Os caixas eletrônicos se multiplicaram, e o número de caixas de banco aumentou
Nos Estados Unidos, os caixas eletrônicos se multiplicaram e o número de caixas de banco não caiu. Nesta aula você lê a patente de uma dessas máquinas, analisa ocupações por tarefas e faz a conta que a empresa faz antes de automatizar.
Patente nº 3.761.682, 1973Distribuidor automático de dinheiroDocutel, de DallasResumo: o trabalho do caixa, passo a passoPatente US 3.761.682, folha de rosto. Escritório de Patentes dos EUA (USPTO), domínio público.
- Setor
- Engenharia de processos
- Solicitante
- Diretoria industrial da Indústria-escola Mesquita
- Objeto
- Célula de inspeção por câmera e assistente de IA no suporte técnico
- Prioridade
- Média
- Prazo
- Reunião de orçamento do próximo mês
A diretoria quer comprar uma célula de inspeção por câmera para o fim da linha, hoje feita por três inspetores, e um assistente de inteligência artificial para a equipe de suporte técnico aos clientes. Antes de aprovar, pediu uma nota técnica: que tarefas cada tecnologia substitui, quais continuam humanas, quanto tempo a célula leva para se pagar e o que fazer com as pessoas. Você escreve a nota.
- 1Separar substituição, complementação e criação de tarefas
- 2Classificar as tarefas dos postos pelo quadro de Autor, Levy e Murnane
- 3Prever o efeito do assistente de IA sobre novatos e veteranos
- 4Calcular o retorno no laboratório e emitir a nota técnica NT-12
Entrega: nota técnica NT-12, no fim da aula
As 5 competências desta aula
- Distinguir os efeitos de substituição, complementação e criação de tarefas de uma tecnologia.
- Classificar tarefas em rotineiras e não rotineiras, manuais e cognitivas, e prever a exposição de cada tipo à automação.
- Explicar por que estudos sérios chegam a estimativas tão diferentes quanto 9% e 47% de empregos em risco.
- Descrever o que a inteligência artificial generativa muda em relação às ondas anteriores.
- Calcular o retorno de um investimento em automação e discutir como o ganho pode ser repartido.
O que uma tecnologia faz com o trabalho: três efeitos simultâneos
O medo de que as máquinas acabem com o emprego tem mais de duzentos anos, como você viu com os ludistas na Aula 6. O emprego total não acabou, e a explicação está em três efeitos que agem ao mesmo tempo.
Os economistas Daron Acemoglu e Pascual Restrepo propuseram ler a história do trabalho como uma corrida entre o primeiro efeito e o terceiro. Quando a criação de tarefas novas acompanha a substituição, o emprego e os salários crescem junto com a produtividade, como no pós-guerra. Quando a substituição corre na frente, a produtividade sobe e a participação do trabalho na renda cai. Segundo eles, é o que vem ocorrendo desde os anos 1980.
Dois fatos completam o quadro. O primeiro: os efeitos não atingem as mesmas pessoas. O tecelão manual que perdeu o ofício em 1820 não foi quem ganhou o emprego de mecânico de teares. O balanço positivo no total convive com perdas concentradas em certos grupos, regiões e gerações. O segundo: o ajuste leva tempo. Na Aula 6, os salários ingleses levaram cerca de sessenta anos para acompanhar a produtividade.
A máquina que faria desaparecer o caixa de banco reduziu o custo da agência, e os bancos abriram mais agências
O economista James Bessen reconstituiu a história. Os caixas eletrônicos assumiram a tarefa mais repetitiva do atendimento, que era entregar e receber dinheiro. Com isso, o número de caixas humanos necessário para manter uma agência urbana caiu mais de um terço entre 1988 e 2004. A agência ficou mais barata de operar.
Os bancos responderam abrindo mais agências, para disputar clientes: o número de agências urbanas cresceu mais de 40% no mesmo intervalo. O total de caixas empregados não caiu; subiu um pouco, de cerca de 500 mil para 550 mil entre 1980 e 2010. O que mudou foi o conteúdo do trabalho: com a contagem de cédulas entregue à máquina, os caixas passaram a vender produtos, resolver problemas e cuidar do relacionamento com o cliente.
A história tem um segundo ato. Com os aplicativos de celular, que substituíram a própria agência e não só uma tarefa dentro dela, o número de agências e de caixas passou a cair.
