A IA Está Pressionando os Salários Antes de Eliminar Empregos

O Google News destacou uma descoberta contundente da Axios em 31 de julho: trabalhadores expostos à IA mantiveram seus empregos, mas o crescimento de seus salários caiu acentuadamente após 2023.

A pesquisa subjacente da Apollo desafia a narrativa conhecida sobre automação. Os empregadores não precisam eliminar uma posição para capturar mais valor da IA. Podem elevar as expectativas de produção, enfraquecer a posição de barganha de um trabalhador ou contratar substitutos com salários iniciais menores.

Essa distinção importa para programadores, representantes de atendimento ao cliente, analistas financeiros e outros trabalhadores do conhecimento. A disputa imediata não é simplesmente entre humanos e máquinas. É entre o poder de barganha dos trabalhadores e empregadores que buscam reter os ganhos de produtividade impulsionados pela IA.

Os economistas da Apollo, Sania Edlich e Torsten Slok, não encontraram queda estatisticamente significativa no emprego nas ocupações estudadas. No entanto, o crescimento real dos salários em ocupações altamente expostas ficou 6,7 pontos percentuais abaixo do observado em áreas menos expostas após 2023.

A estimativa aponta para uma defasagem anual de $28 bilhões no crescimento salarial entre 5,8 milhões de trabalhadores. O estudo também encontrou um efeito maior entre os trabalhadores com menores salários.

Este é um resultado inicial, não um veredito definitivo. Outros estudos não encontraram efeito relevante sobre os ganhos, enquanto alguns detectaram aumentos salariais em trabalhos expostos à IA. A divergência torna o canal salarial mais importante de acompanhar, não menos.

O Novo Alerta É Sobre Salários, Não Demissões

A descoberta da Apollo desloca o primeiro custo visível da IA do desemprego para os contracheques dos trabalhadores.

Os pesquisadores compararam as mudanças salariais entre ocupações com diferentes níveis de exposição à IA generativa. Exposição descreve o quanto as tarefas de um trabalho se sobrepõem ao trabalho realizado pelos sistemas de IA atuais.

Eles classificaram 11 ocupações como altamente expostas usando dados de tarefas do mundo real da Anthropic. Esses campos incluíam programação de computadores, atendimento ao cliente e análise financeira.

A comparação abrangeu dados salariais do Departamento do Trabalho antes e depois do lançamento do ChatGPT no fim de 2022. A Apollo tratou 2023 como o primeiro ano completo do período da IA generativa.

Segundo o white paper resultante, o crescimento real dos salários em áreas altamente expostas ficou 6,7 pontos percentuais atrás das ocupações menos expostas. A Apollo não encontrou um efeito significativo sobre o emprego.

Essa combinação cria a principal inversão do artigo. Trabalhadores podem continuar empregados enquanto perdem terreno.

A Axios resumiu a consequência prática de forma direta em sua descoberta sobre o crescimento salarial: as pessoas podem continuar trabalhando, mas ganhar menos do que ganhariam de outra forma.

“Salário menor” não significa necessariamente que todo trabalhador afetado recebe um corte salarial direto. O efeito pode aparecer por meio de aumentos menores, ofertas iniciais mais fracas ou progressão mais lenta.

Uma empresa também pode deixar uma posição vaga sem preenchimento. Os funcionários existentes então absorvem mais trabalho com assistência de IA, muitas vezes sem um aumento proporcional na remuneração.

A Apollo estimou que a diferença representava $28 bilhões em crescimento salarial anual não obtido. Ela afetava cerca de 5,8 milhões de trabalhadores, o equivalente a aproximadamente 3,7% da força de trabalho dos EUA.

Os autores descreveram essa população como uma estimativa conservadora. A medida de exposição abrange um conjunto limitado de ocupações em que o uso observado de IA já se sobrepõe fortemente às tarefas do trabalho.

Os trabalhadores com menores salários dentro do grupo exposto sofreram a maior desaceleração. Esse resultado complica as alegações de que ferramentas de IA acessíveis democratizarão automaticamente a expertise e reduzirão as diferenças de renda.

Um agente de atendimento ao cliente, por exemplo, pode usar um assistente de IA para recuperar informações ou redigir respostas mais rapidamente. O empregador pode então esperar que cada agente lide com mais conversas.

