Goldman Sachs Afirma que a Índia Enfrenta Menores Riscos de Emprego com IA, mas Serviços Continuam Expostos

O Goldman Sachs afirma que a Índia enfrenta um deslocamento de empregos pela IA menos disseminado do que economias mais ricas, apesar dos riscos claros para o trabalho administrativo e os serviços habilitados por tecnologia. Santanu Sengupta, economista-chefe do banco para a Índia, apresentou essa avaliação em 14 de agosto, de acordo com um relatório sobre riscos trabalhistas. A conclusão contraria previsões de que a IA generativa eliminará rapidamente empregos em toda a enorme força de trabalho indiana.

A manchete tranquilizadora traz uma ressalva importante. A menor exposição da Índia reflete a estrutura de seu mercado de trabalho, e não uma imunidade a sistemas de IA cada vez mais capazes. Agricultura, construção, manufatura e outras ocupações físicas ainda empregam milhões de pessoas cujas tarefas diárias continuam difíceis de automatizar com software.

A pressão está concentrada em outros setores. Trabalho administrativo rotineiro, serviços de processos de negócios, telecomunicações, serviços financeiros, mídia e algumas funções profissionais incluem mais tarefas que o software pode executar. Esses setores também sustentam a posição da Índia como grande exportadora de serviços de tecnologia e negócios.

Isso cria a tensão central. O país parece menos vulnerável em nível nacional, enquanto partes de sua economia de serviços, importante internacionalmente, estão próximas à zona de impacto da tecnologia. A história do trabalho e da IA na Índia trata, portanto, de uma transição desigual, não de uma simples disputa entre desemprego em massa e crescimento ininterrupto.

A Previsão do Goldman Aponta para Transformação, Não Substituição em Massa

O argumento central do banco é que a IA mudará mais empregos indianos do que eliminará.

Uma análise do Goldman Sachs divulgada no fim de julho estimou que a IA generativa pode executar entre 9% e 17% das tarefas em toda a força de trabalho não agrícola da Índia. Essa faixa mede a exposição das tarefas, ou seja, o trabalho que a IA pode auxiliar ou automatizar. Ela não representa uma previsão de que a mesma porcentagem de trabalhadores perderá seus empregos.

A distinção é importante porque as ocupações reúnem muitas tarefas diferentes. Um analista financeiro pode usar IA para resumir documentos, mantendo a responsabilidade pelo julgamento, pela comunicação com clientes e pelas decisões regulatórias. Um professor pode gerar materiais de aula mais rapidamente sem transferir a gestão da sala de aula ou a avaliação dos alunos para um modelo.

O Goldman estimou que entre 42% e 48% dos empregos não agrícolas têm maior probabilidade de receber assistência de IA do que enfrentar substituição direta. O banco situou entre 8% e 12% no risco de substituição, segundo uma detalhada análise de emprego. O restante deve experimentar efeitos diretos relativamente limitados sob as premissas do relatório.

Essas estimativas sustentam a afirmação mais ampla de Sengupta. A Índia tem uma parcela menor de trabalhadores em ocupações de escritório altamente expostas do que as economias avançadas. Uma grande força de trabalho agrícola reduz ainda mais a taxa de exposição no país, porque a IA generativa atual opera principalmente por meio de linguagem, imagens, dados e software.

O Goldman espera que a adoção eleve o crescimento anual da produtividade do trabalho na Índia em cerca de 0,4 ponto percentual ao longo de uma década. Sua faixa estimada vai de 0,1 a 0,8 ponto percentual, dependendo em parte de quão capazes se tornem os sistemas futuros. Esses ganhos são projeções, não resultados observados.

A produtividade pode aumentar quando trabalhadores concluem tarefas existentes mais rapidamente, entregam mais produção ou migram para responsabilidades de maior valor. No entanto, empregadores também podem capturar ganhos de eficiência reduzindo o quadro de funcionários. A mesma tecnologia pode complementar trabalhadores em uma organização e substituir posições semelhantes em outra.

Os custos de implementação moldarão essa decisão. As empresas precisam conectar modelos a dados internos, redesenhar fluxos de trabalho, verificar resultados, gerenciar a segurança e atribuir responsabilidades. Uma demonstração que conclui uma tarefa não se transforma automaticamente em um sistema de produção confiável.

