Sunday, September 13, 2026

UBI–EUBI–UOR: a social contract for crossing the AI era without leaving anyone behind.

Income as a right, learning as work, and human readiness as the horizon.

Artificial intelligence and robotics may deeply transform the relationship among production, employment, and income. We still do not know whether that transformation will take decades or arrive with surprising speed. Nor do we know whether it will produce widespread technological unemployment, a gradual reconfiguration of occupations, or an unstable succession of advances, crises, and adaptations.

That uncertainty does not justify passivity. On the contrary: it recommends building institutions in advance that can function under different futures. The UBI–EUBI–UOR axis proposes exactly that: a social architecture capable of protecting material existence, stimulating continuous development, and preserving the human capacity to understand, decide, create, and participate.

Its purpose is not to decree the end of work. It is to prevent any speed of automation — slow, fast, or discontinuous — from leading us into a Mad Max-style transition: unemployment without protection, extreme concentration of wealth, weakened institutions, and millions of people treated as human surplus.

The central principle must be unambiguous:

UBI is a natural right of citizenship, universal from birth, permanent, and never withdrawable. EUBI adds reward for learning and effort, but its success or failure can never eliminate the right to UBI.

1. UBI: the floor that never disappears.

Universal Basic Income (UBI) must constitute the unconditional floor of the system. Every citizen receives it from birth, individually and without proof of poverty, employability, behavior, school performance, or economic usefulness.

It is not a prize, a wage, or assistance granted by administrative benevolence. It is recognition that every person has a right to participate, at a minimum, in the wealth and productive capacity accumulated by society. No algorithm, government, employer, or evaluator could suspend it for lack of productivity, poor educational performance, illness, disability, personal choices, or political disagreement.

That permanence is crucial. If the income needed for survival depends on success in EUBI, learning will cease to be an opportunity and become coercion. If it depends on a UOR score, readiness may degenerate into a moral ranking of the population. The separation must be constitutionally protected:

UBI guarantees material existence and basic freedom;
EUBI rewards participation and progress in formative activities;
UOR guides the development of capabilities and social conditions, without controlling the right to exist.

Because UBI must reach everyone and remain forever, it may be prudent to begin with a relatively modest amount, compatible with available productive and fiscal capacity. A modest initial income that is nevertheless universal, predictable, and legally secure may be institutionally more robust than a high benefit that is temporary and vulnerable to cancellation.

The amount could grow gradually as automated productivity, the supply of essential goods, and public participation in AI returns increase. Its sufficiency cannot be judged by the monetary figure alone: it depends on the prices of housing, food, energy, transport, health, and education. Creating money does not automatically create houses, electricity, or health professionals. Monetary transfers must move together with the expansion of real capacity.

UBI would also serve functions beyond poverty relief. It would provide the power to refuse abusive work, security to care for family members, room to try new paths, and protection during automation shocks. In a highly automated economy, it could also recycle part of capital income into purchasing power, preventing the concentration of gains from destroying the demand the economy itself needs to function.

2. UBI does not automatically produce learning — and it does not need to.

An important caution emerges from guaranteed-income experiments: when people receive unconditional money, they do not necessarily convert the freed time into education, entrepreneurship, or better jobs. Some of it may be converted into leisure, rest, family life, or fewer hours of work.

That is not failure. Rest, care, travel, reading, contemplation, and companionship are legitimate components of a good life. Abundance should not merely replace the boss with a bureaucracy that permanently monitors the citizen’s productivity.

However, if society wants to preserve cognitive capacity, autonomy, and participation, it should not assume that income alone will create those conditions. UBI buys freedom of time; it does not automatically provide guidance, mentoring, equipment, projects, communities of practice, or recognized progression.

That is precisely where EUBI begins.

3. EUBI: being paid to learn, practice, and evolve.

Educational Universal Basic Income (EUBI) is a positive and voluntary extension of UBI. It adds differentiated payments to people who take part in structured activities of learning, research, creation, care, professional practice, or community contribution.

Its principle is simple: in a society where traditional employment may become scarce or intermittent, learning is also work. Developing cognitive, technical, social, emotional, and ethical capacities produces value even when there is no immediate vacancy in the market.

EUBI must be universally accessible, but not automatically paid at the maximum level. To receive its additional installments, there must be real participation, verifiable effort, and demonstrable progression. It should cultivate the sense that the participant is doing something serious, demanding, and socially recognized.

That means avoiding two opposite errors:

turning EUBI into mere bureaucratic attendance, in which certificates are accumulated without learning;
turning it into a punitive, elitist, or exclusionary system in which only the most talented continue to receive support — though talent and outstanding achievement should be widely recognized and compensated.

The aim is to stimulate excellence without abandoning those who encounter difficulties. The reward may vary according to dedication, complexity, progress, consistency, collaboration, mastery, and contribution. But failing a test, taking longer to learn, or temporarily leaving a path would never withdraw UBI. The person could return to EUBI when ready.

A clear institutional formula would be:

Excellence deserves additional recognition; dignity does not depend on excellence.

4. How to recognize effort without creating a surveillance machine.

EUBI will need to assess participation and development at large scale. Artificial intelligence can help provide personalized tutoring, structured interviews, gap diagnosis, project validation, and adaptive itineraries. But a product made with AI must not be confused with competence acquired.

A person may present an excellent text produced almost entirely by an automatic system and still have learned very little. Assessments must therefore be rigorous and combine:

portfolios and practical projects;
explanation of reasoning and of decisions taken;
frequent demonstrations of unassisted capability;
recognition of competent use of AI as a tool;
tracking of progress relative to each person’s starting point;
human review and a right of appeal in relevant decisions;
continuous attention to fraud and to resulting titles devoid of merit.

The system must not depend on a single test, nor penalize neurodivergent people, people with disabilities, people who are ill, or those responsible for family care. Effort and productivity must be interpreted in context. Results of low readiness should trigger more support, not exclusion.

It is also necessary to prevent fraud, as already noted, and credential inflation. That requires secure identities, verification sampling, multimodal assessments, and independent audits. However, anti-fraud measures cannot justify total surveillance of private life.

Above all, no model of “predicted impact” should decide who deserves material security. Algorithms tend to favor those who appear more likely to succeed in measurable ways. That can withdraw resources precisely from vulnerable people. Universal UBI creates a protective barrier against that administrative utilitarianism.

5. All professions as territories of knowledge.

EUBI should not be limited to programming, prompt engineering, or transitory digital skills. Interacting with AI is useful, but it does not replace professional knowledge, critical thinking, social experience, or human responsibility.

All professions — old, current, and future — can be entry points for development: carpentry, agriculture, mechanics, nursing, philosophy, mathematics, music, plumbing, cooking, biology, construction, history, programming, the arts, and care.

Even when a machine can perform a given task more quickly, the corresponding knowledge may remain valuable as human practice, a source of autonomy, and a way of understanding the world. EUBI would not artificially preserve useless jobs. It would preserve fields of competence in which people could learn, create, teach, research, and cooperate.

In some activities, human presence is part of the good produced. Care, political representation, justice, education, friendship, spiritual accompaniment, and ethical deliberation should not be judged by efficiency alone. A society may decide that certain relationships must remain human not because machines are incapable of simulating them, but because reciprocity, responsibility, and recognition are part of their meaning.

6. EUBI and UOR: a continuum across the lifespan.

Universal Operational Readiness (UOR) should not be understood as a final diploma or a category that some people reach and others do not. It is a dynamic horizon: the continuous preservation and expansion of the capacity to act in the world.

EUBI and UOR therefore merge into a continuum of permanent preparation. EUBI supplies environments, resources, rewards, and pathways. UOR describes the growing state of readiness those pathways seek to sustain.

That readiness has several dimensions:

cognitive: learning, reasoning, verifying information, and recognizing error;
technical: using tools, including AI, without blind dependence;
operational: setting goals, planning, and completing projects;
social: cooperating, teaching, negotiating, and taking part in communities;
emotional: tolerating frustration, adapting, and sustaining motivation;
ethical: assessing consequences, respecting rights, and assuming responsibility;
creative: imagining alternatives and producing something new;
civic: understanding institutions and influencing collective decisions.

UOR does not mean keeping everyone in perpetual competition. Nor does it mean that every person must master every domain. An operationally ready society is diverse: people develop different combinations of skills, interests, and forms of contribution.

If a UOR index is created, it should assess real opportunities and barriers, not human worth. A low score should reveal where health, education, connectivity, autonomy, security, or participation are lacking. It should never justify the withdrawal of rights.

7. The place of excellence.

An inclusive society need not renounce excellence. On the contrary: freeing talent from the constraints imposed by poverty can greatly expand research, art, science, crafts, and innovation.

EUBI could have additional reward levels for advanced achievements, difficult projects, public contributions, accumulated mastery, mentoring, and original discovery. There would be room for highly capable people to work at the interface with AI systems and robots — defining goals, auditing results, investigating failures, governing risks, and exploring still-unknown territories.

But excellence must not be confused with a small caste authorized to govern machines while the majority receives income and entertainment. The more powerful the systems become, the more important it is to distribute understanding and supervisory capacity. Not everyone will be a frontier specialist, but everyone should have opportunities to develop enough agency to understand the decisions that affect their lives and to contest them.

8. Work and leisure in a society of abundance.

The UBI–EUBI–UOR axis must not recreate industrial productivism inside a society that no longer needs it. If AI and robots can produce a large share of goods and services, the civilizational benefit should appear as better lives: shorter working days, more free time, travel, companionship, the arts, sports, study, and contemplation.

The desirable balance is not between compulsory work and guilty idleness. It is between chosen activity and generous rest.

People need the right to spend periods without formal goals. The mind also grows by indirect paths: conversation, play, non-utilitarian reading, exploration, silence, and contact with nature. UOR would lose its meaning if it converted every minute into measurable performance.

At the same time, a life composed only of passive consumption may, for many people, lead to isolation, loss of confidence, and cognitive irrelevance. The role of EUBI is to keep attractive doors always open for a return to learning, practice, and contribution — not to force everyone through them all the time.

9. An architecture that remains valid even without the “end of work”.

Perhaps automation will never eliminate most jobs. It may generate new occupations, increase the number of workers, and reorganize tasks. Even in that scenario, the axis remains valuable.

UBI will reduce insecurity and allow mobility. EUBI will make career changes and lifelong learning easier. UOR will strengthen society’s capacity to respond to crises, technologies, and economic transformations.

If the transition is rapid, the system will offer immediate protection and paths of reorganization. If it is slow, it will allow institutions to be tested, incentives corrected, and values gradually expanded. If the path is irregular, with booms and crises, it will provide a permanent stabilizer.

Therefore it is not necessary to bet on a specific forecast in order to begin. The system works as insurance against bad futures and as infrastructure for better ones.

10. How to avoid a “Mad Max” transition.

A disorganized passage into the AI economy could combine loss of income, erosion of early careers, indebtedness, concentration of capital, social resentment, and democratic weakening. Technology would be capable of producing abundance, but its ownership and benefits would remain concentrated.

