Economistas alertam que as previsões de empregos em IA foram construídas com os dados errados

O debate sobre empregos em IA pode estar correndo à frente das evidências

No setor de tecnologia, as previsões sobre perdas de emprego impulsionadas por IA se tornaram cada vez mais dramáticas. A MIT Technology Review captura bem o clima: executivos e pesquisadores falam abertamente sobre riscos de recessão, o colapso das escadas de carreira no início da trajetória profissional e a possibilidade de a IA atuar como um substituto amplo para o trabalho. Mas a publicação também destaca um contraponto mais sóbrio do economista Alex Imas, da Universidade de Chicago: as ferramentas de dados comumente usadas para estimar a disrupção do trabalho podem ser profundamente inadequadas.

A crítica central é que economistas e formuladores de política estão confiando demais na exposição por tarefas. Se um trabalho contém tarefas que a IA poderia plausivelmente executar, esse trabalho frequentemente é tratado como em risco. Imas argumenta que isso não basta. A exposição, em suas palavras citadas no texto de origem, não é um preditor significativo de deslocamento por si só.

Por que a exposição por tarefas é um instrumento grosseiro demais

O artigo explica a lógica por meio de um exemplo familiar. Os empregos são conjuntos de muitas tarefas, algumas das quais podem ser automatizadas e outras não. Pesquisadores têm usado um catálogo governamental de tarefas, criado pela primeira vez em 1998 e atualizado regularmente, para estimar o quanto as ocupações estão expostas à IA. A OpenAI usou esse tipo de dado em dezembro para avaliar a exposição ocupacional, e a Anthropic depois comparou essas listas de tarefas com milhões de conversas no Claude para ver quais tarefas os usuários estavam realmente realizando com IA.

Isso parece rigoroso, mas o problema é estrutural. Um trabalho não é simplesmente a soma de suas tarefas automatizáveis. Algumas tarefas são centrais, outras periféricas, e outras estão fortemente ligadas à confiança, à regulação ou ao julgamento presencial. Substituir ou complementar uma tarefa não apaga automaticamente o papel ao redor dela. Assim, os dados de exposição podem nos dizer onde a IA toca o trabalho, mas não como o emprego vai mudar.

O dado que falta é a realidade em nível de trabalhador

A MIT Technology Review diz que Imas está pedindo aos economistas que coletem outro tipo de evidência: dados que capturem o que de fato está acontecendo com os trabalhadores à medida que as ferramentas de IA entram no mercado de trabalho. Esse pedido importa porque a maior parte do debate público ainda é dominada por projeções, anedotas ou retórica empresarial, em vez de evidências longitudinais sobre salários, horas de trabalho, contratações, progressão de carreira e substituição.

Na prática, isso significa que o debate está acontecendo na ordem errada. A sociedade está discutindo respostas de política antes de construir o sistema de medição necessário para entender a escala e a forma do problema. Se a IA afeta os mercados de trabalho de maneira desigual, com variações fortes por idade, setor, senioridade e geografia, então escores grosseiros de exposição em nível ocupacional podem ocultar mais do que revelar.

Por que isso importa agora

A urgência não é apenas acadêmica. O artigo observa que os trabalhadores já estão em pânico e que os legisladores ainda não articularam um plano coerente para o que vem a seguir. Essa é uma combinação perigosa. Quando o medo público é alto e a evidência é fraca, a política pode se tornar reativa, simbólica ou capturada pela narrativa mais alta.

Mesmo economistas que antes alertavam contra ler em excesso o impacto da IA sobre o trabalho estão, segundo o texto, se aproximando da visão de que essa tecnologia pode ter um efeito sem precedentes sobre o trabalho. Isso não valida toda afirmação apocalíptica. Mas sugere que esperar passivamente por dados melhores surgirem sozinhos pode ser um erro.

Uma lacuna de medição pode virar falha de política

A ideia mais importante do texto é que uma medição ruim não cria apenas confusão acadêmica. Ela pode enfraquecer diretamente a capacidade de formulação de políticas. Se os governos não sabem quais trabalhadores estão sendo deslocados, quais funções estão se transformando ou onde as escadas de carreira no início da trajetória começaram a quebrar, eles não conseguem desenhar respostas direcionadas. Política de treinamento, planejamento de rede de proteção, reforma educacional e até debates tributários dependem de entender o que a IA realmente está fazendo dentro das empresas e das ocupações.

É por isso que a chamada descrita no artigo parece tanto um desafio institucional quanto econômico. Construir melhores dados do mercado de trabalho em torno da IA pode exigir coordenação entre pesquisadores, empregadores e órgãos públicos. Também pode exigir um ritmo mais rápido do que o das estatísticas trabalhistas normais, que muitas vezes ficam atrás das mudanças reais na organização do trabalho.

O debate sobre o futuro do trabalho precisa de melhor instrumentação

Uma razão pela qual os argumentos sobre IA e trabalho se tornaram tão polarizados é que a conversa está ocorrendo com instrumentação fraca. De um lado, há alegações amplas de que a IA em breve fará quase todos os empregos. Do outro, há lembretes de que perdas em massa de empregos ainda não apareceram de forma clara nos dados agregados. Ambos podem ser verdadeiros em sentidos limitados e ainda assim falhar em captar o que está acontecendo abaixo da superfície.

A contribuição da MIT Technology Review aqui é identificar a lacuna entre exposição e deslocamento como a principal linha de falha analítica. Essa distinção merece mais atenção. Um trabalho pode estar altamente exposto à IA e, ainda assim, permanecer durável por anos. Outro pode estar apenas parcialmente exposto, mas se tornar vulnerável porque as tarefas juniores desaparecem primeiro, cortando o pipeline que forma futuros especialistas.

A próxima grande história séria sobre IA e trabalho provavelmente será estatística, não retórica

A principal conclusão do texto é que a sociedade precisa de menos teatro e mais evidências. Grandes previsões sobre substituição total do trabalho podem dominar as manchetes, mas não substituem a medição disciplinada. Se os economistas estiverem certos de que as ferramentas atuais são péssimas, então o próximo passo crucial não é mais um painel de debate sobre se a IA vai destruir o trabalho. É um esforço sustentado para reunir os dados em nível de trabalhador necessários para ver o que realmente está mudando.

Até lá, tanto o otimismo quanto o pânico continuarão subdeterminados. O debate sobre o futuro do trabalho agora é grande o suficiente para que a ausência de melhores evidências esteja se tornando, por si só, um dos fatos mais importantes sobre a IA.

Este artigo é baseado na reportagem da MIT Technology Review. Leia o artigo original.