Se a IA fizer o trabalho, quem fica com a renda?

A pergunta não é apenas quem perde o emprego

A promessa de uma economia em que máquinas fazem quase tudo parece oferecer duas saídas opostas: abundância compartilhada ou concentração extrema de renda. Ambas aparecem em discussões sobre inteligência artificial. Nenhuma decorre automaticamente da capacidade de um modelo escrever, programar ou conversar. Entre uma demonstração tecnológica e uma mudança duradoura no padrão de vida existem empresas, contratos, mercados, infraestrutura e decisões políticas. Este dossiê investiga essa passagem, sem presumir que o fim do trabalho esteja demonstrado.

Nossa pergunta central é distributiva: quando uma organização entrega mais valor por hora de trabalho humano, quem consegue transformar esse ganho em renda, tempo ou segurança? A resposta pode envolver trabalhadores, consumidores, proprietários de empresas, fornecedores de tecnologia e governos. Esses grupos também se sobrepõem. Uma pessoa pode receber salário, pagar por serviços mais baratos e possuir uma pequena participação em um negócio. Por isso, resumir o debate a humanos contra máquinas esconde os mecanismos que precisamos examinar.

Organizamos a análise em três níveis. Primeiro, a exposição técnica de tarefas à IA. Depois, os resultados observados em ambientes de trabalho e em experimentos de transferência de renda. Por fim, escolhas institucionais e cenários ilustrativos. Um índice de exposição ajuda a localizar possíveis mudanças; não mede demissões. Um experimento informa sobre uma população e uma intervenção; não reproduz uma economia inteira. Uma simulação torna premissas visíveis; não transforma essas premissas em previsão.

A tese editorial da Rovemark é que produtividade e distribuição precisam ser estudadas juntas. Isso não significa que já saibamos qual política resolve o problema, nem que ganhos privados sejam ilegítimos. Significa que uma implantação só pode ser considerada bem-sucedida depois de perguntar também sobre qualidade, custos completos, condições de trabalho e destino do valor criado. A mesma tecnologia pode sustentar organizações e contratos muito diferentes.

Exposição à IA não equivale a desemprego

A Organização Internacional do Trabalho e o NASK estimaram, em 2025, que cerca de um quarto do emprego mundial está em ocupações com algum grau de exposição à IA generativa. O índice combina avaliação de tarefas, contribuições de trabalhadores e especialistas e classificação assistida por modelos. A participação chega a 34% em países de alta renda e a 11% nos de baixa renda. Esses percentuais descrevem composição ocupacional e capacidade técnica potencial; não são probabilidades individuais de perder o emprego.

No nível mais elevado de exposição, o índice informa 3,3% do emprego mundial. Nesse recorte específico, as proporções são 4,7% entre mulheres e 2,4% entre homens. O denominador importa: comparamos a participação dentro do emprego de cada grupo, e não a divisão de todas as ocupações expostas por sexo. O gráfico permite alternar os recortes, mantendo separados algum grau de exposição e a categoria máxima. Não devemos somar os painéis nem tratá-los como uma trajetória temporal.

Uma ocupação reúne atividades com exigências diferentes. Produzir um primeiro rascunho pode ser automatizável enquanto negociar uma exceção, verificar uma decisão ou assumir responsabilidade continua exigindo participação humana. Mesmo quando várias etapas se tornam tecnicamente possíveis, a adoção depende de custo, confiabilidade e integração. Uma empresa pode optar por atender mais clientes com a mesma equipe, reorganizar funções ou reduzir contratações. Identificar a possibilidade técnica é o início da investigação; identificar qual resposta ocorreu exige outros dados.

Também seria um erro concluir que exposição menor representa proteção econômica completa. Um trabalhador pode estar em uma atividade pouco digitalizada e ainda sofrer efeitos indiretos sobre demanda, preços ou cadeias de fornecedores. Inversamente, uma função muito exposta pode se tornar mais produtiva e valorizada. Nossa interpretação é usar o índice como orientação para estudar mudanças concretas, incluindo grupos que podem precisar de apoio. A fonte não oferece uma data para o desaparecimento de profissões.