Avoiding that outcome requires building the bridge before the abyss is fully open. That bridge includes:

permanent, legally protected UBI;
gradual implementation, beginning at a sustainable level;
EUBI accessible at all ages and in all regions;
local and digital learning centers;
mentoring, projects, and cumulative recognition;
public participation in AI returns and capital;
expansion of energy, housing, health, and connectivity;
protection of systems against financial and cyber failures;
transparent, contestable, and non-discriminatory evaluation;
monitoring of young people’s entry opportunities;
preservation of human spaces of decision, care, and responsibility.

Financing must be resilient across cycles. It is unwise to sustain permanent rights only with taxes on extraordinary profits or on the valuation of technology firms, because both can vanish in a crisis. Public funds, equity participation, infrastructure dividends, progressive taxation, and monetary capacity can be combined, always respecting the real limits of production and inflation.

11. A new social contract.

The axis can be summarized as three complementary commitments:

No one will be left without the means to live. — UBI.

Everyone will be able to be rewarded for learning and developing capabilities. — EUBI.

Society will preserve in each person the possibility of understanding, acting, creating, and participating. — UOR.

UBI is the right that is never lost. EUBI is the demanding opportunity that can always be taken up again. UOR is the horizon of a humanity that does not surrender its agency to machines.

This architecture does not promise to eliminate all conflict, inequality, or failure. It seeks something more realistic and urgent: to prevent material insecurity and obsolescence from producing a disposable population, while preserving effort, merit, excellence, rest, and freedom.

The post-work future, if it comes, must not be post-learning, post-participation, or post-purpose. Working will remain important, although “work” will come to include activities that the current market pays poorly or not at all: studying, caring, creating, investigating, teaching, and keeping communities alive.

A good transition will not be one in which human beings compete indefinitely with machines for efficiency. It will be one in which the productivity of machines finally expands people’s time, security, and room for action.

UBI–EUBI–UOR is a proposal to make that passage gentle: a permanent floor, continuous paths of growth, and an open horizon of human agency.

Text: GPT/PoutPourri.

# UBI–EUBI–UOR: um contrato social para atravessar a era da IA sem abandonar ninguém.

## Renda como direito, aprendizagem como trabalho e prontidão humana como horizonte.

A inteligência artificial e a robótica podem transformar profundamente a relação entre produção, emprego e renda. Ainda não sabemos se essa transformação levará décadas ou se ocorrerá com velocidade surpreendente. Tampouco sabemos se produzirá desemprego tecnológico generalizado, reconfiguração gradual das ocupações ou uma sucessão instável de avanços, crises e adaptações.

Essa incerteza não justifica a passividade. Ao contrário: recomenda a construção antecipada de instituições que funcionem sob diferentes futuros. O eixo **UBI–EUBI–UOR** propõe exatamente isso: uma arquitetura social capaz de proteger a existência material, estimular o desenvolvimento contínuo e preservar a capacidade humana de compreender, decidir, criar e participar.

Seu propósito não é decretar o fim do trabalho. É impedir que qualquer velocidade de automação — lenta, rápida ou descontínua — nos conduza a uma transição do tipo *Mad Max*: desemprego sem proteção, concentração extrema da riqueza, instituições enfraquecidas e milhões de pessoas tratadas como excedentes humanos.

O princípio central deve ser inequívoco:

> **A UBI é um direito natural de cidadania, universal desde o nascimento, permanente e jamais retirável. A EUBI acrescenta recompensa à aprendizagem e ao esforço, mas seu sucesso ou insucesso nunca pode eliminar o direito à UBI.**

## 1. UBI: o chão que nunca desaparece.

A **Universal Basic Income (UBI)** — ou Renda Básica Universal (RBU) — deve constituir o piso incondicional do sistema. Todo cidadão a recebe desde o nascimento, individualmente e sem prova de pobreza, empregabilidade, comportamento, desempenho escolar ou utilidade econômica.

Ela não é prêmio, salário nem assistência concedida por benevolência administrativa. É o reconhecimento de que toda pessoa tem direito a participar minimamente da riqueza e da capacidade produtiva acumuladas pela sociedade. Nenhum algoritmo, governo, empregador ou avaliador poderia suspendê-la por falta de produtividade, baixo desempenho educacional, doença, deficiência, escolhas pessoais ou discordância política.

Essa permanência é crucial. Se a renda necessária à sobrevivência depender do êxito na EUBI, a aprendizagem deixará de ser oportunidade e passará a ser coerção. Se depender de uma pontuação de UOR, a prontidão poderá degenerar em classificação moral da população. A separação precisa ser constitucionalmente protegida:

- UBI garante existência material e liberdade básica;
- EUBI recompensa participação e progresso em atividades formativas;
- UOR orienta o desenvolvimento de capacidades e das condições sociais, sem controlar o direito de existir.

Como a UBI deverá alcançar todos e permanecer para sempre, talvez seja prudente começar com um valor relativamente modesto, compatível com a capacidade produtiva e fiscal disponível. Uma renda inicial modesta, porém universal, previsível e juridicamente segura, pode ser institucionalmente mais sólida do que um benefício elevado, temporário e vulnerável a cancelamentos.

O valor poderia crescer gradualmente à medida que aumentassem a produtividade automatizada, a oferta de bens essenciais e a participação pública nos rendimentos da IA. Sua suficiência não pode ser avaliada apenas pelo número monetário: depende dos preços de moradia, alimentação, energia, transporte, saúde e educação. Criar dinheiro não cria automaticamente casas, eletricidade ou profissionais de saúde. Transferências monetárias precisam caminhar junto com expansão da capacidade real.

A UBI teria ainda funções que vão além do combate à pobreza. Ela proporcionaria poder de recusa diante de trabalhos abusivos, segurança para cuidar de familiares, margem para experimentar novas trajetórias e proteção durante choques de automação. Em uma economia altamente automatizada, também poderia reciclar parte da renda do capital em poder de compra, evitando que a concentração dos ganhos destrua a demanda necessária ao próprio funcionamento da economia.

## 2. UBI não produz automaticamente aprendizagem — e não precisa produzir.

Uma cautela importante emerge dos experimentos de renda garantida: quando as pessoas recebem dinheiro incondicional, não necessariamente convertem o tempo liberado em educação, empreendedorismo ou empregos melhores. Parte pode ser convertida em lazer, descanso, convivência familiar ou redução das horas trabalhadas.

Isso não representa fracasso. Descanso, cuidado, viagens, leitura, contemplação e convivência são componentes legítimos de uma boa vida. A abundância não deveria apenas substituir o patrão por uma burocracia que vigia permanentemente a produtividade do cidadão.

Entretanto, se a sociedade deseja preservar capacidade cognitiva, autonomia e participação, não deve presumir que a renda, isoladamente, criará essas condições. A UBI compra liberdade de tempo; ela não fornece automaticamente orientação, mentoria, equipamentos, projetos, comunidades de prática ou progressão reconhecida.

É precisamente aí que começa a EUBI.

## 3. EUBI: ser pago para aprender, praticar e evoluir.

A **Educational Universal Basic Income (EUBI)** ou Renda Básica Universal Educacional (RBUE) é uma extensão positiva e voluntária da UBI. Ela acrescenta pagamentos diferenciados às pessoas que participam de atividades estruturadas de aprendizagem, pesquisa, criação, cuidado, prática profissional ou contribuição comunitária.

Seu princípio é simples: em uma sociedade na qual o emprego tradicional pode tornar-se escasso ou intermitente, **aprender também é trabalho**. Desenvolver capacidades cognitivas, técnicas, sociais, emocionais e éticas produz valor, mesmo quando não existe uma vaga imediata no mercado.

A EUBI deve ser universalmente acessível, mas não automaticamente paga no nível máximo. Para receber suas parcelas adicionais, precisa haver participação real, esforço verificável e progressão demonstrável. Ela deverá cultivar o sentido de que o participante está realizando uma atividade séria, exigente e socialmente reconhecida.

Isso significa evitar dois erros opostos:

1. transformar a EUBI em simples presença burocrática, na qual certificados são acumulados sem aprendizagem;
2. transformá-la em sistema punitivo, elitista ou excludente, no qual apenas os mais talentosos continuam recebendo apoio, porém talento e realizações de excelência devem amplamente reconhecidas e compensadas.

O objetivo é estimular a excelência sem abandonar quem encontra dificuldades. A recompensa pode variar conforme dedicação, complexidade, progresso, consistência, colaboração, domínio e contribuição. Mas fracassar numa prova, demorar mais para aprender ou abandonar temporariamente um percurso jamais retiraria a UBI. A pessoa poderia regressar à EUBI quando estivesse preparada.

Uma fórmula institucional clara seria:

> **Excelência merece reconhecimento adicional; dignidade não depende de excelência.**

## 4. Como reconhecer esforço sem criar uma máquina de vigilância.

A EUBI precisará avaliar participação e desenvolvimento em grande escala. A inteligência artificial pode ajudar a oferecer tutoria personalizada, entrevistas estruturadas, diagnóstico de lacunas, validação de projetos e itinerários adaptativos. Mas o produto feito com IA não pode ser confundido com competência adquirida.

Uma pessoa pode apresentar um texto excelente produzido quase inteiramente por um sistema automático e, ainda assim, pouco ter aprendido. Por isso, as avaliações devem ser rigorosas e combinar:

- portfólios e projetos práticos;
- explicação do raciocínio e das decisões tomadas;
- demonstrações frequentes de capacidade sem assistência;
- reconhecimento do uso competente da IA como ferramenta;
- acompanhamento de progresso em relação ao ponto de partida individual;
- revisão humana e direito de recurso nas decisões relevantes.
- Atenção contínua às fraudes e às consequentes intitulações destituídas de mérito.
O sistema não deve depender de um único teste, nem penalizar pessoas neuro divergentes, com deficiência, doentes ou responsáveis por cuidados familiares. Esforço e produtividade precisam ser interpretados em contexto. Resultados de baixa prontidão devem acionar mais apoio, não exclusão.

Também é necessário impedir fraude, como já referido, e inflação de credenciais. Isso exige identidades seguras, amostragens de verificação, avaliações multimodais e auditorias independentes. Entretanto, combate à fraude não pode justificar vigilância total da vida privada.

Sobretudo, nenhum modelo de “impacto previsto” deveria decidir quem merece segurança material. Algoritmos tendem a favorecer quem aparenta maior probabilidade de sucesso mensurável. Isso pode retirar recursos justamente de pessoas vulneráveis. A UBI universal cria uma barreira de proteção contra esse utilitarismo administrativo.

## 5. Todas as profissões como territórios de conhecimento.

A EUBI não deveria limitar-se a programação, engenharia de *prompts* ou competências digitais transitórias. Interagir com IA é útil, mas não substitui conhecimento profissional, pensamento crítico, experiência social ou responsabilidade humana.

Todas as profissões — antigas, atuais e futuras — podem constituir portas de entrada para o desenvolvimento: marcenaria, agricultura, mecânica, enfermagem, filosofia, matemática, música, hidráulica, culinária, biologia, construção, história, programação, artes e cuidados.

Mesmo quando uma máquina puder executar determinada tarefa de forma mais rápida, o conhecimento correspondente poderá continuar valioso como prática humana, fonte de autonomia e modo de compreender o mundo. A EUBI não preservaria artificialmente empregos inúteis. Preservaria campos de competência nos quais as pessoas pudessem aprender, criar, ensinar, pesquisar e cooperar.

