The Jagged Global Economy: Frontier AI Unevenly Exposes National Economies

Resumo Técnico: A Economia Global Irregular: A IA de Fronteira Expõe Desigualmente as Economias Nacionais

Problema
Embora os efeitos da IA de fronteira no mercado de trabalho sejam uma preocupação crítica para trabalhadores, empresas e formuladores de políticas, as evidências existentes estão fortemente enviesadas para um punhado de economias de alta renda. As capacidades da IA de fronteira são "irregulares" (jagged), o que significa que variam significamente entre diferentes tarefas laborais. Concomitantemente, as economias nacionais divergem substancialmente na forma como alocam o trabalho humano entre ocupações. Consequentemente, uma compreensão uniforme do impacto da IA é insuficiente; há uma necessidade de quantificar como a composição específica de um mercado de trabalho nacional se alinha com as capacidades da IA de fronteira. As respostas políticas atuais, calibradas para os mercados dos EUA ou da Europa, podem não ser generalizáveis para o diversificado cenário global.

Metodologia
Os autores introduzem uma Métrica de Exposição Nacional à IA projetada para capturar a heterogeneidade em 141 países. A metodologia envolve duas fontes de dados primárias:

1. Estimativas de Exposição Ocupacional: O estudo utiliza escores de exposição para a Classificação Internacional Uniforme de Ocupações (ISCO-08) desenvolvida por Gmyrek et al. [2025a]. Esses escores são derivados do mapeamento de ocupações para tarefas e da estimativa do potencial para a IA economizar tempo nessas tarefas enquanto preserva a qualidade. Os autores agregam esses escores ao nível de 2 dígitos da ISCO-08 (40 categorias ocupacionais).
2. Dados de Emprego Internacional: O estudo combina esses escores de exposição com estatísticas de emprego da Organização Internacional do Trabalho (OIT). Esses dados fornecem a parcela da força de trabalho empregada em cada categoria de 2 dígitos da ISCO-08 para 141 países.

A Exposição Nacional à IA ($n_i$) para um país $i$ é calculada como a média ponderada pela participação no emprego dos escores de exposição ($e_j$) para cada ocupação $j$:
$$n_i = \frac{\sum_j c_{i,j} e_j}{\sum_j c_{i,j}}$$
onde $c_{i,j}$ representa a contagem de emprego na ocupação $j$ para a nação $i$.

O estudo valida ainda essas estimativas prevendo estatísticas observadas de adoção de IA utilizando dados da Anthropic (uso do Claude), OpenAI (rankings de uso do ChatGPT) e Microsoft (taxas de adoção de IA generativa). Adicionalmente, os autores modelam um novo mecanismo para exposição indireta via remessas, usando matrizes bilaterais de remessas do KNOMAD do Banco Mundial para calcular como a exposição em um país de origem (ex: Rússia ou EUA) se propaga para um país receptor (ex: Tajiquistão ou Honduras) através de dependências de renda.

Principais Resultados

• Substancial Variação Transnacional: A exposição nacional à IA varia amplamente. A nação mais exposta, Luxemburgo ($n=0,37$), é 2,6 vezes mais exposta que a menos exposta, Burundi ($n=0,14$).
• Disparidades Regionais e de Renda: Países de alta renda são substancialmente mais expostos que países de baixa renda. As regiões da América do Norte e Europa & Ásia Central são aproximadamente 50% mais expostas que a África Subsaariana.
• Direcionadores Preditivos: A "parcela de colarinho branco" da força de trabalho de um país é o preditor mais forte da exposição nacional à IA ($R^2 = 0,91$). O Rendimento Nacional Bruto (RNB) também é preditivo, mas menos do que a composição ocupacional ($R^2 = 0,77$).
• Lacuna de Gênero: Em 91% dos países estudados (126 de 138), as mulheres estão mais expostas à IA de fronteira do que os homens. Isso é impulsionado pela concentração de mulheres em ocupações de colarinho branco e vendas. Em países onde o emprego feminino permanece concentrado na agricultura e em empreendimentos domésticos (ex: Paquistão, Índia), a lacuna se inverte ou diminui.
• Validação: A métrica de exposição prevê fortemente a adoção observada de IA. Um aumento de 0,10 na exposição nacional da IA correlaciona-se com um aumento de 12 vezes no uso per capita do Claude e um aumento de 19 pontos percentuais na taxa nacional de adoção de IA generativa. No entanto, uma vez controladas a parcela de colarinho branco e o RNB, a métrica de exposição adiciona pouco poder explicativo adicional, sugerindo que a exposição serve como um resumo estrutural desses fatores econômicos mais amplos.
• Exposição Indireta via Remessas: O estudo identifica um canal de exposição de segunda ordem. Para países fortemente dependentes de remessas, a exposição à IA do país de origem impacta significamente o país receptor. Por exemplo, o Tajiquistão possui uma exposição direta abaixo da média, mas como 37% de seu PIB vem de remessas (principalmente da Rússia, que é altamente exposta), sua "exposição contabilizada por remessas" sobe para níveis acima da média.

Significância e Alegações
O artigo alega fornecer a primeira medida abrangente e comparável de exposição à IA de fronteira ao nível nacional para um amplo conjunto de 141 países. Sua principal contribuição é demonstrar que o impacto econômico da IA de fronteira não é uniforme; em vez disso, é "irregular" e altamente dependente das estruturas locais do mercado de trabalho.

Os autores argumentam que as respostas políticas devem considerar essa heterogeneidade. Políticas desenhadas para economias avançadas com altas parcelas de colarinho branco podem ser irrelevantes ou prejudiciais para economias onde o trabalho está concentrado na agricultura ou onde a renda é fortemente dependente de remessas de nações que adotam a IA. Ao identificar que as mulheres na maioria das nações estão desproporcionalmente expostas devido à segregação ocupacional, o artigo destaca um risco distributivo específico que merece atenção, dada a existência de barreiras de mercado de trabalho para as mulheres. Finalmente, a identificação de canais de exposição indireta sugere que o planejamento econômico nacional deve considerar como a adoção da IA nos mercados de trabalho estrangeiros repercutirá através das dependências de renda globais.