AI and Economic Transition: consumer cohort effects — Interpretação do relatório

Visão geral

Este relatório macroeconômico examina como a adoção de IA pode afetar grupos de consumidores dos EUA por meio da renda do trabalho, da riqueza financeira e da inflação. A principal conclusão da Morgan Stanley é que os lares CHIC —com ensino superior, alta renda e residentes urbanos— podem estar mais protegidos do que sugerem as preocupações convencionais sobre deslocamento de trabalhadores de escritório, embora profissionais jovens e um cenário de adoção rápida permaneçam vulneráveis.

Visões principais

A Morgan Stanley organiza os efeitos da IA sobre os consumidores em três canais interligados: mercado de trabalho, riqueza e preços. Seu trabalho anterior de equilíbrio geral indica que o resultado depende principalmente da velocidade de adoção da IA, da velocidade e quantidade de criação de novas tarefas e dos efeitos de retroalimentação dos mercados de ativos. O cenário-base pressupõe difusão em cerca de 10 anos, aproximadamente duas vezes mais rápida que a da internet, com efeitos riqueza conservadores. Nesse cenário, o deslocamento temporário é compensado por crescimento de salários reais impulsionado pela produtividade, novos empregos, lucros maiores e desinflação, elevando produto e renda. O desemprego no pico sobe cerca de 0.2-0.5pp no cenário-base, contra 0.6pp-4.1pp no cenário baixista de difusão rápida, no qual a adoção plena leva seis anos e incompatibilidades de competências e demanda fraca superam a criação de empregos. O relatório questiona a ideia de que consumidores de colarinho branco sejam automaticamente as principais vítimas da IA. Sua análise de exposição ocupacional baseada em tarefas mostra que ocupações de alta exposição estão concentradas entre lares com educação universitária, alta renda e residentes em áreas metropolitanas, denominados CHIC. Cerca de 26% dos trabalhadores estão em ocupações de alta exposição, contra 56% em exposição média e 18% em baixa exposição. A renda mediana é $97k no grupo de alta exposição e $46k no de baixa; quase 70% dos trabalhadores de alta exposição têm ao menos bacharelado, ante cerca de 10% no grupo de baixa exposição. Contudo, exposição pode significar automação ou ampliação de capacidades. O desemprego em ocupações altamente expostas está cerca de 0.5pp acima do nível indicado pelas tendências cíclicas, mas o relatório considera os efeitos até agora relativamente pequenos. Trabalhadores jovens estão mais expostos à automação de tarefas de entrada, enquanto trabalhadores experientes podem capturar ganhos de produtividade e salários. A criação de empregos é um importante contrapeso no cenário-base. Vagas relacionadas à IA concentram-se em serviços profissionais e técnicos, informação e finanças, tendem a ter salários estimados maiores que vagas não relacionadas à IA e são voltadas a trabalhadores com experiência. Entre vagas com exigências numéricas de experiência, 32% das vagas de IA se destinam a profissionais com 0-2 anos de experiência, versus 55% de todas as vagas. Os empregos relacionados à IA passaram de 2.1% para 4.7% de todas as vagas no último ano. Assim, o relatório conclui que os mesmos lares CHIC mais expostos em suas ocupações atuais, especialmente quem possui experiência, também parecem mais bem posicionados para os novos empregos criados pela IA. A IA incorporada e a robótica podem afetar de forma mais direta ocupações manuais, mas a Morgan Stanley espera difusão mais lenta devido a custos de hardware, requisitos de segurança, intensidade de capital e escassez de dados de interação física. Seu Global Robot Model projeta 35 million robôs nos EUA em 2030, ante 15 million em 2026, e robôs humanoides só atingem 1 million em 