IA e Trabalho
Menos apocalipse, mais deslocamento. O choque da IA é menos sobre desemprego em massa e mais sobre quem captura os ganhos de produtividade.
Existe uma assimetria importante no debate sobre IA e trabalho. Algumas das vozes mais influentes sobre a substituição do emprego humano pertencem a empresas diretamente beneficiadas pela percepção de que a IA representa uma ruptura inevitável. Isso não invalida seus alertas. Mas exige que eles sejam lidos como parte de um ecossistema de incentivos — não como previsões neutras.
Dario Amodei, da Anthropic, alertou que metade dos empregos de entrada em tecnologia, direito, consultoria e finanças poderia desaparecer nos próximos cinco anos. Projetou um “banho de sangue de colarinho branco” capaz de levar o desemprego americano a 20%. Sam Altman escreveu que “o preço de muitos tipos de trabalho cairá em direção a zero”. Elon Musk foi além: chegaria um ponto em que nenhum emprego seria necessário.
Essas afirmações capturam uma possibilidade tecnológica extrema. Também capturam um sistema de incentivos. A distância entre possibilidade técnica, adoção corporativa, substituição econômica e impacto macroeconômico é grande — e a história sugere que essa distância costuma ser subestimada em momentos de euforia.
Quanto maior a percepção de ruptura inevitável, maior o prêmio pago por ativos, empresas e modelos de negócio posicionados como beneficiários dessa ruptura. A Anthropic e a OpenAI levantaram dezenas de bilhões de dólares em rodadas privadas recentes, com valuations que refletem essa expectativa.
A narrativa de disrupção não apenas descreve o mercado. Ela ajuda a financiá-lo.
O que 125 anos ensinam
Em mais de um século de dados americanos, a força de trabalho cresceu de cerca de 29 milhões para mais de 160 milhões de pessoas — atravessando linha de montagem, ENIAC, mainframes, planilha eletrônica, PC, internet, iPhone, machine learning e ChatGPT sem que nenhum desses marcos revertesse a trajetória do emprego no agregado. A produtividade por hora trabalhada também seguiu em alta no longo prazo, com acelerações associadas a sucessivas ondas tecnológicas. Houve recuos temporários em grandes choques macroeconômicos — Grande Depressão, crise financeira de 2008 e Covid. Mas a tecnologia, por si só, não produziu colapso persistente do trabalho agregado. As reversões relevantes foram de natureza macroeconômica, financeira ou sanitária.
Grandes tecnologias não costumam aparecer na estatística como uma destruição limpa e imediata de empregos. Elas reorganizam setores, cadeias produtivas e ocupações. Primeiro mudam a microestrutura. Depois, com defasagem, aparecem na produtividade agregada. Robert Shiller mostrou em Narrative Economics que o medo de máquinas substituindo trabalhadores não é novo. A dinâmica é recorrente: dificuldades criadas por recessões, ciclos de juros ou ajustes setoriais acabam sendo atribuídas, de forma excessiva, aos efeitos permanentes da tecnologia. O risco é confundir normalização cíclica com destruição estrutural.
Há sinais de que isso já ocorre no debate atual. O AI-washing está mascarando três fenômenos distintos: a normalização do excesso de contratações da pandemia, os efeitos de inflação e juros sobre margens corporativas, e a transição de parte do setor para modelos muito mais intensivos em capital físico — data centers, chips, energia e infraestrutura.
O mercado já precificou uma revolução de produtividade. A história sugere que ela pode vir. Mas não necessariamente do jeito que a narrativa promete. O primeiro efeito visível não é um salto limpo no PIB por hora trabalhada. É uma mudança na composição do investimento, na estrutura de custos das empresas e na demanda relativa por trabalho. Em abril de 2026, os EUA criaram 115 mil vagas líquidas, com desemprego estável em 4,3%. Saúde, transporte, armazenagem e varejo continuaram contratando. A economia não parou de empregar. Ela está empregando de outro jeito. O choque não é uniforme. É setorial, ocupacional e distributivo.
