Pesquisa da Pew Research sobre empregos e IA revela medo global superando a promessa da IA
A Pew Research documentou um conflito marcante em 37 países: as pessoas esperam que a inteligência artificial elimine mais empregos do que crie. A pesquisa da Pew Research sobre empregos e IA identifica essa expectativa em 34 dos 37 países estudados. A preocupação vai além do emprego, abrangendo a desigualdade de renda e a questão de saber se a IA melhorará a vida de modo geral.
A pesquisa internacional ouviu 42.151 adultos em 36 países entre 8 de fevereiro e 13 de maio de 2026. A Pew entrevistou separadamente 8.607 adultos nos Estados Unidos, elevando a cobertura total do estudo para 37 países. As conclusões foram divulgadas antes que diversos alertas recentes sobre automação acelerada intensificassem o debate público.
Não se trata apenas de mais um retrato da ansiedade diante de uma tecnologia desconhecida. Empresas de IA apresentam seus sistemas como ferramentas de produtividade que ampliarão as capacidades humanas e criarão novas oportunidades econômicas. O público enxerga uma distribuição diferente dos resultados, na qual empregadores capturam os ganhos de eficiência enquanto trabalhadores assumem o risco de deslocamento.
Essa divisão é a questão central. As pessoas podem reconhecer a utilidade da IA e, ao mesmo tempo, duvidar que seus ganhos chegarão até elas. A menos que empresas e governos enfrentem essa preocupação, a adoção técnica poderá avançar mais rápido do que sua legitimidade pública.
O que a pesquisa global sobre IA realmente mudou
A pesquisa transforma a ansiedade dispersa sobre automação em um padrão internacional mensurável.
O resultado mais importante é sua amplitude geográfica. Respondentes em 34 dos 37 países pesquisados esperavam que a IA produzisse uma redução líquida de empregos. Redução líquida significa que a tecnologia elimina mais postos do que a economia cria em decorrência dela.
Essa convergência importa porque os mercados de trabalho diferem amplamente entre os países estudados. Seus níveis salariais, proteções sociais, estruturas industriais e exposição à tecnologia digital não são os mesmos. Ainda assim, a direção das expectativas públicas permanece notavelmente consistente.
A cobertura da pesquisa também examina se a IA melhorará a vida cotidiana e como afetará a desigualdade de renda. Essas perguntas conectam os temores sobre emprego a uma preocupação mais ampla sobre quem controla os benefícios.
A adoção da IA não precisa produzir desemprego em massa para que esses medos influenciem comportamentos. Trabalhadores podem evitar ocupações que consideram ter futuros incertos. Estudantes podem reconsiderar cursos associados a tarefas expostas. Gestores podem enfrentar resistência ao introduzir sistemas sem explicar seus efeitos sobre o quadro de pessoal.
As conclusões também complicam uma suposição comum sobre familiaridade. Maior conhecimento sobre IA não produz automaticamente maior confiança nela. Muitas pessoas se preocupam mais à medida que entendem o que sistemas generativos podem fazer com redação, programação, análise, imagens e atendimento ao cliente.
Essa reação é diferente de um simples medo da tecnologia. Os respondentes avaliam uma proposta econômica visível. Empresas podem usar sistemas que executam partes de trabalhos humanos, mas os trabalhadores não recebem automaticamente direito às economias resultantes.
A pesquisa foi realizada meses antes da publicação. Portanto, ela não captura todos os alertas, lançamentos de produtos ou anúncios de emprego que se seguiram ao trabalho de campo. Esse momento torna os resultados mais relevantes, não menos. Os receios já eram amplamente disseminados antes da mais recente onda de debate público.
A pesquisa não estabelece que 34 países sofrerão perdas líquidas de empregos. Ela mede expectativas, e não resultados do mercado de trabalho. Ainda assim, expectativas influenciam confiança, comportamento de compra, escolhas de carreira, negociações trabalhistas e pressão política.
A estrutura da amostra exige uma descrição cuidadosa. O componente internacional cobriu 42.151 adultos em 36 países. A amostra separada dos Estados Unidos incluiu 8.607 adultos. Um resumo da pesquisa identificou esses componentes ao relatar resultados em 37 países.
