Experimentos e estudos de empresas já encontram ganhos reais de produtividade com inteligência artificial generativa. Pessoas conseguem redigir, programar, pesquisar, atender clientes e processar informação em menos tempo. Isso ainda não responde a pergunta econômica mais importante. Economizar horas de trabalho não garante que a economia produzirá na mesma proporção, nem que o ganho aparecerá como salário maior. Parte pode virar lucro, preço menor, mais produção ou simplesmente redução de demanda por determinadas tarefas.
A OIT considera reais os ganhos de produtividade observados com IA generativa, mas destaca que eles ainda são irregulares e mais fáceis de medir em tarefas e experimentos do que na economia inteira.
Um estudo do FMI publicado em 2026 estimou em US$ 2,7 trilhões anuais o equivalente em custo de trabalho do tempo atualmente poupado pela IA na amostra estudada. O próprio trabalho ressalta que isso não equivale a US$ 2,7 trilhões de PIB adicional.
Distribuição importa tanto quanto produtividade. Infraestrutura, capital, qualificação, poder de mercado e acesso à tecnologia determinam quem consegue capturar os ganhos.
A IA pode aumentar produção sem distribuir automaticamente o ganho
Produtividade mede quanto resultado é produzido com determinada quantidade de trabalho, capital ou outros recursos.
Se uma tarefa que consumia duas horas passa a ser concluída em uma, existe ganho potencial de produtividade.
Mas o destino daquela hora poupada permanece aberto.
O trabalhador pode produzir uma segunda unidade de trabalho.
A empresa pode reduzir quadro.
O serviço pode ficar mais barato.
A margem de lucro pode crescer.
A pessoa pode continuar executando a mesma quantidade de tarefas e usar o tempo restante em outras funções.
É por isso que produtividade e distribuição de renda são perguntas diferentes.
A tecnologia pode aumentar o tamanho do bolo econômico sem determinar como as novas fatias serão repartidas.
Os ganhos aparecem primeiro nas tarefas
A OIT revisou em 2026 uma grande quantidade de evidências experimentais e de empresas.
Os resultados mostram ganhos especialmente claros em tarefas bem definidas, textuais e realizadas por trabalhadores que ainda não dominam totalmente aquela atividade.
Em determinados estudos, produtividade por tarefa aumentou de forma relevante.
O problema aparece quando se tenta somar esses resultados e encontrar o mesmo ganho na empresa inteira ou no PIB.
A OIT chama essa diferença de paradoxo de agregação.
Uma pessoa pode economizar 20% do tempo numa tarefa que representa apenas 15% de sua jornada. O ganho total no cargo será muito menor.
Também existem atividades complementares que não aceleram.
Se IA ajuda um advogado a produzir um documento em metade do tempo, audiências, reuniões, revisão humana e processos administrativos continuam existindo.
Economizar tempo não é o mesmo que produzir mais
O estudo do FMI de 2026 ajuda a mostrar essa diferença.
Os pesquisadores estimaram o chamado labor cost equivalent, ou equivalente de custo do trabalho.
A medida atribui valor monetário ao tempo poupado por usos observados de IA e chegou a aproximadamente US$ 2,7 trilhões anuais na amostra de 86 países.
Isso correspondeu a cerca de 3,4% do PIB combinado desses países.
O próprio estudo adverte que o número não deve ser interpretado como aumento direto de 3,4% do PIB.
Para o tempo poupado se transformar integralmente em produção, seria necessário que trabalhadores e empresas utilizassem aquela economia de maneira produtiva e que não existissem outros gargalos.
Também seria necessário descontar os custos da própria IA, como assinaturas, infraestrutura, computação, energia e integração.
A primeira mudança acontece nas tarefas, não necessariamente nos cargos
A OIT estima que aproximadamente um em cada quatro trabalhadores no mundo esteja em uma ocupação com algum nível de exposição à IA generativa.
Exposição não significa substituição automática.
Uma profissão é formada por várias tarefas.
Algumas podem ser automatizadas quase totalmente.
Outras apenas recebem apoio.
Outras continuam dependendo fortemente de interação física, julgamento, responsabilidade ou contexto.
Isso permite que uma profissão permaneça existindo enquanto parte do trabalho muda profundamente.
Também permite redução de vagas mesmo sem “fim da profissão”.
Se dez pessoas conseguiam processar determinado volume de documentos e agora seis conseguem fazer o mesmo trabalho, a ocupação continua existindo, mas a demanda muda.
Trabalhadores iniciantes podem enfrentar um problema particular
Muitas tarefas que a IA executa bem são justamente aquelas historicamente entregues a profissionais iniciantes.
Redação preliminar, revisão simples, pesquisa básica, classificação, atendimento inicial e produção de código rotineiro funcionam também como etapas de aprendizado.
Se essas tarefas forem automatizadas, empresas podem precisar contratar menos iniciantes.
Isso cria um paradoxo.
A tecnologia pode ajudar um profissional inexperiente a alcançar produtividade maior, mas também pode reduzir a quantidade de vagas pelas quais novos profissionais normalmente entram na carreira.
A evidência ainda está em formação, mas a OIT já identifica resultados mais fracos para jovens em determinados segmentos expostos.