Em algumas atividades, a presença humana será parte do próprio bem produzido. Cuidado, representação política, justiça, educação, amizade, acompanhamento espiritual e deliberação ética não devem ser avaliados apenas pela eficiência. Uma sociedade pode decidir que certas relações precisam continuar humanas, não porque máquinas sejam incapazes de simulá-las, mas porque reciprocidade, responsabilidade e reconhecimento fazem parte de seu significado.

## 6. EUBI e UOR: um contínuo ao longo da vida.

A **Universal Operational Readiness (UOR)**ou Prontidão Operational Universal (POU) não deve ser entendida como diploma final ou categoria que algumas pessoas alcançam e outras não. É um horizonte dinâmico: a preservação e ampliação contínua da capacidade de agir no mundo.

EUBI e UOR acabam, portanto, fundindo-se num contínuo de preparação permanente. A EUBI fornece ambientes, recursos, recompensas e percursos. A UOR descreve o estado crescente de prontidão que esses percursos procuram sustentar.

Essa prontidão possui várias dimensões:

- **cognitiva:** aprender, raciocinar, verificar informação e reconhecer erros;
- **técnica:** utilizar ferramentas, inclusive IA, sem dependência cega;
- **operacional:** formular objetivos, planejar e concluir projetos;
- **social:** cooperar, ensinar, negociar e participar de comunidades;
- **emocional:** tolerar frustração, adaptar-se e manter motivação;
- **ética:** avaliar consequências, respeitar direitos e assumir responsabilidade;
- **criativa:** imaginar alternativas e produzir algo novo;
- **cívica:** compreender instituições e influenciar decisões coletivas.

UOR não significa manter todos em competição perpétua. Tampouco significa que cada pessoa deva dominar todas as áreas. Uma sociedade operacionalmente pronta é diversificada: pessoas desenvolvem combinações diferentes de competências, interesses e formas de contribuição.

O índice de UOR, se criado, deverá avaliar oportunidades reais e barreiras, não o valor humano. Uma pontuação baixa deve revelar onde faltam saúde, educação, conectividade, autonomia, segurança ou participação. Jamais deverá justificar a retirada de direitos.

## 7. O lugar da excelência.

Uma sociedade inclusiva não precisa renunciar à excelência. Ao contrário: libertar talentos das limitações impostas pela pobreza pode ampliar enormemente a pesquisa, a arte, a ciência, os ofícios e a inovação.

A EUBI poderia possuir níveis adicionais de recompensa para realizações avançadas, projetos difíceis, contribuições públicas, domínio acumulado, mentoria e descoberta original. Haveria espaço para pessoas altamente capacitadas trabalharem na interface com sistemas de IA e robôs — definindo objetivos, auditando resultados, investigando falhas, governando riscos e explorando territórios ainda desconhecidos.

Mas excelência não pode ser confundida com uma pequena casta autorizada a governar máquinas enquanto a maioria recebe renda e entretenimento. Quanto mais poderosos forem os sistemas, mais importante será distribuir compreensão e capacidade de supervisão. Nem todos serão especialistas de fronteira, mas todos deverão ter oportunidades de desenvolver agência suficiente para compreender as decisões que afetam sua vida e contestá-las.

## 8. Trabalho e lazer numa sociedade de abundância

O eixo UBI–EUBI–UOR não deve recriar o produtivismo industrial dentro de uma sociedade que já não necessita dele. Se IA e robôs forem capazes de produzir grande parte dos bens e serviços, o benefício civilizacional deveria aparecer na forma de vidas melhores: jornadas menores, mais tempo livre, viagens, convivência, artes, esportes, estudo e contemplação.

O equilíbrio desejável não é entre trabalho compulsório e ócio culpado. É entre **atividade escolhida e descanso generoso**.

As pessoas precisam do direito de passar períodos sem metas formais. A mente também cresce por caminhos indiretos: conversas, brincadeiras, leituras não utilitárias, exploração, silêncio e contato com a natureza. A UOR perderia seu sentido se convertesse cada minuto em desempenho mensurável.

Ao mesmo tempo, uma vida composta apenas por consumo passivo pode, para muitas pessoas, conduzir a isolamento, perda de confiança e irrelevância cognitiva. O papel da EUBI é manter sempre abertas portas atraentes para retornar à aprendizagem, à prática e à contribuição — não obrigar todos a atravessá-las o tempo inteiro.

## 9. Uma arquitetura válida mesmo sem o “fim do trabalho”

Talvez a automação nunca elimine a maior parte dos empregos. Pode gerar novas ocupações, aumentar trabalhadores e reorganizar tarefas. Mesmo nesse cenário, o eixo continuará valioso.

A UBI reduzirá insegurança e permitirá mobilidade. A EUBI facilitará mudanças profissionais e aprendizagem ao longo da vida. A UOR fortalecerá a capacidade social de responder a crises, tecnologias e transformações econômicas.

Se a transição for rápida, o sistema oferecerá proteção imediata e caminhos de reorganização. Se for lenta, permitirá testar instituições, corrigir incentivos e ampliar gradualmente os valores. Se a trajetória for irregular, com booms e crises, fornecerá um estabilizador permanente.

Portanto, não é necessário apostar numa previsão específica para começar. O sistema funciona como seguro contra futuros ruins e como infraestrutura para futuros melhores.

## 10. Como evitar a transição “Mad Max”.

Uma passagem desorganizada para a economia da IA poderia combinar perda de renda, erosão das carreiras iniciais, endividamento, concentração de capital, ressentimento social e enfraquecimento democrático. A tecnologia seria capaz de produzir abundância, mas sua propriedade e seus benefícios permaneceriam concentrados.

Evitar esse resultado exige construir a ponte antes que o abismo esteja completamente aberto. Essa ponte inclui:

- UBI permanente e juridicamente protegida;
- implantação gradual, começando em nível sustentável;
- EUBI acessível em todas as idades e regiões;
- centros locais e digitais de aprendizagem;
- mentoria, projetos e reconhecimento cumulativo;
- participação pública nos rendimentos e no capital da IA;
- expansão de energia, moradia, saúde e conectividade;
- proteção dos sistemas contra falhas financeiras e cibernéticas;
- avaliação transparente, contestável e não discriminatória;
- acompanhamento das oportunidades de entrada dos jovens;
- preservação de espaços humanos de decisão, cuidado e responsabilidade.

O financiamento precisa ser resistente aos ciclos. Não convém sustentar direitos permanentes apenas com tributos sobre lucros extraordinários ou valorização de empresas tecnológicas, pois ambos podem desaparecer numa crise. Fundos públicos, participação acionária, dividendos de infraestrutura, tributação progressiva e capacidade monetária podem ser combinados, sempre respeitando os limites reais de produção e inflação.

## 11. Um novo contrato social.

O eixo pode ser resumido como três compromissos complementares:

> **Ninguém ficará sem meios de viver.** — UBI.

> **Todos poderão ser recompensados por aprender e desenvolver capacidades.** — EUBI.

> **A sociedade preservará em cada pessoa a possibilidade de compreender, agir, criar e participar.** — UOR.

A UBI é o direito que não se perde. A EUBI é a oportunidade exigente que sempre pode ser retomada. A UOR é o horizonte de uma humanidade que não entrega sua agência às máquinas.

Essa arquitetura não promete eliminar todo conflito, desigualdade ou fracasso. Ela busca algo mais realista e urgente: impedir que insegurança material e obsolescência produzam uma população descartável, ao mesmo tempo em que preserva esforço, mérito, excelência, descanso e liberdade.

O futuro pós-trabalho, se vier, não deve ser pós-aprendizagem, pós-participação ou pós-propósito. Trabalhar continuará importante, embora “trabalho” passe a incluir atividades que o mercado atual remunera mal ou não remunera: estudar, cuidar, criar, investigar, ensinar e manter comunidades vivas.

Uma boa transição não será aquela em que os seres humanos competem indefinidamente com máquinas pela eficiência. Será aquela em que a produtividade das máquinas finalmente amplia o tempo, a segurança e o espaço de ação das pessoas.

**UBI–EUBI–UOR é uma proposta para tornar essa passagem suave: um chão permanente, caminhos contínuos de crescimento e um horizonte aberto de agência humana.**

Texto : GPT/PoutPourri .
---

Wednesday, September 9, 2026

ChatGPT on AI Alignment.

Urgent, internationally coordinated preparation while those levers remain in human hands.

No irreversible transfer of civilizational authority to a system whose objectives, internal strategies and future transformations we cannot reliably understand.

Thursday, September 3, 2026

"Considerações críticas e checagem de fatos de um esboço sobre reciclagem fotovoltaica."

Avaliação geral

O texto acerta ao identificar um problema real e crescente, mas mistura constatações sólidas com números sem fonte verificável, generalizações excessivas e informações legais desatualizadas ou incorretas.

Minha avaliação seria:

Tese central: correta. Fundamentação: parcialmente correta, mas requer revisões importantes.

A reciclagem fotovoltaica enfrenta, de fato, custos logísticos elevados, volumes ainda dispersos, dificuldade de separar as camadas laminadas e baixa recuperação econômica de prata e silício de alta pureza. Entretanto, não é correto afirmar, de maneira geral, que a reciclagem é “incapaz de lidar com o volume que está chegando”, nem que o Brasil simplesmente exclui painéis solares da logística reversa.

Verificação ponto a ponto

1. Recuperação limitada de materiais: parcialmente correto

Os módulos convencionais de silício cristalino são constituídos principalmente por:

vidro;
moldura de alumínio;
polímeros encapsulantes e folha traseira;
células de silício;
pequenas quantidades de cobre, prata, estanho e chumbo.

Os processos comerciais mais simples recuperam sobretudo alumínio, cobre e vidro. A dificuldade maior está em separar o laminado e recuperar, com pureza e valor suficientes, silício, prata e outros metais minoritários. O relatório de 2025 do IEA-PVPS confirma um cenário de custos altos, receitas baixas e tecnologias ainda limitadas, embora registre crescimento do número de recicladores e avanços tecnológicos. IEA-PVPS — Status of PV Module Recycling

Entretanto, os percentuais apresentados — 35% para chumbo e 38% para estanho — não aparecem como taxas universais reconhecidas. Taxas de recuperação variam radicalmente conforme:

tecnologia do módulo;
processo de reciclagem;
escala industrial;
pureza exigida;
definição de “recuperação”.

Esses números devem ser retirados, a menos que se identifique o estudo, o processo e o tipo de módulo aos quais se referem.

Também é impreciso agrupar chumbo e estanho como “metais tóxicos e valiosos” equivalentes. O chumbo é tóxico mesmo em pequenas quantidades e aparece principalmente nas soldas dos módulos mais antigos. O estanho tem valor industrial, mas seus riscos dependem de sua forma química e exposição; não deve ser apresentado simplesmente como equivalente toxicológico do chumbo.

Além disso:

cádmio é relevante sobretudo em módulos de filme fino de CdTe;
não está presente em quantidades comparáveis nos módulos convencionais de silício;
um módulo intacto não constitui automaticamente uma fonte imediata de contaminação.

O risco ambiental aumenta quando módulos quebrados são triturados, abandonados, queimados ou expostos por períodos prolongados à água e ao intemperismo. Portanto, o texto deveria falar em risco potencial, não em contaminação inevitável.

