GCRI · Inteligência artificial e sistemas autônomos
Efeitos laborais e sociais
AI changes which tasks people do, how work is organised, which skills are valued and how information spreads. Effects differ by occupation, country, gender and age, and depend on how firms and governments choose to deploy it. This page sets out how AI affects work and society, how exposure and impacts are measured, and what evidence serves the labour ministries, employers, unions and educators involved.
Labour and social effects on the record.
Labour and social effects: how the risk develops.
Work, education, public trust and inclusion. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Tasks change before jobs do
AI automates or assists specific tasks within occupations. Jobs are reorganised around remaining tasks before they disappear or new ones form.
Exposure is uneven
Clerical and some professional tasks are highly exposed to generative AI, while manual and interpersonal work is less exposed. Women are over-represented in some highly exposed clerical jobs.
Skills and training lag
Workers need new skills to use AI well, and those displaced need retraining. Training sistemas often respond more slowly than technology adoption.
Information ecosystems shift
Generated content, recommendation systems and synthetic media change how people find and judge information, with effects on trust and public debate.
How labour and social effects is modelled, measured and tested.
O modelo, os seus pressupostos, os seus dados e a sua incerteza, na forma que um cientista ou engenheiro verificaria. As estruturas seguem métodos publicados. Os valores representados são ilustrativos, não conclusões.
Modelo de sistema
The couplings between the systems in labour and social effects: signs of influence, a reinforcing and a balancing loop, and cross-links where stress jumps.
AI’s effects on work vary across domains.
- SaúdeAcoplamentoClinical and administrative tasks are exposed differently.What to watchTask exposure by occupation
- AlimentaçãoAcoplamentoAgricultural work is less exposed to generative AI than clerical work.What to watchExposure by sector
- EnergiaAcoplamentoGrid operations need new digital skills.What to watchLacunas de competências
Labour studies are designed for the série Exponential Technology. The ILO’s 2023 working paper estimates exposure, not job loss, and finds clerical work most exposed.
- Firm-level adoption studies.
- Worker surveys on task change.
O que é medido e com que qualidade.
Cada indicador leva sua unidade, sua periodicidade, o tipo de fonte por trás dele e a etiqueta de evidência que um valor levaria. Nenhum valor é mostrado: um programa os fornece sob sua própria autoridade.
| Indicador | Unidade | Cadência | Tipo de fonte | Rótulo |
|---|---|---|---|---|
| Employment in occupations highly exposed to AI | percent of employment | por avaliação | Exposure studies using occupational data | ESTIMADO |
| Firms using AI | percent of firms | anual | Business surveys | REPORTADO |
| Workers using AI tools at work | percent of workers | per survey | Labour force and worker surveys | REPORTADO |
| AI-related job postings | share of postings | mensal | Online job posting data | OBSERVADO |
| Participation in AI skills training | percent of workforce | anual | Training surveys | REPORTADO |
| Wage changes in exposed occupations | percent change | anual | Wage statistics | Estatísticas publicadas |
De onde vêm as evidências.
Conjuntos de dados públicos nomeados e registros institucionais, cada um com sua classe de licença. As fontes obtidas por acordo só são usadas nos seus termos e nunca são republicadas.
| Fonte | O que oferece | Classe de licença |
|---|---|---|
| ILO studies on generative AI exposure of occupations | Occupational exposure estimates by country and gender | Public, ILO terms |
| OECD Employment Outlook and AI in work studies | Evidence on AI adoption and labour effects | Public, OECD terms |
| Eurostat ICT usage in enterprises survey | Share of enterprises using AI | Open, Eurostat reuse policy |
| Online job posting data such as Lightcast summaries | Demand for AI skills | Commercial; public summaries (to check) |
| Stanford AI Index | Compiled indicators on AI adoption, investment and labour | Public, licence to check |
Quem decide, e a que servem as evidências.
Estúdio de Inteligência artificial e sistemas prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Quem decide | A pergunta | Evidências a que esta página serve |
|---|---|---|
| Labour ministries | Which workers and sectors need transition support | Exposure analyses; adoption tracking |
| Employers and unions | How to introduce AI at work and share its gains | Adoption and wage evidence |
| Educação and training bodies | Which skills to teach and to whom | Skills demand evidence |
Produtos que este tema gera
- Occupational exposure analyses by sector, gender and region
- Adoption tracking from business and worker surveys
- Evaluation designs for AI training programmes
- Evidence notes for social dialogue on AI at work
What researchers ask about social effects.
