Inteligência Artificial e Mercado de Trabalho: O choque da IA sobre o emprego continua leve, mas a pressão no nível das ocupações está se tornando difícil de ignorar

Visão geral

A Morgan Stanley usa dados atualizados até o primeiro semestre de 2026 para avaliar o impacto da IA no mercado de trabalho dos EUA. A conclusão é que o choque geral permanece relativamente pequeno, apresentando um padrão de “micro mais forte que macro”: as evidências nos níveis de ocupação e trabalhador continuam se fortalecendo, enquanto os dados agregados de emprego setorial e de vagas permanecem mistos. A taxa de desemprego para ocupações com alta exposição à IA continua a subir, enquanto os demais grupos de exposição estão amplamente estáveis; essa mudança é mais pronunciada após o controle da sensibilidade cíclica ocupacional.

Visões principais

Primeiro, a taxa de desemprego ajustada ciclicamente para ocupações com alta exposição à IA está agora cerca de 0,5 ponto percentual acima do nível implícito pelas relações históricas, e a significância estatística subiu para o nível de confiança de 90%. Segundo, a piora do desemprego decorre tanto de uma queda nas taxas de reemprego quanto de um aumento das demissões desde 2025, enquanto as mudanças na participação na força de trabalho entre os grupos de exposição à IA não mostram diferenças evidentes. Terceiro, trabalhadores de 22 a 27 anos estão na linha de frente do ajuste, com divergência particularmente clara das taxas de desemprego em ocupações de alta exposição. Quarto, a IA está acelerando a reorganização das tarefas de trabalho, mas a parcela de trabalhadores com alta exposição que relatam mudanças nas tarefas caiu no primeiro semestre de 2026, o que pode refletir ruído de curto prazo ou uma desaceleração na implementação da IA. Quinto, os dados de emprego no nível setorial e as vagas anunciadas ainda não são suficientes para sustentar uma narrativa de substituição ampla, e os setores de média exposição tiveram desempenho recente até melhor que os de baixa e alta exposição.

Estrutura de análise

O relatório constrói uma estrutura de acompanhamento da disrupção laboral pela IA, integrando microdados da pesquisa domiciliar CPS, estatísticas de fluxos de trabalhadores, indicadores de realocação de tarefas, emprego assalariado setorial, vagas anunciadas e textos de teleconferências de resultados corporativos. O estudo agrupa ocupações e setores por exposição à IA e usa regressões para controlar a sensibilidade cíclica histórica dos diferentes grupos; utiliza principalmente a medida de exposição à IA proposta por Felten et al. em 2021, ao mesmo tempo em que realiza verificações de robustez com medidas alternativas da equipe de pesquisa temática da Morgan Stanley.

Notas metodológicas

• Estrutura de monitoramento integradaRastreador de Disrupção do Trabalho pela IA

  Identificar de forma cruzada mudanças no emprego relacionadas à IA usando múltiplos tipos de indicadores do mercado de trabalho

  A estrutura abrange taxas de desemprego, fluxos de trabalhadores, mudanças de tarefas, emprego setorial, vagas anunciadas e textos corporativos para comparar sinais nos níveis micro e macro.

• Medição de exposiçãoMedida de Exposição à IA de Felten et al. (2021)

  Classificar ocupações em grupos de baixa, média e alta exposição com base no grau em que são afetadas pelas capacidades da IA

  Essa medida é usada nos principais resultados do relatório, complementada por medidas alternativas de exposição da equipe de pesquisa temática da Morgan Stanley para verificações de robustez.

• Análise econométricaAnálise de Resíduos Ajustados Ciclicamente

  Controlar a relação cíclica histórica entre cada grupo de exposição e o mercado de trabalho geral

  O estudo faz uma regressão da taxa de desemprego de cada grupo de exposição sobre a taxa geral de desemprego e analisa os resíduos para medir o grau em que o desemprego efetivo se desvia da relação cíclica normal.

• Processamento de séries temporaisMédia Móvel de 12 Meses

  Suavizar a sazonalidade e o ruído de alta frequência nos dados CPS não ajustados sazonalmente

  Como os dados CPS relevantes não são ajustados sazonalmente, o relatório utiliza médias móveis de 12 meses para observar mudanças persistentes entre diferentes grupos de exposição à IA.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• Mercado de trabalho dos EUA

  Objeto central de observação macroeconômica da disrupção pela IA

  Pontos fortes

  O impacto geral sobre o emprego permanece pequeno, o emprego setorial não mostrou queda ampla e a participação na força de trabalho não exibiu divergência sistemática entre grupos de exposição.

  Pontos fracos

  A taxa de desemprego em ocupações com alta exposição à IA continua a subir, o reemprego tornou-se mais difícil e a taxa de demissões permanece elevada em relação aos níveis anteriores a 2025.

  Comparação

  Os sinais de disrupção nos níveis de ocupação e trabalhador são claramente mais fortes que os sinais macro refletidos no emprego assalariado setorial e nas vagas anunciadas.

  Riscos

  Se a fraqueza no nível das ocupações continuar a se disseminar, poderá elevar a taxa geral de desemprego e aumentar o risco de desemprego de longa duração.