2. Situação legal brasileira: afirmação central incorreta

O trecho diz:

“No Brasil, os painéis não são classificados como resíduos eletrônicos [...] fabricantes e importadores não são obrigados a recolher ou reciclar.”

Essa formulação é incorreta.

O Decreto nº 10.240/2020, que regulamenta a logística reversa de produtos eletroeletrônicos de uso doméstico, inclui expressamente “painel fotovoltaico” em seu Anexo I. Portanto, módulos de uso residencial estão formalmente dentro do sistema brasileiro de logística reversa. Decreto nº 10.240/2020 — Planalto

O verdadeiro problema jurídico é mais específico:

o decreto alcança equipamentos de uso doméstico;
exclui equipamentos de uso comercial, industrial, corporativo ou governamental;
exclui determinados grandes geradores;
grandes usinas solares dependem de planos de gerenciamento de resíduos, contratos e normas ambientais gerais, sem um sistema nacional fotovoltaico tão claro quanto o europeu;
existe diferença considerável entre obrigação formal e disponibilidade prática de pontos de recebimento.

O próprio artigo 6º permite que resíduos não domésticos sejam disciplinados contratualmente e determina que sua destinação apareça nos planos de gerenciamento de resíduos. Portanto, também seria excessivo dizer que esses resíduos estão inteiramente “sem legislação”.

Uma formulação mais precisa seria:

O Brasil inclui painéis fotovoltaicos domésticos no sistema de logística reversa de eletroeletrônicos, mas ainda apresenta lacunas regulatórias e operacionais importantes, especialmente para grandes usinas, equipamentos comerciais e grandes volumes.

A existência de projetos legislativos para incluir os painéis explicitamente no artigo 33 da PNRS demonstra que persiste certa insegurança e fragmentação normativa, não uma ausência absoluta de obrigação.

3. União Europeia: essencialmente correto

A Diretiva europeia 2012/19/UE, conhecida como Diretiva REEE ou WEEE, inclui os painéis fotovoltaicos e aplica o princípio da responsabilidade ampliada do produtor.

As metas vigentes chegam a:

85% de recuperação por massa;
80% de preparação para reutilização e reciclagem por massa.

Esses números estão corretos. IEA-PVPS — regulamentação e metas europeias

Mas é necessário observar uma diferença:

Meta legal não é o mesmo que taxa efetivamente atingida.

Além disso, metas baseadas em massa são relativamente fáceis de alcançar porque vidro e alumínio representam grande parte do peso do módulo. Um sistema pode atingir 80% em massa sem recuperar eficientemente prata, silício de grau solar ou metais das soldas.

Portanto, a UE está mais avançada institucionalmente, mas não resolveu completamente a reciclagem de alto valor.

4. Custos logísticos: correto, mas falta contextualização

É correto que módulos sejam:

volumosos;
pesados;
geograficamente dispersos;
trabalhosos de transportar sem aumentar a quebra;
relativamente pobres em materiais de alto valor por unidade de massa.

O baixo volume atual de módulos que chegaram naturalmente ao fim de vida também dificulta economias de escala. A conclusão correta não é que a reciclagem seja necessariamente inviável, mas que frequentemente ela não se paga apenas pela venda dos materiais recuperados.

Isso justifica mecanismos como:

responsabilidade ampliada do produtor;
taxa antecipada de reciclagem;
pontos regionais de consolidação;
padrões de projeto para desmontagem;
proibição ou encarecimento do descarte em aterros;
recuperação de maior valor de prata e silício;
triagem para reutilização antes da reciclagem.

O problema econômico é parcialmente transitório: maior fluxo de resíduos poderá melhorar a escala industrial, embora também aumente enormemente a demanda por capacidade de processamento.

5. “Montanhas de painéis quebrados” por eventos climáticos: plausível, mas não demonstrado

Granizo, vendavais, inundações e ciclones podem causar perdas prematuras. Isso é particularmente relevante no Sul do Brasil. Entretanto, o texto não apresenta inventários, números oficiais ou estudos que sustentem expressões como:

“milhares de sistemas destruídos”;
“montanhas de painéis”;
“instaladoras frequentemente guardam em depósitos”.

Esses relatos podem ser verdadeiros em casos locais, mas não devem ser apresentados como diagnóstico nacional sem fonte.

Uma formulação defensável seria:

Eventos climáticos extremos podem gerar picos localizados de descarte prematuro, para os quais a infraestrutura regional de coleta e reciclagem pode não estar preparada.

Isso também mostra que projeções baseadas apenas em vida útil normal subestimam:

quebra no transporte e instalação;
defeitos de fabricação;
incêndios e tempestades;
substituição econômica por módulos mais eficientes;
desativação antecipada de usinas.

6. Vida útil de 25–30 anos e onda de descarte: correto com ressalvas

A faixa de 25 a 30 anos é uma aproximação razoável para garantias e projeções de vida operacional. Muitos módulos, porém, podem continuar produzindo por 30–40 anos, com degradação gradual.

O relatório clássico IRENA–IEA-PVPS estimou até 78 milhões de toneladas cumulativas de resíduos fotovoltaicos no mundo em 2050, mas trata-se de uma projeção publicada em 2016, não de uma medição. IRENA–IEA-PVPS — End-of-Life Management

Projeções recentes variam bastante porque dependem de hipóteses sobre:

duração real dos módulos;
repotenciação antecipada;
taxas de defeito;
crescimento futuro das instalações;
espessura e composição dos módulos.

No Brasil, falar em crescimento acentuado dos descartes durante as décadas de 2030 e 2040 é razoável. Mas dizer que a onda começará precisamente em 2040 produz uma falsa exatidão. Parte dela chegará antes, por perdas prematuras e substituições econômicas.

7. “Tecnologias insuficientes”: parcialmente correto

Existem tecnologias capazes de recuperar proporções elevadas dos materiais, incluindo rotas:

mecânicas;
térmicas;
químicas;
eletroquímicas;
combinadas.

Processos especializados já recuperam semicondutores e metais com eficiência considerável. Por exemplo, algumas rotas de reciclagem de CdTe alegam recuperar aproximadamente 90% do vidro e até 95% do material semicondutor. Revisões também descrevem processos experimentais com recuperação elevada de silício, cobre e prata. Revisão sobre recuperação de materiais valiosos

O gargalo não é simplesmente ausência de tecnologia. É a combinação de:

custo;
consumo energético e químico;
pequena escala;
distância de transporte;
pureza do produto recuperado;
heterogeneidade dos módulos;
falta de mercado estável para os materiais;
diferença entre desempenho laboratorial e operação comercial.

Seria melhor escrever:

Existem tecnologias avançadas de reciclagem, mas muitas ainda não são economicamente competitivas ou amplamente implantadas em escala comercial.

Avaliação da comparação entre países

A lista de “países com maiores problemas” é pouco rigorosa porque não define um índice comparável. Volume absoluto de resíduos, taxa de coleta, capacidade instalada de reciclagem, cobertura legal e risco de descarte informal são dimensões diferentes.

Estados Unidos

Está correto que não existe um sistema federal uniforme de responsabilidade ampliada do produtor para painéis fotovoltaicos. A regulamentação varia entre estados, enquanto regras gerais federais e estaduais sobre resíduos perigosos continuam aplicáveis.

Mas “baixa taxa de reciclagem” precisa de fonte e definição nacional. Há recicladores comerciais e políticas estaduais, particularmente em estados como Washington, Califórnia e Nova Jersey. O diagnóstico correto é de fragmentação regulatória, não de completa ausência de gestão.

China

É correto que a China enfrenta o maior desafio potencial em volume absoluto, por ser o maior fabricante e mercado fotovoltaico.

Porém, é desatualizado afirmar apenas que sua regulamentação “ainda está em desenvolvimento”. Desde 2023, o país vem estruturando responsabilidades para equipamentos desativados e pretende consolidar um sistema mais completo até 2030. Existem plantas-piloto e projetos industriais de reciclagem. IEA-PVPS — panorama internacional de 2025

A formulação adequada seria: a China avançou rapidamente, mas ainda precisa transformar diretrizes, projetos-piloto e capacidade industrial em um sistema proporcional à sua enorme escala futura.

Índia

O texto está desatualizado ao dizer que a Índia não tem políticas claras. Os E-Waste (Management) Rules de 2022 incluem módulos, painéis e células fotovoltaicas e atribuem obrigações a produtores e recicladores. Governo da Índia — E-Waste Management Rules

O problema indiano é diferente:

implementação ainda incipiente;
armazenamento previsto até 2034–2035;
capacidade formal limitada;
fiscalização insuficiente;
participação expressiva do setor informal.

Assim, há regulamentação, mas sua operacionalização permanece problemática.

Japão

O dado de 2.079 toneladas em 2022 é plausível e aparece no levantamento internacional de 2025: aproximadamente 1.638 toneladas recicladas e 441 reutilizadas.

Entretanto, dizer simplesmente que o Japão “não possui legislação específica” ficou desatualizado. Em abril de 2026, o governo japonês aprovou uma proposta legislativa específica para enfrentar o descarte fotovoltaico, projetado em até 500 mil toneladas anuais no fim da década de 2030. O ponto exato depende da tramitação e entrada em vigor da lei, mas o país já não pode ser descrito como inteiramente inerte.

União Europeia

A UE possui a estrutura regulatória mais madura entre os grandes mercados. Entretanto:

há diferenças de implementação entre os Estados-membros;
coleta declarada não equivale necessariamente a reciclagem integral;
as metas por massa favorecem vidro e alumínio;
instalações especializadas ainda têm capacidade limitada;
módulos antigos podem ser exportados como equipamentos usados, deslocando o problema para outros países.

Por isso, dizer que a UE tem “menor risco futuro” é razoável apenas em termos relativos, não como garantia de solução.

Problema fundamental do “ranking”

Não é possível concluir, com os dados apresentados, que EUA, China, Índia e Japão sejam objetivamente os quatro países com “maiores problemas”. Países com mercados menores podem ter:

nenhuma infraestrutura especializada;
descarte informal mais frequente;
aterros inadequados;
fiscalização muito inferior;
importação de módulos usados próximos do fim de vida.

Um ranking confiável precisaria combinar pelo menos:

resíduos atuais e projetados;
capacidade anual de reciclagem;
taxa efetiva de coleta;
abrangência da responsabilidade do produtor;
distância média até recicladores;
proporção destinada a aterros;
recuperação de materiais de alto valor;
presença de reciclagem informal;
fiscalização e rastreabilidade.

Sem isso, a lista deve ser apresentada como seleção de grandes mercados que enfrentarão desafios importantes, e não como ranking factual.

Conclusão corrigida

A energia solar possui um problema real de fim de vida, mas o texto original o torna mais absoluto do que as evidências permitem.

