iniciada em 2012, impulsionado por saída de 8,6 milhões de pessoas da pobreza entre 2023 e 2024. Em 2023, era 0,517. Apesar da melhora, o Brasil continua com desigualdade muito alta e segue entre os países mais desiguais do mundo em termos de renda, especialmente na América Latina e entre economias emergentes, situando-se na 4ª ou 5ª posição. Ver https://www.gov.br/secom/pt-br/acompanhe-a-secom/noticias/2025/11/com-recorde-de-renda-brasil-registra-menor-nivel-historico-de-pobreza-e-desigualdade-em-2024
[7] Disponível em https://www.citriniresearch.com/p/2028gic, divulgado em 22.02.2026
[8] Ver https://www.cnnbrasil.com.br/economia/macroeconomia/setores-coordenam-reacao-para-que-debate-sobre-6×1-ocorra-apos-eleicoes/, 25.02.2026 e https://www.portaldaindustria.com.br/canais/observatorio-nacional-da-industria/estudos-e-insights/reducao-de-jornada-de-trabalho/. Para a CNI, a proposta em tramitação no Congresso Nacional para reduzir a jornada de trabalho semanal para 40 horas elevará os gastos com empregados formais na economia e tende a reduzir a produtividade, e os custos com mão de obra formal aumentariam entre R$ 178,2 bilhões e R$ 267,2 bilhões anuais, o equivalente a uma elevação entre 4,7% e 7,0% dos gastos totais com empregados formais, dependendo da estratégia adotada pelas empresas (contratação de novos empregados ou pagamento de horas extras). A indústria seria fortemente afetada: os custos com empregados formais no setor aumentariam entre R$ 58,5 bilhões e R$ 87,8 bilhões por ano, com acréscimo de até 11,1% do custo estimado para 2024.
[9] A economia gig (ou gig economy, em inglês) é um modelo de mercado de trabalho caracterizado pela predominância de trabalhos temporários, contratos de curta duração, freelance e atividades pontuais, em oposição aos empregos tradicionais com vínculo empregatício fixo e de longo prazo (como a CLT no Brasil), especialmente o mediado por plataformas tecnológicas. O pagamento é feito por tarefa concluída (“por gig”), e não por hora fixa ou salário mensal. O trabalhador escolhe quando, quanto e para quem trabalhar, ganhando flexibilidade e autonomia, mas sem garantias como férias remuneradas, 13º salário, FGTS ou estabilidade. O já citado Relatório da CitriniResearch examina como o avanço da IA poderá afetar dramaticamente a economia, num círculo vicioso de destruição de empregos e das próprias empresas de tecnologia.
[10] Ver https://florestadigital.tec.br/um-telegrama-uma-investiga%C3%A7%C3%A3o-e-outros-fronts-de-press%C3%A3o-806324bc1ab8 .
Outras Palavras é feito por muitas mãos. Se você valoriza nossa produção, seja nosso apoiador e fortaleça o jornalismo crítico: apoia.se/outraspalavras