Isso ajuda a explicar por que a exposição no nível das ocupações raramente se traduz diretamente em perdas imediatas de empregos. As empresas geralmente automatizam partes de um fluxo de trabalho antes de reestruturar cargos inteiros. As contratações podem enfraquecer antes que as demissões se tornem visíveis, especialmente quando empregadores deixam de repor trabalhadores que saem.

A escala da Índia também desacelera qualquer transição nacional. Grandes empresas, pequenas empresas, fazendas, fábricas, órgãos públicos e empregadores informais adotam tecnologia em ritmos diferentes. O acesso a computação, eletricidade confiável, dados úteis e gestores treinados permanece desigual.

A previsão do Goldman deve ser lida como um mapa de pontos de pressão. Ela sugere onde as tarefas podem mudar e onde a produtividade pode melhorar. Não estabelece com que rapidez os empregadores implantarão IA nem como distribuirão os ganhos resultantes.

A Estrutura do Trabalho na Índia Oferece uma Proteção

A Índia parece menos exposta porque grande parte de sua força de trabalho realiza tarefas físicas, agrícolas ou interpessoais que a IA generativa não pode executar diretamente.

Uma avaliação do Fundo Monetário Internacional constatou que cerca de 43% da força de trabalho indiana atuava na agricultura. Essa estrutura de emprego torna o país menos exposto do que economias que avançaram mais para serviços baseados em escritórios. O software pode aconselhar um agricultor, mas não pode concluir de forma independente a maior parte do trabalho físico em um campo.

O FMI estimou que 26% dos trabalhadores indianos ocupavam profissões com alta exposição à IA. A instituição classificou 14% do emprego como altamente exposto, mas potencialmente complementado pela IA. Outros 12% estavam em ocupações altamente expostas, nas quais os riscos de deslocamento eram maiores, segundo sua avaliação sobre a Índia.

Esses números diferem das faixas do Goldman porque as instituições usam conjuntos de dados, definições e classificações ocupacionais distintos. Uma estimativa pode abranger toda a força de trabalho, enquanto outra examina o emprego não agrícola ou parcelas de tarefas. As variações reforçam por que estatísticas de exposição não devem ser tratadas como previsões precisas de demissões.

Pesquisas entre países apontam na mesma direção geral. Economias avançadas empregam proporções maiores de gestores, profissionais, administradores e outros trabalhadores do conhecimento. Essas ocupações utilizam tarefas de linguagem e processamento de informações que os sistemas atuais de IA lidam com maior eficácia.

O FMI estimou que cerca de 60% dos empregos em economias avançadas estão expostos à IA. Suas estimativas correspondentes foram de 40% para mercados emergentes e de 26% para países de baixa renda. A exposição inclui oportunidades de crescimento de produtividade, bem como riscos de deslocamento.

Na Ásia, aproximadamente metade do emprego nas economias avançadas está exposta, em comparação com cerca de um quarto nas economias emergentes e em desenvolvimento. A comparação regional também constatou que economias mais ricas possuem mais empregos nos quais a IA pode complementar trabalhadores. Uma exposição maior, portanto, cria tanto maior risco quanto maior potencial de ganho.

A menor exposição da Índia ainda pode ocultar sérios problemas distributivos. Trabalhadores na agricultura podem estar protegidos da substituição direta pela IA generativa, mas continuam vulneráveis à baixa produtividade, à renda instável e à proteção social limitada. Estar fora do alcance imediato da IA não garante um emprego seguro ou bem remunerado.

A mesma questão aparece dentro das cidades. Um desenvolvedor de software e um entregador participam da economia digital, mas sua exposição difere fortemente. Um modelo pode produzir código ou documentação, enquanto não consegue conduzir uma motocicleta no trânsito ou entregar fisicamente uma encomenda a um cliente.

Mulheres e trabalhadores altamente escolarizados frequentemente têm maior exposição ocupacional porque estão mais representados em funções administrativas e profissionais. Trabalhadores de renda mais alta também aparecem com frequência em ocupações expostas. Seu trabalho às vezes oferece maior espaço para ampliação por IA, embora componentes rotineiros ainda possam ser automatizados.