A síntese mais equilibrada seria:

A reciclagem de painéis solares já existe e pode recuperar grande parte de sua massa, especialmente vidro, alumínio e cobre. O desafio principal é tornar economicamente viável e amplamente disponível a recuperação de materiais de maior valor, como prata e silício, além de garantir o tratamento seguro das pequenas quantidades de substâncias perigosas. No Brasil, painéis fotovoltaicos domésticos estão formalmente incluídos na logística reversa de eletroeletrônicos, mas persistem lacunas para grandes usinas, grandes geradores e implementação prática. Mundialmente, a capacidade atual pode ser suficiente para parte do fluxo ainda relativamente pequeno, mas precisará crescer substancialmente durante as décadas de 2030 e 2040. A União Europeia possui o sistema regulatório mais estruturado; EUA, China, Índia e Japão apresentam modelos distintos e em rápida evolução, não podendo ser classificados rigorosamente sem indicadores comparáveis.

Finalmente, esse problema deve ser enfrentado sem criar uma falsa equivalência ambiental: mesmo com as limitações de reciclagem, a geração fotovoltaica continua apresentando impactos climáticos e ambientais de ciclo de vida muito inferiores aos da geração fóssil. O ponto correto não é que a energia solar seja ambientalmente inviável, mas que sua expansão precisa incorporar desde agora o custo completo de coleta, reutilização, desmontagem e reciclagem.

Tuesday, September 1, 2026

Análise crítica de Qwen 3.7

Aqui está uma análise crítica detalhada dos frameworks **UOR/SOAL** e **UOR/SOALD** apresentados, avaliando suas premissas, metodologia, contradições internas e implicações geopolíticas.

### 1. Síntese da Proposta

Os índices propostos buscam substituir métricas tradicionais (como PIB per capita ou índices de democracia liberal) por uma avaliação de "aptidão evolutiva civilizacional". O **UOR/SOAL** foca em capacidade tecnocrática, estabilidade operacional e planejamento de longo prazo. O **UOR/SOALD** introduz uma correção vital: a dimensão **D** (Empoderamento Humano Distribuído), que penaliza a concentração de riqueza e a precariedade, buscando medir se os benefícios da eficiência operacional são compartilhados pela base da sociedade.

### 2. Pontos Fortes do Framework

* **Superação do PIB como métrica única**: A inclusão de variáveis como "Orientação Civilizacional de Longo Prazo" (L) e "Agência Adaptativa Humana" (A) reconhece que a riqueza financeira não se traduz automaticamente em resiliência ou bem-estar.

* **A correção da dimensão "D"**: A transição de SOAL para SOALD é a evolução mais madura do modelo. Sem o "D", o índice seria puramente darwinista e tecnocrático, premiando ditaduras eficientes ou oligarquias tecnológicas. A inclusão de moradia, mobilidade e proteção contra a precariedade alinha o índice às necessidades reais de sociedades pós-transição industrial/IA.

* **Reconhecimento de modelos não-ocidentais**: Ao não penalizar automaticamente países que não seguem o modelo liberal-democrático ocidental, o índice captura com mais precisão a ascensão operacional do Leste Asiático e de potências emergentes.

---

### 3. Críticas Metodológicas e Epistemológicas

#### A. Falsa Precisão (Ilusão Quantitativa)

Atribuir pontuações com três casas decimais (ex: Singapura 0.926 vs. Finlândia 0.924) a conceitos abstratos como "Estabilidade de Significado" ou "Orientação Civilizacional" cria uma ilusão de rigor científico. Não há clareza sobre como variáveis qualitativas e multifacetadas são operacionalizadas, normalizadas e agregadas. Essa "falsa precisão" pode mascarar julgamentos de valor subjetivos sob uma aparência de objetividade matemática.

#### B. A "Caixa-Preta" dos Pesos

A mudança arbitrária dos pesos (ex: C cai de 0.22 para 0.20 para acomodar D=0.10) demonstra que o ranking é altamente sensível à ponderação escolhida pelo autor. Pequenas alterações nesses coeficientes poderiam reordenar drasticamente o top 10, o que sugere que o modelo é mais uma *representação de preferências normativas* do que uma descoberta empírica.

---

### 4. Contradições Ideológicas e Políticas

#### A. A Ilusão da "Apoliticidade"

O texto afirma explicitamente que o framework abandona "suposições liberal-democráticas ocidentais" e "alinhamento ideológico". No entanto, valorizar "coerência estatal" e "continuidade operacional" em detrimento de "fragmentação" é, em si, uma escolha ideológica (pró-estatista, tecnocrática e comunitarista). Sociedades pluralistas e abertas são inerentemente mais "fragmentadas" e ruidosas, mas essa mesma descentralização é frequentemente a fonte de sua resiliência a longo prazo e de sua capacidade de autocorreção.

#### B. A Exclusão de Taiwan: Uma Contradição Flagrante

A nota sobre a exclusão de Taiwan na versão SOALD devido a "sensibilidade geopolítica e disputa de soberania" é a prova definitiva de que o índice **não** está livre de pressões políticas. Um índice verdadeiramente operacional e técnico avaliaria Taiwan (que possui densidade de STEM, infraestrutura e estabilidade operacional de elite) independentemente de disputas diplomáticas. Ceder a essa pressão revela que o modelo é vulnerável a narrativas geopolíticas, contradizendo sua premissa fundamental.

#### C. O Dilema da Inovação vs. Coesão (O Caso dos EUA)

O índice penaliza os EUA por "fragmentação", "inconsistência educacional" e "instabilidade psicológica", enquanto elogia a China por "continuidade industrial". No entanto, o texto admite que os EUA dominam a "inovação de fronteira". O modelo trata a fragmentação apenas como um passivo, ignorando a hipótese de que o caos criativo e a descentralização dos EUA são o *preço necessário* para sua liderança em IA e software. O índice penaliza o sintoma sem ponderar se ele é o subproduto inevitável da vantagem competitiva do país.

---

### 5. Análise de Casos Específicos e Anomalias de Dados

#### A. O Caso do Brasil e o "IDHM 0.805"

O texto afirma que o Brasil subiu devido a resultados do IDHM, alegando que o país atingiu "IDHM 0.805" em 2024, entrando na categoria de "desenvolvimento humano muito alto". **Esta afirmação é metodologicamente problemática:**

1. O **IDHM** (Índice de Desenvolvimento Humano Municipal) é uma métrica *municipal* brasileira, não nacional. A métrica nacional é o **IDH** (Índice de Desenvolvimento Humano), calculado pelo PNUD.

2. O IDH do Brasil tem oscilado na faixa de 0.760 a 0.770 nos últimos relatórios do PNUD. Um salto para 0.805 exigiria uma mudança estrutural sem precedentes e amplamente documentada em renda, educação e longevidade, o que não condiz com os dados macroeconômicos e sociais consolidados até o momento.

3. Mesmo que haja uma melhora real na inclusão educacional, apresentar esse número como um fato consolidado de 2024/2026 soa como uma projeção otimista ou um erro categórico na nomenclatura dos índices, o que enfraquece a credibilidade empírica dessa seção específica.

#### B. Singapura e a Dimensão "D"

Singapura mantém uma pontuação altíssima no SOALD (0.920, 2º lugar), justificada por seu "sistema habitacional forte" (HDB). No entanto, Singapura possui uma das maiores desigualdades de riqueza do mundo desenvolvido, um sistema político com espaço limitado para dissidência e uma dependência massiva de mão de obra migrante precarizada (que geralmente é excluída das métricas de "empoderamento" dos cidadãos). O índice parece beneficiar a *aparência* de ordem e a eficiência logística, subestimando tensões sociais subjacentes.

---

### 6. Conclusão: Ferramenta Heurística, Não Científica

O framework **UOR/SOALD** é um exercício intelectual provocativo e valioso. Ele funciona brilhantemente como uma **teoria proto-normativa** ou um mapa de tendências para o século XXI, destacando corretamente que a sobrevivência civilizacional na era da IA dependerá da combinação entre competência tecnológica e coesão social distribuída.

No entanto, ele **não deve ser tratado como uma métrica científica objetiva**. Suas contradições (como a exclusão de Taiwan), sua falsa precisão numérica e a ambiguidade na operacionalização de variáveis abstratas revelam que se trata de um modelo *normativo disfarçado de descritivo*. Ele nos diz menos sobre como o mundo *é* medido objetivamente, e mais sobre como o autor *acredita* que as civilizações *deveriam* ser organizadas para sobreviver ao futuro: de forma coordenada, tecnologicamente densa, mas com um piso de proteção social robusto.

Para que o índice ganhe validade acadêmica, seria necessário:

1. Transparentar as fontes de dados e as fórmulas de normalização de cada variável.

2. Substituir a falsa precisão decimal por faixas de confiança ou agrupamentos (tiers).

3. Resolver a contradição de ceder a "sensibilidades geopolíticas" em um modelo que se pretende puramente operacional.

Qwen 3.7 Plus - PoutPourri.

Friday, August 28, 2026

From Material Security to Human Readiness: UBI, EUBI, and UOR in the Age of Artificial Intelligence.

The future of work may not begin with mass unemployment—but with doors that stop opening.

For years, the debate over artificial intelligence and work has revolved around a dramatic question: will machines replace human beings?

The question remains valid, but recent research shows that it is insufficient. The transformation may begin less visibly. Instead of millions of simultaneous layoffs, we may witness a gradual decline in entry-level openings, a concentration of productivity gains, a widening gap between prepared and excluded workers, and even a loss of meaning in human work before formal employment disappears.

This scenario calls for more than an emergency policy against unemployment. It requires a social architecture capable of functioning throughout an uncertain transition—fast or slow, moderate or radical—and of preventing the interval between the old world of work and a possible society of great abundance from turning into economic disorder, political resentment, and a widespread loss of purpose.

One possible response can be organized into three complementary layers:

UBI—Universal Basic Income: unconditional material security.
EUBI—Educational Universal Basic Income: additional support for the “work of learning.”
UOR—Universal Operational Readiness: the continuous maintenance of people’s cognitive, practical, emotional, social, and ethical capacities.

Recent publications from the World Bank, the OECD, the International Labour Organization, and researchers at the NBER and other institutions do not present this architecture under the same names. Taken together, however, they are beginning to describe many of its components.

What the data really show

It is important to begin by avoiding both alarmism and complacency.

The study by Hartley, Jolevski, Melo, and Moore, The Labor Market Effects of Generative Artificial Intelligence and Job Loss Fears, found that generative AI spread rapidly among US workers: 35.9% reported using it at work in December 2025, compared with 30.1% one year earlier. Even so, the authors detected no statistically significant reduction in overall employment or in job openings in the occupations most exposed to AI. They even found small positive wage effects.

This is a warning against premature claims that mass technological unemployment has already been demonstrated. It has not.

Yet the absence of an aggregate collapse does not mean the absence of transformation. National averages can remain relatively stable while specific groups lose opportunities. The harm may appear first in the composition of tasks, the quality of employment, and, above all, the hiring of beginners.

The ILO report Global Employment Trends for Youth 2026: Back to the Future shows why this issue deserves attention. In 2025, approximately 67 million people aged 15 to 24 were unemployed, while 257 million—20% of the youth population—were not in employment, education, or training. Roughly two-thirds of this group were women.

The ILO also estimates that 6.1% of jobs held by people aged 15 to 29 fall into the categories most exposed to AI-driven change. If only 10% of those jobs were completely eliminated, 5.6 million young people might need to change occupations, leave the labor force, or face unemployment. This is a scenario, not a forecast, but it reveals the scale of the risk.