Essa distinção evita dois erros. O estudo não entrevistou apenas 42.151 pessoas em todo o grupo de 37 países. Tampouco mediu todas as populações nacionais por meio de um único processo de amostragem idêntico.
A conclusão da Pew muda o debate sobre IA ao estabelecer a escala do problema de credibilidade. O setor já não tenta convencer apenas especialistas céticos ou defensores trabalhistas. Ele enfrenta um público internacional que já associa a IA a menos empregos.
A pesquisa da Pew Research sobre empregos e IA mapeia um déficit de confiança
As pessoas parecem menos preocupadas com a possibilidade de a IA funcionar do que com quem se beneficia quando ela funciona.
Essa diferença é crucial. Uma tecnologia pode ser capaz, amplamente utilizada e economicamente valiosa, mas ainda assim permanecer impopular. A confiança pública depende de como seus custos e ganhos são distribuídos.
Desenvolvedores de IA enfatizam a produtividade porque ela pode sustentar maior produção e salários. No entanto, essa cadeia contém várias decisões que a tecnologia, por si só, não pode tomar. Empregadores decidem se as economias financiarão salários maiores, jornadas mais curtas, novas contratações, preços mais baixos ou margens maiores.
Os trabalhadores, portanto, vivenciam a IA por meio de escolhas organizacionais. Um funcionário solicitado a usar um assistente pode ganhar tempo para realizar um trabalho melhor. Outro pode herdar a carga de trabalho de colegas que saíram porque a gestão espera que a automação preencha essa lacuna.
As duas situações podem ocorrer na mesma empresa. Isso torna difíceis de avaliar promessas abrangentes sobre a IA melhorar o trabalho. O resultado prático depende de políticas de pessoal, desenho de cargos, treinamento e incentivos de gestão.
A questão da desigualdade de renda capta esse problema de distribuição. Se trabalhadores de alta renda usam IA para aumentar seu valor, enquanto trabalhadores em funções rotineiras enfrentam substituição, a tecnologia pode ampliar lacunas existentes. A propriedade de modelos, infraestrutura computacional, dados e distribuição pode aprofundar essa divisão.
O Fundo Monetário Internacional estimou que a IA poderia afetar quase 40 por cento dos empregos no mundo. A exposição sobe para cerca de 60 por cento nas economias avançadas, segundo sua análise do mercado de trabalho. Exposição não significa que todo emprego afetado desapareça.
Alguns empregos expostos podem se tornar mais produtivos. Outros podem perder tarefas, horas, poder de negociação ou oportunidades de nível inicial. A distinção entre exposição ao emprego e destruição de empregos é essencial, mas não elimina o risco.
A pesquisa da Pew Research sobre empregos e IA mede como o público resolve essa incerteza hoje. Na maioria dos países, os respondentes esperam que o efeito negativo sobre o emprego predomine. A narrativa otimista do setor não os convenceu do contrário.
Uma razão é que os benefícios muitas vezes parecem abstratos, enquanto os custos parecem pessoais. O crescimento da produtividade é um conceito para toda a economia. Uma vaga cancelada, um contrato freelance reduzido ou uma fila de suporte automatizada afeta imediatamente uma pessoa específica.
Outra razão envolve controle. Trabalhadores raramente escolhem os sistemas usados para avaliar seu desempenho, distribuir suas tarefas ou determinar a escala de pessoal. Até ferramentas úteis podem gerar desconfiança quando sua adoção ocorre sem consulta.
Profissionais do conhecimento enfrentam um desafio relacionado. A IA pode acelerar a pesquisa e a redação, mas também pode fragmentar evidências entre conversas, documentos e aplicações. Manter uma base de conhecimento pesquisável ajuda a preservar fontes e decisões quando fluxos de trabalho automatizados se multiplicam.
No entanto, uma melhor organização pessoal não resolve a questão do emprego. Trabalhadores não podem compensar individualmente toda mudança estrutural. O déficit de confiança diz respeito a compromissos institucionais, e não apenas à adaptabilidade individual.