Fontes: James Bessen, “Toil and Technology”, Finance & Development (FMI), 2015; David Autor, “Why Are There Still So Many Jobs?”, Journal of Economic Perspectives, 2015; James Bessen, Learning by Doing, Yale University Press, 2015
A patente de uma das primeiras máquinas de saque
Esta é a folha de rosto da patente americana de um distribuidor automático de dinheiro, pedida em 1971 pela Docutel, de Dallas. Toque nos números e repare em como o documento descreve, sem dizer, o trabalho que a máquina passa a fazer.
- Tipo
- Patente de invenção, folha de rosto
- Data
- Pedido em 1971, concessão em 25/09/1973
- Titular
- Docutel Corporation, Dallas (Texas)
- Original
- Escritório de Patentes dos EUA (USPTO)
Patente nº 3.761.682, concedida em 25 de setembro de 1973. A patente dá ao titular o direito exclusivo de explorar a invenção por um prazo; em troca, a invenção fica descrita em público.
“Distribuidor automático de dinheiro com cartão de crédito”. O nome não fala em caixa nem em banco: descreve uma tarefa só, entregar dinheiro. É a leitura por tarefas da seção 2, escrita pelo próprio inventor.
Três inventores do Texas, entre eles Don Wetzel, e a empresa titular, a Docutel. Quem fica com a patente é a empresa, não os engenheiros que a projetaram.
O pedido é a continuação de outro, de julho de 1970. Entre a ideia e a patente concedida passaram três anos; entre a patente e a máquina em toda esquina, mais duas décadas.
Sete patentes anteriores, a primeira de 1962. Nenhuma máquina nasce do nada: esta junta peças que outros já tinham inventado, como leitores de cartão e dispensadores de cédulas.
O resumo diz que a máquina avalia o código do cartão “para checar a identidade do usuário” antes de liberar o dinheiro. Era uma das tarefas do caixa no guichê: conferir documento e assinatura.
Um recipiente leva os pacotes de cédulas até uma gaveta, que se fecha sozinha depois de um tempo. É a tarefa mais repetitiva do caixa, agora descrita como mecanismo.
Teclado (14), entrada do cartão (16), visor (18) e gaveta (20). O guichê inteiro cabe num móvel. O que o desenho não tem é o que os caixas passaram a fazer: vender, resolver problemas, atender quem chega com dúvida.
1. Para quem este documento foi escrito?
2. Que trabalho humano o resumo descreve a máquina fazendo?
3. O que este documento não permite saber?
Analisar tarefas, e não ocupações
Em 2003, os economistas David Autor, Frank Levy e Richard Murnane propuseram um método que mudou a pesquisa: decompor cada ocupação em tarefas e classificá-las por dois critérios.
O primeiro critério é se a tarefa é rotineira, isto é, se pode ser descrita por regras explícitas, passo a passo. O segundo é se ela é predominantemente manual ou cognitiva.
| Rotineira (segue regras explícitas) | Não rotineira (exige julgamento ou adaptação) | |
|---|---|---|
| Cognitiva | Lançar notas fiscais, conferir cadastros, calcular folha de pagamento. Alta exposição à informatização desde os anos 1980. | Diagnosticar uma falha, projetar, negociar, ensinar. Complementada pelo computador; agora parcialmente alcançada pela inteligência artificial. |
| Manual | Montar em linha, soldar pontos repetidos, embalar. Alta exposição à automação industrial. | Fazer manutenção em campo, instalar em local imprevisível, cuidar de pessoas. Baixa exposição: difícil de automatizar. |
O quadro explica um fenômeno medido em muitos países a partir dos anos 1990, a polarização do emprego. As tarefas rotineiras, manuais e cognitivas, concentravam-se em ocupações de remuneração intermediária: operários de linha e auxiliares de escritório. Foram as mais atingidas. Cresceram as duas pontas: ocupações de alta qualificação, complementadas pela tecnologia, e ocupações de serviços pessoais, mal pagas e difíceis de automatizar.
O quadro explica também um paradoxo conhecido pelo nome do pesquisador de robótica Hans Moravec: é mais fácil fazer um computador jogar xadrez em nível de campeão do que fazê-lo dobrar uma toalha ou caminhar em terreno irregular. O que é difícil para humanos, como cálculo e lógica formal, é fácil para máquinas; o que é fácil para humanos, como percepção e destreza em ambiente desordenado, é difícil para elas.