The problem may not be limited to the destruction of existing jobs. Many mid-skilled administrative, clerical, commercial, and operational occupations have served as the first rungs of a career ladder. By performing the most routine tasks, beginners acquired experience, judgment, and tacit knowledge until they became seasoned professionals. If AI takes over precisely these entry-level tasks, how will anyone reach the advanced level?

We may preserve the upper floors of professions while removing the staircases that once allowed people to reach them.

Developing countries: lower exposure does not mean greater security

The World Bank’s World Development Report 2026: The Promise of Artificial Intelligence introduces an important perspective for countries such as Brazil.

According to the report, 4.5% of jobs in low- and middle-income economies would be at risk of automation by generative AI, compared with 14.2% in high-income economies. At the same time, 16.2% of jobs in developing countries could obtain significant productivity gains—a proportion close to the 18.7% estimated for rich countries.

At first glance, this seems reassuring. But lower exposure may also reflect lower digitalization, inadequate infrastructure, and the concentration of work in manual or informal activities. A worker may be protected from immediate automation while simultaneously being excluded from its productivity gains.

The danger is therefore twofold:

some workers will be replaced or see their opportunities reduced;
many others will remain in low-productivity activities without access to the tools that increase income and capability.

The World Bank recommends a sensible sequence: adopt the available tools, adapt them to local conditions, and progressively develop domestic capacity. This requires reliable electricity, connectivity, access to equipment, local data, institutional competence, and education.

For Brazil, the main divide may not emerge immediately between the employed and the unemployed, but between people, companies, and regions augmented by AI and those left at its margins.

UBI: the right not to fall

UBI is the first layer of the response. Its fundamental purpose is not to teach, assess, or direct professional choices. It is to ensure that no person is left without the minimum resources required for a dignified existence.

In an economy subject to rapid transitions, overly conditional welfare systems have familiar shortcomings: they arrive too late, exclude people facing new situations, create stigma, and may withdraw benefits precisely when recipients begin rebuilding their income.

An unconditional basic income provides a stable floor from birth and throughout life. It allows people to navigate periods of unemployment, intermittent work, family caregiving, illness, career change, or education without every transition becoming a risk of destitution.

But UBI should not be presented as a sufficient answer to every problem created by automation. Money does not automatically produce housing, medical services, food, or energy. If monetary demand grows faster than productive capacity, inflation, shortages, or price increases will arise in the least elastic sectors.

This is also the most prudent way to connect UBI with Modern Monetary Theory. A monetarily sovereign state does not face its expenditures exactly as a household does, but it remains constrained by real resources: workers, knowledge, materials, industrial capacity, energy, and infrastructure. The real limit is not simply “where will the money come from?” but what the economy can produce and distribute without generating excessive inflationary pressure.

The study by Dynan, Elmendorf, and Sheiner, How Might Fiscal Policy Respond to the Rise of Artificial Intelligence?, reinforces another point: greater productivity can expand fiscal space, but it does not automatically distribute its benefits. In adverse scenarios, additional income may become concentrated among the owners of capital while workers face unemployment, lower wages, or withdrawal from the labor force.

A sustainable UBI should therefore be accompanied by supply-side policies—housing, energy, health care, transportation, and food—and by mechanisms that socialize part of the gains from AI. Progressive taxation, sovereign wealth funds, public stakes in technological assets, and universal capital accounts can complement monetary and fiscal financing.

In essence, UBI means: no one should fall below the civilizational floor, regardless of the speed of technological change.

EUBI: when learning becomes a recognized form of work

The second layer addresses a different question: what should be done when conventional work becomes scarce, intermittent, or unable to provide beginners with experience?

EUBI’s answer is to recognize that learning, practicing, researching, creating, and developing skills are also socially productive activities. Anyone unable to find conventional work should be able to enter a system of learning work rapidly and receive additional income linked to participation and demonstrable progress.

The OECD report Skills in the AI Age offers strong support for this proposal. Business adoption of AI in OECD countries reportedly rose from approximately 7% in 2021 to 20% in 2025. About one-quarter of workers were already exposed to generative AI in 2022–2024, yet professionals with advanced AI skills still represented only about 1% of the workforce.

The OECD does not recommend training programmers alone. It identifies the need for a broad combination of capabilities:

literacy, numeracy, and scientific knowledge;
digital skills and a basic understanding of AI;
critical thinking and the ability to verify results;
creativity, communication, and collaboration;
adaptability and the capacity to keep learning.

It also recommends modular training, flexible and online pathways, recognition of prior learning, and short courses that can accumulate over time.

The World Bank study of Türkiye’s labor market comes even closer to a possible operational design for EUBI. It proposes individual learning accounts, annual credits, short stackable modules, recognized certification, counseling, skills assessment, and financial support combined with training.

There is, however, a decisive difference. The conventional model treats training primarily as a temporary bridge back to employment. EUBI begins from the possibility that there may not be enough vacancies for everyone at all times. In that case, learning must remain a legitimate and remunerated activity, not a disguised waiting room.

This does not mean paying people merely to enroll or attend. A responsible EUBI should recognize:

verifiable progress while respecting individual learning speeds;
practical projects and problem-solving;
in-person, online, self-directed, or apprenticeship-based learning;
technical, craft, scientific, artistic, social, and care-related skills;
recognition of previously acquired knowledge;
stackable portfolios and credentials;
the right to guidance, review, and appeal.

Every profession—past, present, or future—could serve as an entry point. Carpentry, mechanics, nursing, programming, agriculture, music, research, cooking, or philosophy represent different ways of developing discipline, knowledge, creativity, and responsibility.

The goal would not be to turn everyone into an AI specialist, but to enable everyone to use it critically within their own field.

How to replace the first rungs of professional careers

If entry-level jobs disappear, merely offering courses will not be enough. We must recreate the formative functions that entry-level work once performed.

An EUBI aimed at young people could combine:

modular education;
mentoring by experienced professionals;
in-person laboratories and workshops;
real projects for communities and institutions;
subsidized internships and apprenticeships;
simulations of workplace situations;
public portfolios of accomplishments;
progressive assessment of competence and responsibility.

This would allow young people to build experience even when companies were no longer willing to pay beginners to learn by performing routine tasks.

EUBI would also have a countercyclical function. When the market displaced workers, entry into the learning system could be almost immediate. When demand for conventional work returned, participants could leave or reduce their involvement without losing the security provided by UBI.

AI-based assessment: useful, but never sovereign

A universal educational program would require assessment on a scale far beyond the capacity of traditional systems. AI can help, but its use must be carefully delimited.

The experiment by Jabarian and Henkel, Voice AI in Firms: A Natural Field Experiment on Automated Job Interviews, offers an instructive result. Approximately 70,000 candidates were randomly assigned to human interviews or interviews conducted by voice agents. Candidates interviewed by AI were 12% more likely to receive an offer, and those hired showed higher retention without any reduction in productivity.

One possible explanation is that automated interviews were more consistent and structured, producing comparable information. Human recruiters, however, remained responsible for the final decision. The study does not prove that automated systems are impartial in every context, nor does it resolve questions of privacy, accessibility, and the right to challenge decisions.

For EUBI, the best architecture would be hybrid:

AI organizes evidence, administers adaptive assessments, and identifies gaps;
participants receive explanations and opportunities to correct deficiencies;
positive and routine decisions may be automated;
blocks, allegations of fraud, and payment suspensions require human review;
every participant has a right of appeal.

Impersonality can reduce favoritism, but algorithmic opacity may create an even more rigid bureaucracy. Assessment should serve development, not become a permanent mechanism of surveillance.

UOR: ready to act, not merely able to consume

Even UBI and EUBI together leave one question unanswered: for what purpose are we preserving and developing human capabilities?

UOR offers an answer. Universal Operational Readiness is the state in which people and societies retain the genuine capacity to understand situations, learn, cooperate, make ethical decisions, and act when necessary.

It is not about keeping everyone mobilized as if in a military organization, nor about imposing relentless productivity. Readiness means ensuring that material security does not lead to atrophy and that automation does not turn human beings into passive spectators of systems they no longer understand.

The concept includes at least two dimensions.

UOR-capacity

foundational knowledge;
practical skills;
digital and scientific literacy;
physical and emotional health;
adaptability and continuous learning;
the ability to work with other people and with different intelligences.

UOR-agency

autonomy and initiative;
responsibility for decisions;
recognizable contribution;
the ability to initiate and complete projects;
community participation;
meaning and purpose.

This second dimension receives unexpected theoretical support from Joshua Gans’s paper Replaceable but Employed: Automation and the Meaning of Work. Gans argues that automation can harm workers even without replacing them. Part of the meaning of work may come not only from producing something useful, but also from knowing that the outcome depends on one’s contribution.

When a machine demonstrates that it could perform the same activity, a person may remain employed and still feel less necessary. Gans calls this a meaning externality. It is a theoretical model that still lacks broad empirical confirmation, but it draws attention to a weakness in conventional statistics: preserved employment does not necessarily mean preserved agency.

There are sound counterarguments. Meaning can also come from service, community, creation, mastery of a practice, or moral responsibility. AI may free people from mechanical tasks and make the human parts of work more meaningful. But this will depend on institutional design and on how authority is divided between humans and machines.

A future UOR index should therefore measure more than employment, income, and educational attainment. It should seek indicators of autonomy, contribution, genuine mastery, participation, responsibility, and purpose.

Three layers, three different problems

UBI, EUBI, and UOR can be summarized as a progression:

Layer	Fundamental question	Institutional response
UBI	How do we prevent material collapse?	Unconditional income sufficient for a dignified existence
EUBI	How do we prevent educational stagnation?	Additional income for demonstrable learning and development
UOR	How do we preserve capability, agency, and purpose?	A continuous ecosystem of practice, creation, participation, and readiness

UBI without EUBI can protect against poverty, but it does not guarantee development. EUBI without UBI risks turning survival into a prize conditioned on educational compliance. UBI and EUBI without UOR may produce credentialed people who nevertheless lack autonomy, initiative, or meaningful participation.

The three layers are therefore complementary:

UBI guarantees the right to exist. EUBI sustains the right to learn. UOR preserves the capacity and opportunity to contribute.

A bridge to prevent a chaotic transition

We do not know whether artificial intelligence will produce limited unemployment, a profound reorganization of professions, or an economy in which much conventional work is no longer necessary. Nor do we know whether this transformation will occur over five, twenty, or fifty years.

This uncertainty is not an argument for waiting. It is precisely why we should build adaptive policies.

The system could begin modestly:

a partial and progressive UBI integrated with existing benefits;
priority EUBI access for young people not in employment or education and for displaced workers;
learning accounts and modular credentials;
community projects and subsidized apprenticeships;
monitoring of entry-level vacancies, job quality, and the concentration of AI gains;
continuous assessment of productive capacity and inflationary pressures;
public or social funds that enable the population to share in technological capital.

If automation advances slowly, these policies will still reduce poverty, expand education, and strengthen capabilities. If it advances rapidly, the institutional infrastructure will already be in place and ready to scale. This asymmetry matters: preparing early is useful even under the moderate scenario; waiting until disruption becomes undeniable may make the response late and socially explosive.

The objective is to avoid a “Mad Max” transition—not necessarily a literal collapse, but a period in which productivity and wealth grow alongside insecurity, resentment, loss of trust, and political fragmentation.

