Quais trabalhadores são mais afetados pelas perdas de emprego relacionadas à IA, segundo a pesquisa de Stanford?

Trabalhadores em início de carreira em funções altamente expostas à IA, como desenvolvimento de software e suporte ao cliente, apresentam os declínios mais acentuados. A pesquisa constatou um declínio relativo de 13% no emprego entre os jovens trabalhadores mais expostos, mesmo após controlar fatores de empresa e tempo.

O principal risco da IA é salários mais baixos ou menos empregos?

De acordo com os resultados de Stanford, o risco primário para os jovens trabalhadores mais expostos é a exclusão do emprego, não apenas salários mais baixos. Trabalhadores que não conseguem uma posição de nível inicial não têm oportunidade de acumular a experiência que aumenta seu valor ao longo do tempo.

A IA prejudica igualmente todos os trabalhadores de nível inicial?

Não. A pesquisa distingue entre funções em que a IA substitui tarefas completamente e funções em que ela aumenta o trabalho humano. Onde a IA aumenta em vez de substituir, o efeito sobre o emprego é muito menos severo.

1 / 1

Laboratório de Economia Digital de Stanford Impacto da IA na Força de Trabalho Trabalhadores em Início de Carreira Dados do Mercado de Trabalho ADP Research hiring-trend-analysis

Milo Jun 13, 2026

Impacto da IA nos mercados de trabalho

O Painel Canários de Stanford Mostra que a IA Já Está Expulsando Trabalhadores em Início de Carreira do Mercado

Principais conclusões

Trabalhadores em início de carreira em funções altamente expostas à IA enfrentam um declínio relativo de 13% no emprego, segundo dados de folha de pagamento de Stanford; o risco é a exclusão de empregos, não apenas salários mais baixos.
A IA substituindo tarefas prejudica muito mais as contratações de nível inicial do que a IA que aumenta o trabalho humano; entender qual das duas se aplica à função que você almeja é a pergunta mais útil que você pode fazer.
O Painel Canaries de Stanford é atualizado mensalmente usando dados de folha de pagamento da ADP; acompanhá-lo oferece aos aprendizes um sinal antecipado sobre quais pontos de entrada estão se estreitando antes que as vagas de emprego reflitam isso.

Milo · Jun 13, 2026

Novos dados de folha de pagamento do Laboratório de Economia Digital de Stanford movem o debate sobre o deslocamento pela IA da especulação para uma realidade mensurável e no tempo presente para jovens trabalhadores em funções expostas.

Novos dados de folha de pagamento do Laboratório de Economia Digital de Stanford levam o debate sobre o deslocamento causado pela IA da especulação para uma realidade mensurável e no tempo presente para jovens trabalhadores em funções expostas.

Imagine dois recém-formados, ambos contratados para funções na área de tecnologia no mesmo ano. Uma delas ocupa um cargo em que ferramentas de IA ampliam o seu julgamento; o outro entra em uma função em que a IA substitui as tarefas que antes justificavam o seu salário de nível júnior. Três anos depois, a diferença entre eles não é teórica. Ela aparece nos registros de folha de pagamento. Essa lacuna é agora o tema de um dos projetos empíricos mais cuidadosamente construídos na pesquisa sobre o mercado de trabalho.

O que o Canaries Dashboard realmente mede

O Stanford's Digital Economy Lab desenvolveu o Canaries Dashboard em colaboração com o ADP Research, com base em dados anonimizados de folha de pagamento de empresas que utilizam os serviços de folha de pagamento da ADP, de acordo com a página do projeto do Stanford Digital Economy Lab(opens in new tab). O nome do painel vem diretamente da pesquisa subjacente: um artigo de 2025 de Erik Brynjolfsson, Bharat Chandar e Ruyu Chen intitulado "Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence" (Canários na mina de carvão? Seis fatos sobre os efeitos recentes da inteligência artificial no emprego).

A lógica da metáfora é precisa. Certos trabalhadores — especificamente aqueles que estão no início de suas carreiras e concentrados em ocupações com alta exposição à IA — funcionam como indicadores antecipados de mudanças mais amplas no mercado de trabalho. Para onde eles vão, o restante da economia pode acabar seguindo.

O painel atualiza essas descobertas em tempo real, colocando-o ao lado de outros indicadores do mercado de trabalho na crescente série de Indicadores Econômicos de IA de Stanford. O artigo subjacente fornece a espinha dorsal analítica. Brynjolfsson, Chandar e Chen estudaram como as mudanças no emprego variam dependendo do nível de experiência de um trabalhador e do grau em que sua ocupação está exposta à automação impulsionada pela IA. De acordo com a publicação de Bharat Chandar de outubro de 2025 no site do Stanford Digital Economy Lab, a pesquisa forneceu "algumas das primeiras evidências em larga escala consistentes com a hipótese de que a revolução da IA está começando a ter um impacto significativo e desproporcional nos trabalhadores de nível júnior no mercado de trabalho americano".

Esse enquadramento é importante. Não se trata de um modelo de projeção ou de um experimento mental; é um padrão encontrado em dados de folha de pagamento que já existem.