Essa melhoria de produtividade não garante um salário maior. Se o software torna os trabalhadores mais fáceis de treinar ou substituir, sua posição de negociação pode se deteriorar.

O mesmo mecanismo pode afetar analistas juniores e programadores. A IA pode permitir que mais candidatos concluam tarefas básicas, aumentando a concorrência por trabalhos que antes exigiam habilidades técnicas mais escassas.

Nenhuma dessas mudanças exige um anúncio imediato de demissões. Elas podem se desenrolar por meio de revisões rotineiras de remuneração, decisões de contratação e metas de desempenho revisadas.

Isso torna a pressão salarial mais difícil de identificar do que a destruição de empregos. Uma posição encerrada deixa um registro visível. Um aumento que nunca se concretizou, não.

Por Que a IA Pode Enfraquecer o Poder de Barganha Antes de o Mercado de Contratações Entrar em Colapso

A IA altera a remuneração quando reduz a escassez das tarefas de um trabalhador, mesmo que um humano ainda ocupe o cargo.

Os salários refletem mais do que a produtividade atual. Eles também refletem oportunidades externas, custos de substituição, demanda por trabalho e a disposição de um trabalhador para sair.

A IA generativa pode influenciar cada fator antes de se tornar capaz de automatizar uma ocupação inteira. Um trabalho é um conjunto de tarefas, e o software pode alterar apenas parte desse conjunto.

Suponha que um analista dedique tempo a reunir dados, resumir documentos, construir um modelo, verificar premissas e apresentar conclusões. Um sistema de IA pode acelerar as três primeiras tarefas, permanecendo pouco confiável nas duas últimas.

A empresa ainda precisa do analista. No entanto, pode precisar de menos analistas para produzir o mesmo volume de trabalho.

A gestão pode capturar essa mudança sem demitir ninguém imediatamente. Pode desacelerar as contratações, aumentar as cargas de trabalho ou esperar que a rotatividade normal reduza o quadro de funcionários.

Os trabalhadores percebem a demanda mais fraca ao seu redor. Tornam-se menos confiantes para pedir aumentos ou trocar de empregador.

A mobilidade entre empregos importa porque mudar de empregador historicamente ajudou muitos trabalhadores a obter aumentos salariais maiores. Um mercado de trabalho cauteloso remove parte dessa vantagem.

A Axios observou que a taxa de pedidos de demissão nos EUA havia retornado a níveis associados a meados da década de 2010. Esse é um ambiente muito diferente da Grande Renúncia, quando os empregadores competiam intensamente por trabalhadores.

A comunicação sobre IA pode ampliar a cautela. Executivos dizem regularmente aos investidores que a automação reduzirá custos e melhorará a eficiência.

Mesmo antes de esses planos se materializarem plenamente, os trabalhadores ouvem a mesma mensagem. Alguém que acredita que um empregador pode automatizar parte de uma função tem menos confiança durante uma negociação salarial.

Os empregadores também obtêm mais informações sobre substitutos potenciais. Podem testar se um funcionário júnior assistido por IA, um contratado ou uma equipe offshore consegue realizar trabalhos antes atribuídos a profissionais experientes.

Isso não significa que as empresas detenham todo o poder de barganha. Trabalhadores experientes ainda carregam conhecimento institucional, relações com clientes, capacidade de julgamento e responsabilidade por erros caros.

A produção da IA também exige revisão. Uma resposta confiante, mas incorreta, pode criar custos legais, financeiros, de segurança ou reputacionais.

Ainda assim, o empregador não precisa de automação completa para fortalecer sua posição. Basta ter uma alternativa crível à forma atual do trabalhador executar uma tarefa.

Os dados originais de uso de tarefas da Anthropic mostraram que 57% do uso observado do Claude apoiava a ampliação do trabalho humano. Os 43% restantes refletiam padrões de automação.

Ampliação significa que uma pessoa colabora com a IA e continua envolvida no trabalho. Automação significa que o sistema executa diretamente uma tarefa com participação humana limitada.

Essas categorias podem levar a resultados salariais diferentes. A ampliação pode tornar a expertise mais valiosa quando a IA expande o que um trabalhador qualificado consegue realizar.