Conclusion: the human future must be built before it becomes necessary

Recent research does not prove the end of work. It shows something more complex and perhaps more urgent.

AI is already spreading rapidly, but its aggregate effects on employment remain modest. At the same time, young people face growing difficulties entering professions, skills are distributed unequally, countries and regions may be excluded from productivity gains, and even employed workers may lose autonomy and meaning.

This shifts the debate from a narrow question—“how many jobs will disappear?”—to a civilizational one:

How should security, learning, capability, power, and purpose be distributed in a society where production will depend increasingly less on conventional human labor?

UBI, EUBI, and UOR offer a coherent sequence of responses. They are not a promise of a perfect society, nor do they eliminate the need for policies concerning health care, housing, energy, competition, democracy, and ownership. But they form a conceptual and institutional bridge between today’s world and widely divergent futures.

If artificial intelligence produces abundance, that abundance will need to be distributed. If it produces instability, people must be prevented from falling. If it reduces the need for work, new forms of learning, contribution, and meaning will have to be created.

The challenge is not merely to keep human beings economically alive in the face of AI. It is to keep them capable, autonomous, engaged, and ready to act.

O futuro do trabalho talvez não comece com desemprego em massa — mas com portas que deixam de se abrir.

Da segurança material à prontidão humana: UBI, EUBI e UOR na era da inteligência artificial.

Durante anos, o debate sobre inteligência artificial e trabalho foi organizado em torno de uma pergunta dramática: as máquinas substituirão os seres humanos?

A pergunta continua válida, mas as pesquisas mais recentes mostram que ela é insuficiente. A transformação pode começar de maneira menos visível. Em vez de milhões de demissões simultâneas, podemos assistir à redução gradual das vagas de entrada, à concentração dos ganhos de produtividade, ao aumento da distância entre trabalhadores preparados e excluídos e até à perda de significado do trabalho humano antes que o emprego desapareça formalmente.

Esse cenário exige mais do que uma política emergencial contra o desemprego. Exige uma arquitetura social capaz de funcionar durante uma transição incerta — rápida ou lenta, moderada ou radical — e de impedir que o intervalo entre o antigo mundo do trabalho e uma possível sociedade de alta abundância se transforme em desorganização econômica, ressentimento político e perda generalizada de propósito.

Uma resposta possível pode ser organizada em três camadas complementares:

UBI — Universal Basic Income, ou Renda Básica Universal: segurança material incondicional.
EUBI — Educational Universal Basic Income, ou Renda Básica Universal Educacional: apoio adicional ao “trabalho de aprender”.
UOR — Universal Operational Readiness, ou Prontidão Operacional Universal: manutenção contínua das capacidades cognitivas, práticas, emocionais, sociais e éticas das pessoas.

As leituras recentes do Banco Mundial, da OCDE, da Organização Internacional do Trabalho e de pesquisadores do NBER e de outras instituições não apresentam essa arquitetura com os mesmos nomes. No entanto, tomadas em conjunto, começam a descrever muitos de seus componentes.

O que os dados realmente mostram

É importante começar evitando tanto o alarmismo quanto a complacência.

O estudo de Hartley, Jolevski, Melo e Moore, The Labor Market Effects of Generative Artificial Intelligence and Job Loss Fears, encontrou rápida disseminação da IA generativa entre trabalhadores norte-americanos: 35,9% declararam utilizá-la no trabalho em dezembro de 2025, ante 30,1% um ano antes. Apesar disso, os autores não detectaram redução estatisticamente significativa do emprego total ou das vagas nas ocupações mais expostas. Encontraram, inclusive, pequenos efeitos salariais positivos.

Isso constitui uma advertência contra afirmações precipitadas de que o desemprego tecnológico em massa já teria sido comprovado. Não foi.

Entretanto, a ausência de um colapso agregado não significa ausência de transformação. Médias nacionais podem permanecer relativamente estáveis enquanto determinados grupos perdem oportunidades. O dano pode surgir primeiro na composição das tarefas, na qualidade do emprego e, sobretudo, na contratação de iniciantes.

O relatório da OIT Global Employment Trends for Youth 2026: Back to the Future mostra por que esse ponto merece atenção. Em 2025, cerca de 67 milhões de jovens de 15 a 24 anos estavam desempregados, e 257 milhões — 20% da população jovem — não se encontravam empregados, estudando ou recebendo capacitação. Aproximadamente dois terços desse grupo eram mulheres.

A OIT calcula ainda que 6,1% dos empregos ocupados por pessoas de 15 a 29 anos estão nas categorias mais expostas às mudanças produzidas pela IA. Se apenas 10% desses empregos fossem integralmente eliminados, 5,6 milhões de jovens poderiam precisar mudar de ocupação, sair da força de trabalho ou enfrentar desemprego. Trata-se de um cenário, não de uma previsão, mas ele revela a dimensão do risco.

O problema talvez não seja apenas a destruição de empregos existentes. Muitas ocupações administrativas, clericais, comerciais e operacionais de qualificação intermediária funcionavam como primeiros degraus de uma carreira. Ao executar as tarefas mais rotineiras, o iniciante adquiria experiência, julgamento e conhecimento tácito até tornar-se um profissional experiente. Se a IA ocupar precisamente essas tarefas iniciais, como alguém chegará ao nível avançado?

Poderemos preservar os andares superiores das profissões enquanto removemos as escadas que permitiam alcançá-los.

Países em desenvolvimento: menor exposição não significa maior segurança

O World Development Report 2026: The Promise of Artificial Intelligence, do Banco Mundial, introduz uma perspectiva importante para países como o Brasil.

Segundo o relatório, 4,5% dos empregos nas economias de renda baixa e média estariam sob risco de automação pela IA generativa, contra 14,2% nas economias de alta renda. Ao mesmo tempo, 16,2% dos empregos nos países em desenvolvimento poderiam obter ganhos significativos de produtividade — uma proporção próxima dos 18,7% estimados para países ricos.

À primeira vista, isso parece tranquilizador. Mas menor exposição também pode refletir menor digitalização, infraestrutura insuficiente e concentração do trabalho em atividades manuais ou informais. O trabalhador pode estar protegido da automação imediata e, simultaneamente, excluído dos ganhos de produtividade.

O perigo, portanto, é duplo:

alguns trabalhadores serão substituídos ou terão suas oportunidades reduzidas;
muitos outros permanecerão em atividades pouco produtivas, sem acesso às ferramentas que aumentam renda e capacidade.

O Banco Mundial recomenda uma sequência sensata: adotar as ferramentas disponíveis, adaptá-las às condições locais e, progressivamente, desenvolver capacidade própria. Isso requer eletricidade confiável, conectividade, acesso a equipamentos, dados locais, competência institucional e educação.

Para o Brasil, a principal fratura talvez não ocorra imediatamente entre empregados e desempregados, mas entre pessoas, empresas e regiões aumentadas pela IA e aquelas deixadas à margem dela.

UBI: o direito de não cair

A UBI constitui a primeira camada da resposta. Sua finalidade fundamental não é ensinar, avaliar ou direcionar escolhas profissionais. É garantir que nenhuma pessoa fique sem os recursos mínimos necessários à existência digna.

Em uma economia sujeita a transições rápidas, sistemas assistenciais excessivamente condicionados apresentam dificuldades conhecidas: chegam tarde, excluem pessoas em situações novas, criam estigma e podem retirar benefícios justamente quando o beneficiário começa a reconstruir sua renda.

A renda básica incondicional oferece um piso estável a partir do nascimento e ao longo da vida. Ela permite atravessar períodos de desemprego, trabalho intermitente, cuidado familiar, doença, mudança profissional ou formação sem que cada transição se converta em risco de miséria.

Mas a UBI não deve ser apresentada como resposta suficiente a todos os problemas da automação. Dinheiro não produz automaticamente moradias, serviços médicos, alimentos ou energia. Se a demanda monetária crescer mais rapidamente que a capacidade produtiva, surgirão inflação, escassez ou elevação de preços nos setores menos elásticos.

Essa é também a formulação mais prudente para aproximar UBI e Teoria Monetária Moderna. Um Estado monetariamente soberano não enfrenta suas despesas exatamente como uma família, mas continua limitado por recursos reais: trabalhadores, conhecimento, materiais, capacidade industrial, energia e infraestrutura. O verdadeiro limite não é simplesmente “de onde virá o dinheiro?”, mas o que a economia consegue produzir e distribuir sem gerar pressão inflacionária excessiva.

O estudo de Dynan, Elmendorf e Sheiner, How Might Fiscal Policy Respond to the Rise of Artificial Intelligence?, reforça outro aspecto: maior produtividade pode ampliar o espaço fiscal, mas não distribui seus benefícios automaticamente. Em cenários adversos, a renda adicional pode concentrar-se entre proprietários de capital, enquanto trabalhadores enfrentam desemprego, redução salarial ou saída da força de trabalho.

Por isso, uma UBI sustentável deve ser acompanhada de políticas de oferta — habitação, energia, saúde, transporte e alimentação — e de mecanismos que socializem parte dos ganhos da IA. Tributação progressiva, fundos soberanos, participação pública em ativos tecnológicos e contas universais de capital podem complementar o financiamento monetário e fiscal.

UBI significa, em essência: ninguém deve cair abaixo do piso civilizatório, qualquer que seja a velocidade da transformação tecnológica.

EUBI: quando aprender se torna uma forma reconhecida de trabalho

A segunda camada responde a uma pergunta diferente: o que fazer quando o trabalho convencional se torna escasso, intermitente ou incapaz de oferecer experiência aos iniciantes?

A resposta da EUBI é reconhecer que aprender, praticar, pesquisar, criar e desenvolver competências também são atividades socialmente produtivas. Quem não encontra trabalho convencional deve poder ingressar rapidamente em um sistema de learning work — trabalho de aprendizagem — e receber uma renda adicional vinculada à participação e ao progresso demonstrável.

O relatório da OCDE Skills in the AI Age oferece forte sustentação a essa proposta. A adoção empresarial da IA nos países da OCDE teria aumentado de aproximadamente 7% em 2021 para 20% em 2025. Cerca de um quarto dos trabalhadores já estava exposto à IA generativa em 2022–2024, mas profissionais com competências avançadas em IA ainda representavam apenas cerca de 1% da força de trabalho.

A OCDE não recomenda apenas formar programadores. Identifica a necessidade de uma combinação ampla de capacidades:

alfabetização, matemática e conhecimento científico;
competências digitais e compreensão básica da IA;
pensamento crítico e capacidade de verificar resultados;
criatividade, comunicação e colaboração;
adaptabilidade e capacidade de continuar aprendendo.

Também recomenda formação modular, percursos flexíveis e on-line, reconhecimento de conhecimentos anteriores e cursos curtos que possam ser acumulados ao longo do tempo.

O estudo do Banco Mundial sobre o mercado de trabalho da Turquia aproxima-se ainda mais de um possível desenho operacional da EUBI. Ele propõe contas individuais de aprendizagem, créditos anuais, módulos curtos e acumuláveis, certificação reconhecida, aconselhamento, avaliação de competências e apoio financeiro combinado com capacitação.

