A inteligência artificial já eliminou algumas funções, mas ainda não provocou o colapso amplo do emprego. O alerta mais interessante é outro: em mercados competitivos, cada empresa pode ter incentivo para automatizar além do ponto eficiente, transferindo renda dos trabalhadores para os proprietários e enfraquecendo a demanda que sustenta o próprio negócio. Essa é a tese de The AI Layoff Trap, working paper de Brett Hemenway Falk, da University of Pennsylvania, e Gerry Tsoukalas, da Boston University e da Wharton. O estudo é teórico, mas ainda não é uma prova de que a armadilha já esteja acontecendo em escala macroeconômica (ou de que não esteja sendo armada).
Como funciona a armadilha das demissões por IA?
O paper sustenta que a competição incentiva cada empresa a automatizar além do ponto eficiente, reduzindo a demanda que sustenta o mercado. Em um setor com várias firmas, cada companhia captura integralmente a economia obtida ao substituir trabalho humano por tecnologia, mas arca apenas com uma fração da perda de consumo causada por suas demissões. O restante da conta cai sobre concorrentes. É uma espécie de “demitir seus clientes”, só que com planilha, conselho de administração e uma apresentação em PowerPoint sobre eficiência.
O modelo, inspirado na literatura de Daron Acemoglu e Pascual Restrepo, desloca o foco do mercado de trabalho para o mercado de produtos. Os trabalhadores têm propensão marginal a consumir maior que a dos donos das empresas; quando a renda migra para o capital, o consumo agregado diminui. Em condições extremas, automatizar torna-se estratégia dominante: todas as firmas fazem isso, mesmo que todas lucrassem mais se contivessem o movimento. O resultado é um dilema do prisioneiro, com perda de bem-estar para trabalhadores e proprietários.
O que já aconteceu no emprego por causa da IA?
Os dados disponíveis mostram sinais localizados de impacto, mas não uma disrupção geral do mercado de trabalho desde o lançamento do ChatGPT. O Yale Budget Lab, em relatório de outubro de 2025, concluiu que não havia “disrupção discernível” nos indicadores amplos de emprego, enquanto atualizações posteriores mantiveram essa leitura. O estudo de Erik Brynjolfsson, Bharat Chandar e Ruyu Chen encontrou uma queda relativa de 16% no emprego entre trabalhadores de 22 a 25 anos em ocupações expostas à IA, sobretudo quando a tecnologia automatizava tarefas em vez de complementar pessoas.
Os anúncios empresariais contam uma história mais barulhenta. A Challenger, Gray & Christmas registrou 1.206.374 cortes anunciados nos Estados Unidos em 2025, alta de 58% sobre 2024, mas a IA foi citada em 54.836 deles, cerca de 5% do total. A própria consultoria alerta que a inteligência artificial está deslocando o mercado, não desmontando-o. Além disso, a justificativa é autorrelatada: a linguagem corporativa passou de cautelosa a agressiva ao atribuir demissões à IA. Há sinal, portanto, mas ainda não há veredito.
Por que os anúncios de substituição costumam exagerar?
Casos recentes mostram que anunciar automação e operar uma empresa automatizada são esportes diferentes. A Klarna afirmou, em 2024, que seu agente de IA fazia o trabalho equivalente ao de 700 atendentes e processara 2,3 milhões de conversas no primeiro mês. Em 2025, o CEO reconheceu que a busca por eficiência havia ido longe demais e a empresa voltou a contratar pessoas. Depois qualificou o recuo: não abandonaria a IA, apenas corrigiria o excesso de entusiasmo.
A IBM oferece o contraponto. O agente AskHR automatizou 94% de tarefas rotineiras de recursos humanos e substituiu centenas de funções, segundo Arvind Krishna, mas o emprego total da companhia cresceu, com recursos transferidos para engenharia, vendas e marketing. O Duolingo também recuou após anunciar uma estratégia “AI-first” que reduziria contratados substituíveis. Esses episódios não provam que a automação sempre cria empregos; mostram algo menos cinematográfico e mais útil: empresas automatizam tarefas, reorganizam equipes e descobrem que atendimento, contexto e responsabilidade não cabem inteiros numa demonstração de produto.