Ela também pode reduzir o valor da experiência quando o software dá a trabalhadores menos experientes acesso a orientações, modelos e explicações técnicas.

Pesquisas sobre atendimento ao cliente demonstraram essa ambiguidade. A assistência de IA pode gerar ganhos de produtividade maiores para agentes menos experientes porque dissemina práticas usadas por profissionais de melhor desempenho.

Esse resultado pode ajudar os trabalhadores a aprender. Também pode comprimir o prêmio antes pago a funcionários que possuíam essas práticas de forma independente.

A distribuição dos ganhos, portanto, importa tanto quanto o aumento de produtividade. Maior produção pode elevar salários, reduzir preços, ampliar lucros ou gerar alguma combinação dos três.

A interpretação da Apollo é que as empresas estão atualmente capturando uma parcela maior do benefício nas ocupações expostas. O crescimento salarial mais lento é a evidência apresentada para essa transferência.

O mecanismo é plausível, mas os dados não podem observar diretamente cada negociação de remuneração. Eles inferem um efeito da IA a partir de diferenças entre grupos ocupacionais ao longo do tempo.

Essa limitação se torna central ao avaliar se a IA causou a diferença salarial.

O Que a Manchete do Google News Não Estabelece

A diferença salarial relatada é relevante, mas um único working paper não pode isolar todas as forças que movem os salários entre ocupações.

A Apollo comparou 11 ocupações altamente expostas com áreas que apresentavam menor exposição à IA. Essa abordagem oferece um teste claro, mas também cria potenciais fatores de confusão.

Uma complicação vem da infraestrutura por trás da IA. Centros de dados exigem eletricistas, trabalhadores da construção civil, especialistas em refrigeração e outros funcionários cujas funções têm exposição relativamente baixa à IA generativa.

A rápida demanda por esses trabalhadores pode elevar seus salários. A diferença então refletiria tanto o crescimento fraco no trabalho exposto quanto o crescimento excepcionalmente forte em outros setores.

Uma segunda complicação é o mercado de trabalho mais amplo de tecnologia. Empresas de software ajustaram as contratações após a expansão durante a pandemia, o aumento das taxas de juros e o excesso de pessoal anterior.

Programadores podem experimentar crescimento salarial mais fraco por motivos que se sobrepõem à adoção de IA, mas não são inteiramente causados por ela. Separar essas forças exige séries temporais mais longas e dados mais detalhados dos empregadores.

O estudo também usa exposição em vez de substituição verificada. Uma ocupação pode conter tarefas que a IA executa sem que todos os empregadores implementem a tecnologia de forma eficaz.

A adoção real varia conforme o tamanho da empresa, a qualidade da gestão, as regras de segurança e o acesso a dados confiáveis. As medidas de exposição indicam oportunidade técnica, não uso uniforme no ambiente de trabalho.

Uma análise do Fed de março de 2026 ilustra as evidências ainda inconclusivas. Ela cita estudos que chegaram a conclusões diferentes sobre emprego e salários.

Algumas pesquisas encontraram pouco efeito geral sobre empregos ou vagas, ao lado de aumentos salariais estatisticamente significativos em ocupações expostas. Outros trabalhos detectaram redução do emprego de nível inicial onde a IA automatizava principalmente tarefas.

O Fed também citou pesquisas que mostram adoção rápida. Uma pesquisa constatou que o uso de modelos de linguagem de grande porte no local de trabalho subiu de 30,1% em dezembro de 2024 para 45,9% em junho e julho de 2025.

Esse crescimento torna as comparações ocupacionais cada vez mais relevantes. Ele não resolve se a exposição à IA causa salários menores em toda a economia.

Evidências da Dinamarca oferecem outro contraponto. Pesquisadores relacionaram pesquisas com trabalhadores a registros administrativos de emprego após empregadores introduzirem programas de chatbot.

O estudo de registros dinamarquês não encontrou efeito relevante sobre rendimentos ou horas registradas durante os dois primeiros anos após o lançamento do ChatGPT. Suas estimativas excluíram efeitos superiores a 2%.

