Quem vai ganhar emprego novo com IA, segundo o MIT

Cerca de 18% dos trabalhadores americanos hoje atuam em ocupações que não existiam em 1970. E adivinha quem ficou com a maior fatia dessas vagas: jovens universitários em cidades grandes. Em 21 de maio, o MIT divulgou uma pesquisa nova do economista David Autor mostrando esse padrão histórico em detalhe. Ocupação emergente é uma profissão que apareceu nas últimas décadas e nem existia antes, e o estudo mostra com clareza quem capturou esse mercado novo. Se você está em mestrado, doutorado ou começando uma carreira acadêmica, esse dado importa muito. Porque agora vem a próxima onda, a inteligência artificial. E ninguém sabe ainda se ela vai seguir o mesmo padrão das ondas anteriores, ou se vai inverter o jogo de quem ganha e quem fica fora.

O que aconteceu

O estudo, liderado pelo economista David Autor com colegas das universidades de Tilburg, Utrecht e Northwestern, vai sair em breve no Annual Review of Economics. Eles usaram dados do censo americano de 1940 a 1950 (já públicos por terem mais de 70 anos) e da American Community Survey de 2011 a 2023.

A descoberta central é simples e dura: tecnologia nova quase sempre cria trabalhos novos, e esses trabalhos quase sempre ficam com pessoas jovens, com diploma universitário, vivendo em cidades grandes. Em 1950, 7% dos empregos eram em áreas que tinham aparecido desde 1930. Em 2011-2023, 18% dos trabalhadores estavam em ocupações criadas depois de 1970.

Quem tem graduação não só pegou essas vagas, ficou nelas. Quem trabalhava em ocupações novas em 1940 tinha 2,5 vezes mais chance de ainda estar em ocupação nova em 1950. E ter universidade completa aumentava em quase 3 pontos a chance de pegar trabalho novo, comparado a quem só tinha ensino médio.

Mas o estudo também mostra que esse prêmio salarial dura pouco. Ocupações novas pagam mais no início, depois o conhecimento se espalha e o salário baixa. Como Autor resume: novo trabalho vira velho.

Faz sentido. Mas o que essa lógica histórica significa quando a próxima onda é IA?

Por que isso importa pra você

O estudo do MIT é histórico, olha pro retrovisor. Mas o ponto interessante pra quem está na pós-graduação agora é o que ele sugere sobre a próxima década. Vou separar em 3 frentes diferentes, conforme onde você está.

Se você está terminando mestrado ou doutorado

1. O padrão histórico mostra que jovens com diploma de pós capturam a maior parte das vagas novas. Se a IA seguir esse padrão, sua formação atual é vantagem competitiva real, não detalhe de currículo.
2. Mas “diploma” não basta. O estudo mostra que ocupações novas exigem especialização escassa. Pensa em qual área dentro da sua pesquisa está pouco coberta hoje, isso pode ser onde o trabalho novo vai aparecer.
3. Pondere onde você vai morar. Cidades grandes pegaram a parte gorda da inovação histórica. Se possível, considere isso na escolha de pós-doutorado ou primeiro emprego acadêmico.

Se você está orientando ou em laboratório

1. Pesquisadoras e pesquisadores em início de carreira são quem mais ganha com ondas novas. Vale incentivar quem está chegando agora a entrar em frentes recentes (IA aplicada à área de vocês), mesmo que pareça arriscado.
2. O prêmio salarial da especialização nova dura cerca de uma década segundo o estudo. Quem entra cedo, ganha mais tempo de janela.
3. Acompanhe quais especializações estão emergindo na sua área e leve isso pra sala de aula.

Se você está reinventando carreira durante a pós

1. O dado importante é que o estudo NÃO mostra que tecnologia preserva carreiras antigas. Ela cria carreiras novas. Sua aposta não deve ser proteger o que você fazia antes, e sim mapear o que está nascendo agora.
2. Combinar sua formação anterior com IA pode ser exatamente o tipo de especialização escassa que o estudo identifica como bem paga.

A pergunta dura: e se a IA romper esse padrão histórico, em vez de seguir?