Produtividade real: evidências que não cabem em uma promessa única

Em estudo publicado no Quarterly Journal of Economics em 2025, Brynjolfsson, Li e Raymond analisaram a introdução escalonada de um assistente em uma operação com 5.172 agentes de atendimento. O ganho médio reportado foi de aproximadamente 15% em problemas resolvidos por hora. Os benefícios variaram conforme experiência e habilidade. Trata-se de evidência em uma empresa e uma ocupação, com implantação escalonada e análise econométrica; não de uma amostra representativa de toda a economia nem de um ensaio com sorteio individual.

O resultado demonstra por que vale estudar a IA dentro do processo de trabalho. Porém, um ganho em resoluções por hora não significa automaticamente 15% de aumento de lucro, de salário ou de produção nacional. Custos de implantação, revisão, software e mudança organizacional precisam entrar na conta. A qualidade da resolução também precisa ser preservada. Transferir um percentual entre essas medidas produz uma precisão aparente que o desenho do estudo não oferece.

Um contraponto vem do experimento do METR com 16 desenvolvedores experientes e 246 tarefas em projetos conhecidos, usando ferramentas do início de 2025. A disponibilidade de IA aumentou o tempo de execução em 19%, enquanto os participantes esperavam uma redução de 24% antes das tarefas e percebiam uma redução de 20% depois. O contraste mede expectativas e percepção frente ao resultado observado naquele experimento, não uma contradição com o estudo de atendimento. Populações, ferramentas, tarefas e métricas são diferentes.

A atualização do METR, de fevereiro de 2026, é indispensável para interpretar esse achado histórico. Os pesquisadores passaram a considerar que seleção de participantes e tarefas, mudanças de remuneração e dificuldades para registrar trabalho com agentes simultâneos prejudicavam a interpretação dos novos resultados. O intervalo de confiança de 95% reportado para a estimativa original vai de +2% a +39% no tempo. Não usamos o resultado de 2025 como diagnóstico das ferramentas atuais. A lição aplicável é medir o efeito no contexto de uso, em vez de confiar apenas na sensação de velocidade.

Ganhar tempo não determina quem ganha dinheiro

Imagine um processo hipotético que exige dez horas humanas por entrega e passa a exigir oito, mantendo a mesma qualidade. A economia direta é de duas horas por entrega, mas ainda não sabemos o resultado financeiro. Talvez exista demanda para vender mais. Talvez o preço caia por concorrência. Talvez a empresa mantenha o preço e aumente sua margem. Talvez a equipe absorva outras tarefas, ou parte do ganho seja negociada como jornada menor. São respostas possíveis, não percentuais estimados nesta publicação.

É útil separar três perguntas contábeis. A primeira é quanto recurso foi poupado no processo. A segunda é quanto valor adicional foi efetivamente vendido ou quanto custo desapareceu. A terceira é como esse resultado foi distribuído depois de pagar infraestrutura, fornecedores e tributos. Horas disponíveis não são receita realizada. Um rascunho gerado sem uso não é uma venda. E uma redução do preço de um modelo não representa necessariamente queda proporcional no custo total de um serviço confiável.

A OCDE trata a difusão da IA e a capacidade de adoção como condições importantes para seus possíveis efeitos macroeconômicos. Estrutura setorial, habilidades, infraestrutura e integração econômica alteram o alcance dos benefícios. As projeções discutidas pela instituição são resultados de modelos, não crescimento já observado que possamos atribuir integralmente à IA. Nesta análise, não transportamos um ganho medido em atendimento para uma projeção do PIB brasileiro.

Nossa hipótese distributiva é que propriedade, concorrência e poder de negociação condicionam o destino do ganho. Uma pequena empresa pode ganhar acesso a capacidades antes caras e perder margem se todos os concorrentes fizerem o mesmo. Um trabalhador pode produzir mais sem controlar a regra de remuneração. Um fornecedor pode capturar parte do benefício pela dependência de sua plataforma. Para testar essas hipóteses, seria preciso acompanhar preços, contratos, remuneração e participação de fornecedores ao longo do tempo. Observar apenas a adoção não basta.