• Tema da inteligência artificial

  Um tema estrutural em que ganhos de produtividade e substituição de empregos coexistem

  Pontos fortes

  As discussões corporativas ainda se concentram principalmente em produtividade e melhoria da eficiência de processos, e a reestruturação das tarefas de trabalho indica que a IA está gradualmente entrando nos processos produtivos.

  Pontos fracos

  Os custos sociais da substituição de empregos estão começando a aparecer em ocupações de alta exposição e grupos de jovens, o que pode elevar a atenção regulatória e de políticas públicas.

  Comparação

  As evidências de mudanças nas tarefas são relativamente fortes, mas os dados de emprego total setorial e de vagas anunciadas ainda não validaram substituição em larga escala.

  Riscos

  Se as reduções de empregos decorrentes da adoção da IA ocorrerem mais rapidamente que a criação de novos empregos, as avaliações do tema poderão enfrentar riscos sociais, regulatórios e do lado da demanda.

Dados principais

• Impacto de limite superior sobre a taxa geral de desempregoCerca de 15 pontos-baseUma estimativa aproximada em junho de 2026, acima de cerca de 10 pontos-base em dezembro de 2025; parte da diferença ainda pode ser causada por fatores não relacionados à IA.
• Aumento anormal do desemprego em ocupações com alta exposição à IACerca de 0,5 ponto percentualEm relação ao nível normal previsto pelas condições gerais do mercado de trabalho e pelas relações cíclicas históricas.
• Participação no emprego de ocupações com alta exposição à IACerca de 30%Usada para converter o desemprego anormal dentro do grupo ocupacional em um impacto sobre a taxa geral de desemprego.
• Significância estatísticaNível de confiança de 90%No primeiro semestre de 2026, os resíduos de desemprego para ocupações de alta exposição haviam excedido o intervalo de dois erros-padrão; anteriormente, eram significativos apenas no nível de confiança de 68%.
• Faixa etária-chave afetada22 a 27 anosA divergência da taxa de desemprego entre jovens trabalhadores em ocupações com alta exposição à IA é significativamente maior do que para a força de trabalho total.
• Período de observação dos dadosAté o primeiro semestre de 2026O relatório foi publicado em 3 de agosto de 2026.

Impacto e implicações

As evidências atuais ainda não sustentam a visão de que a IA desencadeou um choque amplo de desemprego no mercado de trabalho dos EUA, mas sugerem que o ajuste estrutural pode surgir primeiro em ocupações de alta exposição, entre ingressantes no mercado de trabalho e em tarefas específicas. Se a divergência no nível das ocupações continuar a se ampliar e for gradualmente transmitida ao emprego setorial, a taxa geral de desemprego e o crescimento dos salários poderão enfrentar pressão mais visível; por outro lado, se as empresas continuarem a se concentrar principalmente na otimização de processos e na melhoria da produtividade, o impacto positivo da IA sobre a eficiência da produção poderá surgir antes de uma substituição de empregos em larga escala. As atuais avaliações de investimento e política não devem depender apenas de dados agregados do setor, mas também acompanhar indicadores mais granulares no nível das ocupações e dos fluxos de trabalhadores.

Riscos

• Há um problema de variáveis omitidas: política monetária, tarifas, política de imigração e a normalização das contratações pós-pandemia podem causar divergência entre ocupações.
• Os 15 pontos-base estimados pelo relatório representam um impacto de limite superior, não um efeito puro da IA identificado causalmente.
• Os dados no nível setorial são ruidosos; os setores de média exposição tiveram desempenho relativamente forte, o que não sustenta uma relação monotônica entre exposição à IA e deterioração do emprego.
• A amostra de jovens sem diploma universitário em ocupações de alta exposição é relativamente pequena, e as estimativas relacionadas têm menor relação sinal-ruído.
• Os indicadores de mudanças de tarefas não conseguem distinguir entre o efeito de complementação e o efeito de substituição da IA sobre os trabalhadores.
• A queda nas vagas anunciadas antecede o lançamento do ChatGPT e não pode ser simplesmente atribuída à IA generativa.

Pontos a observar

• Se os resíduos de desemprego ajustados ciclicamente para ocupações com alta exposição à IA continuam a se ampliar e permanecem estatisticamente significativos.
• Mudanças na taxa de reemprego, na duração do desemprego e na taxa de demissões de trabalhadores desempregados em ocupações de alta exposição.
• Divergência da taxa de desemprego entre trabalhadores de 22 a 27 anos em diferentes grupos de escolaridade.
• Se o crescimento do emprego em setores com alta exposição à IA enfraquece ainda mais em relação às tendências históricas.
• Se as vagas anunciadas passam da normalização pós-pandemia para uma queda sistemática relacionada ao grau de exposição à IA.
• Mudanças na linguagem das teleconferências de resultados das empresas relacionada à melhoria da produtividade, substituição de empregos e criação de empregos.
• Se o ritmo das mudanças de tarefas em ocupações de alta exposição volta a acelerar ou continua a desacelerar.