Inteligência artificial generativa e mercado de trabalho no Brasil: evidências iniciais sobre ocupação e renda
Estudo indica que a IA generativa impacta 30 milhões de trabalhadores no Brasil, com efeitos concentrados em jovens de 18 a 29 anos, resultando em queda na ocupação e renda. A análise aponta para a substituição de tarefas em funções de entrada.
Introdução
Com o avanço recente da inteligência artificial, em especial da IA generativa, o debate sobre uma questão clássica da economia do trabalho ressurgiu. Admite-se que as novas tecnologias elevam produtividade, mas também podem deslocar tarefas, alterar o perfil das ocupações e produzir efeitos distributivos relevantes. Em um recente estudo, Paulo Peruchetti, Fernando de Holanda Barbosa Filho e Janaína Feijó mapeiam a exposição potencial das ocupações à IA generativa com base em um índice da OIT, estruturado a partir de tarefas e alinhado ao padrão ISCO-08. Ainda, eles discutem que o problema não deve ser lido como uma dicotomia simples entre “substituição” e “complementaridade”, mas como uma reconfiguração do conteúdo do trabalho.
Esse mapeamento já mostra que o impacto potencial é relevante. No terceiro trimestre de 2025, quase 30 milhões de trabalhadores no Brasil estavam em ocupações com algum grau de exposição à IA generativa, o equivalente a 29,6% da população ocupada. Ainda, cerca de 5,2 milhões estavam no gradiente mais elevado de exposição. A exposição é maior entre mulheres, jovens, mais escolarizados, na região Sudeste e no setor de serviços, especialmente em informação e comunicação e serviços financeiros. O próprio estudo também recorre à evidência do FMI para mostrar que, no caso brasileiro, algo em torno de 20% dos ocupados combina alta exposição com baixa complementaridade, sendo esse o grupo mais vulnerável a perdas de emprego, enquanto pouco mais de 20% combina alta exposição com elevada complementaridade, o que sugere potencial de ganhos de produtividade e salário.
Mas exposição potencial não é impacto realizado. Um índice ocupacional baseado em tarefas informa onde a IA pode incidir, não como ela já está afetando o mercado de trabalho. Este artigo procura justamente dar esse passo adicional. Com isso, estimo efeitos iniciais da difusão pública da IA generativa sobre ocupação e renda do trabalho no Brasil, inspirando-se conceitualmente no estudo de Peruchetti, Barbosa Filho e Feijó e, metodologicamente, numa estratégia semelhante à que utilizei em um estudo anterior sobre os efeitos dos aplicativos no mercado de trabalho: comparar, ao longo do tempo, grupos ex ante mais expostos com grupos menos expostos, usando uma medida de exposição predita construída antes do choque tecnológico se difundir.
Metodologia
A base empírica é a PNAD Contínua trimestral em cortes repetidos de 2022T1 a 2025T2, com dois desfechos principais: um indicador de ocupação (ocupado versus não ocupado) e o logaritmo da remuneração real do trabalho. O desenho econométrico segue uma lógica de diferenças-em-diferenças dinâmico com “dose” contínua de exposição. O problema central é evitar endogeneidade por realocação ocupacional: se a IA já estiver afetando o mercado, medir a exposição pela ocupação corrente mistura efeito causal com seleção pós-choque. Para contornar esse problema, a exposição é congelada no cenário pré-IA, em 2022T3, o último trimestre plenamente anterior ao lançamento público inicial das ferramentas que marcam o início da difusão mais ampla.
Confira o arquivo completo aqui
As opiniões expressas neste artigo são de responsabilidade exclusiva do autor, não refletindo necessariamente a opinião institucional da FGV.
Deixar Comentário