PoutPourri

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 e auditado por Reischl, E