Empregadores precisam explicar quais tarefas mudarão, como a produtividade será medida e se o tempo economizado alterará o número de funcionários. Governos precisam de planos críveis para treinamento, apoio à renda, concorrência e proteções aos trabalhadores.
Sem esses detalhes, as pessoas ouvem promessas de oportunidade ao lado de incentivos visíveis para reduzir custos trabalhistas. Seu ceticismo não é uma rejeição da inovação. É uma resposta a um acordo econômico incompleto.
Promessas de produtividade da IA encontram a realidade do desenho do trabalho
A principal disputa ocorre entre a IA como ampliação do trabalhador e a IA como caminho para a redução de mão de obra.
Ampliação significa que a tecnologia ajuda uma pessoa a realizar o trabalho existente ou a assumir tarefas mais valiosas. Substituição significa que o software executa trabalho suficiente para que um empregador precise de menos pessoas. A maioria das implementações contém elementos de ambos.
Um assistente de atendimento ao cliente pode redigir respostas enquanto uma pessoa verifica os casos difíceis. Isso é ampliação no nível da tarefa. Se a mesma equipe passa então a atender o dobro de clientes sem novas contratações, a organização substituiu software pela futura demanda por trabalho.
Esse segundo efeito é fácil de não perceber. A pressão sobre o emprego nem sempre surge por meio de uma rodada dramática de demissões. Ela pode aparecer em contratações mais lentas, vagas não preenchidas, turmas menores de recém-formados ou menos contratos para trabalhadores independentes.
O trabalho de nível inicial merece atenção especial. Funcionários juniores frequentemente começam com pesquisa, síntese, documentação, testes e tarefas básicas de produção. A IA generativa consegue executar partes dessas atribuições rapidamente.
Empresas podem responder dando a profissionais juniores responsabilidades mais complexas. Também podem contratar menos iniciantes porque funcionários experientes conseguem produzir mais. A primeira via desenvolve talentos; a segunda pode enfraquecer o fluxo que forma futuros especialistas.
A Organização Internacional do Trabalho descreve a exposição à IA generativa principalmente como uma questão de transformação, e não como o desaparecimento automático de ocupações inteiras. Seu índice global de empregos avalia ocupações pelas tarefas que os sistemas atuais conseguem executar.
A análise no nível das tarefas oferece uma estrutura melhor do que perguntar se a IA substituirá uma profissão. Um emprego combina atividades que exigem conhecimentos, responsabilidade, relações e ações físicas diferentes. Sistemas atuais raramente assumem esse conjunto completo.
Ainda assim, a automação parcial pode remodelar o emprego. Se o software executa uma parcela significativa das tarefas, empregadores podem redesenhar funções em torno do trabalho restante. Também podem intensificar cargas de trabalho ao esperar que cada funcionário supervisione mais resultados automatizados.
O controle de qualidade torna-se central nesse ambiente. Sistemas generativos podem produzir erros apresentados com confiança, raciocínio incompleto, código inseguro ou alegações sem respaldo. Um revisor humano continua responsável mesmo quando a máquina criou o resultado inicial.
Essa responsabilidade tem um custo. Trabalhadores precisam entender o suficiente para detectar falhas, preservar evidências e saber quando a automação não deve receber confiança. O tempo economizado durante a produção pode retornar parcialmente durante a verificação.
Medições de produtividade podem ignorar esse trabalho oculto. Uma empresa pode contabilizar rascunhos mais rápidos sem medir o tempo de correção ou erros posteriores. Pode celebrar tempos de atendimento menores enquanto clientes têm dificuldade para chegar a alguém capaz de resolver problemas incomuns.
A Organização para a Cooperação e Desenvolvimento Econômico também distinguiu entre exposição e substituição imediata. Seu panorama do emprego examinou como a automação afeta a qualidade do trabalho, as competências e o poder de negociação, além dos níveis de emprego.
Essas dimensões ajudam a explicar a ansiedade pública. As pessoas se importam com mais do que simplesmente ter um emprego. Elas se preocupam com salários, estabilidade, autonomia, progressão na carreira e com a equidade dos sistemas de avaliação de desempenho.