O que muda quando a tecnologia é IA

Toda revolução tecnológica anterior, das primeiras manufaturas até o computador pessoal, criou empregos novos porque alguém precisava operar a tecnologia. Tratoristas, programadores, designers de UX. A IA pode não funcionar assim. Quando o sistema é capaz de programar, escrever e analisar dados sozinho, a pergunta deixa de ser “quem opera” e vira “quem decide o que pedir”.

Autor é cuidadoso e diz que ainda é cedo pra saber se a IA vai erodir tarefas mais rápido do que cria trabalhos. Tarefa não é emprego: a maioria dos empregos junta muitas tarefas. Mesmo assim, o autor reconhece o ponto crítico:

“Estamos todos perguntando: de onde vai vir o trabalho novo? É importantíssimo, e a gente sabe pouco sobre isso. Não sabemos o que vai ser, como vai parecer, e quem vai conseguir fazer.”

Pra você que está estudando, isso muda como a IA entra na sua rotina. Não é mais uma ferramenta entre outras que você decide usar ou não. É uma camada nova de competência que vai diferenciar quem pega trabalho novo de quem fica fora.

É aqui que o Método V.O.E. (Velocidade, Organização, Execução Inteligente) se conecta direto com o estudo. Velocidade não significa correr, significa cortar o tempo entre identificar uma área nascente e começar a publicar nela. Organização significa montar fluxo de leitura, dados e drafts que aproveite IA sem entregar pra ela o que é seu. E Execução Inteligente significa usar IA com ética, não como atalho pra produção em massa.

A diferença prática: quem vai capturar trabalho novo nos próximos 10 anos não é quem tem mais ferramentas, é quem sabe escolher onde aplicar. Esse julgamento humano sobre relevância continua sendo escasso, e provavelmente seguirá sendo.

A leitura que faço desse estudo

Quando li o paper, o que mais me bateu foi a frase do Autor sobre escassez: “Se todo mundo é especialista, ninguém é especialista”. Ela parece óbvia, mas explica muito do desconforto de quem está fazendo pós agora.

A gente sente que precisa correr atrás de IA porque todo mundo está correndo. Mas se todo mundo aprende prompting básico, prompting básico deixa de ser diferencial. O que continua sendo escasso é julgamento: qual problema vale resolver, qual dado é confiável, qual texto pode ser publicado, qual referência é válida. Esse julgamento se constrói na pós-graduação, não no curso online de IA.

Por outro lado, fica um sinal vermelho importante: o estudo mostra que a janela do prêmio salarial é curta. Quem entra cedo numa especialização nova ganha melhor durante alguns anos. Depois o conhecimento vira commodity. Isso vale pra IA aplicada à pesquisa também. Quem hoje está só usando ChatGPT pra revisar texto não está montando especialização nova, está só acompanhando o pelotão.

Não significa que você precisa virar especialista em IA amanhã. Significa que vale ficar atento a uma frente nova dentro da sua área, e investir nela com tempo de qualidade. Os 10 anos que vêm vão decidir muito a carreira acadêmica de quem está em formação agora.

Próximos passos

Aqui vai um checklist do que dá pra fazer ainda essa semana:

1. Ler o paper do Autor quando sair no Annual Review of Economics. Ou pelo menos o anterior, de 2024, que cobre 1940 a 2018.
2. Mapear 2 ou 3 especializações dentro da sua área de pesquisa que pareçam estar nascendo (poucas publicações no Brasil, vocabulário recente, conferências novas).
3. Identificar uma ferramenta IA específica que faça sentido pra ESSAS especializações (não pra qualquer coisa), e investir uma semana só nela.
4. Conversar com seu orientador sobre essa frente nova. Se a leitura dele é diferente, ouvir.
5. Documentar o que você descobriu, mesmo que seja uma postagem curta. Especialista que ninguém vê não vira referência.

Se você quer ir mais fundo no Método V.O.E. e como ele lida com IA aplicada à academia, dá uma olhada em .

Fonte: Technology usually creates jobs for young, skilled workers. Will AI do the same?, MIT News