Metodologia

As obras abaixo contam-se entre as que sustentam os valores apresentados neste site, a par da literatura que consultamos ao enquadrar a exposição à IA. Os valores são apresentados com o valor que cada editor lhes atribuiu. A apresentação é localizada: por exemplo, quando um editor exprime um valor como categoria em palavras e não como número, a redação mostrada é essa categoria traduzida para a língua da página. A localização altera como um valor é escrito, não qual o valor que o seu editor lhe atribuiu. A página Créditos e fontes reúne as atribuições dos conjuntos de dados e as suas licenças.

• Massenkoff & McCrory (2026) - Impactos da IA no mercado de trabalhoReferência
• Eloundou et al. (2023) - GPTs are GPTs: estrutura teórica de exposição de tarefas
• Brynjolfsson et al. (2025) - Canaries in the Coal Mine: efeitos sobre o emprego medidos a partir de microdados de folha de pagamento da ADP
• U.S. Bureau of Labor Statistics (Departamento de Estatísticas do Trabalho dos EUA) - Projeções de emprego 2025-2035
• Sistema de classificação O*NET SOC - taxonomia padronizada de ocupações e tarefas

Os valores definidos abaixo são reproduzidos de editores externos, e cada um indica a sua fonte onde aparece. Quando uma página de ocupação mostra uma posição, uma quota ou um lugar dentro de um intervalo publicado, esse valor enuncia uma relação entre os próprios valores do editor e não uma nova medição — a AI Changing Work não publica medições próprias. Esta secção define as métricas abaixo tal como os seus editores as definem.

OpenAI "GPTs are GPTs" — beta (β)

β = exposição direta (E1) + 0,5 × exposição com ferramentas disponíveis (E2), segundo a definição do repositório de origem. Mostramo-la ao nível da ocupação sob os dois regimes de avaliação que os autores publicaram — avaliadores humanos e avaliadores GPT-4 — e ao nível da tarefa como a proporção de tarefas avaliadas com β ≥ 0,5. Os valores são 0–1 tal como publicados; convertemo-los em percentagem apenas para exibição.

Anthropic Economic Index — exposição observada

Um índice de exposição teórica ponderado pelo uso medido do Claude, segundo a definição do relatório original. Descreve o uso observado no momento em que o conjunto de dados foi publicado. Mostramos também a penetração por tarefa: quantas tarefas de uma ocupação apresentam algum uso observado, e a sua média. Os valores são 0–1 tal como publicados.

Os cenários econômicos de 2030 da Anthropic (Documento de trabalho 2026-02, setembro de 2026) usam esta medida de exposição observada como ponto de partida para avaliar até onde a IA alcança o trabalho. O documento relata médias de 0,22 para as ocupações de trabalho do conhecimento e 0,01 para todas as demais. Leia os cenários (Anthropic)

Bureau of Labor Statistics dos EUA — Projeções de Emprego 2025–35

Os valores de emprego, salário mediano e variação projetada são transcritos das Projeções de Emprego 2025–35 do BLS (Table 1.2), uma publicação federal de domínio público. Estes valores descrevem o grupo ocupacional SOC, não o cargo específico, pelo que ocupações que partilham um código SOC os partilham. O emprego é publicado em milhares de postos.

Bureau of Labor Statistics dos EUA — bandas de exposição relativa à IA

O Bureau of Labor Statistics dos EUA coloca cada ocupação da sua National Employment Matrix numa de quatro bandas relativas — Low, Moderate, High, Very high — publicadas a par das Projeções de Emprego 2025–35. A banda é uma posição de ordenação entre as ocupações dessa tabela; não é um nível, nem uma probabilidade de adoção, nem uma previsão de emprego, e não separa automação de assistência. Também não é uma medição própria do Bureau: este toma os postos percentis de cada ocupação de vários estudos publicados anteriormente e agrupa-os em quatro bandas. Dois desses estudos pertencem à mesma série de conjuntos de dados que este site já apresenta, pelo que a banda e esses valores não são independentes entre si. Publicamos o rótulo da banda tal como o Bureau o escreveu, traduzido para a língua da página; o número de ordem que o Bureau não publica nunca é mostrado. A banda é atribuída por código da National Employment Matrix (NEM) e não por designação do cargo, e um código NEM pode abranger mais do que uma ocupação deste site, pelo que as ocupações que partilham um código NEM recebem a mesma banda.