O paradoxo de Jevons e o que os contadores ensinam
Ao medir o impacto das grandes inovações tecnológicas sobre profissões que, em tese, deveriam ser destruídas por elas, o padrão que emerge é mais ambíguo do que o debate público sugere.
Bancários não desapareceram depois dos ATMs. Fotógrafos profissionais não desapareceram depois da câmera digital. Trabalhadores de logística cresceram na era da Amazon. Cartógrafos e especialistas em informação geográfica não desapareceram depois do GPS e do Google Maps. Em vários casos, a tecnologia reduziu tarefas específicas, mas ampliou mercados complementares.
É o paradoxo de Jevons em ação: quando um recurso fica dramaticamente mais barato, seu consumo total pode aumentar, não cair. A redução de custo cria novos usos, novos mercados e novas formas de demanda. A tecnologia substitui tarefas, mas pode expandir mercados.
O caso das planilhas é emblemático. Quando o VisiCalc foi lançado em 1979, parecia razoável imaginar que contadores seriam substituídos por software. O resultado foi o oposto. Ajustado pelo crescimento populacional, o número de contadores aumentou várias vezes nas décadas seguintes. A planilha reduziu o custo de produzir, auditar, projetar e reorganizar informação financeira — e, com isso, ampliou a demanda por análise, controle, planejamento e conformidade. Esse precedente importa porque o debate atual repete o erro de tratar automação de tarefas como destruição automática de ocupações.
A distinção é central. O FMI estima que quase 40% do emprego global está exposto à IA — em economias avançadas, essa exposição chega a 60%. Mas exposição não é destruição automática. Parte desses empregos pode ser substituída, parte complementada, parte redesenhada.
A história do trabalho moderno é menos uma sequência de apocalipses ocupacionais e mais uma sequência de migrações entre setores. A mecanização reduziu a participação da agricultura no emprego. A industrialização absorveu parte desse trabalho nas fábricas. A automação industrial deslocou mão de obra para serviços. A digitalização reduziu tarefas administrativas, mas criou demanda por software, dados, logística, compliance, marketing digital e infraestrutura. A IA deve seguir uma lógica parecida: menos destruição uniforme, mais redistribuição entre setores, funções e níveis de qualificação.
Setorialmente, há perdas — e elas são reais
A mesma lente que documenta expansão em algumas profissões registra contração persistente em outras. Técnicos de laboratório fotográfico, agentes de viagem, operadores de caixa bancário por agência e desenhistas técnicos mostram declínio como proporção do emprego total, com pontos de inflexão próximos aos marcos tecnológicos relevantes em cada caso. Olhando no longo prazo, a pergunta “uma inovação destrói empregos?” quase sempre tem resposta setorial, não agregada. A tecnologia cria mercados e destrói funções — faz as duas coisas ao mesmo tempo, em lugares diferentes, com velocidades diferentes. O risco não está no agregado. Está na velocidade.
A pergunta relevante não é se a IA destruirá empregos no agregado. Grandes tecnologias raramente operam assim. A pergunta é se o deslocamento intersetorial será rápido demais para que trabalhadores, empresas e instituições consigam absorvê-lo sem perda permanente de renda, mobilidade e poder de barganha.
Ensaios sem filtro sobre mercados, tecnologia, incentivos e a vida moderna.
Big Tech: normalização, rotação e recomposição
O emprego líquido em tech nos EUA permanece bem acima do nível pré-pandemia. A Microsoft, mesmo após cortes relevantes, mantinha um quadro superior ao de 2019. A Meta reduziu pessoal, mas parte importante do ajuste foi simplesmente uma volta ao tamanho de 2021. Mesmo empresas que demitem continuam disputando engenheiros, pesquisadores e especialistas em infraestrutura.
O que parece apenas um ciclo de layoffs é também uma recomposição de perfil. A parcela de pré-vendas e funções corporativas está caindo. A de P&D, infraestrutura e engenharia está subindo. A manchete é layoff. O balanço mostra algo mais complexo: troca de perfil ocupacional dentro das mesmas empresas.