O mercado de trabalho dinamarquês difere do americano. Suas instituições, práticas de definição salarial, rede de proteção social e comportamento dos empregadores limitam uma comparação direta.

Ainda assim, o resultado nulo mostra que a constatação da Apollo não deve se tornar uma regra universal. O efeito da IA sobre os salários pode depender das instituições nacionais e da implementação no local de trabalho.

Outro working paper, revisado em agosto de 2026, apoia a tese de pressão salarial usando diferentes conjuntos de dados americanos. Seus resultados surgiram após a reportagem original da Axios.

As estimativas salariais do artigo associam a passagem de baixa para alta exposição à IA generativa a uma queda de 4,9% nos salários em dados ocupacionais.

Usando anúncios de vagas e registros de emprego correspondentes, os autores encontraram quedas de 8,71% nos salários anunciados e de 10,76% nos salários iniciais. Eles não detectaram nenhuma mudança correspondente no emprego.

Essas estimativas reforçam o argumento de que a remuneração pode se mover antes do número de empregados. No entanto, o artigo ainda é um working paper e não resolveu o debate causal.

O governador do Federal Reserve Michael Barr enfatizou essa incerteza em um discurso de fevereiro de 2026. Ele disse que havia pouca evidência de um efeito agregado significativo sobre os salários naquele momento.

Barr identificou três questões decisivas: se a IA complementa a especialização, como ela altera a demanda entre ocupações e quem detém o capital resultante.

Essa estrutura explica por que estudos aparentemente conflitantes podem coexistir. Uma ferramenta pode aumentar a produção de um trabalhador ao mesmo tempo que reduz o valor de mercado de suas competências originais.

O resultado depende do que as empresas fazem com o tempo economizado. Elas podem expandir a produção, melhorar o serviço, reduzir o emprego ou simplesmente exigir mais da força de trabalho existente.

Também depende da concorrência. Uma empresa que repassa ganhos de produtividade aos clientes pode precisar de mais trabalhadores à medida que a demanda cresce.

Uma empresa com forte poder de mercado pode reter os ganhos como lucro. Um trabalhador com especialização complementar escassa pode negociar uma parte deles.

Portanto, a manchete do Google News identifica uma possibilidade séria, não uma medição final do efeito nacional da IA. Os leitores devem tratar a diferença de 6,7 pontos como um sinal inicial.

Trabalhadores de Menor Renda Enfrentam a Versão Mais Dura da Pressão Salarial da IA

Trabalhadores com menos reservas financeiras podem sofrer mesmo quando a IA deixa seu status formal de emprego inalterado.

A Apollo constatou que o crescimento salarial piorou mais entre trabalhadores de menor remuneração em seu grupo ocupacional exposto. Esse resultado distributivo traz consequências que vão além da estimativa média de salário.

Um especialista muito bem pago pode absorver um aumento fraco sem alterar imediatamente decisões sobre moradia, saúde ou educação. Um trabalhador de menor remuneração tem menos margem para se ajustar.

A inflação torna a distinção mais acentuada. Um salário que permanece inalterado representa perda de poder de compra quando os custos essenciais continuam subindo.

Aumentos nominais mais lentos podem, portanto, produzir uma queda real no padrão de vida. O trabalhador permanece empregado, mas o domicílio se torna menos seguro.

Trabalhadores de menor renda também têm menos recursos para requalificação. Cursos exigem tempo, dinheiro, horários previsíveis e confiança de que uma nova credencial melhorará as perspectivas de emprego.

A IA pode simultaneamente mudar quais competências os empregadores valorizam. Os trabalhadores então precisam aprender novas ferramentas enquanto atendem a expectativas maiores de produção em suas funções atuais.

O atendimento ao cliente oferece um exemplo concreto. Um assistente de IA pode redigir respostas, resumir conversas e sugerir etapas de solução de problemas.

A gestão pode ver essas capacidades como apoio aos atendentes. Também pode aumentar o número de casos que cada atendente deve encerrar durante um turno.

O trabalhador passa a ser responsável por revisar mais material gerado por máquinas. Os erros continuam associados ao funcionário humano, mesmo quando o software produziu a sugestão equivocada.

A medição de desempenho pode não reconhecer essa supervisão adicional. O painel registra um atendimento mais rápido, enquanto o empregado carrega maior tensão cognitiva e emocional.

