O que é a exposição observada e por que ela muda o jogo
A Inteligência Artificial e o mercado de trabalho formam uma dupla que não sai do centro das discussões há alguns anos, mas a verdade é que boa parte do que ouvimos sobre automação ainda se baseia em projeções teóricas. São modelos que tentam prever o que a IA poderia fazer com determinadas tarefas profissionais, sem necessariamente olhar para o que já está acontecendo na prática. A Anthropic, criadora do assistente Claude, resolveu atacar exatamente essa lacuna e desenvolveu um conceito chamado exposição observada. Em vez de estimar cenários hipotéticos, essa métrica cruza dados reais de uso da IA com a classificação oficial de tarefas profissionais nos Estados Unidos, oferecendo um panorama muito mais concreto sobre quais profissões já estão sendo impactadas pela automação e em que intensidade isso acontece no cotidiano de quem trabalha.
A nova medida combina informações de três fontes distintas: o banco de dados O*NET, que lista as tarefas associadas a cerca de 800 ocupações nos EUA; os dados proprietários de uso do Claude, compilados por meio do Anthropic Economic Index; e as estimativas de exposição teórica desenvolvidas por Eloundou e colegas em 2023. Essa última fonte classifica cada tarefa profissional numa escala simples — pontuação 1 se um modelo de linguagem sozinho consegue dobrar a velocidade da tarefa, 0,5 se isso exige ferramentas adicionais construídas sobre o modelo, e 0 se não é viável. A combinação dessas camadas de dados é o que permite ir além do exercício puramente teórico e enxergar o impacto real da Inteligência Artificial no dia a dia profissional.
A grande sacada dessa abordagem é justamente o fato de ela partir da realidade e não de suposições. Quando pesquisadores analisam conversas reais entre usuários e o Claude, conseguem identificar padrões de uso que revelam quais atividades profissionais já estão sendo delegadas, complementadas ou transformadas pela Inteligência Artificial. Isso permite construir um mapa de ocupações automatizadas que não depende de achismos nem de projeções exageradas. O resultado é um retrato muito mais pé no chão, que mostra tanto as áreas que já sentem os efeitos da automação quanto aquelas que continuam praticamente intocadas pela tecnologia. É um tipo de evidência que faltava no debate público e que ajuda a separar o que é alarme infundado do que merece atenção real por parte de trabalhadores, empresas e governos.
Outro ponto importante é que a exposição observada não mede apenas se uma profissão está sendo afetada, mas também o grau dessa exposição. O cálculo leva em conta vários fatores qualitativos que os pesquisadores consideram preditivos do impacto real sobre os empregos. A exposição de uma ocupação é maior quando:
- Suas tarefas são teoricamente viáveis com IA
- Suas tarefas apresentam uso significativo nos dados do Anthropic Economic Index
- As interações acontecem em contextos relacionados ao trabalho
- Existe uma proporção maior de uso automatizado ou implementação via API, em vez de uso apenas para complementar o trabalho humano
- As tarefas impactadas pela IA representam uma fatia relevante do papel profissional como um todo
Essa granularidade faz toda a diferença na hora de entender o cenário real do mercado de trabalho, porque evita generalizações perigosas como dizer que toda uma categoria profissional está ameaçada quando, na prática, apenas uma fatia específica das suas tarefas é que está sendo automatizada. As implementações totalmente automatizadas recebem peso total na métrica, enquanto o uso de complementação — aquele em que o profissional usa a IA como assistente, mas mantém o controle — recebe metade do peso. É uma distinção sutil, mas que muda completamente a leitura dos dados.
Quem está mais exposto — e a surpresa nos dados
Um dos achados mais contraintuitivos do estudo da Anthropic é o perfil dos trabalhadores que mais aparecem no radar da exposição observada. Ao contrário do que muita gente imagina, não são os profissionais menos qualificados ou de baixa renda que lideram a lista de ocupações automatizadas. Os dados, extraídos da pesquisa Current Population Survey nos três meses anteriores ao lançamento do ChatGPT (agosto a outubro de 2022), mostram que os trabalhadores mais expostos à Inteligência Artificial são justamente os mais escolarizados, com salários mais altos e, em sua maioria, mulheres. O grupo mais exposto tem 16 pontos percentuais a mais de probabilidade de ser feminino, 11 pontos percentuais a mais de ser branco e quase o dobro de chance de ser asiático, comparado ao grupo sem exposição. Em termos de remuneração, ganham em média 47% a mais. Pessoas com pós-graduação representam 17,4% do grupo mais exposto, contra apenas 4,5% do grupo não exposto — uma diferença de quase quatro vezes.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Isso desafia completamente a narrativa popular de que a automação vai primeiro substituir trabalhos manuais e repetitivos. O que está acontecendo, na verdade, é que a IA generativa tem uma afinidade natural com tarefas cognitivas, como redação, análise de dados, programação, atendimento especializado e produção de conteúdo — atividades que historicamente exigem formação superior e estão concentradas em faixas salariais mais elevadas.
