A OCDE testou o mês exato em que a IA deveria ter quebrado o emprego jovem — e a quebra não aparece

Quando uma série não muda de inclinação no mês exato em que a causa alegada deveria ter começado a operar, a explicação mais provável não é essa causa. É exatamente esse teste que a OCDE aplicou no capítulo sobre desemprego jovem do Employment Outlook 2026, publicado em 7 de julho: comparou a curva de desemprego de quem está entrando no mercado de trabalho, em quatro países e blocos, contra a data em que a adoção de LLM por empresas acelerou — fim de 2023, início de 2024. Não achou quebra nenhuma associada a essa data.

O teste: procurar a quebra exatamente onde a IA teria que deixar marca

O capítulo usa duas séries independentes para datar quando as empresas passaram a usar modelos de linguagem de forma intensiva: a taxa de contratação de "talento de IA" no LinkedIn (perfis com pelo menos duas habilidades de IA listadas) e o volume de vagas com termos como "Generative AI" ou "Large Language Models" no Indeed. As duas apontam o mesmo intervalo — meados de 2023 a início de 2024, variando por país — como o momento em que o uso de LLM disparou nas empresas.

Se a IA estivesse de fato cortando a entrada de gente nova no mercado, o hiato de desemprego entre recém-formados e o resto da população em idade ativa deveria mudar de inclinação logo depois dessa data. A OCDE testou isso separadamente para graduados universitários e para quem não tem diploma superior, na Austrália, no Canadá, na União Europeia e nos Estados Unidos.

Em nenhuma das quatro séries a quebra aparece

Para graduados universitários, o hiato de desemprego vem subindo desde antes da pandemia — bem antes de qualquer empresa grande usar LLM em produção —, então a tendência já existia e não muda de forma visível ao redor de 2023-2024 em nenhum dos quatro lugares analisados. Para quem não tem diploma superior, o quadro varia por país, mas na direção errada para sustentar causa única: o hiato sobe nos Estados Unidos a partir do início de 2024, mas cai na Austrália e fica praticamente estável no Canadá e na zona do euro no mesmo intervalo. E o indicador mais direto — o volume de vagas em ocupações mais expostas a modelos de linguagem, comparado ao de ocupações menos expostas, indexado a 100 no quarto trimestre de 2019 — não mostra ruptura nenhuma no fim de 2023 em nenhuma das quatro geografias. O que ele mostra é sensibilidade a choque macroeconômico: a série cai na pandemia, recupera na retomada e cai de novo no choque de inflação e juros — o mesmo padrão de antes de a IA existir como variável relevante.

O efeito de composição que a própria OCDE nomeia

A OCDE oferece a explicação para por que outros estudos acham efeito e o dela não acha: ocupações expostas a modelos de linguagem estão concentradas em setores que já são, por conta própria, mais sensíveis a custo de capital e a incerteza — informação, finanças e seguros, serviços profissionais e técnicos. Quando a economia esfria, a contratação nesses setores cai mais rápido do que a média, com ou sem IA no meio. No original: "what may seem an effect of the diffusion of LLMs is in fact simply the result of worsening macroeconomic environment". É efeito de composição disfarçado de efeito real — o mesmo erro de leitura que aparece toda vez que alguém pega a série de um setor exposto e esquece de perguntar se aquele setor já era mais volátil antes de qualquer IA existir.

Isso não invalida o que a Stanford mediu ontem aqui — mede outra coisa

A própria OCDE cita, na lista de estudos que encontram efeito real, o levantamento de Stanford e King's College London sobre 1,25 bilhão de vagas em 41 países que sustentou a peça publicada aqui ontem. Os dois achados não se contradizem — operam em escalas diferentes. O estudo de Stanford compara empresas que adotaram IA contra concorrentes que não adotaram, no mesmo período: é desenhado para captar um efeito que existe só dentro do grupo tratado. O capítulo da OCDE olha o mercado de trabalho nacional inteiro, onde as empresas que adotaram IA de forma intensiva ainda são minoria do emprego total. Um efeito real, concentrado nessa minoria, pode não deixar marca visível na série agregada — e a ausência de quebra no agregado não decide se o efeito já apareceu dentro das empresas que de fato mudaram a forma de contratar. O mesmo cuidado já valeu aqui para o corte de vagas júnior medido numa única ocupação — desenvolvedor de aplicação — via folha da ADP nos Estados Unidos: recorte estreito por ocupação pode mostrar um efeito real que o agregado nacional inteiro ainda não mostra.

O que fica

A manchete de "a IA já está cortando vaga de quem está entrando no mercado" não tem, até aqui, a marca que deveria deixar na série de nenhum dos quatro países que a OCDE testou. Isso não fecha o caso — a própria OCDE trata a conclusão como preliminar e admite que o efeito pode estar concentrado em ocupações ou setores específicos demais para aparecer no agregado nacional. O que dá para afirmar com o teste que existe: quem cita 2023-2024 como o ano em que a IA começou a cortar contratação júnior precisa mostrar a quebra na série, não só o ano em que o ChatGPT ficou popular. Até agora, no nível em que a OCDE mediu, essa quebra não apareceu.