Renda básica: definição antes de adesão ou rejeição

Renda básica universal costuma designar uma transferência monetária individual, regular, sem exigência de trabalho e destinada a todos dentro da população definida pelo programa. O guia do Banco Mundial ajuda a distinguir universalidade, incondicionalidade e pagamento em dinheiro. Essas características não especificam um valor suficiente para viver, uma fonte de financiamento ou quais benefícios continuariam existindo. A expressão salário universal pode confundir: salário remunera uma relação de trabalho; uma transferência de renda segue outra lógica institucional.

Uma proposta concreta precisa responder quem recebe, desde qual idade, por quanto tempo e com qual atualização de valor. Também deve esclarecer se o pagamento se soma a serviços e benefícios existentes ou os substitui, como pessoas de renda alta contribuem pelo sistema tributário e como necessidades extraordinárias são atendidas. Duas propostas com o mesmo valor mensal podem produzir distribuições líquidas completamente diferentes. O nome da política, isoladamente, não informa quem termina melhor ou pior.

O argumento favorável pode se apoiar em autonomia, previsibilidade e capacidade de recusar relações de trabalho ruins. O argumento contrário pode apontar custo, oportunidade de outras políticas e inadequação de um benefício uniforme a necessidades distintas. Apresentamos essas razões como critérios de avaliação, sem presumir uma resposta única. Uma discussão séria compara desenhos específicos, seus beneficiários líquidos e os serviços preservados. Concordar com a importância de proteção social não obriga a concordar com qualquer proposta chamada universal.

A relação com IA é uma hipótese de organização da sociedade, não uma consequência técnica obrigatória. Mesmo que a automação avance, a resposta pode combinar transferências, serviços públicos, formação, seguro social, participação nos resultados ou mudanças de jornada. A escolha depende dos problemas identificados e das instituições disponíveis. Não há, nas fontes selecionadas, um experimento que observe uma economia inteira depois de a IA eliminar a necessidade de trabalho humano. Esse cenário permanece fora do alcance das evidências aqui reunidas.

O que os experimentos de renda permitem concluir

No experimento dos EUA associado ao OpenResearch, 1.000 participantes de baixa renda receberam US$ 1.000 por mês por três anos, enquanto 2.000 participantes de controle receberam US$ 50 mensais. A revisão de agosto de 2026 do working paper NBER 32719 informa redução de 4,2 pontos percentuais na participação no mercado de trabalho, de cerca de US$ 1.900 anuais na renda individual excluindo as transferências e de uma a duas horas semanais trabalhadas, em relação ao controle. Esses são resultados distintos, com unidades diferentes.

O artigo continua identificado como working paper não submetido à revisão por pares da publicação acadêmica. A versão inicial citada na primeira edição desta análise tinha estimativas diferentes; adotamos agora a revisão de agosto de 2026 e a registramos na bibliografia. A revisão informa, ainda, que os efeitos moderados sobre oferta de trabalho não apareceram compensados por outras atividades produtivas mensuradas. Isso não transforma menor tempo em trabalho remunerado em julgamento sobre o valor pessoal dos participantes.

A experiência finlandesa oferece outro desenho. Entre 2017 e 2018, 2.000 pessoas desempregadas receberam aproximadamente USD 647 mensais, na conversão ilustrativa pelas médias anuais do BCE de 2017 e 2018. O balanço oficial descreve efeitos pequenos sobre emprego e percepção mais favorável de bem-estar. Também alerta que uma mudança nas regras de ativação do desemprego dificulta isolar os efeitos no segundo ano. A pesquisa de bem-estar teve taxas de resposta diferentes entre grupos. O benefício original foi denominado em EUR: a exibição em USD usa 560 multiplicado pela média aritmética das taxas anuais do BCE de 2017 e 2018 (1,15531784313725 USD por EUR), sem ajuste de inflação e sem reproduzir o câmbio de cada pagamento. Essas limitações impedem tratar a experiência como demonstração simples de que qualquer renda básica sempre aumenta emprego ou necessariamente melhora todos os indicadores.

