O CEO do Goldman Sachs, David Solomon, publicou em maio, num artigo de opinião no The New York Times, comentários em que afirma que os receios do mercado face a um grande aumento do desemprego causado pela IA foram exagerados, citando ainda análises internas do Goldman: nos próximos 10 anos, a IA poderá automatizar cerca de 25% da carga horária do trabalho existente. Ao mesmo tempo, confirma que, desde 2022, a construção de centros de dados nos EUA já gerou mais de 200 mil empregos no setor da construção.
Dados de impacto laboral confirmados: o que aconteceu vs o que está previsto
Dados confirmados do que já aconteceu: um estudo da Universidade de Stanford confirmou que, em comparação com setores com automação pouco intensa, a contratação de cargos de nível inicial em áreas altamente automatizadas, como engenharia de software e apoio ao cliente, caiu 16%. Tarefas que tradicionalmente sustentavam o trabalho de analistas juniores, como modelação financeira, registo de notas e análise de folhas de cálculo, estão cada vez mais a ser assumidas por ferramentas de IA. Desde 2022, a construção de centros de dados nos EUA já criou mais de 200 mil empregos na construção (estimativa do Goldman). O Goldman implantou de forma abrangente ferramentas de IA para mais de 22.000 colaboradores (confirmado).
Provisões e projeções do Goldman para o impacto laboral: nos próximos 10 anos, a IA deverá automatizar cerca de 25% da carga horária do trabalho; espera-se um impacto significativo sobre setores de colarinho branco como bancos, contabilidade e direito; internamente, o Goldman Sachs tem planos para reduzir funções de conformidade e de abertura de contas, e aumentar posições em bancos, trading e gestão de ativos. A IA deverá ainda impulsionar três tipos de novas necessidades — cargos para gerir sistemas de IA, cargos para auditar decisões de IA e cargos para fazer a governação de aplicações de IA.
Estrutura em três níveis dos argumentos de Solomon
No artigo, Solomon propõe uma estrutura tridimensional para avaliar o impacto da IA no emprego: depois de a automatização das tarefas do dia a dia otimizar o trabalho humano, liberta tempo para funções de maior valor; os padrões de desempenho nos postos existentes aumentam, elevando a exigência de competências mais complexas; e surge uma nova categoria de funções relacionada com a gestão, auditoria e governação de sistemas de IA. As analogias históricas que ele cita incluem: a revolução da eletricidade, a popularização das folhas de cálculo (que substituíram grande parte do trabalho de cálculo, mas criaram mais empregos para analistas financeiros) e o ciclo de substituição e criação de funções na era da internet. A posição central de Solomon é: «os avanços tecnológicos e as mudanças culturais não avançam em sincronia; quando algo é substituível, isso não significa necessariamente que vá ser substituído.»
Perguntas frequentes
Em que metodologia se baseia a previsão do Goldman «25% da carga horária será automatizada»?
Este número resulta de estudos internos do Goldman. A metodologia consiste em analisar a percentagem típica de tarefas em cada profissão que pode ser substituída por modelos de IA e, em seguida, calcular, com ponderações, a parcela da carga horária total que pode ser automatizada. Vale notar que esta previsão se refere à «carga horária» e não ao «número de postos» — ou seja, 25% da carga horária existente pode ser feita por IA, e não que 25% dos postos de trabalho vão desaparecer. Solomon distingue explicitamente, no artigo, estes dois conceitos, sublinhando que a automatização da carga horária tem maior probabilidade de levar a uma redistribuição do tipo de trabalho, e não a um desemprego do mesmo tamanho.
Como é que a queda de 16% na contratação de cargos de nível inicial, confirmada pelo estudo de Stanford, convive com o argumento de Solomon mais otimista?
Solomon não nega que a IA já tenha comprimido de forma real certos tipos de funções — os resultados do estudo de Stanford e os próprios planos de reconfiguração de cargos do Goldman corroboram isso. O núcleo da sua argumentação é a perspetiva de longo prazo: historicamente, cada grande vaga de tecnologia acompanha efeitos iniciais de substituição de empregos, mas, no fim, a criação de mais emprego acontece através do aumento de produtividade e do surgimento de novas categorias de funções. Ele aponta em particular que os cargos de nível inicial sofrem mais pressão no curto prazo, mas isso é um problema diferente das tendências gerais de emprego no mercado de trabalho a longo prazo.
Quais são os planos concretos do próprio Goldman Sachs para ajustes em funções ligadas à IA?
No artigo, Solomon confirma duas direções: as funções que o Goldman Sachs poderá reduzir são as de cariz intensivo em dados, como conformidade e abertura de contas, porque a eficiência das ferramentas de IA na preparação de relatórios regulatórios e nos processos de onboarding de clientes tem vindo a melhorar; e as funções que o Goldman planeia aumentar nas contratações são as orientadas para as relações interpessoais, como as do banco de investimento, trading e gestão de ativos, que exigem interação com clientes, capacidade de julgamento e pensamento estratégico, funcionando como complemento da IA em vez de substituição. Atualmente, o Goldman implantou de forma abrangente ferramentas de IA para os seus 22.000+ colaboradores, o que constitui, por si só, uma expressão concreta desta tendência bidirecional.