O BLS projeta queda de 6% no emprego de computer programmers entre 2024 e 2034 — mas crescimento de 15% para software developers, analistas de qualidade e testers no mesmo período, muito acima da média das ocupações. A camada mais rotineira sofre. A função mais ampla de desenho, integração e arquitetura continua crescendo. À medida que ferramentas de IA assumem a escrita de código repetitivo, o trabalho do desenvolvedor se desloca para cima na cadeia: mais arquitetura de sistemas, mais responsabilidade sobre segurança, produto e experiência do usuário.
O ponto de atenção genuíno está nas funções de entrada. A escada tradicional de aprendizado pode ficar mais estreita. O profissional júnior que antes aprendia executando tarefas repetitivas agora compete com ferramentas capazes de realizar essas mesmas tarefas em segundos. O risco não é apenas a eliminação de empregos existentes. É a erosão dos degraus pelos quais trabalhadores jovens aprendiam a subir.
A evidência micro sugere que a IA pode elevar de forma desproporcional a produtividade de trabalhadores menos experientes. Isso é positivo para eficiência, mas ambíguo para o mercado de entrada. Se o júnior produz mais com IA, a firma pode contratar menos juniores — ou exigir que todos cheguem já operando ferramentas de IA.
Essa talvez seja uma das fricções mais importantes do ciclo atual: o mercado pode continuar demandando trabalho, mas exigir que o trabalhador chegue pronto mais cedo.
Produtividade micro é real — mas desigual
Há evidência micro crescente de que a IA gera ganhos reais de produtividade em tarefas específicas. O mercado também já começou a reprecificar essas habilidades. Profissionais capazes de usar, integrar e supervisionar ferramentas de IA carregam prêmio salarial acima da média das ocupações.
Mas esse ganho é desigual por desenho. Ele aparece primeiro onde há capital humano, infraestrutura de dados, escala corporativa e capacidade de implementação. Uma grande firma com equipe estruturada captura o ganho de produtividade de uma ferramenta de IA muito antes — e de forma muito mais completa — do que uma pequena empresa sem essas condições.
O mercado reprecifica a habilidade de trabalhar com IA. Não distribui o acesso a ela de forma simétrica. Essa distinção é essencial. A produtividade não precisa aparecer primeiro como milagre macro. Ela pode aparecer como dispersão micro: algumas firmas fazem mais com menos, algumas ocupações ganham alavancagem, algumas funções perdem valor relativo e alguns trabalhadores passam a capturar prêmios salariais maiores. O agregado demora. Os setores se movem antes.
Mais produtividade, mais desigualdade
O cenário mais perturbador não é o desemprego em massa. Esse é o caso extremo — e não é o que os dados agregados mostram. O risco mais provável é uma economia em que parte crescente da população continua empregada, mas com menor poder de barganha, menor previsibilidade de renda e menor sensação de controle sobre o próprio futuro.
O Atlanta Fed Wage Growth Tracker marcava 3,9% em março de 2026. Quem trocou de emprego ainda conseguiu crescimento maior — 5,0%, contra 3,8% para quem permaneceu no mesmo posto. A mobilidade ainda paga prêmio, mas menor do que no auge da reabertura pós-pandemia. O salário real quase não avança. Em março de 2026, o ganho real médio por hora subiu 0,3% em 12 meses; em abril, já havia queda real de 0,3%.
Enquanto isso, a produtividade por hora trabalhada segue em trajetória de alta de longo prazo, e a participação do trabalho na renda — a labor share — está pressionada em níveis historicamente baixos. Esses dois dados juntos contam a história que o debate sobre desemprego tecnológico frequentemente esconde.
O desafio atual não é apenas que pessoas percam seus empregos. É que muitas manterão seus empregos, trabalharão com produtividade crescente e, ainda assim, capturarão uma fração menor dos ganhos gerados por esse trabalho.