O trabalho intelectual de nível inicial enfrenta um problema relacionado. As posições juniores tradicionalmente permitiam que os trabalhadores aprendessem por meio de pesquisa, redação, testes e análise rotineira.

Essas são exatamente as tarefas que a atual IA generativa realiza com mais facilidade. Automatizá-las pode eliminar parte do caminho de treinamento para trabalhos mais seniores.

Os empregadores podem continuar contratando trabalhadores de nível inicial, mas com salários iniciais menores. Eles podem argumentar que a IA reduz a experiência necessária para se tornar produtivo.

O estudo salarial posterior, de agosto, encontrou sua maior estimativa no pagamento inicial. Esse padrão é compatível com empregadores redefinindo a remuneração ao preencher novas posições.

Também é compatível com outras mudanças no mercado de trabalho. Os pesquisadores precisam de mais evidências antes de atribuir toda a queda à IA generativa.

A questão crítica é a mobilidade. Um trabalhador que não consegue garantir uma oferta melhor tem poder de negociação limitado diante do empregador atual.

Esse mesmo trabalhador pode hesitar em sair porque empresas concorrentes anunciam menos vagas ou esperam proficiência com sistemas de IA desconhecidos.

É assim que a pressão salarial pode se espalhar sem um pico dramático de desemprego. O mercado de trabalho permanece aparentemente estável, enquanto avançar se torna mais difícil.

A desigualdade existente pode moldar o resultado. Trabalhadores com poupança podem esperar por ofertas melhores, dedicar tempo ao treinamento ou recusar metas agressivas de produtividade.

Trabalhadores que vivem de salário em salário muitas vezes não podem. Sua necessidade de renda imediata dá aos empregadores mais espaço para definir os termos.

A propriedade da IA agrava o desequilíbrio. As empresas compram os sistemas, controlam os dados do local de trabalho, definem medidas de desempenho e decidem como as economias de produtividade são distribuídas.

Os empregados normalmente contribuem com o conhecimento de domínio necessário para tornar esses sistemas úteis. Eles corrigem resultados, explicam exceções e identificam erros que modelos genéricos não percebem.

Se essa contribuição recebe remuneração é uma questão de gestão e de mercado de trabalho, não uma inevitabilidade técnica.

Os trabalhadores podem melhorar sua posição documentando os resultados que criam com IA. O volume de produção por si só pode se tornar menos persuasivo à medida que as ferramentas se tornam comuns.

Julgamento, prevenção de erros, retenção de clientes e desenho de processos fornecem evidências mais fortes de valor. Essas contribuições permanecem ligadas à pessoa que direciona e verifica o sistema.

Um sistema pessoal de conhecimento pode ajudar a preservar essas evidências. Ele pode conectar decisões, material de origem, correções e trabalho concluído entre projetos.

Esse registro não elimina a pressão salarial estrutural. Ele pode tornar a contribuição individual mais fácil de explicar durante uma avaliação ou busca de emprego.

Os empregadores também enfrentam riscos se levarem a compressão longe demais. Uma remuneração menor pode aumentar a rotatividade, reduzir a confiança e desencorajar trabalhadores a relatar falhas do modelo.

Uma empresa que trata a IA apenas como um instrumento de redução de custos trabalhistas pode perder a especialização necessária para supervisioná-la. As economias de curto prazo podem então produzir decisões mais lentas e erros caros.

A abordagem mais sustentável trata os trabalhadores como participantes dos ganhos de produtividade. Isso pode incluir remuneração, progressão de carreira, treinamento ou maior controle sobre como o tempo economizado é usado.

As conclusões da Apollo sugerem que esse compartilhamento não está acontecendo de maneira uniforme. Os trabalhadores de menor renda parecem estar absorvendo o ajuste mais severo.

Três Sinais Mostrarão se a Ameaça aos Salários Está se Espalhando

O próximo teste é verificar se a compressão salarial aparece em mais ocupações, mais conjuntos de dados e mais decisões de empregadores.

O primeiro sinal é o salário inicial em ocupações expostas à IA. Os salários iniciais reagem mais rápido do que a remuneração de empregados estabelecidos porque os empregadores podem redefinir os termos a cada contratação.

