10 métricas para medir o impacto da IA na sociedade · pt · Blog

Introdução

Em poucos anos, a inteligência artificial deixou de ser apenas uma promessa tecnológica para se tornar infraestrutura básica para empresas, trabalhadores do conhecimento e instituições públicas. No entanto, o debate sobre o “impacto da IA na sociedade” permanece muitas vezes abstrato. Este artigo propõe um quadro simples: dez métricas concretas para medir esse impacto, apoiando‑se em trabalhos recentes da OCDE, do FMI, de bancos centrais e de grandes relatórios de adoção.

1. Taxa de adoção de IA nas organizações

A primeira métrica é direta: qual a proporção de organizações que já utiliza IA em pelo menos uma função de negócio (marketing, suporte, finanças, produção etc.)? Grandes pesquisas internacionais mostram que, em 2025, cerca de 88 % das organizações declararam usar IA em alguma parte de suas operações, contra aproximadamente 78 % em 2024. Esse crescimento rápido indica que já superamos a fase de provas de conceito isoladas e entramos em uma fase de difusão ampla, ainda que os níveis de maturidade permaneçam muito heterogêneos entre setores.

2. Adoção individual pelos trabalhadores do conhecimento

Além das organizações, é essencial medir o uso efetivo pelos indivíduos. Relatórios recentes sobre trabalho do conhecimento indicam que cerca de 75 % dos trabalhadores do conhecimento afirmam usar pelo menos uma ferramenta de IA (assistente de escrita, copiloto de programação, ferramenta de resumo) em seu trabalho diário. Essa taxa é particularmente elevada em funções de tecnologia, marketing e atendimento ao cliente, e aumentou significativamente com a popularização dos grandes modelos de linguagem em 2023–2024.

3. Ganhos de produtividade em nível de tarefas

Para ir além do discurso geral, estudos controlados medem os ganhos de produtividade em tarefas específicas: redação de respostas a clientes, geração de relatórios, produção de código, tradução etc. Nessas tarefas, os ganhos observados costumam variar de 15 % a mais de 50 %, dependendo do contexto, com uma melhoria simultânea da qualidade dos resultados (menos erros, maior padronização). Essa métrica permite identificar os “sweet spots” da IA em um ofício: as tarefas em que a IA atua como multiplicador claro e não como mero acessório.

4. Produtividade agregada da força de trabalho

Os responsáveis pela política econômica buscam saber se esses ganhos locais se traduzem em melhorias em nível macroeconômico. Uma pesquisa realizada nos Estados Unidos mostra que os usuários de IA generativa declararam ter economizado, em média, 5,4 % de suas horas de trabalho na semana anterior, o que se traduz em um aumento estimado de 1,1 % na produtividade da força de trabalho como um todo. Outros estudos concluem que a IA “clássica” (recomendação, visão, otimização) tende a aumentar a produtividade das empresas entre 0 % e 11 %, intervalo ainda difícil de detectar nas estatísticas macro agregadas.

5. Impacto sobre o emprego agregado

Um dos grandes debates sociais diz respeito à possível destruição de empregos. Os estudos empíricos disponíveis até o momento não mostram sinais claros de destruição maciça de postos em nível agregado. Um painel de empresas norte‑americanas estima, por exemplo, que em 2026 a IA reduzirá o emprego total em menos de 0,4 % em relação a um cenário sem IA. A realidade observada se assemelha mais a uma transformação de tarefas e perfis do que a um desaparecimento brusco de postos.

6. Exposição dos empregos à IA

Em vez de contar apenas os empregos destruídos ou criados, outra métrica analisa a proporção de empregos “expostos” à IA: aqueles em que uma parte significativa das tarefas poderia ser automatizada ou fortemente assistida. O FMI estima que cerca de 40 % dos empregos mundiais estão expostos à IA, e quase 60 % nas economias avançadas, onde tarefas cognitivas não rotineiras são mais frequentes. Essa métrica oferece uma visão dos desafios de requalificação e dos setores em que as políticas públicas precisam se antecipar.

7. Polarização e estrutura dos empregos

A IA não afeta todos os empregos da mesma forma. Diversos trabalhos sugerem uma polarização crescente: pressão sobre empregos de qualificação média, enquanto alguns empregos altamente qualificados e certos empregos de serviços pouco qualificados podem ser aumentados mais do que substituídos. Uma métrica interessante consiste em acompanhar a evolução do emprego e dos salários por quintil de qualificação e nível de exposição à IA, para observar se a IA amplia ou reduz as desigualdades dentro de um país ou setor.

8. Prêmio salarial associado às competências em IA

Outra maneira de medir o impacto sobre os indivíduos é observar o prêmio salarial de perfis que dominam a IA. Um barômetro global de empregos em IA indica que, em 2025, trabalhadores com competências em IA desfrutam, em média, de um prêmio salarial de 56 % em comparação com funções similares sem essas competências, contra 25 % um ano antes. Essa métrica mostra que a IA está se tornando um forte fator de diferenciação no mercado de trabalho e que os benefícios não são distribuídos de forma uniforme.

9. Desempenho e receitas das empresas que utilizam IA

Do ponto de vista empresarial, o foco está no impacto sobre inovação, satisfação dos clientes, receitas e margens. Pesquisas indicam que mais de 60 % das empresas que implantam soluções de IA relatam melhoria em sua capacidade de inovação e em sua diferenciação no mercado. Entre os primeiros adotantes de IA generativa em determinados setores B2C, foram observados aumentos médios de receitas na faixa de 10–20 %, com um estudo mencionando uma elevação média de 15,2 %.

10. Indicadores de bem‑estar e qualidade de vida no trabalho

Por fim, o impacto social não se limita ao PIB ou à produtividade. Estudos recentes destacam que a IA pode simultaneamente melhorar a produtividade e gerar tensões em torno da qualidade do trabalho, da segurança econômica e da saúde mental. Uma métrica relevante consiste em acompanhar, em organizações expostas à IA, indicadores de bem‑estar: percepção da segurança do emprego, carga mental, satisfação no trabalho e capacidade percebida de se formar e evoluir. Com o tempo, essas métricas podem tornar‑se tão importantes quanto as estritamente econômicas para avaliar se a IA melhora de fato a vida dos trabalhadores.

Como utilizar essas métricas em uma organização

Para uma empresa ou plataforma SaaS, essas dez métricas podem servir de base para um painel interno de impacto da IA.

• Orientar os desdobramentos: medir o tempo economizado por tipo de tarefa (suporte, agendamento de compromissos, tratamento de e‑mails) e as receitas associadas permite priorizar os casos de uso mais promissores.
• Acompanhar os efeitos sobre as equipes: observar a evolução da estrutura dos postos, do prêmio salarial interno para perfis com IA e dos indicadores de bem‑estar evita uma gestão baseada apenas em números de produtividade.
• Dialogar com parceiros e reguladores: dispor de métricas claras sobre exposição dos empregos, requalificação e qualidade de vida no trabalho facilita um diálogo construtivo em torno da IA, para além de discursos puramente alarmistas ou excessivamente otimistas.

Conclusão

O impacto da IA na sociedade é profundo, mas nem monolítico nem imediato. As métricas apresentadas aqui revelam uma realidade nuançada: ganhos significativos de produtividade em nível de tarefas, efeitos macro ainda modestos, transformação da estrutura dos empregos mais do que destruição em massa, prêmios elevados para perfis competentes em IA e desafios reais de bem‑estar no trabalho. Dotar‑se de um pequeno conjunto de métricas robustas ajuda a sair do debate ideológico e a orientar concretamente a IA a serviço das organizações e das pessoas.