Nenhum desses estudos mede uma transferência permanente a toda a população, financiada pelos próprios contribuintes em uma economia transformada pela IA. Um piloto pode estimar efeitos individuais da transferência e ainda deixar em aberto preços, impostos, migração, oferta de serviços e respostas de empresas em escala nacional. Nossa leitura é que os experimentos informam decisões e corrigem afirmações absolutas. Não encerram o debate. O painel abaixo apresenta o desenho americano e os resultados da revisão atual sem misturar participação, renda e horas em um único eixo.

Quanto custaria? Uma conta transparente, com limites

O custo bruto de uma transferência é uma multiplicação simples: pagamento mensal por pessoa, número de beneficiários e doze meses. O simulador usa USD como unidade monetária e permite alterar valor e população. O padrão de cem milhões de pessoas é uma hipótese didática arredondada, não uma estimativa da população brasileira, adulta ou elegível. Não há consulta automática a dados demográficos. A escolha evita apresentar uma população inventada como se tivesse sido medida. O cenário em USD é uma nova hipótese, não uma conversão cambial do exemplo anterior em BRL.

No exemplo inicial, USD 1.000 por mês para cem milhões de pessoas corresponde a USD 1,2 trilhão por ano. Isso é desembolso bruto anual. Não é déficit adicional, custo líquido ou recomendação de benefício. Não descontamos arrecadação devolvida pelos beneficiários, benefícios substituídos, custos administrativos ou mudanças comportamentais. Também não adicionamos uma arrecadação hipotética sobre robôs. Todas essas parcelas exigiriam hipóteses e bases de dados próprias, além de avaliação de efeitos distributivos.

O debate de financiamento exige pelo menos duas análises adicionais. Uma é orçamentária: quais receitas e despesas mudam, em qual prazo e com qual capacidade administrativa? Outra é econômica: quem suporta a incidência de novos tributos e como famílias e empresas respondem? O contribuinte legal de um imposto não é necessariamente quem absorve seu custo final. Não presumimos que o valor estimado de uma economia de horas possa ser arrecadado integralmente, nem que riqueza privada e receita pública sejam equivalentes.

A nota da OCDE sobre renda básica chama atenção para financiamento e implicações distributivas das reformas. Isso orienta um cuidado central: uma proposta que distribui a todos e elimina apoios direcionados pode prejudicar pessoas com necessidades maiores. Nossa avaliação exige mostrar o resultado líquido por grupo, não apenas a soma dos pagamentos. O gráfico torna visível a escala aritmética de escolhas; ele não decide sua viabilidade fiscal nem os efeitos sobre inflação. Para responder a essas perguntas, seria necessário um modelo muito mais completo.

Três caminhos para distribuir os ganhos

O primeiro cenário é o da concentração. Empresas ou fornecedores com ativos difíceis de substituir retêm grande parte do valor adicional. Nesse caminho hipotético, a produção pode crescer enquanto uma parcela dos trabalhadores enfrenta perda de renda ou menor capacidade de negociação. A variável decisiva não seria apenas o desempenho do modelo, mas a possibilidade de concorrentes e trabalhadores participarem da criação e da apropriação de valor. Para observar esse caminho, precisaríamos examinar margens, preços, salários e dependências contratuais.

O segundo cenário é o da difusão competitiva. Ferramentas mais acessíveis ajudam empresas pequenas, reduzem preços e permitem novos serviços. Consumidores podem ganhar poder de compra, e algumas organizações podem crescer por atender mercados antes inviáveis. Isso não garante que cada trabalhador terá aumento salarial, nem elimina transições difíceis. Uma avaliação deveria acompanhar entrada de empresas, qualidade, preços e mobilidade profissional, verificando se os ganhos se espalham além das primeiras organizações que adotaram a tecnologia.

O terceiro cenário envolve negociação sobre tempo e proteção. Parte dos ganhos pode financiar jornada menor, formação durante o expediente, participação nos resultados ou mecanismos coletivos de renda e serviços. Há escolhas sobre quem participa, como medir o resultado e como distribuir riscos. Uma redução de jornada anunciada sem controle da intensidade do trabalho pode não melhorar a vida da equipe. Uma transferência sem serviços adequados pode não resolver necessidades essenciais. Esses mecanismos precisam ser avaliados pelo desenho e pela execução.