Há, contudo, uma diferença decisiva. O modelo convencional trata a capacitação sobretudo como ponte temporária de volta ao emprego. A EUBI parte da possibilidade de que não existam vagas suficientes para todos em todos os momentos. Nesse caso, a aprendizagem precisa continuar sendo uma atividade legítima e remunerada, não uma sala de espera disfarçada.

Isso não significa pagar simplesmente pela matrícula ou presença. Uma EUBI responsável deveria reconhecer:

progressos verificáveis, respeitando ritmos individuais;
projetos práticos e solução de problemas;
aprendizagem presencial, on-line, autodidata ou por aprendizagem profissional;
competências técnicas, artesanais, científicas, artísticas, sociais e de cuidado;
reconhecimento de conhecimentos já adquiridos;
portfólios e credenciais acumuláveis;
direito a orientação, revisão e recurso.

Todas as profissões — antigas, atuais ou futuras — poderiam servir como portas de entrada. Carpintaria, mecânica, enfermagem, programação, agricultura, música, pesquisa, culinária ou filosofia representam formas diferentes de desenvolver disciplina, conhecimento, criação e responsabilidade.

O objetivo não seria transformar toda pessoa em especialista em IA, mas permitir que todos adquiram capacidade de utilizá-la criticamente dentro de seus próprios campos.

Como substituir os primeiros degraus profissionais

Se empregos iniciais desaparecerem, oferecer apenas cursos será insuficiente. É preciso recriar as funções formativas antes exercidas pelo trabalho de entrada.

Uma EUBI voltada aos jovens poderia combinar:

formação modular;
mentoria por profissionais experientes;
laboratórios e oficinas presenciais;
projetos reais para comunidades e instituições;
estágios e aprendizagens profissionais subsidiadas;
simulações de situações de trabalho;
portfólios públicos de realizações;
avaliação progressiva de competência e responsabilidade.

Isso permitiria que o jovem construísse experiência mesmo quando uma empresa já não estivesse disposta a pagar para que um iniciante aprendesse executando tarefas rotineiras.

A EUBI também teria função anticíclica. Quando o mercado dispensasse trabalhadores, a entrada no sistema de aprendizagem poderia ser quase imediata. Quando a demanda por trabalho convencional retornasse, a pessoa poderia sair ou reduzir sua participação sem perder a segurança fornecida pela UBI.

Avaliação por IA: útil, mas nunca soberana

Um programa educacional universal exigiria avaliação em escala muito superior à capacidade dos sistemas tradicionais. A IA pode ajudar, mas seu uso precisa ser cuidadosamente delimitado.

O experimento de Jabarian e Henkel, Voice AI in Firms: A Natural Field Experiment on Automated Job Interviews, oferece um resultado instrutivo. Cerca de 70 mil candidatos foram distribuídos aleatoriamente entre entrevistas humanas e entrevistas conduzidas por agentes de voz. Os candidatos entrevistados por IA tiveram probabilidade 12% maior de receber uma oferta, e os contratados apresentaram maior retenção sem redução de produtividade.

Uma possível explicação é que as entrevistas automatizadas foram mais consistentes e estruturadas, produzindo informações comparáveis. Entretanto, recrutadores humanos continuaram responsáveis pela decisão final. O estudo não prova que sistemas automáticos sejam imparciais em todos os contextos, nem resolve questões de privacidade, acessibilidade e direito de contestação.

Para a EUBI, a melhor arquitetura seria híbrida:

a IA organiza evidências, aplica avaliações adaptativas e identifica lacunas;
o participante recebe explicações e oportunidades de correção;
decisões positivas e rotineiras podem ser automatizadas;
bloqueios, acusações de fraude e suspensão de pagamentos exigem revisão humana;
todo participante dispõe de direito de recurso.

A impessoalidade pode reduzir favoritismos, mas a opacidade algorítmica pode criar uma burocracia ainda mais rígida. A avaliação deve servir ao desenvolvimento, não transformar-se em mecanismo permanente de vigilância.

UOR: estar pronto para agir, não apenas apto a consumir

Mesmo UBI e EUBI juntas deixam uma pergunta em aberto: para que estamos preservando e desenvolvendo capacidades humanas?

A UOR propõe uma resposta. Prontidão Operacional Universal é o estado no qual pessoas e sociedades mantêm capacidade real de compreender situações, aprender, cooperar, decidir eticamente e agir quando necessário.

Não se trata de manter todos mobilizados como numa organização militar, nem de impor produtividade incessante. Prontidão significa que a segurança material não conduza à atrofia e que a automação não transforme os seres humanos em espectadores passivos de sistemas que já não compreendem.

O conceito inclui pelo menos duas dimensões.

UOR-capacidade

conhecimento fundamental;
competências práticas;
alfabetização digital e científica;
saúde física e emocional;
adaptação e aprendizagem contínua;
capacidade de trabalhar com outras pessoas e com diferentes inteligências.

UOR-agência

autonomia e iniciativa;
responsabilidade por decisões;
contribuição reconhecível;
capacidade de iniciar e concluir projetos;
participação comunitária;
sentido e propósito.

Essa segunda dimensão recebe apoio teórico inesperado do artigo de Joshua Gans, Replaceable but Employed: Automation and the Meaning of Work. Gans argumenta que a automação pode prejudicar o trabalhador mesmo sem substituí-lo. Parte do significado do trabalho viria não apenas de produzir algo útil, mas de saber que o resultado depende de sua contribuição.

Quando uma máquina demonstra que poderia realizar a mesma atividade, a pessoa pode continuar empregada e, ainda assim, sentir-se menos necessária. Gans chama isso de externalidade sobre o significado. É um modelo teórico, ainda carente de comprovação empírica ampla, mas ele chama atenção para uma deficiência das estatísticas usuais: emprego preservado não significa necessariamente agência preservada.

Há bons contra-argumentos. O sentido também pode vir do serviço prestado, da comunidade, da criação, do domínio de uma prática ou da responsabilidade moral. A IA pode libertar pessoas de tarefas mecânicas e aumentar o significado das partes humanas do trabalho. Mas isso dependerá do desenho das instituições e da divisão de autoridade entre pessoas e máquinas.

Por isso, um futuro índice de UOR não deveria medir apenas emprego, renda e escolaridade. Deveria procurar indicadores de autonomia, contribuição, domínio efetivo, participação, responsabilidade e propósito.

Três camadas, três problemas diferentes

UBI, EUBI e UOR podem ser resumidas como uma progressão:

Camada	Pergunta fundamental	Resposta institucional
UBI	Como impedir a queda material?	Renda incondicional suficiente para uma existência digna
EUBI	Como impedir a estagnação formativa?	Remuneração adicional para aprendizagem e desenvolvimento demonstrável
UOR	Como preservar capacidade, agência e propósito?	Ecossistema contínuo de prática, criação, participação e prontidão

A UBI sem EUBI pode proteger contra a pobreza, mas não garante desenvolvimento. Uma EUBI sem UBI corre o risco de transformar sobrevivência em prêmio condicionado à obediência educacional. UBI e EUBI sem UOR podem produzir pessoas certificadas, porém sem autonomia, iniciativa ou participação significativa.

As três camadas são, portanto, complementares:

UBI garante o direito de existir. EUBI sustenta o direito de aprender. UOR preserva a capacidade e a oportunidade de contribuir.

Uma ponte para evitar uma transição caótica

Não sabemos se a inteligência artificial produzirá desemprego limitado, reorganização profunda das profissões ou uma economia na qual grande parte do trabalho convencional deixará de ser necessária. Também não sabemos se essa transformação ocorrerá em cinco, vinte ou cinquenta anos.

Essa incerteza não é argumento para esperar. É precisamente a razão para construir políticas adaptativas.

O sistema pode começar modestamente:

uma UBI parcial e progressiva, integrada aos benefícios existentes;
EUBI prioritária para jovens sem trabalho ou formação e trabalhadores deslocados;
contas de aprendizagem e credenciais modulares;
projetos comunitários e aprendizagens profissionais subsidiadas;
monitoramento de vagas de entrada, qualidade do trabalho e concentração dos ganhos da IA;
avaliação contínua da capacidade produtiva e das pressões inflacionárias;
fundos públicos ou sociais que permitam à população participar do capital tecnológico.

Se a automação avançar lentamente, essas políticas ainda reduzirão pobreza, ampliarão educação e fortalecerão capacidades. Se avançar rapidamente, a infraestrutura institucional já estará disponível para se expandir. Essa assimetria é importante: preparar-se cedo tem utilidade mesmo no cenário moderado; esperar até que a ruptura seja evidente pode tornar a reação tardia e socialmente explosiva.

O objetivo é evitar uma transição do tipo “Mad Max”: não necessariamente um colapso literal, mas um período em que produtividade e riqueza crescem ao lado de insegurança, ressentimento, perda de confiança e fragmentação política.

Conclusão: o futuro humano precisa ser construído antes de ser necessário

As leituras recentes não comprovam o fim do trabalho. Elas mostram algo mais complexo e, talvez, mais urgente.

A IA já se difunde rapidamente, mas seus efeitos agregados sobre o emprego ainda são modestos. Ao mesmo tempo, jovens enfrentam dificuldades crescentes para ingressar nas profissões, competências estão distribuídas de forma desigual, países e regiões podem ser excluídos dos ganhos de produtividade e até trabalhadores empregados podem perder autonomia e significado.

Isso desloca o debate de uma pergunta estreita — “quantos empregos desaparecerão?” — para uma questão civilizatória:

Como distribuir segurança, aprendizagem, capacidade, poder e propósito em uma sociedade na qual a produção dependerá cada vez menos do trabalho humano convencional?

UBI, EUBI e UOR oferecem uma sequência coerente de respostas. Não representam uma promessa de sociedade perfeita nem dispensam políticas de saúde, moradia, energia, concorrência, democracia e propriedade. Mas formam uma ponte conceitual e institucional entre o mundo atual e futuros muito diferentes.

Se a inteligência artificial vier a produzir abundância, essa abundância precisará ser distribuída. Se produzir instabilidade, será necessário impedir que a população caia. Se reduzir a necessidade de trabalho, será preciso criar novas formas de aprendizagem, contribuição e significado.

O desafio não é apenas manter os seres humanos economicamente vivos diante da IA. É mantê-los capazes, autônomos, participantes e prontos para agir.

Leituras recomendadas

World Bank. World Development Report 2026: The Promise of Artificial Intelligence, 2026.
OECD. Skills in the AI Age, 2026.
International Labour Organization. Global Employment Trends for Youth 2026: Back to the Future, 2026.
World Bank. Artificial Intelligence and Türkiye’s Labor Market: Managing Exposure, Expanding Opportunity, 2026.
Dynan, K.; Elmendorf, D.; Sheiner, L. How Might Fiscal Policy Respond to the Rise of Artificial Intelligence?, NBER Working Paper 35437, 2026.
Hartley, J. S.; Jolevski, F.; Melo, V.; Moore, B. The Labor Market Effects of Generative Artificial Intelligence and Job Loss Fears, 2026.
Gans, J. S. Replaceable but Employed: Automation and the Meaning of Work, NBER Working Paper 35559, 2026.
Jabarian, B.; Henkel, L. Voice AI in Firms: A Natural Field Experiment on Automated Job Interviews, 2026.

Texto desenvolvido com assistência de IA .