Jovens formados enfrentam uma preocupação separada. Funções de nível inicial frequentemente incluem documentação, pesquisa, agendamento, testes e análise básica. Essas tarefas dão experiência a novos trabalhadores, mas também se encaixam nas capacidades das ferramentas de IA generativa.

Uma empresa não precisa demitir funcionários existentes para reduzir essas oportunidades. Ela pode manter uma turma menor de novos contratados porque trabalhadores experientes produzem mais com assistência de IA. Esse padrão afetaria o ingresso na carreira sem aparecer imediatamente como desemprego em massa.

A proteção da Índia é, portanto, real, mas incompleta. O país tem menos empregos expostos como parcela do emprego total, mas a parcela exposta inclui indústrias estratégicas e caminhos comuns para a classe média. As médias nacionais não conseguem captar essa concentração.

O Motor dos Serviços Está Mais Próximo do Risco

Os trabalhadores mais expostos da Índia estão concentrados em serviços que ajudaram o país a se tornar um destino global para operações empresariais terceirizadas.

Processos de negócios rotineiros habilitados por TI enfrentam maior risco de substituição porque seu trabalho é repetitivo e pode ser representado digitalmente. Exemplos comuns incluem respostas padronizadas de suporte, processamento de documentos, relatórios básicos, transcrição, entrada de dados e verificações de qualidade baseadas em regras.

Cargos de suporte administrativo enfrentam pressão semelhante. A IA generativa pode redigir correspondências, categorizar documentos, extrair informações, criar resumos e responder a perguntas rotineiras. Sistemas conectados a softwares empresariais também podem mover informações entre aplicações com envolvimento humano limitado.

Essas capacidades não eliminam todas as funções. Os modelos ainda cometem erros factuais, lidam mal com casos incomuns e têm dificuldade com responsabilização. As organizações precisam de pessoas para definir fluxos de trabalho, revisar resultados sensíveis, resolver exceções e se comunicar com clientes.

No entanto, o número e a composição das posições podem mudar. Um funcionário equipado com um sistema eficaz pode concluir um trabalho que antes exigia várias pessoas. Os empregadores podem então contratar menos trabalhadores juniores, enquanto adicionam especialistas em dados, segurança, design de fluxos de trabalho e avaliação de modelos.

A Índia tem exposição substancial a essa transição porque os serviços são centrais para seu modelo de crescimento. O Goldman Sachs descreveu o setor indiano de serviços de TI e negócios como um setor de aproximadamente US$ 250 bilhões. O banco também informou que as exportações de serviços atingiram cerca de US$ 387 bilhões em 2024.

Os centros globais de capacidade aprofundam essa conexão. Essas operações permitem que empresas multinacionais instalem na Índia funções de engenharia, finanças, análises, suporte ao cliente e outras áreas. O Goldman contabilizou mais de 1.700 desses centros e projetou expansão adicional até 2030.

Os centros podem criar trabalho relacionado à IA porque as empresas precisam de equipes para integrar modelos às operações reais. Os funcionários podem desenvolver métodos de avaliação, adaptar sistemas a domínios especializados, gerenciar o acesso a dados e monitorar a conformidade regulatória. O grande contingente de trabalhadores de tecnologia que falam inglês na Índia fornece uma base sólida para essas atividades.

Os mesmos centros também podem padronizar e automatizar o trabalho existente. Uma empresa multinacional pode implantar um sistema em vários escritórios após testá-lo em uma operação centralizada. Ganhos de eficiência podem reduzir a demanda por serviços repetitivos, mesmo quando funções técnicas de maior valor se expandem.

Isso cria uma disputa entre avanço na cadeia de valor e comoditização. A Índia pode avançar rumo à engenharia, à pesquisa, à implantação de modelos e à consultoria complexa. Como alternativa, os clientes podem usar IA para executar internamente trabalhos mais rotineiros, enfraquecendo a vantagem das diferenças de custo de mão de obra.

O protecionismo acrescenta outra complicação. Restrições a dados, modelos ou serviços digitais transfronteiriços podem limitar a forma como equipes indianas dão suporte a clientes no exterior. Regras divergentes também podem elevar os custos de conformidade e fragmentar sistemas entre mercados.

