Metodologia
Como analisamos e medimos o impacto da IA nas ocupações.
Fontes de dados
Baseado em pesquisas revisadas por pares de Anthropic, OpenAI, Google DeepMind, estatísticas governamentais de trabalho e publicações acadêmicas.
Framework de análise
Decompomos cada ocupação em tarefas individuais e avaliamos o grau de automação possível por sistemas de IA atuais e futuros.
Referências principais
Todos os pontos de dados estão vinculados às suas fontes originais. Fornecemos informações completas de citação para transparência.
Referências
Todas as fontes de dados e artigos de pesquisa citados em nossa análise.
12 referências
- [1]Relatório
Anthropic Research Team
“Labor market impacts of AI: A new measure and early evidence”
Anthropic, 2026.
Introduz a métrica de 'exposição observada' combinando capacidades teóricas de LLM com dados reais de uso do Claude.
- [2]Relatório
Ruth Appel, Maxim Massenkoff, Peter McCrory, Miles McCain, Ryan Heller, Tyler Neylon, Alex Tamkin
“Anthropic Economic Index report: economic primitives”
Anthropic, 2026.
Define cinco primitivas econômicas para classificação de tarefas de IA.
- [3]Documento de trabalho
Andrew Johnston, Christos Makridis
“The Labor Market Effects of Generative AI: A Difference-in-Differences Analysis”
SSRN, 2025.
Aplica metodologia de diferenças em diferenças para medir os efeitos da IA generativa no mercado de trabalho.
- [4]Artigo
Erik Brynjolfsson, Bharat Chandar, Ruyu Chen
Stanford Digital Economy Lab, 2025.
Jovens desenvolvedores de software (22-25) veem ~20% de declínio no emprego desde o pico de 2022.
- [5]Relatório
Kunal Handa, Alex Tamkin, Miles McCain, Saffron Huang, Esin Durmus, Sarah Heck, Jared Mueller, Jerry Hong, Stuart Ritchie, Tim Belonax, Kevin K. Troy, Dario Amodei, Jared Kaplan, Jack Clark, Deep Ganguli
“Which Economic Tasks are Performed with AI? Evidence from Millions of Claude Conversations”
Anthropic, 2025.
Analisa milhões de conversas do Claude para mapear o uso de IA para tarefas ocupacionais O*NET.
- [6]Documento de trabalho
Menaka Hampole, Dimitris Papanikolaou, Lawrence DW Schmidt, Bryan Seegmiller
“Artificial Intelligence and the Labor Market”
National Bureau of Economic Research, 2025.
Instrumentos para adoção de IA no nível da empresa usando redes históricas de contratação universitária.
- [7]Artigo
Sarah Eckhardt, Nathan Goldschlag
“AI and Jobs: The Final Word (Until the Next One)”
Economic Innovation Group (EIG), 2025.
Descobre que o efeito da IA nos empregos é 'invisível' por métricas convencionais.
- [8]Conjunto de dados
U.S. Bureau of Labor Statistics
“Employment Projections: 2024-2034”
U.S. Bureau of Labor Statistics, 2024.
Projeta 5,2M novos empregos 2024-2034 (+3,1% total). Computação e Matemática +10,1%.
- [9]Artigo
Xiang Hui, Oren Reshef, Luofeng Zhou
“The Short-Term Effects of Generative Artificial Intelligence on Employment”
Organization Science, 2024.
Estuda os efeitos da IA generativa em plataformas freelance.
- [10]Artigo
Tyna Eloundou, Sam Manning, Pamela Mishkin, Daniel Rock
“GPTs are GPTs: An early look at the labor market impact potential of large language models”
arXiv, 2023.
80% da força de trabalho dos EUA pode ter 10%+ tarefas afetadas por LLMs.
- [11]Artigo
Daron Acemoglu, David Autor, Jonathon Hazell, Pasciano Restrepo
“Artificial Intelligence and Jobs: Evidence from Online Vacancies”
Journal of Labor Economics, 2022. DOI: 10.1086/718327
Analisa o impacto da IA em anúncios de emprego usando dados de vagas.
- [12]Artigo
Daron Acemoglu, Pasciano Restrepo
“Robots and Jobs: Evidence from US Labor Markets”
Journal of Political Economy, 2020. DOI: 10.1086/705716
Estima que um robô adicional por mil trabalhadores reduz a taxa emprego-população em 0,2pp.