O problema real é distributivo
O choque de IA é global, mas não é simétrico. Economias avançadas têm maior exposição porque concentram mais trabalho cognitivo. Dentro dessas economias, trabalhadores de alta renda e alta qualificação têm mais chance de transformar IA em alavanca. Trabalhadores com menor poder de barganha têm mais chance de vivê-la como ameaça.
A OCDE, analisando 19 países, não encontrou evidência forte de que a IA já tenha aumentado a desigualdade salarial entre ocupações. Mas a ausência de colapso agregado não significa ausência de redistribuição silenciosa. A IA pode comprimir diferenças dentro de algumas ocupações, elevar prêmios para trabalhadores capazes de utilizá-la e, simultaneamente, transferir renda para os donos do capital, das plataformas e da infraestrutura — tudo isso sem que a taxa de desemprego dispare.
Por isso, o debate sobre “fim dos empregos” esconde a pergunta mais importante: não se haverá trabalho, mas que tipo de trabalho, com qual poder de barganha, com qual salário real, com qual escada de aprendizado e com qual participação nos ganhos de produtividade. São perguntas distributivas, não tecnológicas. O resultado é um debate público concentrado no risco mais visível — robôs tomando empregos — e menos atento ao ponto economicamente mais relevante: quem captura os ganhos que os dados documentam.
O risco não é uma economia sem trabalho. É uma economia em que produtividade continua crescendo, mas deslocada entre setores, concentrada em poucas firmas e capturada de forma desigual entre capital e trabalho. A verdadeira disrupção talvez não venha da IA isoladamente. Virá da combinação entre tecnologia real, expectativa exagerada, concentração de capital e uma sociedade que já estava pressionada antes da chegada da próxima onda de automação.
Um e-mail quando sai um ensaio novo. Sem ruído.
Alex Lima
There is an important asymmetry in the debate over AI and work. Some of the most influential voices on the replacement of human labor belong to companies that benefit directly from the perception that AI represents an inevitable rupture. That does not invalidate their warnings. But it requires reading them as part of an ecosystem of incentives — not as neutral forecasts.
Dario Amodei, of Anthropic, warned that half of entry-level jobs in technology, law, consulting and finance could disappear within the next five years. He projected a “white-collar bloodbath” capable of pushing U.S. unemployment to 20%. Sam Altman wrote that “the price of many kinds of labor will fall toward zero.” Elon Musk went further: a point would come when no job would be necessary.
These statements capture an extreme technological possibility. They also capture a system of incentives. The distance between technical possibility, corporate adoption, economic substitution and macroeconomic impact is large — and history suggests that distance tends to be underestimated in moments of euphoria.
The greater the perception of inevitable rupture, the higher the premium paid for assets, companies and business models positioned as beneficiaries of that rupture. Anthropic and OpenAI have raised tens of billions of dollars in recent private rounds, at valuations that reflect this expectation.
The disruption narrative does not merely describe the market. It helps finance it.
What 125 Years Teach
Over more than a century of U.S. data, the labor force grew from roughly 29 million to more than 160 million people — passing through the assembly line, ENIAC, mainframes, the spreadsheet, the PC, the internet, the iPhone, machine learning and ChatGPT, without any of these milestones reversing the trajectory of aggregate employment. Output per hour worked also kept rising over the long run, with accelerations tied to successive technological waves. There were temporary setbacks in large macroeconomic shocks — the Great Depression, the 2008 financial crisis and Covid. But technology, on its own, did not produce a persistent collapse of aggregate labor. The relevant reversals were macroeconomic, financial or sanitary in nature.
Major technologies rarely show up in the statistics as a clean, immediate destruction of jobs. They reorganize sectors, supply chains and occupations. First they change the microstructure. Then, with a lag, they show up in aggregate productivity. Robert Shiller showed in Narrative Economics that the fear of machines replacing workers is not new. The dynamic recurs: hardship created by recessions, rate cycles or sectoral adjustments ends up being over-attributed to the permanent effects of technology. The risk is mistaking cyclical normalization for structural destruction.