Goldman argumentou que os efeitos das restrições comerciais sobre as exportações indianas de serviços impulsionados por IA permaneceram limitados em sua avaliação anterior. Ainda assim, identificou a localização de dados, a divergência regulatória e a tensão geopolítica como riscos. Essas pressões estão além da capacidade técnica de qualquer modelo.

A demanda por competências em IA oferece um sinal positivo. Uma pesquisa baseada em anúncios de vagas na Índia documentou rápido crescimento, após 2016, nas publicações que solicitavam capacidades relacionadas à IA. Também encontrou evidências de que a adoção de IA pode sustentar a demanda por funções complementares não relacionadas à IA.

Ainda assim, anúncios de vagas representam intenções dos empregadores, e não contratações concluídas. As vagas online também super-representam empregadores formais de escritório. Elas revelam para onde a demanda está se deslocando, mas oferecem uma visão limitada de todo o mercado de trabalho indiano.

O resultado provável não é o desaparecimento dos serviços. É uma mudança no que os clientes consideram valioso. Produtos rotineiros tornam-se mais fáceis de produzir, enquanto conhecimento de domínio, execução confiável, dados proprietários e responsabilidade ganham importância.

Os prestadores de serviços indianos enfrentarão pressão para vender resultados em vez de horas de trabalho. Modelos de cobrança baseados principalmente no número de funcionários tornam-se mais difíceis de defender quando o software reduz o tempo necessário para cada tarefa. As empresas precisam demonstrar que suas equipes entregam discernimento, integração e resultados empresariais mensuráveis.

Os trabalhadores enfrentam a mesma mudança em nível pessoal. Saber operar um chatbot de uso geral não proporcionará uma vantagem duradoura. Os profissionais precisam de expertise de domínio e da capacidade de verificar, aprimorar e aplicar trabalhos gerados por IA em contextos com consequências relevantes.

Essa transição pode criar empregos melhores, mas não acontece automaticamente. Programas de requalificação precisam conectar a formação às necessidades reais dos empregadores. Caso contrário, os trabalhadores recebem credenciais genéricas enquanto as empresas continuam tendo dificuldades para preencher posições especializadas.

Menor Exposição Não Significa Menor Risco Econômico

A Índia pode evitar um deslocamento direto generalizado e ainda assim sofrer se a IA enfraquecer as contratações de nível inicial, as exportações de serviços ou o crescimento salarial.

A primeira incerteza diz respeito à diferença entre tarefas e empregos. Estudos de exposição dividem as ocupações em atividades que os modelos podem executar. Os empregadores decidem se essas atividades justificam funções redesenhadas, contratações mais lentas, mudanças na terceirização ou reduções no quadro de funcionários.

Essas decisões dependem da confiabilidade. Um modelo que tem sucesso em um teste controlado pode falhar quando as informações são ambíguas ou os clientes se comportam de forma imprevisível. Erros na saúde, no setor bancário, no direito e nos serviços públicos trazem consequências que impedem a automação irrestrita.

A regulação pode preservar a supervisão humana, mas também pode mudar onde o trabalho é realizado. Empresas podem centralizar sistemas aprovados enquanto reduzem equipes locais. Como alternativa, requisitos de conformidade podem gerar novo trabalho em auditoria, documentação, gestão de riscos e segurança.

A Organização Internacional do Trabalho enfatizou que exposição não equivale a perda de empregos. Seu índice global concluiu que um em cada quatro empregos tinha alguma exposição à IA generativa. A transformação era mais provável do que a substituição completa, segundo o índice de exposição ocupacional.

A transformação ainda pode ser dolorosa. Um funcionário pode manter o emprego enquanto perde poder de negociação, autonomia ou oportunidades de promoção. O monitoramento digital pode aumentar quando empresas usam sistemas de IA para medir a produção e impor processos padronizados.

O emprego de nível inicial merece atenção especial. Trabalhadores juniores frequentemente elaboram primeiros rascunhos, fazem pesquisa básica, escrevem códigos simples, produzem atas de reuniões e revisam documentos. Automatizar essas tarefas pode eliminar o trabalho por meio do qual as pessoas tradicionalmente aprendem uma profissão.