O método resolve, por fim, uma confusão frequente nas notícias:
| Estudo | Unidade de análise | Estimativa |
|---|---|---|
| Frey e Osborne, Universidade de Oxford, 2013 | Ocupações inteiras (702, nos Estados Unidos) | 47% do emprego em ocupações de alto risco de automação |
| Arntz, Gregory e Zierahn, para a OCDE, 2016 | Tarefas dentro de cada ocupação | 9% dos empregos com alto risco, na média de 21 países |
A diferença entre 47% e 9% não vem de dados diferentes: vem da unidade de análise. O primeiro estudo perguntou se a ocupação, tomada em bloco, é automatizável. O segundo observou que, dentro de uma mesma ocupação, as pessoas executam tarefas variadas, e que raramente todas podem ser entregues a uma máquina. A conclusão que os dois permitem, lidos juntos, é que poucas ocupações desaparecem inteiras e quase todas mudam de conteúdo.
O técnico de nível médio aparece bem nesse quadro. Manutenção, diagnóstico, instalação e ajuste em campo combinam tarefas manuais e cognitivas não rotineiras, a categoria mais resistente. O que se automatiza é a parte rotineira da função: a coleta de dados, o relatório padronizado, o teste repetitivo.
O que a inteligência artificial generativa muda
Até 2022, a regra era a do quadro anterior: tarefas cognitivas não rotineiras estavam fora do alcance das máquinas. Os sistemas capazes de produzir texto, código e imagem a partir de instruções em linguagem comum alteraram essa fronteira.
A novidade está em quem é atingido. As ondas anteriores de automação alcançaram principalmente trabalhadores manuais e de escritório de qualificação média. A inteligência artificial generativa alcança tarefas de redação, análise, programação e atendimento, típicas de ocupações escolarizadas. Um estudo da Organização Internacional do Trabalho, de 2023, estimou que o grupo mais exposto é o do trabalho administrativo, em que cerca de um quarto das tarefas tem alta exposição, e que o efeito mais provável na maioria das ocupações é a transformação do conteúdo, e não a eliminação do posto. O mesmo estudo observou que a exposição é maior nos países ricos e entre as mulheres, mais presentes nas funções administrativas.
Com um assistente de inteligência artificial, atendentes novatos passaram a resolver problemas como veteranos
Os economistas Erik Brynjolfsson, Danielle Li e Lindsey Raymond acompanharam 5.172 atendentes de suporte técnico de uma empresa de software enquanto ela introduzia, de forma gradual, um assistente que sugeria respostas em tempo real, treinado com as conversas dos melhores atendentes. A implantação escalonada permitiu comparar quem já usava a ferramenta com quem ainda não usava.
O número de problemas resolvidos por hora subiu 15% em média. O ganho, porém, foi muito desigual: chegou a cerca de 30% entre os atendentes novatos e menos habilidosos, e foi próximo de zero entre os mais experientes. Com dois meses de casa e a ferramenta, um novato atendia como um colega de seis meses sem ela. A rotatividade dos recém-contratados caiu.
Fontes: Erik Brynjolfsson, Danielle Li e Lindsey Raymond, “Generative AI at Work”, Quarterly Journal of Economics, 2025; Os mesmos autores, NBER Working Paper nº 31161, 2023 (primeira versão, com 14% e 34%)
Quem decide, e quem fica com o ganho
Se a tecnologia não determina sozinha o resultado, é preciso olhar para onde as decisões são tomadas. A intensidade da automação e a forma de adotá-la variam muito entre países.
Fonte: Federação Internacional de Robótica (IFR), World Robotics 2024, densidade de robôs na indústria de transformação. A IFR reúne fabricantes e associações do setor; o dado é a referência usada pela OCDE e pela OIT. Em destaque, a média mundial.
A Coreia do Sul tem um robô para cada dez trabalhadores da indústria, e a Alemanha, um para cada 23. Nenhum dos dois países tem desemprego alto. A densidade de robôs, sozinha, não prevê o nível de emprego: o que conta é o que acompanha a automação.
Três situações recentes mostram como a adoção de uma tecnologia é negociada:
- Roteiristas de Hollywood, 2023. Depois de uma greve de 148 dias, o sindicato dos roteiristas dos Estados Unidos fechou um acordo que não proíbe a inteligência artificial, mas regula o seu uso: o texto gerado por máquina não pode ser considerado material de origem para reduzir o pagamento do roteirista, e o estúdio não pode obrigá-lo a usar a ferramenta.