Os três caminhos não são mutuamente exclusivos nem receberam probabilidades. Podem coexistir por setor, empresa e período. Servem para organizar perguntas verificáveis. Se queremos saber qual caminho está prevalecendo, devemos definir antecipadamente indicadores que possam contrariar nossa preferência. Uma hipótese que explica qualquer resultado depois de observado não orienta pesquisa. O compromisso editorial é acompanhar sinais de concentração e de difusão com o mesmo cuidado, e revisar a interpretação quando a evidência mudar.

O que uma empresa pode medir agora

Uma organização não precisa resolver o futuro do capitalismo para melhorar sua avaliação de IA. Pode começar delimitando um processo, um resultado e uma condição mínima de qualidade. Em atendimento, isso pode significar resolução confirmada com taxa de reabertura; em documentos, aceitação com revisão humana; em operações, entrega válida sem aumento de incidentes. Escolher apenas volume de respostas geradas recompensa atividade que talvez não produza valor. A métrica deve representar a tarefa concluída e a consequência relevante para o cliente.

O protocolo proposto pela Rovemark começa com uma linha de base e registra mudanças de demanda e complexidade. Quando viável, compara grupos semelhantes ou alterna condições de uso de forma planejada, sem expor pessoas a decisões críticas sem controle. O registro precisa incluir tempo de revisão, retrabalho, custo de modelos e ferramentas, erros, interrupções e treinamento. Um resultado positivo que depende de supervisão excepcional pode não persistir quando a operação cresce. A pergunta é se o ganho sobrevive ao uso cotidiano.

O acompanhamento deve incluir distribuição dentro da equipe. Iniciantes e especialistas podem responder de maneira diferente; médias podem ocultar piora em tarefas raras ou clientes com necessidades específicas. Remuneração, carga de trabalho e autonomia também são resultados a observar, com proteção dos dados pessoais e acesso proporcional à necessidade. A análise não deve virar um mecanismo opaco de avaliação individual. Publicar métricas agregadas e regras de uso ajuda a tornar a participação dos trabalhadores mais informada.

Esse é um protocolo proposto, não uma lista de experimentos já executados pela Rovemark. Para produzir pesquisa própria, ainda precisamos de organizações participantes, definição antecipada dos desfechos, consentimentos e base de dados adequada. A contribuição pretendida é ligar evidência operacional a consequências distributivas. Em vez de anunciar que determinada ferramenta substitui uma porcentagem da equipe, queremos mostrar quais tarefas melhoraram, quais falharam, qual foi o custo completo e quem recebeu o benefício. Esses são resultados que podem ser discutidos e, quando possível, reproduzidos.

O que mudaria a nossa conclusão

Nossa posição mudaria diante de evidência consistente, em múltiplos contextos, de que ganhos de produtividade se disseminam com aumentos de renda e qualidade de vida sem necessidade de mecanismos adicionais. Também mudaria se estudos robustos mostrassem perdas persistentes de trabalho e renda em escala maior do que a capacidade de transição observada. Nos dois casos, seria necessário separar efeitos da IA de mudanças de demanda, ciclo econômico e outras tecnologias. Números agregados sem identificação do mecanismo não resolvem essa atribuição.

Sobre renda básica, resultados de programas mais longos e amplos, com financiamento e respostas de mercado observados, ajudariam a reduzir incertezas que pilotos individuais não alcançam. A avaliação deveria comparar alternativas reais, incluindo sistemas existentes melhorados, e mostrar quem ganha e perde. Também precisamos de evidência sobre cuidados, saúde, educação e liberdade de escolha, sem supor que qualquer atividade fora do emprego seja improdutiva ou que todo efeito desejável já tenha sido demonstrado.

A pergunta do título permanece aberta de propósito. As fontes mostram que exposição técnica, produtividade e oferta de trabalho são fenômenos mensuráveis, mas diferentes. Elas não autorizam uma data para o fim do emprego ou um valor universal que qualquer país consiga financiar. Nossa conclusão editorial é priorizar a medição do ganho completo e de sua distribuição. A qualidade desta agenda dependerá de tornar as premissas discutíveis e permitir que novos resultados corrijam a narrativa, inclusive quando isso contrariar interesses comerciais da própria Rovemark.