Os pesquisadores devem comparar salários anunciados e aceitos dentro da mesma ocupação, setor, localidade e nível de experiência. Esse desenho pode reduzir a confusão causada por ciclos mais amplos de contratação.

Quedas contínuas nos salários iniciais reforçariam a interpretação da Apollo. Ofertas estáveis ou em alta sugeririam que a primeira comparação ocupacional captou uma fraqueza temporária no setor de tecnologia.

O segundo sinal é a mobilidade entre empregos. Os trabalhadores ganham poder de negociação quando podem sair para oportunidades melhores, enquanto os empregadores o ganham quando as ofertas externas desaparecem.

A taxa de pedidos de demissão fornece uma medida ampla, mas a movimentação no nível das ocupações será mais informativa. Analistas precisam acompanhar se trabalhadores expostos mudam de empregador com menos frequência do que trabalhadores comparáveis.

Uma queda concentrada em funções intensivas em IA apoiaria o mecanismo de poder de negociação. Uma queda em todo o mercado apontaria para condições econômicas mais amplas.

Os pesquisadores também devem examinar os aumentos salariais que os trabalhadores recebem quando se movem. Menos transições combinadas com ganhos salariais menores indicariam oportunidades externas mais fracas.

O terceiro sinal é como os empregadores distribuem ganhos mensuráveis de produtividade. As empresas discutem cada vez mais a eficiência da IA em teleconferências de resultados, metas internas e planos de força de trabalho.

Essas declarações devem ser comparadas com número de empregados, despesas de remuneração, volume de contratações, qualidade do serviço e receita por funcionário.

Se a produtividade aumentar enquanto a remuneração real estagnar, a tese de compressão salarial se tornará mais forte. Se o emprego ou os salários crescerem junto com a produção, a ampliação está produzindo um benefício mais amplo.

A adoção corporativa também revelará quais ocupações entram no grupo exposto. Os 5,8 milhões de trabalhadores da Apollo representam uma estimativa inicial restrita, não um teto.

Agentes de IA que lidam com fluxos de trabalho mais longos poderiam ampliar a exposição para além de tarefas isoladas de redação ou análise. A confiabilidade determinará quão rapidamente os empregadores confiarão a eles essa responsabilidade.

A revisão humana continua sendo uma limitação importante. Sistemas que falham em tarefas complexas e de longa duração continuam exigindo supervisão qualificada.

Essa supervisão pode sustentar salários mais altos quando a responsabilização e o conhecimento de domínio permanecem escassos. Ela pode reduzir salários quando as empresas tratam a revisão como trabalho rotineiro de monitoramento.

A política pública moldará o equilíbrio. Apoio ao treinamento, transparência salarial, regras de negociação coletiva e acesso dos trabalhadores a dados de produtividade podem afetar quem captura os ganhos.

A medição também precisa melhorar. O Departamento do Trabalho está buscando acordos de compartilhamento de dados com empresas de tecnologia para acompanhar mais rapidamente os efeitos da IA sobre o emprego.

Dados melhores devem distinguir a exposição técnica da adoção ativa no local de trabalho. Eles também devem separar cortes salariais diretos de aumentos menores, ofertas iniciais fracas e oportunidades de promoção perdidas.

Para os trabalhadores, a questão prática não é se a IA pode realizar um emprego inteiro. É se os empregadores agora veem as tarefas valiosas do emprego como mais fáceis de obter em outro lugar.

Essa mudança pode aparecer durante uma avaliação de remuneração muito antes de aparecer em um relatório de desemprego.

Acompanhe suas próprias evidências de acordo com isso. Registre onde a IA economizou tempo, onde seu julgamento evitou um erro e onde seu conhecimento mudou a decisão final.

Compare esse registro com novos anúncios de vagas e faixas salariais em sua área. Se as expectativas de produção aumentarem enquanto a remuneração estagnar, o efeito salarial já está chegando até você.

A próxima manchete do Google News ainda pode se concentrar em demissões porque elas oferecem uma contagem visível. A medida mais silenciosa é se as pessoas empregadas mantêm uma parcela justa do que a IA as ajuda a produzir.