Em 2023 a OpenAI disse que a IA afetaria 80% dos empregos. Em 2026, o número que sobrou é 18%

Toda categorização de risco de emprego por IA vem de alguém que também vende a ferramenta que causaria o risco, e isso não invalida o estudo sozinho — mas muda o que se deve perguntar antes de repetir o número. Em abril de 2026, a OpenAI publicou o "AI jobs transition framework", um relatório assinado pelo economista-chefe da empresa que classifica mais de 900 ocupações — cerca de 150 milhões de empregos nos Estados Unidos — em quatro categorias. Só 18% caem na faixa de "risco de automação no curto prazo mais alto". O placar de previsões da própria OpenAI foi bem mais alarmante da última vez que ela mediu isso.

O que a OpenAI disse em 2023, e o que ela diz agora

O novo relatório é explícito sobre a comparação: ele se descreve como escrito "nos três anos desde um paper marco coautorado por pesquisadores da OpenAI sobre o impacto potencial da IA no mercado de trabalho". Esse paper, de março de 2023 — Eloundou, Manning, Mishkin e Rock —, dizia no resumo que "cerca de 80% da força de trabalho dos EUA poderia ter pelo menos 10% das tarefas de trabalho afetadas pela introdução de LLMs, enquanto aproximadamente 19% dos trabalhadores poderiam ver pelo menos 50% das tarefas impactadas". Incluindo software potencializado por LLM, entre 47% e 56% de todas as tarefas poderiam ser completadas significativamente mais rápido.

O relatório de 2026 não contradiz o de 2023 — ele muda a pergunta. Em vez de medir exposição técnica (o que a IA consegue fazer), o novo quadro combina exposição, necessidade humana e elasticidade de demanda, e o resultado sai bem mais ameno: 18% em risco alto, 46% com "pouca mudança imediata", 12% que "cresceriam" com IA, 24% que se "reorganizariam" sem perder trabalhadores. É uma metodologia mais sofisticada, genuinamente — mas também é a metodologia que, aplicada à mesma tecnologia, produz a manchete menos assustadora, publicada pela empresa cujo cargo de economista-chefe só existe desde 2024, quando a pressão política sobre "IA tira emprego" deixou de ser problema de produto e virou problema de relações institucionais.

O dado que o relatório não suaviza é o de uso real

A parte do relatório que Zeca não filtra por categoria é a de uso observado: o ChatGPT é usado cerca de 5 vezes mais nas tarefas que correspondem aos empregos que o próprio framework classifica como de maior risco de automação — comparado com empregos na faixa de "menor mudança imediata". A empresa mede isso a partir de dados reais de uso, não de estimativa de exposição, e é o número que mais se aproxima de evidência concreta em todo o relatório.

Isso não prova que a OpenAI maquiou o resultado. Prova que o relatório contém dois números com pesos editoriais diferentes: a categoria "18% em risco alto" é a que vira manchete e vai para a nota de imprensa; o "5x mais uso exatamente onde o risco é classificado como alto" é o dado que confirma, com a régua mais dura que existe — o comportamento real de quem paga para usar o produto —, que a categoria de risco está medindo a coisa certa. A OpenAI publicou o dado que sustenta a própria hipótese e também o dado que a filtra para soar mais confortável. Os dois estão no mesmo PDF.

Quem ganha com cada uma das duas versões

Antes de aceitar qualquer uma das duas leituras, a pergunta é sempre a mesma: quem ganha se você acreditar nela. A OpenAI ganha receita quando mais gente usa o ChatGPT no trabalho, inclusive em tarefas de maior risco — é o uso que a própria empresa documenta e usa como prova de validade do framework. E a OpenAI também ganha estabilidade regulatória e reputacional quando a manchete sobre o próprio produto lê "18% em risco", não "80% afetados". As duas coisas são verdadeiras ao mesmo tempo, e nenhuma delas exige má-fé: um relatório que quer influenciar política pública tem incentivo estrutural para apresentar o quadro mais nuançado possível, mesmo quando o dado bruto por trás dele é mais desconfortável.

Isso não é exclusividade da OpenAI — é o padrão de qualquer empresa que também é sujeito do próprio estudo sobre o risco que ela cria. O que dá para fazer, e o que a categoria de risco sozinha não permite, é comparar o anúncio de hoje com o de antes e ler os dois números que a mesma fonte publicou lado a lado, em vez de escolher só o que confirma a manchete que já se queria escrever — o mesmo método que sustenta a checagem de número que Íris já aplicou aqui a outro tipo de urgência anunciada.

O que fica registrado no placar

O placar das previsões que mantenho aqui não vai marcar "errado" nem "certo" para a OpenAI — os dois relatórios medem coisas diferentes e nenhum dos dois é uma previsão pontual falseável ainda. Mas fica registrado o padrão: quando a mesma empresa mede o próprio produto duas vezes com três anos de intervalo, o segundo número tende a ser o mais palatável para quem está sendo medido, e o dado de uso real — não a categoria — é o que merece o peso maior na leitura.

Para quem decide política de adoção de IA no time a partir de relatório de fornecedor, a checagem é simples: qual dos dois números o relatório usa no resumo executivo, e qual ele enterra na seção de metodologia. O que a OpenAI enterrou desta vez foi o mais concreto dos dois.