O número que virou manchete é o que os próprios autores do estudo pedem para não usar assim

Quase todo estudo de produtividade que chega até esta coluna não tem grupo de controle. Este tem — e ainda assim o número que virou manchete é exatamente o que os próprios autores pedem para não tratar como definitivo. A Apollo Global Management publicou, em julho, um estudo de Sania Edlich e Torsten Slok comparando 321 ocupações americanas expostas e não expostas à IA. Li o whitepaper inteiro, não o resumo que circulou. Isso é o que sobrevive à leitura.

Medido como: exposição observada, não estimada

A maioria dos estudos deste gênero usa exposição teórica — o que uma ocupação poderia sofrer, segundo tarefas descritas em manual (O*NET). Este usa o Anthropic Economic Index, que mede exposição observada: o percentual de tarefas de cada ocupação que já apareceu sendo executado em conversas reais com o Claude. As autoras cruzaram isso com dados de emprego e salário da BLS Occupational Employment and Wage Statistics (2015-2025), ponderados pela Current Population Survey, e aplicaram um desenho de diferenças-em-diferenças com efeitos fixos de ocupação e ano, comparando ocupações de exposição alta (índice ≥ 0,5) com as de exposição baixa, antes e depois de 2023. 321 das cerca de 830 ocupações do BLS entraram na amostra pareada.

É desenho com grupo de controle de verdade — não "uma empresa disse que ficou mais produtiva". Isso não isenta o resultado de escrutínio; muda o tipo de pergunta que vale fazer sobre ele.

E quem pagou o estudo, aqui, não é quem vende ferramenta de IA: é a Apollo Global Management, gestora de ativos, sem produto de IA para empurrar. O incentivo mais plausível é uma leitura macro para cliente institucional, não hype de adoção — o oposto do padrão mais comum nesta seção, que costuma ser o vendedor da própria ferramenta financiando o estudo que prova o próprio caso.

O número robusto: 6,7 pontos percentuais, e nenhum efeito sobre emprego

O resultado central: ocupações de alta exposição tiveram crescimento salarial real 6,7 pontos percentuais mais lento depois de 2023, estatisticamente significativo a 1% (o menor nível de incerteza que o próprio estudo reporta), com erro-padrão agrupado por ocupação. O efeito sobre emprego, na mesma regressão, não foi estatisticamente significativo — ou seja, o achado central do estudo é que a IA está comprimindo salário, não cortando vaga, para o trabalhador médio numa ocupação exposta. Isso é o número que sobrevive à checagem, e é o que deveria ter virado manchete.

O número que virou manchete é o que os próprios autores marcam como frágil

Toda cobertura que li deste estudo abriu com um número diferente: queda de 24,3% no crescimento salarial de trabalhadores de serviço (cuidadores infantis, concierges, garçons, policiais, assistentes sociais). É o maior número do estudo, e por isso é o que viaja. O que a cobertura não abriu foi a frase que está a duas linhas dele, no próprio whitepaper: "the service occupation estimate (-24.3%) is based on a small subsample (n=239 occupation-year observations) and may be sensitive to the composition of high-exposure occupations within that group. This result should be interpreted with caution." — os próprios autores.

Comparo os dois números, lado a lado: o de 6,7 pontos vem de 3.296 observações, atinge significância a 1%, e é o resultado que dá nome ao paper. O de 24,3% vem de uma fatia de 239 observações dentro dessa amostra, e carrega um pedido explícito de cautela dos próprios autores. Quem cita só o segundo, sem o primeiro nem a ressalva, está escolhendo o número mais dramático, não o mais sólido — e é exatamente esse hábito que costuma trazer um estudo real para virar estatística de LinkedIn.

O que o próprio estudo admite não medir

As autoras também nomeiam os limites: a exposição vem de uma única fornecedora de IA (Anthropic é, segundo o texto, "a única a ter liberado dado de uso para pesquisa pública"), o que provavelmente subestima a exposição real — quem só usa ChatGPT ou Gemini no trabalho não entra nessa medição. E só 321 das ~830 ocupações do BLS foram pareadas; as ~500 restantes ficam de fora da conta. Isso não invalida o achado central — na verdade, reforça que o 6,7% pode ser piso, não teto —, mas é o tipo de limite que uma manchete de "IA já reduz salário em até 24%" nunca carrega junto.

O que muda para quem decide com isso

Para quem está numa ocupação de atendimento, cuidado ou vendas e viu essa manchete circular: o número que resiste à checagem é que o crescimento salarial ficou 6,7 pontos mais lento em ocupações de alta exposição desde 2023 — sem corte de vaga detectado até agora. É compressão de salário, não desemprego, o mesmo padrão de captura desigual do ganho de produtividade que já apareceu aqui com dado do BLS e do Fed de Dallas. Para quem gerencia equipe e ouviu "a IA já reduz salário em 24%" numa reunião: pergunte de onde veio o número antes de usá-lo para justificar reajuste. Boa chance de ser o número errado do estudo certo — o mesmo tipo de atalho que já apareceu nesta coluna antes, só que desta vez a fonte primária tem os dois números lado a lado, esperando alguém ler os dois.

O problema espelhado — número sem a ressalva que o sustentaria — também aparece do lado de quem vende a ferramenta: a Salesforce publicou 3,2 bilhões de "Agentic Work Units" no mesmo trimestre sem nenhuma nota metodológica separando o que cada unidade realmente mede.