O cenário otimista para a IA continua plausível. Novas ferramentas podem reduzir tarefas administrativas tediosas, tornar a expertise mais acessível e ajudar pequenas equipes a assumir projetos que antes exigiam orçamentos maiores. Novos produtos e ocupações também podem surgir.
No entanto, esses ganhos não resolvem a questão da distribuição. Uma empresa pode se tornar mais produtiva sem compartilhar esse valor com os trabalhadores. Um setor pode crescer empregando menos pessoas por unidade de produção.
O pessimismo da pesquisa desafia os empregadores a comprovarem a ampliação das capacidades humanas por meio de decisões observáveis. Orçamentos de treinamento, mobilidade interna, crescimento salarial e contratações estáveis forneceriam evidências mais fortes do que declarações genéricas sobre o potencial humano.
O Que os Números Ainda Não Podem Nos Dizer
A pesquisa captura uma expectativa forte, mas não pode determinar o saldo final da IA no emprego.
Pesquisas de opinião pública medem crenças em um momento específico. Elas não preveem a capacidade tecnológica nem calculam a criação futura de empregos. Os entrevistados também interpretam o termo amplo “IA”, que pode abranger muitos sistemas diferentes.
Uma pessoa pode pensar em chatbots, veículos autônomos, robôs industriais, algoritmos de recomendação ou vigilância no local de trabalho. Cada tecnologia afeta o trabalho de forma diferente. Seus requisitos regulatórios e custos de adoção também variam.
As comparações entre países introduzem ainda mais incerteza. Os entrevistados vivem em economias com diferentes proteções trabalhistas, sistemas educacionais, perfis demográficos e setores predominantes. O significado de “perda de emprego” pode variar conforme essas condições.
A coleta de dados também antecede acontecimentos posteriores. As opiniões podem mudar após demissões de grande repercussão, falhas de segurança, ganhos de produtividade ou novas regulamentações. Repetir as perguntas ao longo do tempo será mais informativo do que tratar um resultado como permanente.
A pesquisa da Pew Research sobre empregos e IA deve, portanto, ser lida como um indicador de confiança. Ela mostra que a maioria dos públicos nacionais atualmente espera um saldo negativo no emprego. Não prova que esse saldo já tenha ocorrido.
As estatísticas trabalhistas também se movem mais lentamente do que a adoção de produtos. Uma empresa pode introduzir IA em semanas, enquanto dados ocupacionais oficiais podem levar meses ou anos para revelar mudanças. Os ciclos econômicos complicam ainda mais a atribuição de causas.
Se um empregador reduz sua equipe durante uma desaceleração, a IA pode ser uma causa, uma ferramenta de apoio ou uma explicação conveniente. Se as contratações desaceleram enquanto a produção cresce, a automação pode estar contribuindo sem aparecer nos números de demissões.
A criação de novos empregos é igualmente difícil de medir. A IA pode gerar demanda por avaliação de modelos, trabalho de segurança, operações de dados, integração, conformidade e serviços especializados. Alguns cargos manterão títulos conhecidos mesmo quando suas tarefas diárias mudarem substancialmente.
As comparações históricas oferecem orientação limitada. Tecnologias anteriores eliminaram certas tarefas ao mesmo tempo em que criaram setores e elevaram a produtividade. Elas também causaram transições dolorosas, enfraqueceram comunidades específicas e distribuíram ganhos de forma desigual.
A IA difere de muitas ferramentas anteriores porque atinge tarefas cognitivas em diversos setores. O mesmo modelo subjacente pode auxiliar um programador, profissional de marketing, advogado, analista ou agente de suporte. A distribuição por software permite que essas capacidades se espalhem rapidamente.
Ainda assim, capacidade não equivale a adoção. As organizações enfrentam restrições de dados, custos de integração, exposição jurídica, requisitos de segurança e problemas de confiabilidade. Muitas demonstrações funcionam melhor em ambientes controlados do que dentro de sistemas operacionais complexos.
