A Anthropic publicou recentemente um relatório de pesquisa intitulado "Labor market impacts of AI: A new measure and early evidence", cujo núcleo é fazer algo que ninguém havia feito antes: distinguir entre o que a IA "teoricamente pode fazer" e o que ela "está realmente fazendo" na prática.
Essa diferença é muito mais importante do que você imagina.
Por que as previsões anteriores sempre erravam
Antes, ao avaliar o impacto da IA no trabalho, as pessoas geralmente faziam o seguinte: listavam as tarefas de um trabalho, perguntavam "a IA pode fazer isso?", calculavam uma proporção e concluíam algo como "65% dos empregos nesta profissão serão substituídos pela IA".
O problema é que entre "pode fazer" e "está fazendo" existe um abismo enorme.
O economista da Anthropic, Peter McCrory, introduziu neste estudo o conceito de "observed exposure" (exposição real observada): sobrepor as capacidades teóricas da IA com os dados reais de uso da API do Claude, para ver o que os usuários estão realmente usando a IA para fazer.
O que os dados dizem
O exemplo mais representativo são os programadores:
- Exposição teórica: 94% das tarefas de programação a IA teoricamente tem capacidade de processar
- Exposição real observada: Apenas 33% das tarefas são assumidas pela IA na realidade
Ou seja, 94% do trabalho de programadores poderia teoricamente ser concluído pela IA, mas na realidade a IA só penetrou um terço. Os outros mais de 60 pontos percentuais não são porque a IA não consegue fazer, mas por várias razões pelas quais as pessoas ainda estão fazendo: inércia, questões de autorização, regulamentação, barreiras de confiança, custos de integração…
| Profissão | Exposição teórica | Exposição real observada |
|---|---|---|
| Programador (geral) | 94% | 33% |
| Digitador de dados | Alta | Alta (próximas) |
| Microbiologista | Alta | Baixa (trabalho de laboratório não pode ser terceirizado para IA) |
| Gerente imobiliário | Média | Baixa (habilidades de negociação difíceis de IA-izar) |
Para trabalhos altamente repetitivos como digitação de dados, as exposições teórica e real são próximas — a IA realmente está fazendo esses trabalhos.
Mas para microbiologistas, a exposição teórica não é baixa (IA pode fazer análise de dados, revisão de literatura), mas a exposição real é muito baixa, porque o trabalho central é feito manualmente no laboratório.
Quem está mais em risco: Não é o grupo que você pensa
Outra descoberta contraintuitiva: os trabalhadores em profissões de alta exposição na verdade têm maior escolaridade, salários mais altos e mais mulheres.
- Nos 25% das profissões com maior exposição, o salário médio dos trabalhadores é 47% maior do que em profissões de baixa exposição
- A probabilidade de ter pós-graduação é 4,5 vezes maior
- A proporção de mulheres é 16 pontos percentuais maior do que em profissões de baixa exposição
Isso quebra o senso comum de que "a IA eliminará primeiro os trabalhos de baixa qualificação". Trabalhos de conhecimento, redação, análise, programação — esses empregos de colarinho branco — são as áreas que a IA está penetrando primeiro.
O impacto sobre os jovens já pode ser quantificado: jovens de 22 a 25 anos têm uma probabilidade 14% menor de encontrar emprego em profissões de alta exposição do que antes. Não há desemprego em massa, mas as barreiras de entrada aumentaram — há menos vagas novas nesses trabalhos porque os funcionários existentes usaram IA para aumentar a eficiência.
O que McCrory disse
"Você quer que o Claude te ajude com machine learning, mas na verdade você precisa entender machine learning para poder orientá-lo."
Isso significa: a IA não substitui a competência profissional, mas exige que o trabalhador use sua competência profissional para comandar a IA. A barreira não diminui, apenas muda de forma.
Isso corresponde aos dados de emprego: em profissões de alta exposição, os salários dos trabalhadores experientes estão subindo, mas os cargos de entrada estão desaparecendo. A IA ajuda os veteranos a aumentar a eficiência e, ao mesmo tempo, substitui parte do trabalho básico — antes, esse trabalho básico era o degrau de entrada para os jovens.
Por que esta pesquisa é importante
Antes, as discussões sobre IA e trabalho eram ou apocalípticas (a IA vai eliminar todos os empregos) ou otimistas (a IA só criará mais empregos).
O valor da pesquisa da Anthropic é: ela fornece uma estrutura mensurável que pode identificar previamente quais profissões estão sendo penetradas antes que os dados de emprego desabem. Assim, os formuladores de políticas têm tempo para reagir, em vez de esperar até que um grupo de pessoas perca seus empregos para começar a remediar.
Os dados reais observados atualmente mostram: ainda não chegou ao desemprego em massa, mas o caminho dos jovens para profissões de alta exposição já começou a se estreitar. A tendência seguinte, cada um pode deduzir por si mesmo.
Fonte de referência: Anthropic's research shows that AI can already do a huge portion of many jobs (Fortune); CocoLoop, Labor market impacts of AI: A new measure and early evidence (Anthropic Research)