As organizações enfrentam então um problema de formação de talentos. Elas ainda precisam de funcionários experientes, mas podem treinar menos iniciantes. Sem programas deliberados de aprendizagem, as empresas podem economizar dinheiro hoje enquanto criam futuras escassezes de talentos seniores.

A segunda incerteza diz respeito à distribuição dos ganhos de produtividade. Os ganhos projetados pela Goldman descrevem produção adicional por trabalhador. Eles não determinam se os funcionários receberão salários maiores, as empresas obterão margens maiores, os clientes pagarão menos ou a jornada de trabalho diminuirá.

Mercados competitivos podem distribuir os benefícios por meio de custos menores e novos serviços. Mercados concentrados podem permitir que um grupo menor de empresas retenha mais valor. Trabalhadores com competências escassas podem exigir salários maiores, enquanto funcionários em funções padronizadas enfrentam menor poder de negociação.

A terceira incerteza envolve a infraestrutura. Modelos avançados exigem capacidade computacional, eletricidade confiável, acesso à rede, sistemas de dados seguros e equipes qualificadas de implementação. A Goldman identificou energia, água, centros de dados e recursos computacionais como investimentos necessários.

A Índia está expandindo sua infraestrutura de IA, incluindo iniciativas públicas no âmbito da IndiaAI Mission. No entanto, a infraestrutura precisa alcançar mais do que grandes empresas de tecnologia. Empresas menores precisam de acesso acessível e apoio prático para que os ganhos de produtividade se espalhem pela economia.

A quarta incerteza é se a Índia consegue produzir mais da tecnologia subjacente. O país tem pontos fortes em implantação e serviços de engenharia, mas permanece menos proeminente em chips avançados e pesquisa de modelos fundacionais. A forte dependência de plataformas estrangeiras pode direcionar parte do valor econômico para o exterior.

A Goldman estimou anteriormente que o setor de IA da Índia pode gerar mais de 2,3 milhões de vagas de emprego até 2027. Também citou projeções que situam o conjunto de talentos disponível perto de 1,2 milhão. A diferença indica demanda potencial, mas não garante que os programas de formação corresponderão às vagas reais.

As empresas frequentemente procuram combinações de conhecimento técnico e setorial. Um banco precisa de pessoas que entendam tanto os modelos quanto os controles financeiros. Um fabricante precisa de engenheiros capazes de conectar resultados de IA às operações físicas e aos requisitos de segurança.

A formação genérica não consegue eliminar todas as incompatibilidades. Os trabalhadores precisam de oportunidades para praticar com dados, ferramentas e fluxos de trabalho relevantes. Os empregadores também precisam de métodos confiáveis para avaliar competências que mudam mais rapidamente do que diplomas convencionais.

Profissionais do conhecimento podem se preparar documentando decisões, desenvolvendo expertise de domínio e criando formas confiáveis de recuperar trabalhos anteriores. Uma base de conhecimento pessoal pesquisável pode apoiar esse processo, especialmente quando a IA produz mais rascunhos e informações para revisar.

Ainda assim, a preparação individual não pode substituir a política trabalhista. Governos e empregadores precisam melhorar o apoio à transição, a educação e o acesso à formação. Os trabalhadores não podem resolver de forma independente a escassez de infraestrutura, a proteção social fraca ou a queda da demanda em toda uma ocupação.

A conclusão cautelosa é que uma menor exposição agregada dá tempo à Índia. Ela não elimina a obrigação de usar bem esse tempo. Uma preparação insuficiente pode transformar uma transição administrável em dificuldades concentradas.

Três Sinais Mostrarão se a Tese da Goldman se Sustenta

A próxima fase deve ser avaliada por meio de contratações, demanda por serviços e produtividade mensurada, e não por alegações de manchete sobre a capacidade da IA.

O primeiro sinal são as contratações de nível inicial em serviços de TI, operações de processos empresariais, finanças, mídia e serviços profissionais. O recrutamento de graduados oferece uma visão inicial de se as empresas estão ampliando equipes existentes ou eliminando o primeiro degrau das carreiras.