There are signs this is already happening in the current debate. AI-washing is masking three distinct phenomena: the normalization of pandemic over-hiring, the effects of inflation and interest rates on corporate margins, and the transition of part of the sector toward far more physically capital-intensive models — data centers, chips, energy and infrastructure.
The market has already priced in a productivity revolution. History suggests it may come. But not necessarily the way the narrative promises. The first visible effect is not a clean jump in GDP per hour worked. It is a shift in the composition of investment, in firms’ cost structures and in the relative demand for labor. In April 2026, the U.S. added 115,000 net jobs, with unemployment stable at 4.3%. Health care, transportation, warehousing and retail kept hiring. The economy did not stop employing. It is employing differently. The shock is not uniform. It is sectoral, occupational and distributive.
Jevons’s Paradox and What Accountants Teach
When you measure the impact of major technological innovations on the professions they were supposedly bound to destroy, the pattern that emerges is more ambiguous than the public debate suggests.
Bank tellers did not vanish after ATMs. Professional photographers did not vanish after the digital camera. Logistics workers grew in the Amazon era. Cartographers and geographic-information specialists did not vanish after GPS and Google Maps. In many cases, technology reduced specific tasks but expanded complementary markets.
This is Jevons’s paradox in action: when a resource becomes dramatically cheaper, its total consumption can rise, not fall. Lower cost creates new uses, new markets and new forms of demand. Technology substitutes tasks, but it can expand markets.
The spreadsheet case is emblematic. When VisiCalc launched in 1979, it seemed reasonable to imagine that accountants would be replaced by software. The result was the opposite. Adjusted for population growth, the number of accountants rose several times over in the following decades. The spreadsheet lowered the cost of producing, auditing, projecting and reorganizing financial information — and, in doing so, expanded demand for analysis, control, planning and compliance. That precedent matters because the current debate repeats the error of treating task automation as automatic destruction of occupations.
The distinction is central. The IMF estimates that nearly 40% of global employment is exposed to AI — in advanced economies, that exposure reaches 60%. But exposure is not automatic destruction. Part of those jobs may be substituted, part complemented, part redesigned.
The history of modern work is less a sequence of occupational apocalypses than a sequence of migrations between sectors. Mechanization reduced agriculture’s share of employment. Industrialization absorbed part of that labor into factories. Industrial automation shifted labor toward services. Digitization reduced administrative tasks but created demand for software, data, logistics, compliance, digital marketing and infrastructure. AI is likely to follow a similar logic: less uniform destruction, more redistribution across sectors, functions and skill levels.
Sector by Sector, There Are Losses — and They Are Real
The same lens that documents expansion in some professions records persistent contraction in others. Photo-lab technicians, travel agents, branch bank tellers and technical drafters show decline as a share of total employment, with inflection points near the relevant technological milestones in each case. Over the long run, the question “does an innovation destroy jobs?” almost always has a sectoral answer, not an aggregate one. Technology creates markets and destroys functions — it does both at once, in different places, at different speeds. The risk is not in the aggregate. It is in the speed.
The relevant question is not whether AI will destroy jobs in the aggregate. Major technologies rarely operate that way. The question is whether intersectoral displacement will be too fast for workers, firms and institutions to absorb without permanent loss of income, mobility and bargaining power.
No-filter essays on markets, technology, incentives and modern life.
Big Tech: Normalization, Rotation and Recomposition
Net tech employment in the U.S. remains well above the pre-pandemic level. Microsoft, even after significant cuts, kept a headcount above 2019. Meta reduced staff, but an important part of the adjustment was simply a return to its 2021 size. Even companies that lay off keep competing for engineers, researchers and infrastructure specialists.
What looks like just a layoff cycle is also a recomposition of profile. The share of pre-sales and corporate functions is falling. R&D, infrastructure and engineering are rising. The headline is layoffs. The balance sheet shows something more complex: a swap of occupational profile within the same companies.