A IA vai aumentar ou reduzir produtividade e desigualdade?
A resposta depende do tipo de automação e da velocidade da transição, não de uma profecia sobre máquinas. Em The Simple Macroeconomics of AI, Daron Acemoglu estimou ganhos de produtividade total dos fatores de no máximo 0,71% em dez anos, bem abaixo das projeções anuais de 1,5% a 3,4% divulgadas por consultorias como McKinsey e Goldman Sachs. Para ele, a IA tende a ampliar a desigualdade do trabalho. O conceito de “so-so automation” descreve o caso mais ingrato: tecnologia que desloca pessoas sem entregar ganho expressivo de produtividade.
Os caixas eletrônicos lembram que automação parcial pode produzir outro resultado. Entre 1988 e 2004, o número de caixas por agência caiu de aproximadamente 21 para 13, mas o custo menor permitiu aos bancos abrir 43% mais agências em áreas urbanas, e o emprego total cresceu. Depois de 2010, o emprego caiu com mais força, quando mobile banking e smartphones automatizaram uma fatia maior do serviço. A diferença está na completude e no ritmo. A transição dos caixas eletrônicos levou décadas; em algumas áreas da programação, ferramentas de IA avançam em poucos anos. O intervalo importa.
Quais políticas podem conter a automação excessiva?
O paper avalia seis caminhos e conclui que apenas um imposto pigouviano sobre automação corrige diretamente a externalidade de demanda. A cobrança deveria corresponder à perda de consumo que uma tarefa automatizada impõe aos demais agentes. Treinamento, participação acionária e renda básica universal melhoram resultados distributivos, mas não eliminam o incentivo empresarial de automatizar. Impostos sobre a renda do capital também não alteram, sozinhos, a taxa de equilíbrio. A barganha voluntária entre firmas falha porque, no modelo, automatizar continua sendo a melhor estratégia individual para cada participante.
A ideia enfrenta a velha objeção do “imposto sobre robôs”. Bill Gates a defendeu em 2017, mas o Parlamento Europeu rejeitou uma proposta naquele mesmo ano. Há, contudo, precedente para tributos pigouvianos: o imposto sobre carbono da British Columbia reduziu emissões estimadas entre 5% e 15%, com efeito agregado pequeno, enquanto a Suécia registrou queda de quase 11% nas emissões de transporte, parte atribuída diretamente ao imposto. A lição não é que toda taxa funciona; é que preço, desenho e compensação importam. Receita para requalificação, redução de jornada e subsídios à retenção podem transformar uma punição abstrata em política administrável.
O que a discussão significa para o Brasil?
No terceiro trimestre de 2025, quase 30 milhões de trabalhadores brasileiros estavam em ocupações com algum grau de exposição à IA generativa, equivalentes a 29,6% da população ocupada, segundo levantamento da FGV/IBRE baseado na metodologia da OIT. Cerca de 5,2 milhões estavam no nível mais elevado de exposição. O risco se concentra entre pessoas mais jovens e escolarizadas, no Sudeste e em serviços como informação, comunicação e finanças. Exposição, porém, não significa demissão: a OIT estima que a ampliação de tarefas será mais comum que a automação integral.
O problema brasileiro é menos a chegada de um robô solitário e mais a falta de proteção adequada para quem fica no meio da transição. Daniel Duque, da FGV/IBRE, apontou a vulnerabilidade da classe média, que não se encaixa bem em políticas desenhadas para os mais pobres nem possui a mesma reserva financeira dos mais ricos. O alerta ganha peso diante da concentração patrimonial americana: o 1% detinha 31,7% da riqueza dos Estados Unidos no terceiro trimestre de 2025, segundo dados do Federal Reserve. O paper não prevê o futuro; ele oferece um mecanismo para observar. Se o emprego jovem cair, o consumo desacelerar e a renda continuar migrando para o capital, a hipótese deixará de ser apenas matemática.