Uma queda sustentada nas vagas juniores enfraqueceria a interpretação tranquilizadora da previsão da Goldman. Ela mostraria deslocamento por meio de empregos que deixam de existir, em vez de demissões altamente visíveis. Uma entrada estável ou crescente, acompanhada de novas responsabilidades em IA, sustentaria o argumento de ampliação.

A composição das contratações importa tanto quanto o total. Os empregadores podem recrutar menos generalistas enquanto buscam mais trabalhadores com expertise em cibersegurança, engenharia de dados, avaliação de modelos e setores específicos. Essa mudança validaria a expectativa de transformação, ao mesmo tempo que criaria um desafio urgente de formação.

O segundo sinal é o desempenho das exportações indianas de tecnologia e serviços empresariais. Receita, tamanho dos contratos, retenção de clientes e contratações entre os principais prestadores podem revelar se a IA expande a demanda ou reduz a terceirização intensiva em mão de obra.

O crescimento do trabalho em engenharia complexa e integração de IA fortaleceria a posição da Índia. A queda na demanda por processamento rotineiro, sem contratos de alto valor que a compensem, revelaria a vulnerabilidade escondida pela média nacional de emprego.

Os investidores também devem examinar como as empresas descrevem a produtividade. Um prestador pode reportar mais produção por trabalhador porque passou a oferecer serviços valiosos, automatizou trabalho repetitivo ou reduziu pessoal. Esses caminhos têm consequências muito diferentes para os funcionários e para a competitividade de longo prazo.

O terceiro sinal é a produtividade mensurada fora de demonstrações controladas. A previsão-base da Goldman antecipa um impulso anual de cerca de 0,4 ponto percentual ao longo de uma década. Os ganhos reais devem eventualmente aparecer na produção, nos prazos de entrega, na qualidade dos serviços ou na criação de empresas.

Produtividade sem ampla adoção ofereceria um apoio mais fraco. Algumas grandes empresas podem alcançar eficiências substanciais enquanto empresas menores ficam para trás. Esse resultado pode aumentar a concentração sem transformar a economia em geral.

Evidências de crescimento salarial fortaleceriam a tese. Se os trabalhadores se tornarem mais produtivos, mas a remuneração permanecer estagnada, os benefícios não estarão chegando ao trabalho. Se os salários aumentarem junto com a produção e o emprego, a ampliação se tornará mais convincente.

Os formuladores de políticas devem acompanhar diferenças entre gênero, escolaridade, ocupação e região. Uma taxa nacional de desemprego estável pode coexistir com forte disrupção em centros administrativos ou entre recém-formados. Dados trabalhistas granulares revelarão esses efeitos mais cedo do que um único número de manchete.

O debate também deve separar o ajuste temporário da mudança estrutural. Os empregadores podem pausar contratações enquanto testam novos sistemas e retomá-las quando a demanda crescer. Um declínio de vários anos em funções expostas indicaria uma reorganização mais profunda.

O argumento da Goldman é plausível porque a Índia emprega muitas pessoas em trabalhos que a IA generativa atual não consegue executar diretamente. Agricultura, construção, manufatura, transporte e serviços pessoais oferecem uma proteção estatística substancial.

Ainda assim, as ambições econômicas da Índia dependem de mais do que proteger empregos existentes. O país busca maior produtividade, exportações de serviços mais fortes, melhores salários e melhores oportunidades para sua força de trabalho jovem. O sucesso exige que os setores expostos criem novos trabalhos valiosos mais rapidamente do que as posições rotineiras encolhem.

Portanto, a pergunta mais útil não é se a IA tomará todos os empregos indianos. Ela não afetará todas as ocupações da mesma forma, e exposição não se transforma automaticamente em desemprego. A pergunta mais precisa é se as empresas conseguem transformar a automação em expansão, em vez de em uma busca mais restrita por economia de mão de obra.

Nos próximos meses, acompanhe em conjunto o recrutamento de recém-formados, os contratos de serviços de alto valor e os indicadores de produtividade. Se os três melhorarem, a projeção de menor risco do Goldman parecerá cada vez mais crível. Se as contratações e as exportações enfraquecerem enquanto a eficiência aumentar, a aparente proteção da Índia terá ocultado uma transição mais difícil.