O sinal de 13% e o que ele significa

A descoberta que paralisa os leitores é uma queda relativa de 13% no emprego entre os jovens trabalhadores mais expostos à IA, mesmo após o controle de fatores em nível de empresa e baseados no tempo, de acordo com um resumo da pesquisa de Stanford. Esse número não é um agregado de todos os trabalhadores. Ele é específico para a interseção de duas condições: estar no início da carreira e estar em uma função altamente automatizável. Trabalhadores com mais experiência nas mesmas ocupações não apresentam o mesmo padrão no mesmo grau, o que é uma distinção crucial.

As ferramentas de IA, pelo menos neste período, parecem estar substituindo as tarefas para as quais os trabalhadores de nível júnior são contratados para aprender — não o julgamento pelo qual os trabalhadores mais experientes são pagos para aplicar.

A distribuição ocupacional desse efeito também é reveladora. De acordo com um resumo das descobertas de Stanford publicado na Time, as maiores perdas se concentram em desenvolvimento de software, suporte ao cliente e outras funções com alta exposição à IA. São exatamente as funções que uma geração de conteúdo sobre orientação de carreira apontava como pontos de entrada estáveis e que desenvolvem habilidades. A compressão está atingindo com mais força justamente onde os trabalhadores no início de carreira foram orientados a começar.

Há uma segunda descoberta por trás dos números de emprego: o mecanismo importa enormemente. Onde a IA substitui tarefas diretamente, as funções de nível júnior somem. Onde a IA complementa o trabalho humano em vez de substituí-lo, o efeito é muito menos grave, de acordo com o mesmo resumo de Stanford. Essa distinção entre substituição e complementação não é uma nuance acadêmica sutil. É a encruzilhada que determina se uma determinada função cresce ou encolhe à medida que a adoção da IA se aprofunda.

A diferença entre um problema salarial e um problema de exclusão

A maior parte da discussão pública sobre IA e trabalho gravita em torno dos salários: a IA vai reduzir a remuneração? A pesquisa de Stanford reformula essa pergunta. De acordo com o resumo das descobertas de Brynjolfsson, Chandar e Chen, o principal risco para os jovens trabalhadores mais expostos não é a redução salarial. É a exclusão do emprego por completo.

A supressão salarial e a perda de empregos são problemas relacionados, mas não são o mesmo problema, e não exigem as mesmas respostas. Um trabalhador contratado com um salário menor ainda acumula experiência, ainda desenvolve tempo de empresa, ainda desenvolve o julgamento que aumenta seu valor ao longo do tempo. Um trabalhador que nunca consegue a posição de nível júnior não tem nenhuma margem de desenvolvimento.

Essa distinção deve orientar como os estudantes avaliam seu próprio posicionamento. A pergunta não é simplesmente se uma função paga bem hoje. É se a função ainda existe em volume no nível júnior, se a IA está substituindo as tarefas fundamentais dentro dela e se a experiência oferecida realmente desenvolve o tipo de julgamento que é mais difícil de automatizar. Uma função em uma ocupação de alta exposição não é automaticamente um beco sem saída, mas as evidências agora indicam que o ponto de entrada para essa função está se estreitando.

O que isso significa se você está decidindo onde investir

O Canaries Dashboard faz parte da série de Indicadores Econômicos de IA de Stanford, que o laboratório descreve como um esforço para conectar "formuladores de políticas, executivos de negócios e trabalhadores individuais a informações oportunas e confiáveis sobre o impacto econômico da IA", de acordo com a página de indicadores do laboratório. Essa última categoria — trabalhadores individuais — é a que mais importa para quem está lendo isso.

O painel é atualizado em tempo real, o que significa que o número de 13% é uma referência a ser monitorada, não um veredicto final.

Para estudantes avaliando trajetórias profissionais agora, a leitura prática é esta: o nível de exposição e o nível de experiência interagem. Um desenvolvedor de software júnior em uma empresa que utiliza IA generativa para geração de código está em uma posição diferente de um analista de dados júnior cujo trabalho envolve síntese, comunicação com partes interessadas e interpretação de domínio. A primeira função está mais próxima das tarefas que a IA atualmente substitui; a segunda está mais próxima das tarefas que a IA atualmente apoia.

Essa diferença não é capturada em títulos de cargos, e mal é capturada na maioria das descrições de vagas. O Canaries Dashboard e sua pesquisa subjacente oferecem aos estudantes um framework para fazer perguntas melhores sobre quais pontos de entrada estão genuinamente construindo algo, e quais estão desaparecendo silenciosamente do mercado de trabalho antes que os anúncios de emprego percebam.

Monitore o painel conforme ele é atualizado mensalmente. Observe se o número de 13% aumenta, diminui ou migra para novas categorias ocupacionais. A pesquisa é recente, como Chandar reconheceu, mas é o sinal mais honesto disponível atualmente. Isso vale mais do que qualquer previsão.

Fontes

Questions & answers

É uma ferramenta de acompanhamento do mercado de trabalho em tempo real criada pelo Laboratório de Economia Digital de Stanford em colaboração com a ADP Research. Ela monitora tendências de emprego em ocupações e grupos de trabalhadores com diferentes níveis de exposição à IA, com atualizações contínuas.