The BLS projects a 6% decline in employment of computer programmers between 2024 and 2034 — but 15% growth for software developers, quality-assurance analysts and testers over the same period, well above the average for occupations. The more routine layer suffers. The broader function of design, integration and architecture keeps growing. As AI tools take over the writing of repetitive code, the developer’s work shifts up the chain: more systems architecture, more responsibility over security, product and user experience.
The genuine point of concern is in entry-level functions. The traditional learning ladder may narrow. The junior professional who once learned by executing repetitive tasks now competes with tools capable of performing those same tasks in seconds. The risk is not only the elimination of existing jobs. It is the erosion of the rungs by which young workers used to climb.
Micro evidence suggests AI can disproportionately raise the productivity of less experienced workers. That is positive for efficiency but ambiguous for the entry-level market. If a junior produces more with AI, the firm may hire fewer juniors — or require that everyone arrive already operating AI tools.
This may be one of the most important frictions of the current cycle: the market may keep demanding labor, but demand that the worker arrive job-ready earlier.
Micro Productivity Is Real — but Uneven
There is growing micro evidence that AI generates real productivity gains in specific tasks. The market has also begun to reprice those skills. Professionals able to use, integrate and supervise AI tools carry a wage premium above the occupational average.
But that gain is uneven by design. It appears first where there is human capital, data infrastructure, corporate scale and implementation capacity. A large firm with a structured team captures the productivity gain of an AI tool far earlier — and far more completely — than a small company without those conditions.
The market reprices the skill of working with AI. It does not distribute access to it symmetrically. That distinction is essential. Productivity need not appear first as a macro miracle. It can appear as micro dispersion: some firms do more with less, some occupations gain leverage, some functions lose relative value and some workers begin to capture larger wage premia. The aggregate lags. Sectors move first.
More Productivity, More Inequality
The most disturbing scenario is not mass unemployment. That is the extreme case — and it is not what the aggregate data show. The more likely risk is an economy in which a growing share of the population stays employed, but with less bargaining power, less income predictability and less sense of control over its own future.
The Atlanta Fed Wage Growth Tracker stood at 3.9% in March 2026. Job switchers still managed higher growth — 5.0%, against 3.8% for those who stayed in the same post. Mobility still pays a premium, but smaller than at the peak of the post-pandemic reopening. Real wages are barely advancing. In March 2026, average real hourly earnings rose 0.3% over 12 months; by April, there was already a real decline of 0.3%.
Meanwhile, output per hour worked remains on a long-run upward path, and labor’s share of income — the labor share — is pressured at historically low levels. Those two data points together tell the story that the debate over technological unemployment frequently hides.
The current challenge is not only that people lose their jobs. It is that many will keep their jobs, work with rising productivity, and still capture a smaller fraction of the gains that work generates.
The Real Problem Is Distributive
The AI shock is global, but it is not symmetric. Advanced economies have greater exposure because they concentrate more cognitive work. Within those economies, high-income, high-skill workers are more likely to turn AI into leverage. Workers with less bargaining power are more likely to experience it as a threat.
The OECD, analyzing 19 countries, found no strong evidence that AI has yet increased wage inequality across occupations. But the absence of an aggregate collapse does not mean the absence of silent redistribution. AI can compress differences within some occupations, raise premia for workers able to use it and, simultaneously, transfer income to the owners of capital, platforms and infrastructure — all without the unemployment rate spiking.
That is why the debate over “the end of jobs” hides the more important question: not whether there will be work, but what kind of work, with what bargaining power, at what real wage, with what learning ladder and with what share of the productivity gains. These are distributive questions, not technological ones. The result is a public debate focused on the most visible risk — robots taking jobs — and less attentive to the economically more relevant point: who captures the gains the data document.
The risk is not an economy without work. It is an economy in which productivity keeps growing, but displaced across sectors, concentrated in a few firms and captured unevenly between capital and labor. The true disruption may not come from AI alone. It will come from the combination of real technology, exaggerated expectation, capital concentration and a society that was already under pressure before the next wave of automation arrived.
One email when a new essay goes out. No noise.
Alex Lima