Mulheres e homens também não estão igualmente distribuídos entre as ocupações
A exposição à IA depende da estrutura do mercado de trabalho.
Mulheres estão mais concentradas em determinadas ocupações administrativas, de escritório e serviços profissionais com alto conteúdo de tarefas cognitivas digitalizáveis.
A OIT concluiu em 2026 que ocupações dominadas por mulheres apresentam exposição superior em vários países.
Isso não significa que a IA produzirá necessariamente desemprego feminino.
Significa que políticas de treinamento, transição e desenho das ferramentas precisam levar em conta que a distribuição setorial do impacto não é neutra.
Quem controla capital e infraestrutura pode capturar uma fatia maior
IA generativa depende de uma infraestrutura cara.
Chips avançados, data centers, energia, armazenamento, redes de alta velocidade e modelos de grande escala exigem capital considerável.
Isso favorece empresas que já possuem escala e acesso a financiamento.
Além da infraestrutura física, existem ativos como modelos proprietários, dados, plataformas de nuvem e propriedade intelectual.
Uma empresa que controla esses elementos pode cobrar pelo acesso de milhões de outras companhias.
É possível, portanto, que produtividade se espalhe por toda a economia enquanto parte significativa da renda gerada se concentre em poucos fornecedores de infraestrutura.
Modelos baratos e abertos podem produzir a força contrária
A concentração não é inevitável.
Modelos menores, abertos ou disponíveis a baixo custo podem reduzir barreiras de entrada.
Uma pequena empresa não precisa construir um modelo de fronteira para automatizar atendimento, tradução ou análise documental.
O Banco Mundial destaca no World Development Report 2026 que países em desenvolvimento podem capturar benefícios importantes justamente adaptando ferramentas menores a necessidades locais.
Isso significa que acesso pode se ampliar mesmo quando a produção dos modelos mais avançados permanece concentrada.
O resultado dependerá de competição, interoperabilidade e capacidade das empresas menores de integrar essas ferramentas.
A mesma IA produz resultados diferentes em países diferentes
O estudo conjunto da OIT e do Banco Mundial mostra que países em desenvolvimento podem experimentar disrupção antes de capturar totalmente os ganhos de produtividade.
O problema não é apenas acesso ao modelo.
Energia confiável, internet, computadores, qualificação profissional e capacidade empresarial alteram o efeito econômico.
Uma empresa com infraestrutura digital avançada consegue integrar IA ao fluxo de trabalho.
Outra pode usar apenas o chatbot como ferramenta ocasional.
Essa diferença explica parte da concentração identificada pelo FMI.
Nos países em desenvolvimento analisados, uma parcela muito grande do valor econômico associado ao uso atual de IA aparece concentrada em pequenos grupos de profissionais.
A Revolução Industrial serve como comparação, não como destino inevitável
É comum afirmar que as primeiras revoluções industriais elevaram produtividade muito antes de melhorar o padrão de vida de grande parte dos trabalhadores.
Essa comparação tem algum valor, mas não deve virar roteiro obrigatório.
A industrialização alterou tecnologia, urbanização, organização empresarial, legislação trabalhista e poder de negociação ao longo de décadas.
Salários reais e produtividade não caminharam sempre juntos nem na mesma velocidade.
Instituições mudaram durante o processo.
A experiência histórica mostra que ganho tecnológico não produz automaticamente distribuição igual.
Não prova que a IA repetirá exatamente a mesma trajetória.
O Brasil possui uma camada adicional de complexidade
O mercado de trabalho brasileiro combina alta informalidade com diferenças grandes de produtividade entre setores e empresas.
Um empregado formal de uma grande companhia de tecnologia e um trabalhador autônomo de baixa renda vivem realidades completamente diferentes de adoção.
Empresas grandes conseguem pagar ferramentas, consultorias e integração.
Pequenos negócios muitas vezes ainda possuem processos pouco digitalizados.
Essa diferença pode ampliar a distância de produtividade entre empresas.
Ao mesmo tempo, ferramentas baratas podem oferecer a pequenos negócios acesso a capacidades antes restritas a organizações maiores.
O sentido do efeito dependerá de difusão.
O resultado depende de decisões econômicas, não apenas da tecnologia
Treinamento profissional é importante, mas não resolve sozinho a distribuição.
Se um trabalhador aprende a usar IA e a empresa captura todo o aumento de produtividade sem alterar salário ou jornada, qualificação não determina o resultado distributivo.
Concorrência também importa.
Empresas disputando clientes podem repassar parte do ganho por meio de preços menores.
Empresas com poder de mercado podem reter parcela maior na margem.
Negociação salarial, proteção social, tributação e políticas de concorrência também entram na equação.
A tecnologia define o que é possível produzir.
Instituições e mercados ajudam a definir quem recebe o valor criado.
A IA pode tornar uma tarefa mais rápida sem decidir quem fica com a hora economizada. Essa segunda decisão aparece em salários, preços, lucros, contratos, concorrência e organização do trabalho. A pergunta central da próxima fase talvez não seja apenas quanto conseguimos produzir com menos esforço humano. É quem continua recebendo renda quando cada unidade de produção exige menos desse esforço.
.png)
