Exposição das Ocupações Brasileiras à Inteligência Artificial Generativa: Revisão Metodológica e Projeto Piloto de Índice

Abstract

Este trabalho tem como objetivo construir, em caráter exploratório, um índice piloto de exposição ocupacional à inteligência artificial generativa no contexto brasileiro, com base na Classificação Brasileira de Ocupações (CBO) e no uso de grandes modelos de linguagem como avaliadores de tarefas. A pesquisa adota uma abordagem centrada em tarefas, partindo do entendimento de que a exposição à IA não depende apenas do título ocupacional, mas do conteúdo efetivo das atividades desempenhadas. Para isso, foram selecionadas 30 ocupações e, para cada uma, cinco atividades descritas na CBO, que foram avaliadas quanto ao seu potencial de execução por LLMs. As avaliações foram realizadas em múltiplas rodadas e agregadas em um índice ocupacional padronizado entre zero e um, acompanhado de medida de dispersão. Em seguida, os resultados foram comparados, em caráter exploratório, com o benchmark internacional da Organização Internacional do Trabalho, com foco no ordenamento relativo das ocupações, e não na comparação direta entre magnitudes. Os resultados indicam que ocupações mais intensivas em processamento de informação, organização de dados, produção textual, apoio administrativo e funções analíticas tenderam a apresentar níveis mais elevados de exposição potencial, enquanto ocupações mais ligadas à execução manual, operação física e prestação presencial de serviços concentraram-se nas faixas inferiores do índice. A comparação com a referência internacional revelou convergência substantiva no padrão geral de ordenamento, ainda que com diferenças pontuais associadas à seleção de atividades, ao pareamento ocupacional e às limitações inerentes ao caráter piloto do estudo. Conclui-se que a metodologia testada apresenta utilidade como instrumento inicial de mensuração e oferece uma base promissora para o desenvolvimento de estudos mais amplos sobre inteligência artificial generativa e mercado de trabalho no Brasil.

This study aims to construct and test, on an exploratory basis, a pilot index of occupational exposure to generative artificial intelligence in the Brazilian context, using the Brazilian Classification of Occupations and large language models as task evaluators. The research adopts a task-based approach, based on the understanding that exposure to AI depends not only on occupational titles, but on the actual content of the activities performed. To this end, 30 occupations were selected and, for each of them, five activities described in the occupational classification were evaluated according to their potential for execution by LLMs. The assessments were carried out over multiple rounds and aggregated into a standardized occupational index ranging from zero to one, accompanied by a measure of dispersion. The results were then compared, on an exploratory basis, with the International Labour Organization benchmark, focusing on the relative ordering of occupations rather than on direct comparison of magnitudes. The findings indicate that occupations more intensive in information processing, data organization, text production, administrative support, and analytical functions tended to show higher levels of potential exposure, whereas occupations more closely associated with manual execution, physical operation, and in-person service provision were concentrated in the lower ranges of the index. The comparison with the international benchmark revealed substantial convergence in the overall ordering pattern, although with some differences related to task selection, occupational matching, and the limitations inherent in the pilot nature of the study. It is concluded that the tested methodology is useful as an initial measurement tool and provides a promising basis for broader studies on generative artificial intelligence and the labor market in Brazil.