2035. Os efeitos riqueza tornam esse resultado distributivo especialmente relevante. O quintil superior de renda responde por 87% das participações diretas dos consumidores em ações corporativas e fundos mútuos; lares com ensino superior respondem por 85%, e lares com 55 anos ou mais, por 79%. As ações representam cerca de 30% do patrimônio líquido do grupo de renda superior de 20%, mas apenas 10% do grupo inferior de 40%. A riqueza das famílias cresceu cerca de $21tn entre 1Q24 e 1Q26, e a exposição direta a ações respondeu por metade desse aumento. A Morgan Stanley estima que consumidores normalmente gastam 3-5 centavos para cada dólar de aumento permanente de riqueza. Como a riqueza em ações do grupo de maior renda equivale aproximadamente a seis vezes sua renda anual do trabalho, uma alta permanente de 4% na riqueza em ações pode compensar o efeito no gasto de uma queda de 1% na renda do trabalho, sob a hipótese de propensão marginal a consumir de 90% a partir da renda do trabalho e 4% a partir da riqueza financeira; os 40% inferiores precisariam de um aumento de riqueza de 24%. Portanto, ganhos de ativos relativamente modestos e sustentados podem apoiar o gasto de consumidores afluentes mesmo com fraqueza temporária da renda do trabalho. A inflação cria um padrão distributivo diferente entre curto e longo prazo. A demanda por infraestrutura de IA pode elevar os preços de eletricidade, software e bens relacionados a chips, embora muitas dessas categorias tenham pesos pequenos no CPI e no PCE. A eletricidade é a principal preocupação de curto prazo: representa 4% dos gastos de grupos de baixa renda, contra 2% dos grupos de alta renda; gastos com veículos são 8% para consumidores de alta renda, contra 5% para os de baixa renda. O relatório vê mais evidência de pressão sobre preços de eletricidade relacionada a data centers do que de repasse de custos mais altos de chips aos preços de veículos; em áreas com maior concentração de data centers, preços de eletricidade subiram mais. Lares de baixa renda, sem educação universitária e do Sul ficam, assim, mais expostos à pressão de preços no curto prazo. No médio e longo prazo, a Morgan Stanley espera que ganhos de produtividade sejam desinflacionários, primeiro em indústrias de maior adoção, como tecnologia da informação, finanças e comunicações. Lares de alta renda destinam cerca de 11% de seus gastos a serviços financeiros e seguros, contra 4% do quintil inferior, e 11% a outros serviços, incluindo serviços profissionais e de comunicação, contra 5% dos de menor renda; assim, estão melhor posicionados para se beneficiar mais cedo da desinflação nos serviços. Ao reunir os canais, o cenário-base é positivo para os lares CHIC em conjunto: efeitos riqueza, salários impulsionados por produtividade, novos empregos e desinflação final superam o deslocamento, embora trabalhadores jovens altamente qualificados possam enfrentar fraqueza de curto prazo e a desigualdade aumente. A Morgan Stanley espera que a participação elevada desses lares em gastos discricionários —incluindo móveis, veículos, bens de luxo e lazer— sustente essas categorias. Lares de baixa renda ainda podem se beneficiar em termos absolutos de ganhos salariais mais amplos, desinflação ou possível afrouxamento monetário, mas recebem menos dos ganhos iniciais e enfrentam maior pressão inflacionária de curto prazo. No cenário baixista, a adoção rápida provoca inicialmente um choque de emprego nos lares CHIC; se os preços dos ativos também caírem 25-30% ou mais de forma persistente, esses lares reduzem gastos discricionários e sua grande participação no gasto transforma o choque em fraqueza de demanda para todos os grupos. As respostas de política monetária e fiscal tornam-se então cruciais.

