Karpathy avaliou cada emprego dos EUA para exposicao a IA — veja o que os dados mostram

Quando Andrej Karpathy — cofundador da OpenAI e ex-diretor de IA da Tesla — decide passar um fim de semana extraindo todo o Occupational Outlook Handbook do Bureau of Labor Statistics e avaliando cada emprego por exposicao a IA, as pessoas prestam atencao. E com razao, porque os resultados pintam um dos retratos mais completos que ja vimos de como a inteligencia artificial esta remodelando o mercado de trabalho americano.

Karpathy analisou 342 profissoes cobrindo aproximadamente 143 milhoes de trabalhadores americanos [Fato]. Ele atribuiu a cada emprego um score de exposicao a IA de 0 a 10, baseado em quanta parte do trabalho poderia plausivelmente ser executada por grandes modelos de linguagem e sistemas de IA relacionados. A media ponderada para toda a forca de trabalho americana ficou em 4,9 de 10 [Fato] — essencialmente dizendo que cerca de metade do que os americanos fazem no trabalho esta agora ao alcance das capacidades da IA.

Esse numero geral, porem, esconde uma variacao enorme. E e nos extremos que as coisas ficam realmente interessantes.

A realidade da alta exposicao: 59,9 milhoes de trabalhadores

Desses 143 milhoes de trabalhadores, aproximadamente 59,9 milhoes — ou 42% da forca de trabalho — estao em profissoes com score de 7 ou mais na escala de Karpathy [Fato]. Nao sao empregos marginais. Coletivamente, eles ganham aproximadamente US$ 2,7 trilhoes em salarios anuais (cerca de R$ 14 trilhoes) [Fato]. Isso nao e erro de arredondamento na economia — e a economia.

Quem esta no topo da lista? Transcritores medicos tiraram nota maxima de 10 de 10 [Fato] — essencialmente cada tarefa central da funcao e algo que um LLM ja faz bem. Contadores e advogados tiraram 9 de 10 [Fato], refletindo quanto do trabalho deles envolve processar, analisar e gerar documentos textuais. Se voce trabalha em um desses campos, isso nao significa que vai ficar desempregado ano que vem, mas significa que a natureza do seu trabalho provavelmente vai mudar drasticamente. Explore nossa analise detalhada para contadores | Advogados | Transcritores medicos

No outro extremo, telhadores tiraram 0 de 10 [Fato], cuidadores domiciliares tiraram 1 de 10 [Fato], e trabalhadores da construcao civil tambem tiraram 1 de 10 [Fato]. O padrao e inconfundivel: empregos que exigem presenca fisica, destreza manual e julgamento ambiental do mundo real permanecem quase inteiramente fora do alcance da IA.

O paradoxo da renda: quanto mais ganha, mais exposto

Talvez a descoberta mais marcante e a relacao entre renda e exposicao a IA [Fato]. Trabalhadores que ganham US$ 80.000 ou mais por ano (uns R$ 420.000) enfrentam um score medio de exposicao de 6,0 de 10, enquanto os que ganham menos de US$ 30.000 (cerca de R$ 155.000) ficam em apenas 3,4 de 10 [Fato]. Educacao conta historia similar: trabalhadores com diploma de bacharelado tem media de 5,7, contra 4,7 para os com diplomas profissionais [Fato].

Isso contradiz diretamente o velho manual da automacao, onde operarios e caixas eram os que perdiam o sono com maquinas. A IA generativa inverte o roteiro. Ela se destaca precisamente nas tarefas pelas quais os altos salarios sao pagos: analisar documentos complexos, redigir comunicacoes profissionais, sintetizar pesquisas e gerar producoes estruturadas. O barista e o encanador estao, paradoxalmente, mais seguros que o advogado corporativo.

Como isso se compara a outras pesquisas

A analise de Karpathy nao existe no vacuo. Coloca-la ao lado de outros estudos importantes revela convergencia e tensao.

O proprio artigo da OpenAI "GPTs are GPTs" (Eloundou et al., 2023) estimou que cerca de 80% dos trabalhadores americanos estao em profissoes onde pelo menos 10% das tarefas poderiam ser afetadas por LLMs [Fato].

O Anthropic Economic Index (2025) revelou que a IA e atualmente usada mais para aumentar do que para substituir [Fato]. Apenas cerca de 4% do uso observado constituia automacao completa de tarefas [Fato].

Pesquisadores da Brookings Institution argumentam consistentemente que os dados do mercado de trabalho simplesmente nao mostram o deslocamento em massa que os scores de exposicao poderiam prever [Fato].

Entao onde o trabalho de Karpathy se encaixa? Pense nele como uma estimativa teto [Opiniao] — o que a IA poderia teoricamente fazer, nao o que esta fazendo ou fara em qualquer cronograma especifico.

O que o metodo de Karpathy acerta — e erra

A abordagem de Karpathy tem forcas reais. Ele usou as descricoes detalhadas de tarefas do BLS e sua pontuacao foi sistematica nas 342 profissoes.

Mas ha limitacoes importantes [Opiniao]. Os scores sao gerados por um LLM avaliando suas proprias capacidades — basicamente perguntando a IA quanto de cada emprego ela acha que consegue fazer. Isso cria um vies de confianca obvio. Alem disso, a analise trata cada profissao como um monolito. Um "advogado" que redige contratos o dia todo enfrenta exposicao muito diferente de um advogado de tribunal.

Finalmente, o metodo nao leva em conta o efeito de complementaridade — o fenomeno onde ferramentas de IA frequentemente tornam trabalhadores mais produtivos em vez de substitui-los [Opiniao].

O que isso significa para voce

Se seu emprego tirou nota alta na escala de Karpathy, a pior reacao e panico. A segunda pior e negacao.

A tarefa importa mais que o titulo. Dentro de qualquer profissao com score alto, algumas tarefas sao altamente automatizaveis e outras nao. Foque em entender quais das suas tarefas especificas estao mais expostas.

Fluencia em IA esta se tornando indispensavel. Em toda profissao de alta exposicao, os trabalhadores que aprenderem a usar ferramentas de IA efetivamente vao superar os que nao aprenderem.

O cronograma e incerto mas a direcao nao. Se o impacto completo leva 3 anos ou 15, a trajetoria rumo a maior capacidade da IA no trabalho intelectual e clara. Use a incerteza do timing a seu favor — comece a se adaptar agora enquanto o mercado ainda valoriza suas habilidades existentes.

Para um olhar mais profundo sobre como a IA afeta sua profissao especifica, explore nossas paginas de analise para mais de 1.000 profissoes que acompanhamos.

Fontes

• Karpathy, A. (2026). "AI Exposure Score for US Occupations." Fortune | Awesome Agents
• Eloundou, T. et al. (2023). "GPTs are GPTs." OpenAI.
• Anthropic. (2025). "The Anthropic Economic Index." Anthropic Research
• Brookings Institution. (2025-2026). Relatorios sobre IA e estabilidade do mercado de trabalho.

Historico de atualizacoes

• 2026-03-22: Publicacao inicial baseada na analise de Karpathy de 342 profissoes americanas.

---

_Este artigo foi gerado com assistencia de IA usando dados das fontes citadas. Todos os fatos sao atribuidos e marcados com indicadores de confianca ([Fato], [Opiniao], [Estimativa]). Saiba mais sobre nosso processo de conteudo assistido por IA._