{"id":401,"date":"2026-03-18T23:33:32","date_gmt":"2026-03-19T02:33:32","guid":{"rendered":"https:\/\/rnlsn.cc\/?p=401"},"modified":"2026-03-20T14:58:19","modified_gmt":"2026-03-20T17:58:19","slug":"labor-market-impacts-of-ai-a-new-measure-and-early-evidence","status":"publish","type":"post","link":"https:\/\/rnlsn.cc\/pt\/2026\/03\/labor-market-impacts-of-ai-a-new-measure-and-early-evidence\/","title":{"rendered":"Impactos da IA no mercado de trabalho: uma nova m\u00e9trica e evid\u00eancias iniciais"},"content":{"rendered":"

A maioria das pesquisas sobre IA e empregos pergunta o que a IA poderia<\/em> fazer ao mercado de trabalho. Este estudo pergunta o que ela est\u00e1 de fato<\/em> fazendo \u2014 agora. Essa distin\u00e7\u00e3o importa mais do que parece.<\/p>\n\n\n\n

Os pesquisadores da Anthropic Maxim Massenkoff e Peter McCrory desenvolveram uma nova m\u00e9trica chamada observed exposure (exposi\u00e7\u00e3o observada)<\/strong>, que combina capacidade te\u00f3rica da IA com dados reais de uso do Claude. Uma tarefa s\u00f3 \u00e9 contabilizada como coberta se for ao mesmo tempo vi\u00e1vel para um LLM and<\/em> e j\u00e1 aparecer em fluxos de trabalho profissionais e automatizados.<\/p>\n\n\n\n

Os resultados s\u00e3o reveladores. Mesmo na categoria de Computa\u00e7\u00e3o e Matem\u00e1tica \u2014 onde 94% das tarefas s\u00e3o teoricamente vi\u00e1veis para a IA \u2014 o Claude cobre na pr\u00e1tica apenas 33% delas. A dist\u00e2ncia entre potencial e realidade \u00e9 grande em todas as categorias ocupacionais.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

As ocupa\u00e7\u00f5es mais expostas hoje incluem programadores de computador (74,5%), representantes de atendimento ao cliente (70,1%) e operadores de entrada de dados (67,1%). E n\u00e3o se trata de cargos de baixa remunera\u00e7\u00e3o. Os trabalhadores mais expostos tendem a ser mais escolarizados, mais bem pagos e com maior presen\u00e7a feminina \u2014 ganhando cerca de 47% mais por hora do que trabalhadores sem nenhuma exposi\u00e7\u00e3o \u00e0 IA.<\/p>\n\n\n\n

Quanto ao desemprego real: nenhum impacto significativo foi detectado desde o lan\u00e7amento do ChatGPT, no final de 2022. O efeito sobre os trabalhadores mais expostos \u00e9 estatisticamente indistingu\u00edvel de zero.<\/p>\n\n\n\n

H\u00e1, por\u00e9m, um sinal inicial que merece aten\u00e7\u00e3o. A contrata\u00e7\u00e3o de trabalhadores entre 22 e 25 anos em ocupa\u00e7\u00f5es expostas \u00e0 IA parece ter desacelerado cerca de 14% na era p\u00f3s-ChatGPT \u2014 um resultado que mal alcan\u00e7a signific\u00e2ncia estat\u00edstica, mas ecoa achados de outros estudos recentes.<\/p>\n\n\n\n

O que torna esta pesquisa valiosa n\u00e3o s\u00e3o apenas os dados \u2014 \u00e9 o framework. Ao estabelecer uma metodologia clara antes<\/em> de grandes disru\u00e7\u00f5es emergirem, ela oferece aos analistas futuros uma forma de separar efeitos reais da IA do ru\u00eddo econ\u00f4mico ordin\u00e1rio.<\/p>\n\n\n\n

O rel\u00f3gio n\u00e3o est\u00e1 marcando para um apocalipse. Mas est\u00e1 marcando. E agora temos uma forma de acompanhar em tempo real.<\/p>\n\n\n\n

\n\n\n\n

Source: Massenkoff, M. & McCrory, P. (2026). Labor market impacts of AI: A new measure and early evidence.<\/em><\/p>\n\n\n\n

Anthropic. anthropic.com\/research\/labor-market-impacts<\/a><\/em><\/p>","protected":false},"excerpt":{"rendered":"

Um novo estudo da Anthropic apresenta uma forma mais precisa de medir como a IA est\u00e1 de fato afetando o mercado de trabalho \u2014 n\u00e3o apenas o que ela poderia fazer em teoria. A evid\u00eancia inicial \u00e9 clara: nenhuma onda de desemprego ainda, mas a dist\u00e2ncia entre o potencial da IA e seu impacto real est\u00e1 diminuindo rapidamente.<\/p>","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[34,1],"tags":[35,10],"class_list":["post-401","post","type-post","status-publish","format-standard","hentry","category-ai","category-rnlsncc","tag-ai","tag-rnlsncc"],"_links":{"self":[{"href":"https:\/\/rnlsn.cc\/pt\/wp-json\/wp\/v2\/posts\/401","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/rnlsn.cc\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rnlsn.cc\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rnlsn.cc\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/rnlsn.cc\/pt\/wp-json\/wp\/v2\/comments?post=401"}],"version-history":[{"count":6,"href":"https:\/\/rnlsn.cc\/pt\/wp-json\/wp\/v2\/posts\/401\/revisions"}],"predecessor-version":[{"id":422,"href":"https:\/\/rnlsn.cc\/pt\/wp-json\/wp\/v2\/posts\/401\/revisions\/422"}],"wp:attachment":[{"href":"https:\/\/rnlsn.cc\/pt\/wp-json\/wp\/v2\/media?parent=401"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rnlsn.cc\/pt\/wp-json\/wp\/v2\/categories?post=401"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rnlsn.cc\/pt\/wp-json\/wp\/v2\/tags?post=401"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}