Estrutura de análise

O relatório começa com cenários de equilíbrio geral para adoção de IA, um base e outro baixista, e então aplica microdados sobre ocupações, balanços das famílias e padrões de gasto por renda, educação, geografia e idade. Avalia deslocamento de trabalho, crescimento salarial impulsionado por produtividade e criação de empregos; traduz participações em ações em efeitos sobre consumo com hipóteses de propensão marginal a consumir; e compara cestas de gastos dos grupos para avaliar exposição à inflação de curto prazo e à desinflação de longo prazo.

Notas metodológicas

• Marco macroeconômicoOutro

  Cenários de adoção de IA em equilíbrio geral

  A Morgan Stanley usa modelos anteriores de equilíbrio geral para comparar difusão moderada no cenário-base e difusão rápida no cenário baixista, incorporando criação de tarefas, retroalimentação de riqueza e ajuste do mercado de trabalho.

• Marco de análise setorialDecomposição de volume e preço

  Análise de transmissão ao consumidor por três canais

  O relatório separa o impacto da IA sobre consumidores em renda do trabalho, riqueza financeira e inflação, comparando como cada canal afeta grupos demográficos.

• Teoria quantitativa, de fatores e de portfóliosOutro

  Índice de exposição ocupacional à IA baseado em tarefas

  Usando a estrutura de Felten et al., as ocupações são pontuadas conforme suas tarefas e capacidades se alinham às capacidades atuais e esperadas da IA, distinguindo exposição de um resultado necessariamente negativo.

• Marco de fundamentos corporativos e finançasAnálise do fluxo de caixa livre

  Propensão marginal a consumir a partir da renda do trabalho e da riqueza

  O relatório estima como mudanças permanentes na riqueza em ações poderiam compensar perdas de renda do trabalho no consumo, com resultados que diferem fortemente conforme o nível de riqueza de cada grupo.

Dados principais

• Difusão de IA no cenário-baseAbout 10 years; roughly 2x the internet’s pacePressupõe ganhos de produtividade sem provocar recessão.
• Aumento do desemprego no pico no cenário-base+0.2-0.5ppA elevação temporária é compensada por salários, criação de tarefas, desinflação e efeitos riqueza.
• Aumento do desemprego no pico no cenário baixista+0.6pp to +4.1ppCenário de adoção rápida em seis anos; o resultado depende de efeitos indiretos de riqueza e demanda.
• Trabalhadores em ocupações de alta exposição à IA26%Em comparação com 18% em baixa exposição e 56% em exposição média.
• Renda mediana por grupo de exposição$97k high exposure; $46k low exposureBaseado em dados de salário anual mediano por ocupação disponíveis em 2024.
• Participação das vagas relacionadas à IA4.7%, up from 2.1% over the past yearEvidência de expansão das contratações relacionadas à IA.
• Participação dos 20% superiores em ações e fundos mútuos diretos87%Ilustra a concentração dos efeitos riqueza relacionados à IA.
• Variação da riqueza das famíliasAbout $21tn from 1Q24 to 1Q26Ações diretas responderam por metade do aumento.
• Aumento de ativos necessário para compensar queda de 1% na renda do trabalho4% for top 20%; 24% for bottom 40%Supõe propensão marginal a consumir de 90% a partir da renda do trabalho e de 4% a partir da riqueza financeira.

Impacto e implicações

A Morgan Stanley argumenta que os efeitos da IA sobre consumidores não podem ser inferidos apenas pela exposição ocupacional. Em seu cenário-base, a propriedade de ativos e o posicionamento para capturar produtividade e novos empregos dos lares urbanos, afluentes e com educação universitária sustentam o consumo discricionário agregado, enquanto a desigualdade distributiva aumenta. Uma implantação rápida acompanhada de queda significativa nos mercados de ativos inverteria essa lógica e disseminaria a fraqueza da demanda para todos os grupos de consumidores.

Riscos

• A difusão rápida da IA pode fazer o deslocamento de trabalho superar a criação de tarefas, produzindo resultados semelhantes a uma recessão.
• Uma queda prolongada de 25-30% ou mais nos mercados de ativos pode levar lares afluentes a cortar gastos e amplificar um choque de demanda mais amplo.
• Incompatibilidades de competências podem impedir que trabalhadores deslocados migrem rapidamente para novos empregos relacionados à IA.
• Pressões de preços em software ou outras categorias relacionadas à IA podem superar as expectativas e reduzir o poder de compra dos consumidores.
• Os resultados distributivos dependem do ritmo de adoção, do desempenho dos mercados de ativos e das respostas de política monetária e fiscal.

Pontos a observar

• Indicadores mensais e trimestrais de emprego, desemprego, crescimento salarial e renda do trabalho por grupo.
• O AI labor tracker e o AI productivity tracker da Morgan Stanley.
• Vagas relacionadas à IA, incluindo setor, remuneração e requisitos de experiência.
• Mudanças no patrimônio líquido e na riqueza em ações por renda, idade e educação.
• Medidas de inflação por grupo, especialmente preços de eletricidade em regiões com concentração de data centers.
• Tendências de gastos em categorias discricionárias e por renda, idade, geografia e educação.