- Alemanha. Pela lei de organização das empresas, o conselho de trabalhadores tem direito de ser informado e consultado sobre a introdução de novas tecnologias, e de negociar requalificação e realocação. A automação intensa do país foi feita dentro desse arranjo.
- Brasil. A Constituição de 1988 inclui, entre os direitos dos trabalhadores, a “proteção em face da automação, na forma da lei” (artigo 7º, inciso XXVII). O dispositivo passou décadas sem a lei que deveria regulamentá-lo, e a negociação fica por conta de cada acordo coletivo.
Para a empresa, automatizar é uma conta de investimento. Conhecê-la é parte do trabalho do técnico, que muitas vezes é quem levanta os dados:
Investimento na célula robotizada ... R$ 480.000 Postos substituídos ................. 2 operadores Custo de cada posto (salário e encargos) ........................... R$ 5.000 por mês Economia anual com pessoal .......... 2 x 5.000 x 12 = R$ 120.000 Manutenção e energia da célula ...... R$ 24.000 por ano Economia anual líquida .............. R$ 96.000 Retorno simples ..................... 480.000 / 96.000 = 5 anos
Leitura guiada: o retorno simples é o tempo para a economia pagar o investimento. Quanto mais barata a mão de obra, mais longo o retorno: é por isso que países e setores de salários baixos automatizam menos. A conta, porém, só mostra o lado da empresa. Ela não registra o custo para os dois operadores nem as alternativas: realocá-los, treiná-los para operar e manter a célula, ou usar o ganho para ampliar a produção com a mesma equipe.
A pergunta sociológica sobre qualquer automação tem, portanto, três partes: que tarefas ela substitui; que tarefas novas cria, e para quem; e como o ganho de produtividade será dividido entre preço menor, lucro, salário e tempo livre. A previsão de Keynes falhou na terceira.
Classificador de tarefas e retorno da automação
No primeiro modo você classifica doze tarefas de áreas técnicas pelo quadro de Autor, Levy e Murnane. No segundo, refaz a conta de retorno e testa o efeito do salário e do número de postos.
Quatro previsões que os dados não confirmam
São afirmações frequentes em palestras e reportagens sobre o futuro do trabalho.
O problema documentado não é a falta de trabalho no total. É a distribuição: quem perde, quem ganha, e a qualidade das ocupações que surgem.
É o paradoxo de Moravec. Um eletricista de manutenção está menos exposto do que um auxiliar que confere planilhas.
A proteção vem menos do nível de escolaridade e mais do tipo de tarefa: julgamento, adaptação e relação com pessoas.
O acordo dos roteiristas e a legislação alemã mostram que ritmo, forma e contrapartidas são negociáveis.
E se um inspetor ficar para operar a célula?
A célula de inspeção da pauta custa R$ 360.000 e tem custo anual de manutenção e energia de R$ 30.000. Ela assume o trabalho de três inspetores, cada um com custo de R$ 4.500 por mês. A empresa decide manter um dos três para operar e ajustar a célula. Qual é o retorno simples, em anos? Responda com uma casa decimal.
Tarefas que mudam em cada área técnica
Em todas as áreas, o que se automatiza é a parte rotineira da função. Clique em um cartão.
Emita a nota técnica para a diretoria
Use o retorno calculado no laboratório e escreva o resto com as suas palavras. Assine e salve em PDF: é a sua peça de portfólio desta aula.
Nota técnica: célula de inspeção por câmera e assistente de IA no suporte
| Tarefas dos inspetores que a célula substitui, e as que continuam humanas | |
|---|---|
| Tipo de tarefa do suporte técnico mais exposta ao assistente de IA | |
| Quem mais ganha com o assistente, pelo estudo da empresa de software | |
| Retorno simples da célula, calculado no laboratório | |
| Destino proposto para os inspetores e para o ganho de produtividade |
| Conclusão do técnico |
|---|
7 situações de trabalho
Você completou o quiz!
Mensagem do feedback.
A tecnologia muda o trabalho. E muda o planeta em que se trabalha.
Substituição, complementação e criação de tarefas explicam o efeito das máquinas sobre o emprego. Há outra consequência da produção industrial que só entrou na conta nas últimas décadas: o que ela faz com o ambiente, e com os trabalhadores e as comunidades que vivem perto dela. É o assunto da próxima aula.