O estudo apresenta um ranking das dez ocupações com maior exposição observada, e os resultados são reveladores. No topo da lista estão os Programadores de Computador, com impressionantes 75% de cobertura de tarefas — o que faz todo sentido dado o uso extensivo do Claude para programação. Logo em seguida aparecem os Representantes de Atendimento ao Cliente, cujas tarefas principais estão cada vez mais presentes no tráfego de API. E em terceiro lugar vêm os Digitadores de Dados, cuja tarefa primária de ler documentos-fonte e inserir informações apresenta automação significativa, com 67% de cobertura.
Na outra ponta do espectro, 30% dos trabalhadores americanos têm exposição zero, porque suas tarefas apareceram com frequência insuficiente nos dados para atingir o limite mínimo de detecção. Esse grupo inclui profissões como cozinheiros, mecânicos de motocicletas, salva-vidas, bartenders, lavadores de louça e atendentes de vestiário — ocupações que envolvem trabalho físico e interação presencial, terrenos onde a IA generativa simplesmente não opera.
A questão de gênero também chama atenção. A concentração maior de mulheres entre os profissionais mais expostos reflete a composição demográfica de áreas como educação, comunicação, recursos humanos e saúde administrativa — setores onde tarefas cognitivas e textuais dominam o dia a dia. Esse dado é relevante porque políticas públicas de requalificação profissional e adaptação ao novo cenário do mercado de trabalho precisam levar em conta essas nuances demográficas para serem realmente eficazes. Ignorar quem são as pessoas mais impactadas torna qualquer plano de ação genérico demais para funcionar na prática.
Automação teórica versus automação real — o abismo que poucos enxergam
Talvez o dado mais importante de todo o estudo seja a distância enorme entre o potencial teórico de automação e o que já está de fato acontecendo. Segundo a análise da Anthropic, a Inteligência Artificial atual já teria capacidade técnica para impactar uma parcela significativa das tarefas profissionais, mas o uso real ainda representa uma fração pequena desse potencial. Para dar uma dimensão concreta, 97% das tarefas observadas nos quatro relatórios anteriores do Economic Index caem em categorias classificadas como teoricamente viáveis por Eloundou e colegas. Ou seja, a correlação entre o que é possível e o que está sendo usado é alta, mas o volume de uso real ainda fica muito atrás do que a teoria permitiria.
O exemplo da categoria de Computação e Matemática ilustra bem esse ponto. A medida teórica indica que 94% das tarefas nessa área poderiam ser aceleradas por modelos de linguagem. Já a exposição observada mostra que o Claude cobre atualmente apenas 33% dessas tarefas. A mesma lógica se aplica a ocupações administrativas, onde a capacidade teórica é de 90%, mas a cobertura prática é consideravelmente menor. Esse gap existe por uma série de razões práticas: nem todas as empresas adotaram ferramentas de IA, muitos profissionais ainda estão aprendendo a usar essas tecnologias, existem barreiras regulatórias e culturais, e há tarefas que, mesmo sendo tecnicamente automatizáveis, dependem de contexto humano, julgamento ético ou interação social que a IA ainda não consegue replicar de forma satisfatória.
O artigo original traz um exemplo bem didático dessa distância. A classificação teórica de Eloundou e colegas marca a tarefa de autorizar recargas de medicamentos e fornecer informações de prescrição a farmácias como totalmente exposta, com pontuação máxima. No entanto, os pesquisadores da Anthropic simplesmente não observaram o Claude realizando essa tarefa na prática. A avaliação teórica até parece correta — um modelo de linguagem provavelmente poderia acelerar esse processo — mas as barreiras regulatórias, os requisitos de verificação humana e as limitações práticas de implementação mantêm essa possibilidade no campo da teoria por enquanto.
Essa lacuna entre teoria e prática é uma boa notícia para quem teme um cenário de desemprego em massa no curto prazo. E aqui vale mencionar que o próprio estudo reconhece um histórico de previsões exageradas nesse campo. Os pesquisadores lembram que uma tentativa proeminente de medir a vulnerabilidade de empregos à terceirização internacional identificou cerca de um quarto dos postos de trabalho americanos como vulneráveis, mas uma década depois a maioria dessas ocupações manteve crescimento saudável de emprego. As próprias projeções governamentais de crescimento ocupacional, embora direcionalmente corretas, acrescentaram pouca capacidade preditiva além da simples extrapolação linear de tendências passadas. Até mesmo os efeitos dos robôs industriais sobre o emprego geram conclusões opostas entre diferentes estudos. Essa dose de humildade permeia todo o trabalho e é um dos seus pontos mais fortes.
Projeções do mercado americano confirmam a tendência
Um dado interessante que reforça a validade da métrica de exposição observada é a sua correlação com as projeções oficiais de emprego do Bureau of Labor Statistics (BLS) americano para o período de 2024 a 2034. O estudo encontrou que, para cada aumento de 10 pontos percentuais na cobertura observada, a projeção de crescimento de emprego do BLS cai 0,6 ponto percentual. A relação é modesta, mas estatisticamente relevante, e funciona como uma espécie de validação independente — analistas do mercado de trabalho que não têm acesso aos dados de uso do Claude chegaram a conclusões que apontam na mesma direção. Curiosamente, essa correlação não aparece quando se usa apenas a medida teórica de Eloundou e colegas, o que sugere que a exposição observada captura algo que a teoria sozinha não consegue.