O AI Changing Work não calcula qualquer pontuação própria de exposição, risco ou automatização. Quando um conjunto de dados de origem não cobre uma ocupação, mostramos essa ausência em vez de a substituir por um valor.

As ocupações são descritas ao nível de tarefas individuais, porque os próprios conjuntos de dados de exposição publicados avaliam tarefas e não cargos inteiros. Esta secção explica como essas avaliações externas são associadas às ocupações deste site.

Decomposição no nível de tarefas

Cada ocupação é decomposta nas suas tarefas constituintes para que as avaliações por tarefa dos conjuntos de dados de origem lhe possam ser associadas. As listas de tarefas vêm do O*NET; as avaliações associadas vêm dos conjuntos de dados externos e não são modificadas.

Índices de exposição externos

Os valores de exposição por ocupação e tarefa são reproduzidos de conjuntos de dados de investigação publicados: Anthropic Economic Index (CC BY 4.0), OpenAI "GPTs are GPTs" exposure rubric (MIT License), ILO Working Paper 140 (CC BY 4.0) e BLS AI exposure categories (Public domain (17 U.S.C. §105)). Os valores de origem são apresentados com o valor que cada editor lhes atribuiu. O AI Changing Work não os reescala, repondera, reclassifica nem mistura, e não calcula qualquer pontuação de exposição própria. O nosso contributo é o mapeamento para os códigos de ocupação e tarefa do O*NET; as ocupações ausentes de um conjunto de dados são declaradas ausentes em vez de pontuadas. A apresentação é localizada: por exemplo, quando um editor exprime um valor como categoria em palavras e não como número, a redação mostrada é essa categoria traduzida para a língua da página. A localização altera como um valor é escrito, não qual o valor que o seu editor lhe atribuiu.

Projeções de emprego

Os valores de emprego, salário e variação projetada são transcritos das Projeções de Emprego 2025–35 do Bureau of Labor Statistics dos EUA (Table 1.2), uma publicação federal de domínio público. Descrevem o grupo ocupacional SOC, pelo que ocupações que partilham um código SOC partilham estes valores. Não publicamos projeções de emprego próprias.

A transparência sobre nossas limitações é essencial para uma análise responsável. Os usuários devem considerar esses fatores ao interpretar nossos dados.

Sem amostra subjacente

Nossos números não derivam de uma amostra medida. Não há pesquisa amostral, telemetria ou painel por trás deles, portanto nenhum intervalo de confiança pode ser informado. Trate cada número deste site como uma estimativa não validada.

Cobertura geográfica e ocupacional

A cobertura é limitada pelos conjuntos de dados de origem: das 1.048 ocupações reunidas, algumas estão ausentes de um ou mais dos conjuntos de exposição, e nenhum valor desses conjuntos é apresentado para elas. Os dados subjacentes refletem sobretudo o mercado de trabalho dos EUA e interações com IA em inglês, podendo não representar padrões globais.

Frequência de atualização

As métricas são revisadas quando refazemos nossa própria análise. Não recebemos atualizações automáticas de nenhum provedor de dados externo.

Lacuna teórica vs. observada

Exposição não é adoção. Os conjuntos de dados de origem medem o quanto as tarefas estão expostas, ou quanto uso foi observado quando foram compilados; barreiras à adoção, restrições regulatórias e inércia organizacional fazem com que a mudança real fique normalmente atrás da capacidade técnica. Os valores descrevem ainda o momento em que cada conjunto de dados foi publicado, não o presente.

Mantemos um registro transparente das principais atualizações de dados e mudanças metodológicas.

As obras aqui listadas contam-se entre as fontes e a literatura de apoio por detrás dos valores deste site. Cada valor numa página de ocupação indica o conjunto de dados de onde veio.