A pesquisa também não pode revelar o que os entrevistados aceitariam sob políticas diferentes. As pessoas poderiam ver a IA de forma mais positiva se os empregadores garantissem requalificação, protegessem salários ou compartilhassem ganhos de produtividade. Elas poderiam se tornar mais céticas após vivenciar decisões automatizadas opacas.
Outra incerteza diz respeito à vida além do trabalho. A IA pode apoiar a pesquisa médica, a acessibilidade, a educação e a tradução, ao mesmo tempo que introduz riscos de fraude, vigilância e desinformação. Um entrevistado pode valorizar um uso e rejeitar outro.
Essa combinação torna rótulos simples enganosos. Quem espera destruição de empregos não é necessariamente contra a IA. Essa pessoa pode usar IA regularmente e, ainda assim, exigir proteções contra suas consequências econômicas.
A interpretação cética não deve exagerar em nenhuma direção. O medo público não comprova desemprego em massa inevitável. O otimismo da indústria não comprova que os trabalhadores deslocados migrarão sem dificuldades para empregos melhores.
As evidências precisam ligar sistemas específicos a níveis reais de pessoal, salários, produção e qualidade do trabalho. Até que essas evidências se acumulem, previsões confiantes continuam menos úteis do que relatos transparentes.
Empregadores e Governos Agora Carregam o Ônus da Prova
A pesquisa pressiona as instituições que controlam a adoção, pois os trabalhadores não podem projetar a transição sozinhos.
As empresas de IA enfrentam o desafio de comunicação mais visível. Elas frequentemente descrevem os modelos como assistentes ou colaboradores. Os clientes, porém, compram esses produtos em parte porque eles prometem custos menores e maior produção.
Essa lógica comercial não torna as perdas de emprego inevitáveis. Mas ela cria um incentivo que a comunicação pública raramente aborda de forma direta. Se uma equipe pode realizar mais trabalho, os líderes precisam decidir se expandem a produção ou reduzem a demanda por mão de obra.
Os empregadores podem tornar essa decisão compreensível. Eles podem publicar metas de implantação, identificar tarefas afetadas, consultar os trabalhadores e informar se a automação altera o quadro de pessoal. Podem separar projetos experimentais de sistemas usados em decisões de emprego.
Os gestores também precisam proteger a revisão humana. Pedir que funcionários aprovem resultados de IA sem tempo ou autoridade suficientes cria responsabilidade sem controle. Esse arranjo transfere o risco para baixo, enquanto a gestão captura o argumento de produtividade.
O treinamento exige precisão semelhante. Um curso curto sobre prompting não prepara alguém para uma ocupação que está perdendo suas tarefas de nível inicial. Um treinamento eficaz deve conectar trabalhadores a funções que as organizações realmente planejam manter.
Os governos carregam um ônus diferente. Eles precisam de dados trabalhistas atualizados que distingam demissões de reduções nas contratações e reestruturação de tarefas. Também precisam de políticas que sejam aplicadas antes que o deslocamento se torne uma emergência.
A política de concorrência importa porque a infraestrutura de IA é cara e concentrada. Se um pequeno grupo controla modelos, capacidade de nuvem e distribuição, os ganhos de produtividade podem se acumular entre as empresas com mais capital.
A política educacional importa porque os trabalhadores precisam de discernimento digital amplo, não apenas familiaridade com uma interface. Os produtos baseados em modelos mudam rapidamente. Verificação, expertise de domínio, comunicação e responsabilidade mantêm valor entre diferentes ferramentas.
A proteção social importa porque as transições criam lacunas mesmo quando a economia acaba produzindo novo trabalho. As pessoas não podem pagar despesas atuais com previsões sobre ocupações futuras. Benefícios e requalificação precisam funcionar durante a transição.
A representação dos trabalhadores também afeta os resultados. Os funcionários frequentemente entendem quais tarefas podem ser automatizadas com segurança e quais exigem contexto. Incluí-los pode melhorar a qualidade da implantação e reduzir a desconfiança.
A preocupação pública com a desigualdade deve moldar essas respostas. Uma transição não pode ser avaliada apenas pela produção nacional ou pelos lucros corporativos. Distribuição salarial, qualidade do trabalho, efeitos regionais e acesso a treinamento devem fazer parte da mesma avaliação.