Existe também um grande território que permanece completamente fora do alcance da IA. Muitas tarefas, como o trabalho agrícola físico de podar árvores e operar maquinário, ou tarefas legais como representar clientes em tribunal, continuam sendo domínio exclusivamente humano. Esse lembrete é importante para manter as expectativas calibradas e evitar o tipo de alarmismo que dominou debates tecnológicos anteriores.
O que os dados dizem sobre desemprego e o futuro do trabalho
E aqui vem provavelmente a pergunta que não quer calar: afinal, a IA já está causando desemprego? A resposta curta, pelo menos até agora, é não de forma detectável. Os pesquisadores escolheram focar no desemprego como indicador principal porque ele captura de maneira mais direta o potencial de dano econômico — um trabalhador desempregado é alguém que quer trabalhar e ainda não encontrou uma posição. Comparando os trabalhadores no quartil mais exposto com aqueles sem exposição alguma, o estudo não encontrou um aumento sistemático no desemprego dos grupos mais expostos desde o final de 2022.
O artigo original detalha que a análise usou um modelo de diferença-em-diferenças, comparando as tendências de desemprego antes e depois do lançamento do ChatGPT entre os grupos mais e menos expostos. A mudança média no gap entre os dois grupos desde novembro de 2022 foi pequena e estatisticamente insignificante. Ou seja, o desemprego do grupo mais exposto pode ter subido levemente, mas o efeito é indistinguível de zero nos dados.
No entanto, o estudo encontra evidências sugestivas de que a contratação de trabalhadores mais jovens pode ter desacelerado em ocupações com alta exposição. Esse é um sinal sutil, mas potencialmente significativo. Se empresas estão usando IA para realizar tarefas que antes seriam atribuídas a profissionais em início de carreira, o impacto pode não aparecer como demissões, mas sim como uma redução no fluxo de novas contratações. É o tipo de efeito que demora para se materializar nas estatísticas tradicionais de desemprego e que merece acompanhamento atento nos próximos anos.
Olhando para o conjunto das informações reveladas pelo estudo, o que emerge é um quadro de transição — não de ruptura. O mercado de trabalho está sim sendo modificado pela Inteligência Artificial, mas de uma forma que ainda permite adaptação por parte de profissionais e organizações. As profissões com maior exposição observada são aquelas cujos trabalhadores já estão, em grande parte, incorporando a IA na rotina como ferramenta de produtividade. Isso sugere que a habilidade de trabalhar com a IA, e não contra ela, pode se tornar um diferencial competitivo decisivo nos próximos anos. Profissionais que aprendem a usar essas ferramentas para ampliar suas capacidades tendem a se valorizar no mercado, enquanto aqueles que resistem à mudança podem enfrentar dificuldades mais adiante, não por culpa da tecnologia em si, mas pela falta de adaptação a um ambiente que já está em movimento.
A importância de medir antes de reagir
Um aspecto metodológico que merece destaque é a decisão deliberada dos pesquisadores de estabelecer esse sistema de medição agora, antes que efeitos significativos tenham se materializado. A ideia é que, ao construir essa linha de base com dados concretos, futuras análises consigam identificar disrupções econômicas de forma mais confiável do que estudos feitos a posteriori. É uma postura rara num campo dominado por previsões grandiosas e que mostra maturidade analítica. O compromisso de revisitar essas análises periodicamente transforma o estudo de um retrato estático em uma ferramenta de monitoramento contínuo.
Os pesquisadores também reconhecem que sua abordagem não captura todos os canais pelos quais a IA pode remodelar o mercado de trabalho. Existem efeitos indiretos, mudanças em cadeias de valor, criação de novas ocupações e transformações organizacionais que não aparecem na análise de tarefas individuais. Mas a escolha de focar no que é mensurável e verificável, em vez de tentar abraçar todo o fenômeno, é justamente o que dá credibilidade aos resultados.
A contribuição mais valiosa dessa pesquisa da Anthropic talvez seja justamente a mudança de perspectiva que ela propõe. Em vez de alimentar o debate com previsões grandiosas sobre um futuro distante, a exposição observada coloca a conversa no presente e usa evidências concretas para mostrar onde estamos de verdade. E onde estamos é num ponto onde a Inteligência Artificial já faz parte do dia a dia de muitas profissões, mas ainda longe de representar uma ameaça existencial ao emprego como conhecemos. O desafio real não é se a IA vai transformar o mercado de trabalho — isso já está acontecendo. O desafio é garantir que essa transformação seja acompanhada de perto, com dados reais e respostas proporcionais, para que o maior número possível de pessoas consiga navegar essa transição sem ficar para trás 🚀