- Which tasks can current AI perform well, and how does that map onto occupations?
- Does AI substitute for workers, complement them or change what their jobs consist of?
- How does AI change learning and assessment in education?
- How do errors, opacity and misuse affect trust, and who is excluded?
Tasks, not jobs.
Jobs are bundles of tasks. AI tends to automate or assist specific tasks, such as drafting, summarising, coding or classifying images, which changes the content of jobs rather than simply removing them. Whether that raises productivity and wages or displaces workers depends on how organisations redesign work and how gains are shared.
In education, AI can personalise support but also undermine assessment and the learning that comes from effort. Trust depends on experience: visible errors, unexplained decisions and synthetic content erode it, while accountable use can build it. People with limited digital access, skills or language support risk exclusion.
Evidence on social effects.
- 01
Task exposure analysis
Mapping AI capabilities onto occupational task data. Exposure is not the same as displacement.
- 02
Field and natural experiments
Studying workplaces and classrooms that adopt AI, using ciências sociais e comportamentais. Early studies may not generalise.
- 03
Surveys of trust and use
Measuring how people use and perceive AI. Attitudes change quickly and vary by context.
- 04
Avaliação de capacidades
Linking what sistemas can actually do, from Engenharia de avaliação e garantia de IA, to claims about social effects.
Como é estudado e o que os métodos não podem dizer.
- 01Ciências sociais e comportamentaisEstudos sobre supervisão humana · Pesquisa com comunidades afetadas · Estudos sobre adoção no local de trabalhoAplicado aqui
- 02Probabilidade e estatísticaIncerteza das pontuações de benchmark · Avaliação da calibração · Amostragem de auditoriaAplicado aqui
- 03Inteligência artificial e aprendizado de máquinaAnálise de mudança de distribuição · Ajuste fino para um uso específico · Métodos de interpretabilidadeAplicado aqui
- 04Robótica e automaçãoTestes baseados em cenários · Segurança de robôs colaborativos · Monitoramento do domínio operacionalAplicado aqui
Where this page’s references lead.
Os organismos e documentos à luz dos quais esta página é lida. O estado e as edições mudam; cada ligação leva ao organismo emissor.
Perguntas e respostas.
Will AI take jobs?
What is occupational exposure to AI?
Who is most exposed to generative AI?
Will AI cause mass unemployment?
Which workers are most exposed?
How does this topic relate to Future of Work and Skills?
Does the platform advise employers?
Contribua com evidências a partir desta página.
Relatórios is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- E-mailPortal GW-GCRIEnvie desta páginaEvidência, uma correção, um caso, um método, uma revisão, uma tradução ou uma contribuição ao perfil. Chega marcada com esta página, de modo que o editor responsável a receba.
- ZenodoDepósito abertoDeposite-o e envie à comunidadePublique seu próprio registro no Zenodo com seu ORCID iD e depois envie-o à comunidade Reports ali. Os curadores o revisam; o DOI continua sendo seu.
- RelatóriosGCRIVer todas as formas de contribuirOs tipos de contribuição, como cada um é revisado, o crédito que você recebe, a licença e o que nunca é aceito.
Nunca envie dados pessoais, detalhes sensíveis de infraestrutura nem nada que você não tenha o direito de compartilhar. Uma contribuição é revisada antes do uso. Enviá-la não confere autoria nem direitos editoriais, e o patrocínio nunca compra uma constatação.
Traga um método, um conjunto de dados ou uma pergunta.
A informação e os pedidos estão abertos hoje. Um pedido recebe uma referência e indica o próximo passo; candidaturas, pagamentos, alocações de computação e registros só abrem quando existem a equipa, os termos e a capacidade de revisão.
Documentos jurídicos.
Os mapas, dados e números deste site são apresentados como contexto e informação geral. Não são aconselhamento, previsões nem avisos; os limites da informação estão expostos nos Avisos legais e nos Avisos sobre dados.