As empresas deveriam informar a relação entre adoção de IA e emprego usando medidas comparáveis. Indicadores úteis incluem vagas, contratações de nível inicial, gastos com prestadores de serviço, transferências internas, horas trabalhadas e produção por funcionário.
Nenhuma métrica isolada resolverá o debate. O número de funcionários pode permanecer estável enquanto as cargas de trabalho se intensificam. A produtividade pode subir enquanto os salários estagnam. Novas funções podem surgir enquanto o acesso permanece limitado a trabalhadores com credenciais avançadas.
A transparência ainda reduziria a distância entre alegações e resultados. Ela permitiria que trabalhadores, investidores e formuladores de políticas avaliassem se a ampliação das capacidades está ocorrendo conforme prometido.
As conclusões da Pew sugerem que o otimismo voluntário já não é suficiente. Instituições que buscam apoio público precisam mostrar como as pessoas compartilharão os benefícios e como administrarão os danos.
Três Sinais Testarão o Medo Global de Perdas de Emprego por IA
A próxima etapa do debate será decidida por dados de contratação, resultados para os trabalhadores e medições públicas repetidas.
O primeiro sinal é a contratação de profissionais de nível inicial em ocupações expostas à IA. Vagas para recém-formados, cargos profissionais juniores e trabalho digital rotineiro fornecem um teste inicial de substituição. Esses empregos contêm muitas tarefas que sistemas generativos podem auxiliar ou automatizar.
Um declínio persistente reforçaria a interpretação pessimista da pesquisa, especialmente se a produção permanecer estável. Contratações estáveis com responsabilidades reformuladas sustentariam o argumento da ampliação das capacidades. Pesquisadores devem comparar funções expostas com ocupações submetidas a condições econômicas semelhantes.
O segundo sinal é se os ganhos de produtividade chegam aos trabalhadores. Crescimento salarial, jornadas de trabalho mais curtas, taxas de promoção e treinamento financiado por empregadores podem mostrar se as pessoas compartilham o valor. Uma produção maior, por si só, não pode responder a essa questão.
Se os salários e a mobilidade aumentarem junto com a adoção da IA, a confiança pública terá motivo para melhorar. Se a produção aumentar enquanto a remuneração e as oportunidades estagnarem, a preocupação com a desigualdade ganhará evidências mais fortes.
O terceiro sinal é a direção dos resultados de pesquisas futuras. O estudo da Pew oferece uma ampla referência em 37 países. Repetir perguntas comparáveis pode revelar se a experiência direta reduz o medo ou o torna mais concreto.
O sentimento deve ser interpretado ao lado do comportamento. A adoção pode aumentar mesmo enquanto a confiança cai, porque trabalhadores e consumidores podem ter pouca escolha prática. Portanto, as estatísticas de uso, por si só, não podem demonstrar aceitação social.
O padrão em 34 países continuará significativo até que as evidências sobre emprego apontem para outro lado. Ele representa um alerta de que o progresso técnico e a legitimidade pública estão seguindo trilhas separadas.
Desenvolvedores devem observar se os compradores exigem sistemas concebidos em torno de revisão humana responsável. Clientes empresariais devem examinar as consequências para o quadro de pessoal junto com o desempenho dos modelos. Trabalhadores devem perguntar como a adoção altera suas funções, avaliação e progressão.
Os formuladores de políticas devem resistir tanto ao fatalismo quanto à complacência. A destruição de empregos pela IA não é predeterminada, mas tampouco é garantida uma transição sem dificuldades para um trabalho melhor. As instituições fazem escolhas que moldam ambos os resultados.
A pesquisa da Pew Research sobre empregos e IA apresenta uma pergunta prática para toda organização que implanta esses sistemas: que evidência convenceria os trabalhadores de que a IA está melhorando seu futuro? Publicar essa evidência, compartilhar os ganhos e corrigir implantações prejudiciais ofereceria uma resposta crível. Sem essas ações, o público continuará julgando a IA por seu incentivo percebido mais claro: fazer mais trabalho com menos pessoas.
